[发明专利]一种无人机图像质量检测的方法、系统及设备

说明书

本发明公开了一种无人机图像质量检测的方法、系统及设备，包括以下步骤：获取无人机拍摄到的需要检测的图像，并从中选择两张图像；对选择的图像采用Harris算法计算出图像的特征点；采用Lowe’s算法从特征点中提取出优质特征点，并对优质特征点两两之间进行匹配；重新选取需要检测的两张图像并重复步骤，获得所有需要检测的图像的优质特征点匹配的数量，根据图像优质特征点匹配的数量对图像进行质量分级。本发明通过采集Harris算法对图像的特征点的提取及匹配，其具有运行速度快、鲁棒性强等特点，通过对同一场景的两张照片的特征点快速提取，并对图像上的优质特征点进行两两匹配，依照优质匹配点数量的多少对图像的质量进行分级，大大提高了工作效率。

技术领域

本发明涉及图像质量检测技术领域，尤其涉及一种无人机图像质量检测的方法、系统及设备。

背景技术

无人机在外航拍作业返回后，现阶段对无人机得到的图像数据进行处理的过程主要是人工排查，需要手动打开每一张照片，依照是否模糊、照片内是否有需要拍摄的物体、照片的曝光是过亮还是过暗的标准来确定数据的质量是否合格；还需要检查照片与照片之间是否存在图像不连贯的情况。使用人工手段来排查使得对图像的检测时间过长，效率过低，并且大大增加了人力成本。

综上所述，现有技术中对无人机航拍作业的图像需要人工进行质量审核，存在着效率低下的技术问题。

发明内容

本发明提供了一种无人机图像质量检测的方法、系统及设备，解决了现有技术中对无人机航拍作业的图像需要人工进行质量审核，存在着效率低下的技术问题。

本发明提供的一种无人机图像质量检测的方法，包括以下步骤：

步骤S1：获取无人机拍摄到的需要检测的图像，并从中选择两张图像；

步骤S2：对选择的图像采用Harris算法计算出图像的特征点；

步骤S3：采用Lowe’s算法从特征点中提取出优质特征点，并对优质特征点两两之间进行匹配；

步骤S4：重新选取需要检测的两张图像并重复步骤S2-S3，获得所有需要检测的图像的优质特征点匹配的数量，根据图像优质特征点匹配的数量对图像进行质量分级。

优选的，在步骤S1中，提取需要检测图像的拍摄时间，将拍摄时间最为接近的两张图像两两成组，并从中选择出一组图像执行后续步骤。

优选的，在步骤S1中，提取需要检测图像的位置信息，将位置信息最为接近的两张图像两两成组，并从中选择出一组图像执行后续步骤。

优选的，在步骤S1中，从需要检测图像中选择两张图像的具体步骤如下:

从需要检测的图像中提取位置信息以及拍摄时间信息，若需要检测的图像中没有检测到位置信息数据，将拍摄时间最为接近的两张图像两两成组，并从中选择出一组图像执行后续步骤；

若图像包含有位置信息，则根据图像位置信息，选择与该位置信息拍摄时间最为接近图像，并将图像两两成组，并从中选择出一组图像执行后续步骤。

优选的，Harris算法中的Harris矩阵如下：

其中，W(x,y)是图像中以点(x,y)为中心的窗口，又称窗口函数；I_x，I_y为图像上(x,y)的偏导数。

一种无人机图像质量检测的系统，所述系统包括：图像获取模块、Harris算法计算模块、Lowe’s算法计算模块以及图像质量分级模块；

所述图像获取模块用于获取无人机拍摄到的图像；

所述Harris算法计算模块用于从拍摄到的图像中任意选择两张图像，对选择出的图像采用Harris算法计算出图像的特征点；