一种新的影像位姿直接估计方法

针对影像位姿耦合不易直接求解的问题,建立了一种高精度分层位姿参数估计的方法。首先,通过选择3点构成面积最大的像点对应的物点作为基点,经投影方程的改化形式方程,得到估计深度及平移信息;然后利用旋转矩阵保范性获得相机外参线元素尺度参数;最后,将问题转化为由向量估计旋转关系问题,利用Procrustes理论得到外参角元素的最佳估值。该方法可有效解决该深度与耦合位姿参数难以处理的问题。试验证明,此方法确定的位姿参数估计模型形式简洁,容易收敛,参数估计精度较直接对投影矩阵分解方法质量要高。     

球形全景影像位姿估计的改进EPnP算法

球形全景成像可以克服透视成像视场角的局限,实现场景全覆盖的三维重建和量测。本文在普通影像位姿估计的EPnP(efficient perspective-n-point)算法上进行了改进和扩展,提出了一种稳健快速的球形全景影像位姿估计算法。首先,构建球形全景影像的投影模型,将EPnP算法的平面透视成像模型扩展到球面成像模型;然后,采用基于全景球心、像点、控制点共线条件方程的改进EPnP算法求解控制点的球形全景像空间坐标;最后,利用Horn绝对定位算法直接解算全景影像位姿。与球形全景影像位姿估计的后方交会算法的对比试验结果表明,本文提出的方法无须迭代求解,更为稳健快速,即使控制点数目较少也能达到高精度,基于非严格共中心拼接的全景相机,重投影误差可控制在3.00像素左右。     

基于Adaboost算法和人脸特征三角形的姿态参数估计

提出了一种基于Adaboost算法和人脸特征三角形的姿态参数估计方法。首先利用Adaboost算法训练人脸器官检测器,然后根据人脸器官的几何特征定位人脸特征点,利用获得的人脸特征点构建人脸特征三角形。当人脸发生姿态变化时,利用特征三角形的位置变化进行姿态参数的初步估计。     

车载全景序列影像的位姿估计优化方法

针对车载全景序列影像的位姿估计问题,该文提出了一种基于角元素和线元素的位姿估计优化方法。根据全景多视几何关系,建立了角元素和线元素多视约束的优化模型,并推导完成模型的位姿求解方法。然后作为初始外方位元素,加入稀疏GPS/INS的相机控制数据约束,采用全景球模型的稀疏光束法平差对位姿估计结果进一步优化。实验选择IP-S2车载移动测量系统获取的全景序列影像,对比分析单视图、全景视图的连续位姿估计、本文方法和GPS/INS控制数据。实验结果表明,该文方法可提高位姿估计的精度,并减少连续位姿估计产生的累计误差。     

面向对象影像多尺度分割最大异质性参数估计

多尺度分割是遥感影像分析的关键步骤,影像分割过程中的尺度参数选择直接关系到面向对象影像分析的质量和精度。首先,总结了面向对象影像分析中尺度概念的内涵,分析遥感影像空间和属性两大基本特征,依据空间统计和光谱统计获得理论上最优的空间尺度分割参数、属性尺度分割参数。其次,运用了基于谱空间统计的高分辨率影像分割尺度估计方法,分析了分形网络演化多尺度分割与影像谱空间统计特征的关系,进而将基于谱空间统计的面向对象影像分析尺度参数应用于分形网络演化多尺度分割算法中,最后,对其参数的合理性进行验证。研究采用高空间分辨率IKONOS和SPOT 5影像数据,选择建筑实验区和农田实验区进行空间和光谱特征统计,以进一步估计分割中的最佳尺度参数。使用分形网络演化方法对图像进行分割,利用监督分类对本文提出的尺度估计方法进行验证,验证结果表明尺度估计方法可以一定程度上保证后续的面向对象影像分类的精度。不同于以往分割后评价的尺度选择方法会需要大量的运算量,本文方法不需要先验知识的参与,且在分割前就可以自适应地估计出相对较为合适的尺度参数,提高了面向对象信息提取的自动化程度。     

球面全景影像相对定向与精度验证

对传统的5点法相对定向算法的共面误差计算方法进行改进,提出了一种适合球面全景成像特点的相对定向计算流程。与传统方法相同,该算法首先计算本质矩阵,然后对本质矩阵进行奇异值分解得到旋转矩阵和平移矢量的候选解,最后利用重建的物方三维点坐标排除错误解。本文的贡献在于推导了球面全景共面条件公式,并使用点到核线平面的球面距离作为球面全景共面条件的误差项。模拟数据试验显示:当图像特征点的随机噪声在[-0.5,0.5]像素范围内时,3个姿态角的中误差约为0.1°,由相对定向恢复的相对平移量与模拟值的夹角中误差约为1.5°。使用车载全景相机配合POS获取的数据进行试验的结果显示:横滚角和俯仰角的中误差可以达到0.2°以内,航向角的中误差可以达到0.4°以内,由相对定向恢复的相对平移量与POS平移量的夹角中误差可以达到2°以内。采用本文相对定向算法的结果生成球面全景核线影像,提取影像之间同名点坐标并计算其列方向误差,结果显示核线影像同名点列坐标差的中误差在1个像素以内。     

融合光度参数估计的单目直接法视觉里程计

针对单目直接法视觉里程计在光照变化大的场景下定位精度低、定位鲁棒性差的问题,文中提出一种融合光度参数估计的单目直接法视觉里程计。首先通过对图像帧进行特征匹配实现特征跟踪,建立起图像像素点之间的关联,接着利用非线性优化方法进行光度参数估计,然后在光度参数估计提供的光度参数先验信息的基础上对图像灰度值进行校正,最后利用校正后的图像采用单目直接法视觉里程计对相机运动进行估计。在EuRoC数据集上的实验结果表明,与传统方法相比,文中提出的算法提高单目直接法视觉里程计对光照变化的鲁棒性,定位精度平均提高约18%。     

结合扩展卡尔曼滤波与基于点线的最近点迭代扫描匹配算法的机器人位姿自适应估计

针对机器人利用单一位姿估计方法累积误差大、精度低的问题,本文提出了一种基于扩展卡尔曼滤波算法(EKF)和基于点线的最近点迭代扫描匹配算法(PL-ICP)的机器人位姿自适应估计方法。为了减少轮式里程计造成的累积误差,利用Mahony算法对陀螺仪和加速度计进行姿态解算,进而基于扩展卡尔曼滤波融合轮式里程计初步估计机器人位姿;为了减少轮子变形、打滑等对机器人位姿的影响,利用PL-ICP点云匹配算法构建单线激光里程计,对机器人位姿再次进行估计;为了提高位姿估计的准确度,提出了一种基于两种位姿总均方差和前后时刻位姿误差构建累积误差的自适应修正算法,通过分析两种位姿总均方差及前后时刻位姿误差,得到全局最优权重因子和局部动态权重因子,实现累积误差修正因子的自适应调整,得到机器人更精确的位姿估计。试验结果表明,该方法可对机器人的位姿累积误差进行修正,显著提高机器人的位姿估计精度。     

SAR稀疏成像模型参数自适应选择

合成孔径雷达(SAR)稀疏成像模型中的参数选择对于SAR稀疏成像的性能有重要影响,也是当前SAR稀疏成像研究中的难点问题。已有参数选择方法普遍存在适用于个别模型或者运算量大的缺点。基于最大后验概率估计和贝叶斯推理,提出了一种无需额外先验信息的自适应参数选择方法,所有需要的参数都可从已知的数据中获取。通过推导得到模型参数与信号、噪声方差的关系,避免了对数据进行一系列的训练处理,因此极大地减小了计算量。仿真数据和实测数据处理表明,本文方法在实现了较为精确的参数优化选择的前提下,其计算量远低于贝叶斯信息论准则、L-曲线等已有参数选择方法。     

基于χ2准则的磁梯度张量3D聚焦反演方法

针对铁磁性物质反演中正则化参数自适应选择的问题,提出了基于χ2准则的磁梯度张量3D聚焦反演方法。利用深度加权矩阵和最小支撑矩阵对经典Tikhonov正则化理论框架下的反演模型进行约束得到目标函数,避免了由于反演参数多于采集点数而导致反演解的多解性,并有效解决了核函数随深度增大而快速衰减的问题。通过对目标函数进行迭代奇异值分解获得最佳物性参数,并根据χ2准则自适应地确定目标函数在迭代过程中的正则化参数,提高了迭代速度和求解精度。仿真和实验结果表明:该方法能准确还原磁性异常体的轮廓形态,具有较好的模型分辨率。     

两步解法用于求解线阵CCD影像外方位元素

在线阵CCD影像外方位元素的求解过程中,外方位元素之间的相关性,导致法方程病态,最小二乘估计值误差较大。本文在分析以往解决方法的基础上,提出采用两步解法求解线阵CCD影像的外方位元素。该算法的实质是选择一个比单位矩阵更合适的正则化矩阵。试验结果表明该算法能有效地克服线阵CCD影像外方位元素间的相关性,定位精度较高,定向点精度在1个像素内,检查点精度在1.5个像素内。     

特征法视觉SLAM逆深度滤波的三维重建

针对现有特征法视觉SLAM只能重建稀疏点云、非关键帧对地图点深度估计无贡献等问题,本文提出一种特征法视觉SLAM逆深度滤波的三维重建方法,可利用视频序列影像实时、增量式地构建相对稠密的场景结构.具体来说,设计了一种基于运动模型的关键帧追踪流程,能够提供精确的相对位姿关系;采用一种基于概率分布的逆深度滤波器,地图点通过多帧信息累积、更新得到,而不再由两帧三角化直接获取;提出一种基于特征法与直接法的后端混合优化框架,以及基于平差约束的地图点筛选策略,可以准确、高效解算相机位姿与场景结构.试验结果表明,与现有方法相比,本文方法具有更高的计算效率和位姿估计精度,而且能够重建出全局一致的较稠密点云地图.     

城区机载LiDAR数据与航空影像的自动配准

为解决机载LiDAR数据与航空影像集成应用中二者的配准问题,提出了一种机载LiDAR数据与航空影像配准的方法。首先,直接在LiDAR点云中提取建筑物3维轮廓线,通过将轮廓线规则化得到由两条相互垂直的直线段组成的建筑物角特征,并在航空影像上提取直线特征;然后,根据影像初始外方位元素将建筑物角特征投影到航空影像上,并采用一定的相似性测度在影像上寻找同名的影像角特征;最后,将角特征的角点当作控制点,利用传统的摄影测量光束法区域网平差解求影像新的外方位元素。解算过程中采用循环迭代策略。本方法的主要特点是,直接从LiDAR点云中提取线特征,避免了常规方法从距离图(或强度图)中提取线特征所产生的内插误差。通过与现有基于点云强度图的配准方法的对比实验表明,在低精度初始外方位元素的辅助下,本文方法能够达到较高的配准精度。     

基本矩阵约束下的摄像机畸变校正及像主点确定

针对视觉测量系统中畸变校正过程烦琐、计算复杂等问题,提出了一种基于基本矩阵约束的镜头畸变自动校正及像主点坐标确定方法。基于对极几何的基本矩阵和一阶径向畸变模型构建了两视图同名点约束方程;为解决待求参数过多导致解不稳定的问题,采用分步求解策略分别求解基本矩阵及畸变参数和主点坐标,用RANSAC稳健估计方法求取基本矩阵,用迭代最小二乘优化求解畸变参数和主点坐标,两步交替进行。提出的算法仅使用两张图像即可获取径向畸变参数及主点坐标,可操作性强,且对噪声具有一定的鲁棒性,适用于自然场景图像的校正。     

线阵推扫式影像外定向的一种新算法

线阵推扫式影像外方位元素间的强相关性,导致法方程病态,外方位元素的最小二乘估计值误差较大.本文提出采用岭-压缩组合估计解决线阵列推扫式影像的外定向问题.该算法是综合岭估计和压缩估计的一种新有偏算法,它通过对最小二乘估计值的不同分量进行不同比例的压缩使估计值最优.文中采用10 m分辨率的SPOT 1全色影像和2.5 m分辨率的SPOT 5全色影像进行实验,并与商业遥感软件Erdas的实验结果进行比较.研究结果表明该算法能有效地克服线阵推扫式影像外方位元素间的相关性,定位精度较高,定向点精度在1个像素内,检查点精度在1.5个像素内,达到Erdas软件的定位精度.     

基于Voronoi几何划分和EM/MPM算法的多视SAR图像分割

基于区域和统计的SAR分割方法,提出一种结合Voronoi划分技术、最大期望值EM(Expectation Maximization)和最大边缘概率MPM(Maximization of the Posterior Marginal)算法的多视SAR图像分割方法。首先利用Voronoi划分将图像域划分成不同的子区域,而每个子区域可以被看成待分割同质区域的一个组成部分,并假设每个子区域内的像素满足同一独立的Gamma分布,从而建立多视SAR图像模型,并在贝叶斯理论架构下建立图像分割模型,然后结合EM/MPM算法进行图像分割和模型参数估计。该方法将基于像元的马尔可夫随机场(Markov Random Field,MRF)模型扩展到基于区域的MRF模型,并且能同时有效地获取模型参数估计和基于区域的SAR图像最优分割。采用本文算法,分别对RADARSAT-Ⅰ/ⅡSAR强度图像和合成SAR强度图像进行了分割实验,定性和定量的测试结果验证了本文方法的有效性、可靠性和准确性。     

Photo Orientation Under Unstable Conditions: A Robust Trial and Error Approach Using Range Ratios

Relative orientation is one of the fundamental steps in forming a photogrammetric model. Whilst relative orientation is straightforward in most cases of aerial photogrammetry this may not be the case in close range photogrammetry where the nature of the photographs and the cameras being used often raise unfamiliar problems. This paper addresses the problem of performing relative orientation of non-metric photographs under unstable conditions where there are no ground control points and the ray intersection geometry is poor. The relative orientation problem is approached from several viewpoints, including a method that relies on little information about the exterior or relative orientation parameters. The solution is based on an iterative process, in which a set of three virtual control points (VCPs) is created, using photo coordinates and range ratios. The validity of the VCPs is checked during every iteration by an estimation of the coplanarity condition using two or more conjugate checkpoints. During the iteration a database is formed, which is then used to obtain a net of VCPs that fulfil the coplanarity condition for the checkpoints. The VCPs are then used to compute the "relative" exterior orientation by space resection. The proposed method was tested on both simulated and real photographs and was found to have some advantages over more commonly used techniques.     

ECM算法的多视SAR影像分割

多视SAR影像像素强度通常建模为Gamma分布,其形状参数为常数(视数)。实验表明,多视SAR影像分割时,设Gamma分布的形状参数为变量可取得更好的分割结果。由于Gamma分布中形状参数以Gamma函数的形式出现,利用EM算法求解时无法获得形状参数的解析解。为此,本文提出了一种基于Expectation/Conditional Maxinnization(ECM)算法的多视SAR影像分割方法。利用ECM算法估计最大化后验概率条件下的Gamma分布参数及表征最优多视SAR影像分割的标号场实现。采用模拟和真实多视SAR影像验证提出算法。实验结果表明,Gamma分布的形状和尺度参数均能快速收敛到稳态值,且以此得到各同质区域的Gamma分布曲线可以很好地拟合其直方图。通过对分割结果的定性和定量分析,可知提出算法具有有效性和可行性,且优于EM算法。     

文物对象近景序列影像位姿高精度估计方法

针对文物对象影像三维纹理重建中影像位姿估计的问题,本文提出了三维数据驱动及平差的位姿高精度估计方法。首先通过影像特征提取、匹配、误匹配点剔除得到准确的同名特征;然后建立首对影像高精度位姿相对关系,并以其像对三维点数据为驱动,结合二三维索引确定后续影像的相对位姿;最后以光束法平差与LM算法确定高精度的影像位姿参数。试验表明,本文方法在确定位姿速度和位姿精度上都体现了一定的优越性,为影像后续的密集点云生成奠定了基础。     

利用基本矩阵重构地面影像位姿信息

在地面采集的盲区影像往往缺少位姿信息,进而与空中影像联合处理时造成分层错乱。因此为提高倾斜模型精细度,本文通过约束对极奇异矩阵的方法重构补拍影像的位置姿态。首先进行空地影像特征匹配,得出两者的基本矩阵,规范化空中影像投影矩阵,地面影像投影矩阵则由基本矩阵分解成的反对称矩阵和非奇异矩阵组成;然后利用空中影像POS信息消除该投影矩阵对的多义性,从而得出地面影像位置姿态的准确值。试验结果表明,该方法能够在无像控条件下自动计算出地面盲区补拍影像的位姿信息且与空中影像配准良好,在保证模型精细的前提下提高了作业效率。