一种关键帧的自动提取方法

本文首先介绍了2种主要透镜畸变及摄像机标定方法;然后结合摄像机内部参数和视频帧率推导出关键帧航向重叠度计算公式;在此基础上实现了指定航向重叠度关键帧从文件源或实时源中的自动提取,文件源中采用定位关键帧自动提取算法,实时源中采用定时自动提取算法;最后利用得到的标定参数完成关键帧影像矫正。实验结果表明本文采用的算法能够高效、准确地得到矫正好的指定航向重叠度关键帧。     

基于非线性优化的摄像机2D标定法

基于平面靶标,利用不同的非线性优化方法精确标定摄像机的线性参数以及畸变参数。基于绝对二次曲线的图像（IAC）构成约束方程,线性求解线性模型内外参数的初始值,在此基础上充分考虑非线性模型中的径向畸变和切向畸变,利用Rodrigues旋转公式减小优化参数的个数,分别采用最速下降法和LM最优化方法求解精确参数。实验结果表明,基于非线性优化的2D标定法能够简化初始值的计算,获得精确的非线性参数,最速下降法具有较快的收敛速度,LM算法能够获得更小的投影误差,且利用优化工具箱可以显著减小计算难度。可以根据实际需要选择不同的优化算法,实现摄像机的快速精确标定。     

基于相对定向和三角形约束的近景影像匹配

针对近景影像自动相对定向过程中初匹配点对中误匹配率较大的情况,将基于三角形约束方法引入近景影像匹配.首先利用Harris算子提取特征点集,经初匹配后运用基于RANSAC方法和P-H算法的相对定向构建核线几何得到内点集,删除误匹配点生成同名Delaunay三角网;在同名三角形的约束下通过缩小Harris特征点阈值得到新内...     

一种利用点云邻域信息的建筑物屋顶面高精度自动提取方法

从LiDAR数据中高精度地提取建筑物屋顶面是构建屋顶面拓扑关系、实现建筑物三维模型重建的关键。本文针对现有算法提取复杂建筑物屋顶面适应性较差、精度较低等问题,提出了一种利用点云邻域信息的建筑物屋顶面高精度自动提取方法。通过主成分分析计算点云特征,构建特征直方图,选取可靠种子点;利用提出的局部点云法向量分布密度聚类算法聚类种子点,快速准确地提取初始屋顶面片;构建基于邻域信息的投票模型,有效地解决屋顶面竞争现象。试验结果表明,本文方法可自动、高精度地提取屋顶面,对不同复杂程度的建筑物具有较好的适应性,能为建筑物三维模型重建提供可靠的屋顶面信息。     

基于角度纹理特征及剖面匹配的高分辨率遥感影像带状道路半自动提取

提出了一种基于角度纹理特征及剖面匹配相结合的高分辨率遥感影像带状道路半自动提取方法.该方法由用户输入道路起点、初始方向及宽度,使用角度纹理特征模型预测初始的道路中线点,以抛物线方程参数构建道路中线轨迹参数模型.使用计算曲率变化的方法验证道路轨迹点,对验证失败的中线点位使用剖面匹配算法进行重新预测并确定,最终提取出该道路中线轨迹.本文使用Visual C 构建了原型系统,对QuickBird及IKONOS影像中具有一定宽度的带状道路进行了提取试验,并与经典的基于剖面匹配的半自动道路提取算法和基于Snakes的半自动道路提取算法进行了对比试验.经试验验证,本算法取得了较为理想的结果.     

基于DEM汇流模拟的鞍部点提取改进方法

鞍部点是重要的地形控制点之一,由于其特殊的形态特征,基于DEM的鞍部点提取算法较山顶点、山谷点提取更为困难.本文提出一种基于DEM汇流模拟的鞍部点快速提取改进算法.该算法利用DEM地表汇流模拟的方法提取山脊线,利用地形倒置得到的反地形地表汇流模拟提取反地形流域边界线,获得能自动实现地形部分的原始地形汇水线,进而通过特征...     

机载激光点云中电力线的自动提取与重建

针对传统电力线点云自动提取方法在抗差性、准确性上的不足,文中从输电线路走廊中不同地物点云的空间特征差异出发,提出一种新的基于激光点云的电力线自动提取与重建方法.此算法利用栅格化处理和拟合残差判别提取电力线候选点云,通过双重K-means算法实现电力线重建.利用4组实际输电线路点云进行可行性试验.试验结果表明,方法对电力线候选点集的提取正确率均在97％ 以上,双重K-means算法能够准确地对电力线进行提取与重建,具有较高的提取准确率与较好的算法效率,可为实际工程的应用提供参考.     

利用SIFT和静态小波变换的遥感影像配准方法

本文首先利用静态小波变换对影像进行多层分解,在其低频子影像上利用SIFT提取特征点集;之后,通过统计不同阀值下的匹配点集精度和数量信息,利用多项式拟合的方法自动建立约束条件,并以此约束条件自动校正控制点集以得到数量可观且高精度的控制点集。试验结果表明,该方法是一种有效的遥感影像配准控制点自动提取方法。     

基于黑白环扇圆盘的角点自动识别与排序

采用传统棋盘格进行相机标定时,标定模板旋转角度对角点排序带来较大的影响,针对此设计了一种黑白环扇圆盘标定模板,并提出了与该标定模板相应的角点识别和排序算法。新的标定模板设计中心圆为1/4缺口的黑色圆,以此来消除标定模板旋转给角点排序带来的影响。通过模板区域分割算法实现标定模板的提取;创建圆形检测器剔除Harris算法提取的伪角点;利用向量积和角点几何特性完成角点排序。实验结果表明:该标定模板及其角点识别与排序算法可以有效剔除伪角点,角点排序具有良好的旋转不变性,能够实现自动相机标定。     

车载LiDAR点云中建筑物立面位置边界的自动提取

提出了一种基于点云特征图像和特征值分析的车载LiDAR点云建筑物立面位置边界的自动提取方法。首先利用车载LiDAR点云数据生成扫描区域的点云特征图像,并通过图像处理手段提取可能的建筑物目标点云;然后对提取的目标点云进行剖面分析和特征值分析,识别建筑物目标;最后对建筑物点云进行平面分割,提取建筑物立面,并对立面点云进行特征值分析,得到建筑物立面与地面交接的三维位置边界。实验结果表明,该方法能快速有效地提取车载LiDAR点云数据中的建筑物目标,同时提取的建筑物立面位置边界与原始点云能准确符合。