基于同一场景3张影像的相机自标定算法

对普通CCD数字相机获得的同一场景的3张未标定影像依次进行Harris角点提取、RANSAC算法估计基本矩阵、RANSAC算法估计三焦点张量,以获得同一参考系统下3个投影矩阵,最后进行相机自标定处理,从而获得相机的内部参数,为下一步多张影像的自标定和3维场景的自动重建和量测奠定了基础。实验结果表明,所述的同一场景3张影像的相机自动标定综合算法是正确有效的。     

基于影像序列的相机分步自动标定方法

相机的自动标定是计算机视觉中根据影像序列进行场景欧氏重建的关键问题。在引入计算机视觉几何中若干基本概念的基础上,讨论了基于影像序列分步进行相机自动标定的基本原理,推导了该自动标定方法的实用计算公式,提出了采用牛顿迭代法进行参数答解的方法。同时,首次提出了一种三像标准投影矩阵组向同一参考系投影矩阵的线性转换算法。实验结果表明,所述的基于影像序列的相机自动标定方法是正确有效的。     

基于影像序列的相机分步自动标定方法

相机的自动标定是计算机视觉中根据影像序列进行场景欧氏重建的关键问题.在引入计算机视觉几何中若干基本概念的基础上,讨论了基于影像序列分步进行相机自动标定的基本原理,推导了该自动标定方法的实用计算公式,提出了采用牛顿迭代法进行参数答解的方法.同时,首次提出了一种三像标准投影矩阵组向同一参考系投影矩阵的线性转换算法.实验结果表明,所述的基于影像序列的相机自动标定方法是正确有效的.     

基于SIFT匹配和RANSAC算法的超分辨率重建

图像超分辨率重建技术是根据序列图像间信息互补重建高分辨率图像的技术,其主要步骤在于精确运动估计算法和有效超分辨率重建算法。针对存在旋转、缩放变换的序列图像,本文提出一种基于SIFT匹配和随机采样一致性算法（RANSAC）的运动估计算法,该方法首先使用SIFT算法对图像序列的特征点进行提取并匹配,然后使用RANSAC算法消除误匹配点并获取投影变换矩阵,从而获得图像序列间的亚像素级的运动信息;采用一组低分辨率序列图像进行试验,基于上述运动估计算法,采用迭代反投影进行超分辨率重建。试验结果表明,运动估计精度较高,重建影像具有较好的视觉效果,尤其适用于影像序列间存在旋转缩放运动的图像序列的超分辨率重建。     

基于SURF算法和改进RANSAC算法的无人机影像匹配

影像匹配是诸多遥感影像处理和影像分析的一个关键环节,结合加速鲁棒性特征(SURF)算法和随机采样一致性(RANSAC)算法对影像进行处理,得到特征稳定、匹配点可靠的配准影像。首先提取影像的SURF特征,利用特征点的欧式距离比来完成影像之间的粗匹配;然后使用RANSAC算法对粗匹配点进行筛选;最后计算出图像间的变换矩阵,完成匹配。文中选择某城郊地区的无人机航拍影像,结合SURF算法,并改进RANSAC算法来对影像进行处理,实现影像的匹配,验证文中方法的可行性。     

基于Harris与RANSAC算法的无人机影像拼接方法研究

针对Harris算法在进行无人机影像拼接时的特征点误匹配问题,利用RANSAC算法对误匹配的特征点进行剔除,进而实现无人机影像的无缝拼接。首先,基于Harris算法提取兴趣点,利用最短欧式距离进行特征匹配;然后,利用RANSAC算法实现对特征点的精确匹配;最后,利用RANSAC算法得到的单应性矩阵完成无人机影像拼接。实验结果表明:本文方法能够较好地剔除无人机影像拼接时误匹配的特征点,实现对无人机影像的拼接,拼接效果良好。     

不同特征提取算法对相机运动估计的适用性研究

针对不同特征提取算法对不同传感器平台获取的影像空间相对关系估计的适用性问题,该文以不同来源的影像数据为研究对象进行实验分析。采用基于特征的影像匹配算法SIFT,SURF,ORB对影像进行特征提取和匹配,利用RANSAC算法进行粗差剔除,随后使用归一化的八点法估计基础矩阵,最后采用辛普森距离统计像素均方根误差。结果表明,在不考虑速度的情况下,SIFT算法对于各类影像的相对位置关系估计有较好的精度;ORB算法在速度上有较大优势,检测和匹配的特征点数目最多;SURF算法的速度和精度介于两者之间。     

自适应阈值的基础矩阵估计算法

针对RANSAC算法在估计基础矩阵过程中需要人为设定阈值的问题,该文提出一种自适应阈值的基础矩阵估计算法。该算法首先引入ORSA算法,计算内点集以及基础矩阵,随后将得到的内点集与基础矩阵作为最小中值算法的初始值做进一步加权优化,在保证基础矩阵估计精度的前提下得到更好的内点集。其中,利用ORSA算法估计时通过计算误匹配警报数(NFA)值评判估计精度,舍去了RANSAC算法中人为设定阈值的步骤;利用最小中值算法加权优化的过程中采用最小化误差中值的方式,避免人为设定阈值。实验结果显示,该算法在保证基础矩阵估计精度的同时,能够获得最佳的内点集,且具有一定的抗噪声能力。     

一种结合纹理择优算法的影像三维重建方法

针对多视影像重叠度高、影像来源丰富等特点,提出了一种基于多视角影像的纹理择优映射算法,该方法对模型三角形进行逐个相机场景可见性分析,对模型在场景中不可见三角形和部分可见三角形进行选择性剔除,只对完全可见三角形及符合阈值计算的部分可见三角形提供候选纹理三角形,能有效解决模型不可见三角形和部分可见三角形被误贴纹理的问题,再通过对候选纹理三角形的视角分析,为几何模型表面三角形选择一个理论最优纹理,计算映射关系自动映射到模型表面。同时,本文将该纹理择优映射算法应用到基于近景影像的三维重建中,使用从运动中恢复结构SFM的方法进行相机标定及影像相对定向,通过CMVS/PMVS密集匹配方法从影像中获取点云模型,采用Possion算法重构模型三角网,最终利用提出的纹理择优算法确定最佳纹理并实现自动映射。通过与Smart3d、PhotoScan、lensphoto软件的对比证明了本文三维重建及纹理择优算法在近景影像三维重建中的有效性。     

基于SFM和PMVS的倾斜影像三维建模方法研究与实现

与传统航拍相比,倾斜航拍作为一种新型的航拍方式,可以为三维城市建模提供更多的纹理数据支持,但是由于航拍倾斜角度较大,所获影像透视畸变明显,给倾斜航空影像间的匹配造成困难。本文利用Structure from Motion算法(简称SFM算法)对倾斜航空影像的相机姿态进行精确标定,并结合Patch-based Multi-view Stereo算法(简称PMVS算法)对标定影像进行密集匹配。结果表明,SFM算法对于倾斜航空影像的姿态标定具有较好的适用性,且通过PMVS算法能够得到大量具有颜色信息的三维点云数据,这些点云数据可直接用于三维场景重建。     

立体视觉的摄影测量理论

从引入空间投影变换的概念入手,证明了体积之交比为一般的投影不变量,从而将其作为描述物体的度量。通过对基础矩阵进行合适的分解,导出了确定投影变换模型之齐次坐标和投影坐标的方法。提出了三维直接线性变换用于由物体的投影变换模型进行物体重建。实验分析证实了所述理论和方法的正确性。     

单应性几何下的后方交会直接解法

传统的后方交会最小二乘解法需要良好的外方位元素初值。在无初值或者初值不够精确的情况下,最小二乘迭代不容易收敛。在近景摄影测量或者计算机视觉等领域,往往不提供良好的初值,无法适用传统的后方交会解法。针对上述情况,本文提出了一种基于单应性矩阵的后方交会直接解法,在不需要初值的情况下,获取外方位元素的直接解。该方法根据单应性矩阵所描述的平面几何关系,利用单应性矩阵内在的约束条件,将后方交会问题转换为一个二元二次方程组的求解问题。该方法受舍入误差影响小,在无偶然误差的情况下,解算精度能达到10–9量级,能够避免传统直接解法计算复杂的问题,为传统的平差迭代解法提供良好的初值。此外,在多个控制点共面的情况下,该方法能够直接获得外方位元素的精确解。实验结果表明:在各种不同倾角拍摄的情况下,该方法均能够获得稳定的外方位元素,为后续的后方交会最小二乘算法提供良好的初值。采用本文方法计算的初值参与平差,能够达到与人工给定初值平差一致的精度,且迭代收敛速度是人工给定初值平差的2倍以上。在控制点共面的情况下,该方法的反投影精度能够达到亚像素级,且精度优于大部分主流的直接解法。     

数字相机在类似棋盘检校场中的检校方法研究

针对众多非量测单相机的检校方法,通过分析数码相机的误差来源,并考虑相机的内、外方位元素和物镜光学畸变等因素引起的误差,提出一种基于类似棋盘检校场的数字相机检校方法。利用共线方程和二维DLT之间的关系导出了由二维DLT的9个参数表达的主纵线方程,构建同形矩阵,通过不同摄站拍摄目标的多幅影像,求得内、外方位元素的初始值,并由多张影像的空间后方交会求出相机需要检校参数,再由假设检验来检验相机系统参数的显著性。经实例分析表明,利用改进后的方法求解参数的精度满足实际需求,且效率更高。     

本质矩阵优化分解的相对位姿估计

针对从影像恢复摄像机相对位姿的问题,提出了一种基于李群表示的本质矩阵快速分解的位姿估计算法。通过加权最小二乘方法优化了本质矩阵;利用本质矩阵和平移向量的关系求出了平移向量;由本质矩阵和位姿参数的等式关系建立目标函数,基于姿态的李群表示推导了旋转矩阵迭代估计过程;优化了唯一解确定的约束条件,避免了特征点的三维重建。仿真实验和真实图像实验表明提出的算法精度和鲁棒性均优于传统算法,算法效率得到明显提高。提出的算法避免了矩阵奇异值分解运算和大量的矩阵计算,而且只需对两组解进行唯一解确定,能够实现相对位姿的快速高精度估计。     

一种改进的立体摄像机标定方法

克服了传统的立体摄像机标定要求在摄像机前精确地配置标定物,过程繁复,户外实现较困难的弱点,提出一种改进标定方法,通过双目匹配点,线性地求解本质矩阵,快速找出摄像机的相对位置关系。实验表明,其精度与传统的方法相当,且优于其他的快速标定方法,可广泛应用于各种户外场合。     

一种具有仿射不变性的倾斜影像快速匹配方法

提出了一种较为快速且具有仿射不变性的倾斜影像匹配方法。通过估算影像的相机轴定向参数计算出初始仿射矩阵,通过逆仿射变换得到纠正影像,对纠正影像进行SIFT匹配。首先利用比值提纯法(NNDR)、归一化互相关(NCC)测度约束和左右一致性检验得到粗匹配点对,由粗匹配点对利用RANSAC方法计算出基本矩阵F和单应矩阵H。匹配时,匹配策略采用最邻近匹配,并利用极线约束、单应矩阵约束、NCC测度约束和主方向差值一致性约束剔除误匹配。通过对三组典型的倾斜影像数据进行试验,试验表明该方法匹配准确率高,匹配点对较为密集、均匀,且效率较高。     

三维相机检校场标志点图像坐标提取方法

相机检校是摄影测量重要的工作环节之一,相机检校方法和结果直接影响摄影测量后处理的效率和精度。文中针对相机标定工作中存在的标志点人工提取效率低等问题,提出一种三维相机检校场圆形标志点图像坐标提取的方法,通过对原始图像进行高斯滤波、Canny边缘检测、椭圆形轮廓提取和拟合等一系列处理后,最终得到标志点中心的图像坐标。通过与人工量测标志点图像坐标的方法进行对比分析,验证方法的可行性,实现数码相机的快速标定。     

旋转矩阵表达方法对相机检校的影响

在大倾角像片的相机检校中,经典共线方程是采用欧拉角（妒,纠,Ⅳ）描述旋转矩阵的,该方法受限于无法获取位置与姿态的初始值,结果可能导致迭代不收敛。共线方程中的旋转矩阵还可以直接利用方向余弦或单位四元数来描述,相机检校时可以无需依赖位置与姿态的初始值。在相同实验数据、初始值和收敛条件的实验中,直接利用方向余弦描述旋转矩阵的方法明显优于单位四元数方法,主要体现在收敛情况和计算结果接近欧拉角方法两个方面。建议在非量测相机检校时,最好选用直接利用方向余弦描述旋转矩阵的共线方程方法。     

鱼眼相机矢量观测检校模型及其应用

提出了一种基于矢量观测的鱼眼相机检校新模型。该模型中的基本观测量不仅包括半视场角,而且包括方位角。在模型中引入罗德里格矩阵,采用3个罗德里格参数表示外方位元素,简化了观测方程的形式及运算。采用实测的星图数据对新模型与基于半视场角约束的检校模型进行比较,结果表明新模型在约束方位角误差方面具有明显的优势,在约束半视场角误差方面略有不足。建议在实际应用中首先采用基于半视场角约束的检校模型确定径向畸变参数,然后再采用新模型求解其他相机参数。