（通讯员：蔡列飞、张子浩、屈文虎）近日，武汉大学测绘遥感信息工程全国重点实验室肖雄武副教授课题组在困难条件下的无人机高精度实时摄影测量领域取得多项突破性进展，系列成果于今年4月和5月相继在地球科学一区TOP期刊IEEE Transactions on Geoscience and Remote Sensing (TGRS)、国际摄影测量与遥感学会会刊ISPRS Journal of Photogrammetry and Remote Sensing (ISPRS)发表。

发表在TGRS的成果“RTO-LLI: Robust Real-time Image Orientation Method With Rapid Multilevel Matching and Third-times Optimizations for Low-overlap Large-format UAV Images”（RTO-LLI：基于快速多层次匹配与三重位姿优化的低重叠/大幅面影像高鲁棒性实时定位定向方法），肖雄武副教授为第一作者，肖雄武、硕士生张子浩为通讯作者。

无人机实时摄影测量，是指：在无人机飞行过程中，实时获取中/高分辨率无人机影像（例如1秒钟获取一张或多张中高分辨率的无人机影像）和GNSS定位数据（例如1秒钟获取若干次GNSS数据），并同步使用机载处理器或云服务器或地面计算单元（如一台千元级的普通笔记本电脑）在线实时处理新获取的数据，实时动态完成新获取影像的鲁棒匹配、相对定向、高精度位姿解算，实时动态生成三维点云、无人机摄影测量4D产品（要求：从获取数据到同步解算影像高精度位姿、实时动态生成摄影测量产品，其整个过程的处理延时应小于1秒钟）。实时摄影测量技术，对于推动无人机测绘产品的实时/准实时生产、智能信息提取与快速遥感制图、高效的大规模实景三维构建、战场环境实时感知、数字孪生等领域具有重要意义。

对于大幅面相机，在相同飞行高度下可以覆盖更大的区域，从而可提高航测效率；而在相同作业效率要求下，大幅面相机则可以在保持同样重叠度的前提下，使无人机飞行高度更低，从而获取分辨率更高的影像。对于降低影像重叠度，可以增大摄影基线，从而可以显著提高无人机的飞行速度，进而大幅提升航测效率。因此，对大幅面和低重叠度等困难条件下的无人机序列影像开展实时摄影测量研究，具有重要的实际价值。然而，低重叠大像幅无人机影像的实时摄影测量处理存在诸多困难与挑战，包括：（1）影像幅面大，大幅增加了实时处理的数据量和计算工作量，对采用低成本处理器的在线实时摄影测量处理提出了挑战，需要更高效的算法。（2）影像重叠度低，容易造成匹配点对的覆盖区域少，实时匹配与实时相对定向困难、精度低，给高精度的实时位姿重建带来很大困难。总体而言，目前尚没有公开发布且可靠实用的低重叠度大幅面影像实时摄影测量解决方案。

为了克服上述挑战，课题组给出了无人机实时摄影测量的基本定义、无人机实时摄影测量中“低重叠度”“大幅面”的概念，详细介绍了SLAM与无人机实时拼图、无人机实时摄影测量与实时测绘的发展历程，面向无人机在线实时获取的低重叠和大幅面无人机序列影像，创新性提出了一种基于快速多层次匹配与三重位姿优化的高鲁棒性实时匹配与实时定位定向方法。（1）首先，设计了一种适用于低重叠大幅面影像的实时处理初始化方法，以确保SLAM初始化的高成功率。（2）其次，提出了一种由粗到精的多层次图像匹配与三重位姿优化的高精度实时位姿解算方法。（3）最后，综合上述过程，设计了一套面向低重叠大幅面影像的高鲁棒性实时匹配与实时定位定向系统RTO-LLI（RTO-LLI系统原理，如图1）。

图1 面向低重叠度和大幅面影像的高鲁棒性实时匹配与实时定位定向方法

大量实际测试和实验表明：该方法实现了面向低重叠度和大幅面无人机影像的高鲁棒性和高精度实时位姿解算。主要实验结论有：①RTO-LLI算法，在千元级低成本处理器上能够以超过每秒1.5帧/秒的速度完成高精度实时位姿解算，满足无人机摄影测量任务的实时性要求，其处理效率要大幅度优于PhotoScan、OpenMVG、Colmap等传统离线处理方法；②RTO-LLI是唯一一种在四种不同类型场景下重复50次实验都能成功完成实时处理任务的方法，其鲁棒性远远优于其他经典SLAM方案；③RTO-LLI解算的轨迹误差小于轨迹长度的1/2000，平均投影误差小于1.5像素，几乎与传统离线方法相当。④RTO-LLI方法能够满足低重叠大幅面无人机影像实时摄影测量的效率、鲁棒性和精度要求。

图2 不同摄影测量算法对不同场景数据的平均处理耗时对比

图3 不同实时处理算法对多套数据在50次重复实验中鲁棒性对比

该研究受国家自然科学基金、国家重点研发计划、湖北省自然科学基金、装备智能运用教育部重点实验室开放基金等项目的资助。

TGRS论文链接：https://doi.org/10.1109/TGRS.2025.3559983

发表在ISPRS的成果“A novel real-time matching and pose reconstruction method for low-overlap agricultural UAV images with repetitive textures”（一种面向低重叠无人机农业重复纹理影像的实时匹配与高精度实时位姿重建方法），肖雄武副教授为第一作者，肖雄武、博士生屈文虎为通讯作者。该研究聚焦于当前农业遥感影像处理中普遍存在的“重叠率低、纹理重复、实时性差”三大技术难题，提出了一套从影像初始化到高精度实时重建的全流程解决方案。

农业无人机遥感影像是精准农业的重要数据来源，具有飞行效率高、获取灵活等优势，能够为农作物监测、病虫害防治、耕作决策等提供精细化时空信息支持。尤其在大田作物种植场景中，低重叠航线设计与影像大幅面覆盖范围广的特点可显著减少航飞耗时与图像数量，大幅提高作业效率。然而，由于农田遥感影像常呈现重复纹理、水体弱纹理等视觉特性，且图像之间重叠区域较少，导致现有的位姿估计与三维重建方法在此类场景下常出现初始化失败、跟踪中断与重建漂移等问题，严重制约了低成本、高效率的农业无人机应用。

具体而言，面向低重叠、大幅面农业重复纹理影像的实时三维重建主要面临三大挑战：（1）计算复杂度高：基于SLAM的方法依赖于提取和匹配大量特征进行姿态估计。来自大幅面图像的高分辨率数据显著增加了计算负荷，使得在计算资源受限条件下的实时处理具有挑战性；（2）重复纹理导致特征误匹配：农田场景中常见的规律种植行结构易造成特征聚集与冗余，严重影响匹配鲁棒性和位姿估计精度；（3）低重叠图像中的稀疏特征对应：视觉SLAM初始化需要足够的“具有足够视差的双视图对应”来恢复初始相机姿态和3D地图点。在低重叠农业场景（<50%三度视觉重叠）中，连续帧之间缺乏鲁棒匹配会导致初始化失败，特别是在重复纹理下。（4）由于不依赖任何地面控制点，在跟踪过程中，缺乏持久的三视图几何约束会进一步降低姿态估计的准确性，容易导致SLAM系统中断或重建结果精度很低。

针对上述挑战，课题组提出了一种面向低重叠度大幅面农业遥感影像的实时匹配与高精度实时位姿重建方法。该方法融合自适应地图初始化策略、全局纹理感知的关键点提取机制、多模态跟踪切换策略与混合优化结构，具有以下技术亮点：（1）鲁棒性动态初始化机制：针对农业场景中低影像重叠率（三度重叠低于50%）导致的初始化失败问题，提出多模型并行估计与特征逐步匹配策略，显著提升了低重叠度重复纹理影像的初始化成功率；（2）全局纹理感知特征提取算法：结合特征响应更新与四叉树筛选机制，增强了关键点在重复纹理中的均匀性与稳定性；（3）自适应图像跟踪策略：根据帧间匹配质量动态切换4种跟踪模式，确保在视角剧烈变化或纹理匮乏场景下的稳健追踪；（4）局部—全局混合优化机制：构建多因子图结构进行局部调整，同时引入面向大基线农业影像的闭环检测策略，实现长期重建误差抑制；（5）大幅面无人机图像的实时处理：模块化并行处理框架有效地处理高分辨率无人机数据。四个并行线程——特征提取、姿态跟踪、局部优化和全局优化——提高了计算效率，而几何约束投影匹配确保了高质量的特征对应。

图4 面向低重叠度农业重复纹理影像的高精度实时匹配与实时位姿重建方法

实验结果表明：①该系统是当前唯一能在千元级低成本处理器上实现对低重叠大幅面农业遥感影像进行在线实时处理的算法，对低重叠度大幅面农业遥感影像的处理速度可达3.4帧/秒，且实时摄影测量精度能够保持在较高水平（实时处理精度优于1.1像素），满足无人机农业遥感实时摄影测量需求。②相较于Agisoft Metashape（选择Fast Mode），其处理速度仍然提高了约4倍，在满足农业遥感对实时性要求的同时，显著提升了重建完整性与轨迹精度。③与当前主流的视觉SLAM系统（如ORB-SLAM3、OpenVSLAM等）和SfM软件（如Agisoft Metashape、COLMAP等）相比，该方法在多组实际农业数据集上均表现出更优的鲁棒性与实时性，验证了其在农田监测、作物管理和精准农业等场景中的应用潜力。

图5 课题组方法与几种经典实时重建算法对第二套农业遥感数据的鲁棒性测试结果对比

图6 课题组提出实时处理系统与一些经典视觉SLAM系统的精度对比

（提出系统的绝对误差，要显著低于一些现有的经典SLAM系统）

该研究受国家自然科学基金、国家重点研发计划、湖北省自然科学基金、湖北省楚天学者计划等项目的资助。

ISPRS论文链接: https://doi.org/10.1016/j.isprsjprs.2025.05.009

据悉，肖雄武课题组近年来积极投身实时测绘与灾害遥感快速制图领域。课题组肖雄武副教授于2017-2018年牵头攻克了无人机实时摄影测量中的“非实时传输”“难实时处理”“依赖控制点”三大难题，自主研制完成了我国首套无人机实时测绘系统(及时图)，2019年1月—3月在武汉、北京等地相继开展了多次实际测试，能够在线实时生成测区点云和实时DSM/DEM/DOM，2019年申请无人机实时测绘国家发明专利3项（均获得授权）。2022年，课题组牵头指导的“及时图——高精度实时无人机测绘系统开创者”项目获得第八届中国国际“互联网+”大赛总决赛金奖，以国赛小组第1名夺金、金奖排位赛全国第5名创造了武汉大学本科生组的最高成绩纪录。