基于微小型无人机的遥感信息获取关键技术综述.pdf

《基于微小型无人机的遥感信息获取关键技术综述.pdf》由会员分享，可在线阅读，更多相关《基于微小型无人机的遥感信息获取关键技术综述.pdf（12页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第 30 卷 第 18 期 农 业 工 程 学 报 Vol.30 No.18 2014 年 9月 Transactions of the Chinese Society of Agricultural Engineering Sep. 2014 1 基于微小型无人机的遥感信息获取关键技术综述 汪 沛，罗锡文，周志艳，臧 英，胡 炼 （ 1. 华南农业大学南方农业机械与装备关键技术教育部重点实验室，广州 510642； 2. 华南农业大学工程学院，广州 510642） 摘 要： 近年来，基于微小型无人机的遥感信息获取技术广泛应用在农业领域。采用微小型无人机遥感信息平台获取农田作物信息，具有运行成

2、本低、灵活性高以及获取数据实时快速等特点，是目前农田作物信息快速获取的主要方法之一，是精准农业发展的重要方向。该文主要对微小型无人机遥感技术平台的发展、遥感信息获取技术、遥感图像的处理与解析、以及微小型无人机遥感平台应用在作物信息监测和生产管理等方面进行了深入剖析，强调了遥感信息获取与解析技术的重要性和存在的问题，受微小型无人机飞行稳定性和载荷量的限制，如何实时快速准确地调整机载遥感传感器的姿态使被测目标始终处于监测视野中，并实现图像信息的远距离获取与传输，以及如何处理和解析无人机遥感系统获取高质量的遥感图像是微小型无人机遥感技术能否被广泛应用在各研究领域的关键技术。最后，提出了增强无人机飞行

3、控制系统的高稳定性、遥感图像的精确获取及数据的实时传输和高精度的图像后处理方法，对作物信息监测技术的发展和应用具有重大意义，是实现大面积精准农业生产管理决策的重要依据。 关键词： 农业；遥感；图像处理；微小型无人机；作物监测 doi： 10.3969/j.issn.1002-6819.2014.18.001 中图分类号： S23 文献标识码 ： A 文章编号 ： 1002-6819(2014)-18-0001-12 汪 沛， 罗锡文， 周志艳， 等. 基于微小型无人机的遥感信息获取关键技术综述J.农业工程学报， 2014， 30(18)：112. Wang Pei,LuoXiwen, Zhou

4、 Zhiyan, et al. Key technology for remote sensing information acquisition based on micro UAVJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(18): 1 12. (in Chinese with English abstract) 0 引 言农田作物信息的快速获取与解析是开展精准农业实践的前提和基础1，是突破制约中国精准农业应用发展瓶颈的关键。现

5、有的航天、航空和地面遥感技术已广泛应用于监测农田作物的生长状况，加强了农作物的精准管理，提高了农业生产效益。但航天、航空遥感技术存在运行作业成本高、操作困难、起降不方便、安全性低、较易受天气影响等缺点2-5。 地面遥感技术应用于监测农田作物生长状况的种类较多，获取的数据量丰富，能够较准确地获取作物信息，应用较广泛，但其监测范围小且费时费力，难以实现快速大面积的作物信息监测，无收稿日期： 2013-11-15 修订日期： 2014-09-15 基金项目： “十二五”国家 863 计划项目（ SS2013AA100303，2012AA101901-3） ；“十二五” 国家科技支撑计划项目 （ 20

6、11BAD20B06） 作者简介：汪 沛（ 1983） ，女，江苏徐州人，博士研究生，主要从事农业航空应用技术研究。广州 华南农业大学工程学院， 510642。Email： 通信作者：罗锡文（ 1945） ，男，湖南株洲人，教授，博士生导师，主要从事农业工程技术研究。广州 华南农业大学工程学院， 510642。Email： 法满足精准农业发展的需求。因此，针对中国现阶段精准农业发展的特点，研究新型遥感信息平台以获取作物信息，监测作物生长状况，已成为目前农情遥感技术发展的当务之急，是中国现代农业发展的重大战略需求，对提高中国农业综合生产能力，保障中国农业生产安全具有深远的战略意义。 随着遥感

7、（ RS， remote sensing） 、全球卫星定位系统（ GPS， global positioning system） 、地理信息系统（ GIS， geographic information system） 、微型计算机、通讯设备等技术的迅速发展，微小型无人机遥感技术平台取得了很大的进展，为精准农业的进一步发展提供了技术支持6-7。 微小型无人机信息获取技术具有平台构建容易、运行和维护成本低、体积小、质量轻、操作简单、灵活性高、作业周期短等特点8-10。可弥补现有航天、航空遥感和地面遥感系统的不足，完善地面作物监测体系。特别对于中小尺度的农业遥感应用能够发挥更大的作用，获取更精确的

8、农情信息，对作物信息监测技术的发展和应用具有重大意义11。近年来，各种体积小、质量轻、精度高的遥感传感器设备发展迅速，也推动了微小型无人机信息获取技术的进一步发展12。 农业装备工程与机械化 农业工程学报 2014 年 2 本文从微小型无人机遥感信息获取平台（主要指能够搭载遥感信息获取传感器的无人机，一般载荷能力在 15 kg 内）的发展、遥感信息获取技术、遥感图像的处理与解析、以及在作物生长监测和生产管理等方面的应用对基于微小型无人机的遥感信息获取关键技术进行综述，为农田作物生长状况的实时监测和诊断，精准变量施肥管理技术的实施提供依据。本研究对于提高农田作物的生产管理水平意义重大，可促进精准

9、农业的进一步发展。 1 用于遥感信息获取的微小型无人机 微小型无人驾驶飞机主要有旋翼直升飞机和固定翼飞机 2 种6。无人驾驶的微小型固定翼飞机具有成本低、效率高、操作简单、安全性好、抗风能力较强等优点，但易受起飞条件 飞行速度等诸多因素的限制13-14。微小型旋翼无人直升飞机具有垂直起降，定点悬停、中慢速巡航飞行等功能，较适合于获取多重复、定点、多尺度、高分辨率的农田作物信息15。 美国、德国、英国、日本等国家的无人机发展较快，技术较成熟。表 1 是国外部分较为典型的遥感无人机。尤其像 Yamaha 公司的 RMAX 系列无人机，在市场上占有重要的份额。虽然微小型无人机得到了一定的发展和广泛的

10、关注但主要应用于军事领域，农业领域多采用有人驾驶飞机进行作业16-17。 表 1 国外典型遥感微小型无人机 Table 1 Typical micro UAV for remote sensing abroad 国别 Country 单位 Unit 型号 Model 有效载荷 Payload/ kg 续航时间 Endurance/min 日本 Yamaha Motor Co Ltd RMAX Type II 30 60 美国 Neural Robotics Inc Autocopter Explorer 15 50 美国 Rotomotion Inc SR100 9 20 美国 Dragonf

11、ly Pictures Inc DP-6 Whisper 13 30 荷兰 Geocopter B.V. GC-201 10 120 荷兰 High Eye B.V. HEF30-Ca 8 120 加拿大 CropCam CropCam 55 英国 Advanced UAV Technology Inc AT Series 1.5 350 30 960 俄罗斯 ZALA Aero ZALA421 Series 0.3 50 30 480 以色列 Steadicoper Inc Black Eagle50 3 180 波兰 Trigger Composites Pteryx 120 近年来，随着

12、高新电子信息技术的迅速发展，国内从事农业航空技术的企业迅速发展壮大，已研制成功基于多种机型、不同续航时间、不同载荷量和不同飞行控制系统等特征，可搭载不同遥感信息监测设备的微小型无人机信息监测系统（表 2） ，主要应用于农业田间超低空遥感信息获取，进行农作物的病虫害的观察，植物的长势以及数据采集，特别在小区域和飞行困难地区高分辨率影像快速获取方面具有明显优势18-20。 表 2 国内典型遥感微小型无人机 Table 2 Typical micro UAV for remote sensing in China 单位 Unit 型号 Model 有效载荷Payload/kg 续航时间Enduran

13、ce/min 解放军总参谋部第六十研究所 Z-3N,Z-5N 30 80 240 360中国科学院遥感应用研究所 Quickeye 4.5 12 90 240中国科学院沈阳自动化所研 ServoHeli-40 15 60 中国测绘科学研究院 UAVRS-II 8 180 2403WZD-5 5 60 中国农业机械化科学研究院 3WZD-5 5 30 YR-16H 10 20 珠海羽人飞行器有限公司 YR-X03 3 20 WD-DAQ01 3 5 300 480WD-DAQ02 4 10 15西安韦德沃德航空科技有限公司SLK-5A 4.5 15 DN-40 10 240 黑龙江省农业信息化工

14、程技术研究中心 DN-6X 3 5 20 河南田秀才植保股份有限公司 TXC8-3(5) 3 15 12 18 EH-3 8 30 北方天途航空技术发展有限公司M8 4 25 WSZ-1805 5 15 20山东卫士植保机械有限公司 WSZ-2410 10 15 20北京农业智能装备技术研究中心 U-VICs 30 2 微小型无人机的遥感信息获取与传输 无人机、微型计算机、通讯技术的迅速发展，多光谱和高光谱设备的快速普及和数字摄影测量技术的日趋成熟，使得微小型无人机遥感信息获取与传输成为可能，并迅速发展应用。 2.1 遥感信息获取系统研究 微小型无人机遥感信息获取系统是以微小型无人驾驶飞行器为

15、飞行平台，通过机载高分辨率的遥感传感器设备以实时快速获取高分辨率遥感数据的遥感监测系统。主要由无人驾驶系统平台、飞行控制系统、遥感传感器及其控制系统、三轴稳定平台、通讯设备、无线遥控系统、地面站系统、数据处理系统等部分组成18,21-22。 现有的用于遥感信息获取的传感器种类较多，如数码相机、 多光谱和高光谱相机、 多光谱扫描仪、红外扫描仪、侧视雷达等。由于微小型无人机的载荷量有限，目前应用于微小型无人机遥感信息获取平台的传感器主要以数码相机和轻型的多光谱相机为主23-24。 基于无人机类型和遥感传感器种类的多样化选择，国内外研制的遥感信息获取系统也呈现出多款多用途的形式。飞行的稳定性和安全性

16、技术是保第 18 期 汪 沛等：基于微小型无人机的遥感信息获取关键技术综述 3 证遥感信息成功获取的前提和基础。影响无人机遥感系统安全性的关键因素是微小型无人机的载荷和遥感传感器的质量25。 Saari 等设计了搭载高分辨率的假彩色成像仪和基于高光谱图像的珀罗干涉仪的无人机多光谱图像系统，相机的波长范围为500 900 nm，分辨率为 7 11 nm，包括电池在内，质量小于 400 g26。 Merino 等开发了一种可搭载红外、可见光及火灾探测器等多个传感器的无人机低空遥感系统，系统集成了图像分割序列、图像稳定及坐标定位等多用途的图像处理功能，能够实时探测目标27。 Xiang Haitao

17、 等设计的无人机遥感系统质量小于 14 kg，采用传感器融合技术和基于无人机导航系统的卡尔曼滤波器，开发了一种地面控制系统以用于连接无人机和无线遥控器，进行任务规划、执行飞行命令和实时遥感图像监测，实现了图像数据的实时传输；并采用该无人机遥感系统对施用草甘膦试验田进行了测试，获取了高分辨率的遥感图像，实现了无人机遥感系统在作物生长监测方面的应用4。 Suzuki 等研制成功的基于小型无人机和可见光、近红外相机的微小型无人机遥感系统由GPS 接收机、惯性传感器和光谱图像传感器组成，能够自动获取大面积的高光谱图像和提取遥感图像中的植被指数，在日本广岛九州市进行了多次地面植被的遥感监测试验。结果表明

18、，微小型无人机遥感系统能够较好地应用在地面植被的监测研究中，具有低成本、高灵活性等特征28。西班牙与美国加州大学联合研制的无人机系统搭载多光谱相机能对作物需水进行估算，监测灌溉系统中水泄漏和水浪费情况，实现精准灌溉。 目前，国内关于微小型无人机遥感信息获取平台的相关技术研究和应用范围不断扩大，主要研究单位有中国测绘科学研究院、北京大学遥感与地理信息系统研究所、 武汉大学遥感学院、 中国科学院、国家遥感中心、安尔康姆航空科技有限公司、青岛飞宇航空科技有限公司、北京科源轻型飞机实业有限公司等多家单位29-31。例如青岛天骄无人机遥感技术有限公司研制的 TJ-1 型无人机遥感系统， 可挂载彩色摄像机

19、、数字相机、 6 通道多光谱成像仪等设备对农田作物信息进行监测。赵鹏等将 CMOS（ complementary metal oxide semiconductor） 图像传感器代替 CCD（ charge coupled device）相机系统安装在翼展为 800 mm 的无人机上实现了遥感信息获取。系统质量约 20 g，功耗约 2 W，带有数据压缩和图像增强功能等特点32。黄克明等构建了一种基于数字信号处理器（ DSP， digital signal processor）的小型实时多源图像融合系统，能够实现可见光 /红外、可见光 /紫外，可见光 /红外 /紫外等多种模式的遥感图像融合，较适

20、合载荷能力有限的微小型无人机搭载应用33。中国科学院上海技术物理研究所王斌永等致力于无人机平台的硬件设计，开发了一种与小型无人飞机精密结合的新型多光谱成像 仪34。中国科学院上海物理技术研究所戴方兴等研制成功基于 PC/104+嵌入式计算机的无人机搭载小型多光谱成像仪和无人机搭载大面阵 CCD 相机系统，能够实现曝光控制、图像采集、传输、存储、GPS 解码计算、 执行远程指令、 状态报告等功能35。中国测绘科学研究院研制开发的 UAVRS-II 型无人机低空遥感监测系统，是一种新型的低空高分辨率遥感影像数据快速获取系统。该系统以面阵 CCD数码相机、光学胶片相机、成像光谱仪、磁测仪等传感器作为

21、机载遥感设备，通过实时的传感器参数控制遥感设备的姿态和曝光间隔，具有对地面快速实时调查监测能力18, 36。北京大学与中国贵州航空工业（集团）有限公司联合研制的多用途无人机遥感系统采用集成化、智能化和高分辨率空间数据获取等技术，在可靠性、飞行高度、平稳度、导航精度及运行制作成本等方面基本具备了航空遥感的应用能力。 2.2 遥感信息获取和传输技术 遥感图像的获取与无线传输系统应具有数字化、轻型化、微型化、快速化、节能化和多功能化等特点，通过模拟或数字的传输方式，将机载遥感设备拍摄的图像信息传回地面控制系统是实现图像信息的获取与无线传输的关键37。 如何实时快速准确地调整机载遥感传感器的姿态使被测

22、目标始终处于监测视野中，实现远距离控制、图像信息获取和传输，是无人机遥感信息获取技术的研究重点之一。 Grasmeyer 等研究的基于 Black Widow 无人机的图像传输系统采用调频体制，发射频率 2.4 GHz，视频发射器质量 1.4 g，有效传输距离 1.5 km，获取的黑白图像清晰可辨38。德国柏林工业大学研发的油动力无人直升机 MARVIN（ multi-purpose aerial robot vehicle with intelligent navigation）配有 Canon S45 数码相机、机载计算机和图像无线传输系统，计算机通过串口从相机获取数字图像，并通过无线链路

23、传输到地面接收器39。美国南加利福尼亚大学研制成功配有图像无线传输系统的 AVATA R（ autonomous vehicle aerial tracking and retrieval） ，系统配置 3 个摄像头 （ 1 个 MicroPix C-1024 摄像头位于中间， 2 个 iBOT Webcams 摄像头横向安装）进行图像采集和视觉导航，通过微波视频传输单元农业工程学报 2014 年 4 传输图像40。美国桑德斯公司的“ MicroStar”飞行器配置质量 6 g 的无线电通信链路信息传送系统，能够及时将获取的图像信息传输到地面控制站，最大有效传输范围 5 km41。 Kinka

24、id 提出了一种新型的图像无线传输系统，系统搭载的摄像头质量 3.3 g，视频发射器质量 1.6 g，发射频率 2.4 GHz，功耗 50 MW， 利用地面站控制系统控制解决了由于微型无人机飞行不稳定导致拍摄的图像信号不稳定的问题42。 国内学者对微小型无人机遥感信息获取的稳定性和图像传输技术进行了大量研究，并取得了一定的成就。鲁恒等将规划好的航线载入到遥感空中控制子系统中，无人机飞行时，遥感空中控制子系统按照预设的航线和拍摄方式控制相机进行拍摄并存储数据43。高珍等针对微小型无人机图像模拟传输的不足及图像实时、可靠的传输要求，提出了一套采用基于 5/3 提升小波的改进集合分裂嵌入块（ SPE

25、CK， set partition embedded block coder）图像压缩算法、基于 Turbo 码的信道纠错编码及扩频技术的数字图像无线传输系统方案8。辛哲奎等提出了一种基于李雅普诺夫稳定性理论的机载云台自适应跟踪控制算法，设计了摄像机姿态控制器，即通过图像信息和机载传感器得到的无人机状态进行反馈，实现对云台摄像机姿态的控制，最终达到无人机在跟踪目标飞行过程中，地面目标可以始终保持在摄像机的图像中心44。冯震等设计了一套基于 Visaul C+6.0 开发环境开发的面向旋翼式微小型无人机的地面控制站系统，能够进行航迹设定和任务规划、存储和回放飞机航行记录、接收航拍图像，并通过无人

26、机虚拟模型和视频图像进行融合处理，实时显示飞机飞行姿态、位置及运行状态，从而克服了遥控视距的局限性，实现了旋翼式微小型无人机的超视距遥控45。陈贻国等设计了一种以ARM 单片机为核心，采用无线通信方式将串口采集的数据发送到利用 Visual Basic 编程软件开发的具有航迹记录与预测、手动控制飞行、飞行状态监控和视频图像显示等功能的地面基站平台，传输速度较快，能够满足无人机航拍系统的要求46。李登亮等基于 PC 机和图像处理与传输技术构建了一个完整的无人机有效载荷图像仿真平台22。胡开全等研究了基于固定翼无人机低空遥感系统的航摄设计、航空摄影实施等方法与技术47 微小型无人机遥感系统较载人飞

27、机遥感系统具有操作简单、作业周期短、时效性好、维护费用低、安全性好等优势。但目前独立为微小型无人机配备的遥感仪器设备尚较为匮乏。微小型无人机因受载荷能力限制，传统的遥感仪器质量和体积较大，难以直接应用在其上面。目前主要的研究仍以较为简单的信息获取装置为主，使遥感的信息量受到了较大的限制。但是，另一方面随着遥感信息量的增大，无线传输系统的规模也随之增大，同样的对微小型无人机的负载提出了更高的要求。因此，微小型无人机专用遥感信息获取系统，信息的获取与实时快速的高分辨率遥感信息的监测和数据的无线传输，依然是目前制约微小型无人机遥感技术发展的瓶颈。 3 微小型无人机遥感信息处理与解析 受微小型无人机飞

28、行稳定性和载荷量的限制，系统获取的遥感图像存在像幅较小、倾角较大、数量较多以及图像重叠度不规则等一系列问题。因此，如何处理和解析无人机遥感系统获取高质量的遥感图像是微小型无人机遥感技术能否被广泛应用在各研究领域的关键技术。 3.1 遥感信息预处理 微小型无人机遥感系统因受载荷、成本、安全性、灵活性等限制，无法装载高精度的导航系统和平衡控制系统，导致遥感影像精度低，图像的匹配和拼接难以实现自动化，也给图像的配准和校正等带来难度。 3.1.1 遥感图像匹配与拼接 微小型无人机遥感系统获取的遥感图像精度低且覆盖范围小，所以需要对大量无人机图像进行匹配与拼接。陈信华将 SIFT（ scale inva

29、riant feature transform）影像匹配算法应用于影像的自动相对定向，结合最小二乘法实现影像的自动匹配，该方法具有稳定、可靠、快速等特点48。王玉宏等应用遥感影像的自动匹配和全景图拼接的方法对系留式气球、无人驾驶飞艇、动力三角翼等飞行平台搭载的 Nikon D2X、 Rollei P45 和 Kodak Pro SLR 数码相机获取的低空遥感影像进行处理，并通过试验验证了低空影像匹配与拼接方法的正确性49。宫阿都等和潘舒放利用影像匹配算法 SIFT、最小二乘法、交互式数据语言 IDL（ interactive data language）等实现了无人机影像无地面控制点的快速自动

30、匹配和拼接50-51。尹杰等从快速应急测绘的角度出发对无人机快速响应的工作流程，无人机遥感技术的航线设计、影像拼接和智能解译等关键技术进行了研 究52。王斌提出了基于局部灰度匹配的无人机图像拼接算法，根据无人机传输回的飞行数据，对图像进行预处理，缩小特征点的搜索范围。该算法具有小的算法复杂度，能够较大地减少图像的数据处理第 18 期 汪 沛等：基于微小型无人机的遥感信息获取关键技术综述 5 量，对单张照片的处理时间与无人机飞过该区域需要的时间基本一致，实现了无人机的实时处理53。 航向重叠率和航线弯曲度是产生重拍漏拍现象的主要影响因素。洪宇等将无人机航拍时的航向重叠率设为 80%，旁向重叠率设

31、为 60%，航带弯曲度低于 3%，使得航迹与规划航线相一致，能够将实际拍摄点的纬度值与预设值的差控制在 1 s 内，获取的航拍图像未出现漏拍的现象18。何敬等依据无人机影像拼接的最佳重叠度，利用唐琎等54提出的“抽稀”方法对原始影像进行处理，最后设计了一种适用于无人机影像的分块拼接方法；研究结果表明，根据最佳重叠度对原始影像进行“抽稀”能减少参与拼接的影像数量，对“抽稀”后的影像采用分块拼接方法能够有效地减小拼接误差、改善影像拼接视觉效果，同时在一定程度上提高了影像处理效率55。 3.1.2 遥感图像的校正 采用无人机遥感系统进行航拍时，由于其飞行路线和飞行姿态的变化、摄像镜头的光学畸变等因素

32、的影响，导致获取的遥感图像无规律、灰度不一致、存在严重的几何畸变。共线方程法和多项式法是现有的 2 种最常用的无人机图像几何纠正方法，其中共线方程法理论严密，精度高，但因对地形数据要求较高而难以广泛应用；多项式法适用于地形平坦地区和动态传感器影像的校正，能够较好地处理由于使用非专业摄像镜头而引起的非线性畸变、无人机飞行姿态变化引起的传感器外方位元素的不稳定以及地形复杂等情况引起的几何变形53。徐豪等采用差分 GPS 获取地面控制点坐标， 然后将坐标点转入 GIS 并形成一个点状矢量图层，采用三次多项式法对遥感图像进行点、线、面精度分析，加以拟合纠正，再通过最邻近法进行重采样，获得纠正后的图像。

33、经过三次多项式纠正后，点、线、面平均精度达到 92.45%、 94.13%和 96.41%，能较好地满足精准农业对田块信息获取的精度要求56。李炎依据无人直升机提供的方位角、拍摄高度和 GPS定位参数等特征参数，设计了一套不需要地面控制点的自动纠正模型， 以 Matlab 中现有的实际图形进行试验比较，用具体数据来确定图像纠正的精度和时间复杂度。通过这些数据，可以实现自动纠正，该模型精度高，速度快，而且不需要地面控制点信息，符合无人机遥感图像的实时批处理要求20。王聪华等提出以带权观测值光束法平差解决无人飞行器遥感系统（ UAVRS， unmanned aerial vehicle remot

34、e sensing）复杂影像区域网的空中三角测量问题的方法，从提高单模型定向的精度出发，以单模型定向元素为基础构建自由区域网，为带权观测值光束法平差提供有效初值。试验结果表明，空三加密点的平面精度为 0.386 m，高程精度为 0.525 m，基本能达到 1 2 000 地形图测图的要求57。 庞治年等通过对影响航拍图像旋转的因素和几何关系的分析，推导出无人机航拍图像实时纠偏处理公式并对其进行了初步的验证，具有一定的参考价值58。赵鹏等对微小型无人机遥感系统获取的图像进行了分析处理，根据传感器构像方程和几何畸变校正理论对遥感图像进行几何校正，运用基于特征的图像配准算法对几何校正后的图像进行拼接

35、处理，得到遥感图像全景图，实现了对地面的大面积遥感监测，生成数字地图59。 受微小型无人机的平稳性制约，获取的遥感信息畸变、冗余、缺失较为严重，而且单次遥感的幅面有限，如何提高遥感信息的有效利用率，获得大面积的准确遥感信息是当前的研究热点。无论从硬件的稳定系统和信息拼接辅助系统还是从软件的处理算法方面都没有固定的模式和方法。如何实现遥感信息的自动配准、拼接、校正等一系列处理的系统平台和技术方法是微小型无人机遥感技术发展的关键技术，对农业航空遥感技术的发展和推广应用具有重要意义。 3.2 遥感信息解析 遥感信息解析包括遥感信息识别、特征值提取、相关性分析、反演建模等，以准确表征解析目标的实际状态

36、，是实现无人机遥感信息获取系统任务的重要环节60。目前，用于遥感信息处理与解析的软件较多，主要有 MultiSpec、 IDRISI、 ENVI、ERDAS IMAGINE、 ER Mapper、 PCI、 ARCGIS、SUPERMAP 等软件。 遥感信息解析的准确性对能否将遥感图像准确应用在农业领域起着至关重要的作用。已有大量关于遥感信息的特征值提取、相关性分析、建立反演模型等应用研究。朱航应用 ERDAS 软件，采用偏最小二乘法与相关系数相结合提取了航空遥感多光谱信息的特征波段，应用纵向叠加线性融合方法和神经网络非线性融合方法，建立了基于改进粒子群算法的近地遥感信息与航空遥感信息线性与非

37、线性融合模型61。张园等利用 ArcMap 的数据视图功能，通过其编辑功能模板对无人机遥感系统获取的森林遥感图像进行区划，得到用户需要的森林区域信息， 如森林面积、 具体位置等62。 Zheng Lihu等利用 Matlab 软件编程处理基于无人机遥感平台的土壤航拍图像，提取图像的 RGB（ red， green，blue）和 HSV（ hue， saturation， value）等特征值，农业工程学报 2014 年 6 分别建立了 RGB 值、 HSV 值与土壤含水率的关系模型63。张银辉设计了一种 SAM（ spectral angle mapper） -人工交互修正法，能够较好地用于提

38、取遥感图像中的耕地信息特征值，且在信息高精度提取的基础上开发了一种分类后比较法，可以实现耕地动态监测64。王斌提出了一种基于均值转移的目标区域自动提取算法，能够对各种地形特别是复杂地形，完成边界的快速勘定以及边界方位信息的提取，具有较高的准确率53。葛宏立发明了一种无人机航片松材线虫病病死木的膨胀 -剔除信息提取 法65。 微小型无人机遥感信息的解析和其他遥感平台没有显著的区别，目前已有众多较为成熟的分析处理软件。主要的研究则主要是针对不同类型的应用，研究开发具有一定普适性和鲁棒性的解析模型。 综上所述，遥感图像的处理与解析应用研究技术已逐渐成熟，获得了一定的研究成果，为微小型无人机遥感信息获

39、取系统的进一步发展和应用提供了技术支持和理论基础。 4 微小型无人机在农业中的应用 未来农业生产模式将主要以农场为主 ,并实现全程机械化作业。因此，需要能快速大面积的无损检测方法对农田作物生长状况进行检测，特别是对于被多种作物覆盖的区域，对作物生长状况及时快速地作出判断，实现对农田作物的精准管理，推动精准农业的全面发展。 遥感技术能够实现快速重复监测和获取高分辨率的遥感图像。航天、航空遥感技术是目前农田作物信息快速获取的重要方法，但主要存在精度、可信度、 “同物异谱”和“同谱异物”、图像获取成本、信息时效性以及气象因子等问题。无人机遥感系统能够提供一种低成本的方法解决光谱分辨率和时间分辨率的问

40、题44，是卫星遥感和航空遥感的有益补充，在精准农业方面得到了广泛的关注及应用。 4.1 国外微小型无人机在农业中的应用 近年来，国外基于遥感图像信息的农田作物管理方面的研究发展较快。美国农业部大面积病虫害管理研究中心航空应用技术团队利用机载 MS4100多光谱相机获取棉花的航空遥感图像，采用多元线性回归和统计学的方法对获取的遥感图像进行分析、处理、生成处方图，根据处方图发现暗紫色和蓝色区域表示棉花的长势良好，粉红色和红色区域表示棉花生病或者死亡，试验结果表明遥感图像能够很好的反应棉花的生长状况，可根据处方图对棉花进行精准喷施66-68。日本研发的搭载紫外线照相机的无人直升机可从 200 300

41、 m 的低空获取全方位的高精度的水稻冠层图像信息，将获取的紫外线图像经过蛋白质含量分类后得到的稻田生长信息提供给当地农协组织、农民或发布在因特网上，用于指导施肥作业69。 Chosa 等采用无人机监测水稻生长情况，对获取的红、绿、蓝和近红外图像进行分析，以确定高质量高产量的水稻生长区域70。Swain 等利用无人直升机低空遥感平台获取了 5 个不同氮素水平下水稻田的高时空分辨率的遥感图像用于估算水稻产量和总生物量，通过统计分析发现不同氮素水平下的水稻产量和总生物量具有显著的差异性，在幼穗分化期， 5 种不同氮素水平下的 NDVI（归一化植被指数 normalized difference ve

42、getation index）与水稻产量和总生物量的回归系数达到 0.728 和 0.760； 研究表明利用无人机低空遥感平台获取的遥感图像能够很好地代替卫星图像对水稻的产量和生物量进行估算71。 Hunt 等利用无人机遥感信息获取平台对变量施肥控制下的农田作物（冬小麦、大豆、苜蓿和玉米）进行监测，通过遥感图像处理技术提取绿色、蓝色和近红外 3 个波段的高分辨率的光谱图像，建立了作物的生长状况指标与图像特征值之间的关系模型，指导作物的精准管理作业25,72。 Lelong 等为了对不同品种的小麦作物的物理参数进行定量监测评估，采用机载数码相机的无人机遥感平台获取了 10 个不同品种的小麦在可见

43、光和近红外波段的遥感图像，分析了不同品种的小麦在蓝色、绿色、红色、近红外 4 个光谱波段的植被指数变化规律，并建立了小麦的叶面积指数和 NDVI、氮的吸收和 GNDVI（归一化绿波段差值植被指数， green normalized difference vegetation index）之间的相关关系模型，以进行定量监测评估73。 Sullivan 等利用机载热红外监测系统监测农田灌溉和作物残茬管理下的棉花长势，发现与地面实际测量数据相比，热红外图像对棉花冠层具有更好的敏感性，表明低空热红外遥感平台能够用于监测棉花生长状况74。日本北海道大学Noguchi.N 团队在基于无人直升机遥感平台的农

44、田检测技术领域处于国际领先地位，近期正致力于水稻作物营养状态的监测，实现水稻田的精准管理和施肥75。 Sugiura 等利用无人直升机系统对小面积农田作物进行低空拍摄，以划分研究区域内的作物叶面积指数（ LAI， leaf area index）分布状况，分析作物长势信息76-77。 4.2 国内微小型无人机在农业中的应用 国内对利用微小型无人机获取遥感信息在农第 18 期 汪 沛等：基于微小型无人机的遥感信息获取关键技术综述 7 田信息管理方面的应用发展较晚。祝锦霞等采用日本旋翼式无人航空摄影平台 Herakles II 获取了水稻田冠层图像，以识别 4 种氮素营养水平的综合特征参量，选择蓝

45、色亮度和整体亮度差值参量建立冠层氮素营养的识别模型， 4 种不同氮素水平的正确识别率分别为 N0（无 N 肥） 91.6%， N1（ N 60 kg/hm2）70.83%， N2（ N 90 kg/hm2） 86.7%和 N3（ N 120 kg/hm2） 95%，同时采用扫描仪和无人机平台获取水稻叶片和冠层的数字图像，运用数字图像处理技术研究不同氮素营养水平水稻叶片和冠层的综合特征信息，从而应用于水稻的氮素营养诊断78。乔红波等采用手持式高光谱仪和低空遥感系统对不同危害程度小麦白粉病冠层光谱反射率进行了测定，利用遥感软件 ENVI 对获取的低空遥感图像进行配准和几何校正；利用 ARCGIS

46、的属性特征查询工具提取每个小区红、绿、蓝 3 层的光谱信息；通过线性回归分析建立了低空遥感平台光谱信息与作物生长状况指标的相关关系表明低空遥感系统可以无损、快速、大面积地对小麦白粉病进行监测79-80。李冰等设计了一种低空无人直升机搭载美国 Tetracam 公司的 ADC 多光谱相机系统，对冬小麦不同生育期进行监测，提出一种从时间序列影像的植被指数直方图曲线中获取植被指数阈值的方法， 研究结果表明利用植被指数阈值法获取的 SAVI（土壤调整植被指数 soil adjusted vegetation index）阈值能够提取出各生育期的冬小麦覆盖像元，为大面积监测农作物的覆盖度和生长状况提供一

47、种可行的手段81。田振坤等以冬小麦为研究对象，分析了无人机低空航飞获得的高空间分辨率农作物遥感影像特征，基于农作物波谱特征和 NDVI 变化阈值，提出了一种农作物快速分类提取方法，并与最大似然、支持向量机、神经网络法、自动迭代法等几种常用的遥感分类方法进行比较，探讨了其普适性；结果表明，该方法从无人机高分辨率影像中提取不同种类的农作物分类信息具有较高的正确率和普适性，兼具快速和低成本的特点，在海量农作物无人机航拍数据的信息提取上具有较广的应用82。 利用微小型无人机遥感平台获取作物的遥感信息，对研究区域内的作物生长状况进行定点定量分析，是实施精准农业生产管理决策的重要依据。微小型无人机遥感技术的发展，大大地扩展了以卫星遥感为主的农业遥感的应用范围，尤其在小面积作物监控，同类作物品种识别，小区试验等具有明显的优势和应用价值。 5 主要问题和未来发展趋势 5.1 当前的主要技术问题 尽管国内外研究者们对微小型无人机遥感信息获取系统的控制技术做了大量改进，但是系统的平稳性、抗震性、载荷能力、续航时间、多传感器融合技术、