车载立方体全景影像匹配点的粗差检测方法

针对低匹配内点率情况,利用随机抽样一致性算法(RANSAC)估计车载全景序列影像的极几何模型不稳定,造成大量匹配点的粗差无法检测或误检测问题,提出了一种基于多约束条件的粗差检测方法。以冗余粗差为约束条件,采用SIFT和最近邻匹配方法获取独立随机匹配点,并构建特征光流矢量。利用光流幅度和方向直方图统计结果,融合极线、尺度和天空点约束条件实现全景影像匹配点的粗差检测。通过不同数据的实验分析,在短基线条件下,可以有效地检测出大部分由纹理重复性、尺度变化和运动物体产生的匹配粗差点。与传统方法比较,本文方法可获得更高的匹配正确点数和正确率,尤其在场景复杂造成的低内点率情况下,算法表现较为稳定。     

车载全景影像核线匹配和空间前方交会

全景相机车载移动系统可以获取带有精确位置和姿态信息的序列全景影像,针对该影像数据,提出一种构建全景核线影像的方法,描述了在球面全景模型下构建全景影像之间核线几何约束的过程,并推导出具体的公式,然后在两张全景核线影像之间使用SIFT算法匹配同名点,最后根据摄影中心、像点、物点3点共线的原理,推导出全景影像的共线公式,利用前方交会的原理计算出物点的空间3维坐标。实验结果表明,本文方法可以降低全景影像匹配的难度,提高匹配点数量和精度,适用于实现基于全景影像的量测等功能。     

一种多摄站球形全景影像快速定向方法

针对传统影像定向方法难以适用于球形全景影像定向的问题,该文提出了一种基于运动恢复结构(SfM)算法思想的球形全景影像快速定向方法。通过避开视野盲区消除了由视野盲区特征点匹配引起的误差,并附加对极几何约束进行鲁棒估计以提高匹配精度;采用改进的EPnP算法对新添加的影像进行位姿计算,提高了新增影像的位姿计算精度和计算效率;提出了全景前方交会算法和全景光束法平差模型,并通过多种优化策略,提高了三维场景构建的精度。基于长白县街景序列影像的实验结果表明,该文所提算法能够实现多摄站球形全景影像的快速定向,并具有较好的精度水平。     

光流特征聚类的车载全景序列影像匹配方法

提出一种光流特征聚类的车载全景序列影像匹配方法.采用非参数化的均值漂移特征聚类思想,以SIFT多尺度特征匹配点的位置量和光流矢量,构建了影像特征空间的空域和值域;利用特征空间中对应的显著图像光流特征为聚类条件,实现了全景序列影像的匹配;最后以全景极线几何约束为条件进行粗差的剔除.通过相同、不同内点率以及不同数据的试验对比分析,本文方法在匹配正确点数和正确率方面要优于经典的Ransac法和金字塔Lucas-Kanade光流法,尤其在场景复杂造成的低内点率情况下,算法表现较为稳定,并可较好地剔除由重复纹理、运动物体、尺度变化等产生的匹配点粗差.     

自适应运动结构特征的车载全景序列影像匹配方法

以运动结构特征为约束条件的序列影像匹配,是基于多变量核密度函数,采用非参数均值漂移方法估计最优局部运动相似性结构特征的过程。核密度函数的带宽大小决定了匹配方法的收敛速度和精度。本文提出了一种可变带宽的自适应运动结构特征的车载全景序列影像匹配方法。首先以采样点在空间域和光流域的局部空间结构定义自适应的带宽矩阵。采用局部光流特征向量的距离加权法,描述光流域上运动相似性结构特征的松弛扩散过程。然后给出自适应多变量核密度函数的表达形式,并探讨了均值漂移向量的求解、终止条件以及种子点的选择方法。最后融合多尺度SIFT描述特征与运动结构特征,建立统一的全景影像匹配框架。试验选择车载移动测量系统获取的城市球全景序列影像,结果表明在内点率变化、物方尺度变化等情况下,本文方法可以实现自适应运动结构特征的相似性度量,提高匹配的正确点数和匹配率,算法表现出较强的稳键性。     

车载全景相机的影像匹配和光束法平差

提出一种针对车载全景影像序列的自动匹配和光束法平差方法.首先在单景鱼眼相机上进行多特征联合的初匹配;然后将同名特征投影到全景相机坐标系,并利用GPS/IMU数据进行粗差剔除和精匹配;再建立全景坐标下的透视投影几何模型,对匹配获得的连接点进行GPS/IMU辅助的光束法区域网平差,根据连接点的距离设定初始权,并通过选权迭代法剔除粗差,获得最终平差结果.试验结果表明,本文所提出的多特征匹配和全景坐标系平差的方法能够很好地处理全景相机的连接点提取和平差问题.     

严密定位模型辅助的国产卫星影像匹配

针对不同传感器下的国产卫星影像特点,提出了一种基于严密定位模型的影像匹配方法。在现有方法的基础上,改进扫描行迭代搜索法,实现同名点的快速预测。在全球SRTM数据的辅助下,建立了近似核线方程。通过局部畸变改正,消除了匹配窗口的几何与辐射变形。引入多片最小二乘匹配(MPGC)算法,对匹配结果进行精化,并剔除误匹配点。综合运用了小面元几何纠正法与基于控制网的匹配生长算法,提高了匹配点的匹配精度与分布均匀性。利用天绘一号、资源一号02C、资源三号卫星影像进行试验,结果表明所提出的方法能够较好地结合国产卫星影像特点,实现多传感器下多轨道影像的全自动联合匹配,获得高精度的同名点观测值。     

车载激光点云和光学影像的配准方法研究

首先总结国内外激光点云和光学影像配准的研究现状,针对单张影像提出了一种基于直接线性变换的车载激光点云和光学影像的配准方法;针对车载序列影像提出了一种基于Sift角点提取、影像匹配、光束法平差、密集点云生成、密集点云和激光点云自动配准并生成对应的三维彩色点云的方法。最后以VC++ 6.0为开发平台,利用Optech公司提供的车载激光点云和序列影像数据设计并实现了车载激光点云和光学影像的配准,并验证了算法的有效性。     

车载MMS激光点云与序列全景影像自动配准方法

提出一种车载移动测量系统（MMS）激光点云与序列全景影像自动配准方法。首先采用层次化城市场景目标提取方法自激光点云提取天际线矢量,在全景影像中经虚拟成像与分割角点提取算法生成天际线矢量。然后,将提取结果作为几何配准基元,构建配准基元图,通过最小化配准基元图编辑距离进行匹配,组成共轭配准基元对,解算2D-3D粗配准模型,获得全景影像与LiDAR点云参考坐标系之间的初始转换关系。最后,为消除几何配准基元提取与匹配误差对配准结果的影响,自序列全景影像虚拟成像影像生成多视立体密集匹配点云,继而使用变种ICP算法优化其与激光点云数据间3D-3D配准参数,间接优化全景影像与激光点云间的配准参数,精化配准结果。试验结果表明,本文提出的自动配准方法可以实现车载MMS激光点云与序列全景影像的1.5像素级自动配准,配准成果可应用于真彩色点云生成等点云/影像数据融合应用。     

基于KLT算法的车载序列影像匹配方法

将KLT算法应用于车载序列影像匹配中,并结合金字塔分层技术和RANSAC算法剔除了错误匹配。结果表明,基于KLT的车载序列影像匹配方法是可行的,且提高了车载序列影像匹配的正确率。     

An Approach to Single Image Automatic Orientation and Point Determination by Using Ortho-Images and a Dtm

This paper describes an approach to single image automatic orientation and point determination by using current ortho-images and a DTM, and the experience gained in its implementation. The procedure proposed automatically extracts and matches feature points in evenly distributed patches on aerial images and ortho-images. A large number of image measurements (up to several thousand) are obtained in this process and are included in a robust space resection to determine the orientation parameters of the aerial image. For point determination with a single image, a method is formalised which integrates the DTM interpolation into the space resection so that the 3D ground coordinates of the image points can be determined in a unified mathematical model. Tests and analyses of this method show that the large number of automatic image measurements relieves the requirement for complicated and precise feature extraction and matching methods. The ground points obtained from single image intersection have an accuracy of approximately 1 pixel in planimetry, which fulfils the requirement for ortho-image updating. The elevation accuracy is mainly dependent on the quality of the current DTM and the interpolation method applied to it.     

基于物方影像匹配和概率松弛的断面自动提取

提出了基于物方影像匹配的断面提取,为了提高匹配的可靠性,引入了概率松弛法,最终获得了高精度的断面.     

融合上下文感知的地标检测辅助WiFi-PDR室内定位

针对当前WiFi-PDR室内定位中存在的WiFi信号不稳定及行人航位推算（PDR）累积误差大的问题，本文提出了一种融合上下文感知的地标检测辅助WiFi-PDR室内定位方法。该方法利用智能手机所能监测到的上下文信息建立用户模型，采用基于卷积神经网络的用户行为感知和基于WiFi-PDR室内定位的粗粒度位置感知，发现隐藏的室内地标信息，并完成用户在地标位置的位置校正，提高定位准确度。该方法在一定程度上降低了WiFi-PDR室内定位的误差，提高了用户室内定位的精度。经试验验证，该室内定位方法的精度相比于传统的WiFi-PDR方法提高了43.62%。     

基于像方特征点的多视影像最小二乘匹配

为了能得到更精确的影像初始值,进行高精度的影像匹配,本文分别选取了两种物方多视匹配模型和不同匹配策略、不同约束条件下的影像粗匹配结果作为初始值进行最小二乘精匹配。实验结果表明物方匹配模型可以提供很精确的初始值,而金字塔、视差和共线方程共同约束下的最小二乘匹配精度更高,可靠性、鲁棒性及稳定性更好,验证了结合合理的匹配策略和约束方法的最小二乘优化可以将匹配精度达到1／10000精度。     

基于物方地面元的多视最小二乘匹配

以地图测绘、空间信息遥感、摄影测量学为背景的,根据多视影像匹配的理念和方法,按单点最小二乘匹配扩展为基于地面元的多点(以三片为例)的最小二乘匹配,基于改进的VLL讨论了一种基于多视影像的最小二乘影像匹配的方法,高精度的像素影像可以由这种特有的方法进行处理分析,像素的精度可达千分之一。进行相关分析后表明:进行高精度数字影像匹配融合时选择恰当影像匹配模型的匹配策略或由差异的匹配策略结合使用可更好地提高匹配的成功率和可适应性,从而降低误匹配或者漏匹配的同名点。     

多匹配策略融合的无人机影像匹配方法

针对AKAZE算法在无人机影像匹配过程中存在的匹配精度低和稳定性较差问题,本文提出一种基于多匹配策略融合的改进影像匹配方法。该方法首先对影像降采样并利用AKAZE算法检测多尺度特征。然后采用一种稳定的RootSIFT描述符进行特征描述。其次,融合最近邻距离比值、双向匹配和余弦相似度约束匹配策略进行特征匹配以降低误匹配率。最后,采用随机抽样一致性(RANSAC)算法确定最终的特征对应关系,并求得几何变换模型。实验结果表明,该方法在获得更多正确匹配点对的同时具有较高的匹配正确率和精度,能够更好适用于无人机影像匹配。     

一种改进SURF的视觉影像匹配算法

视觉影像经常存在纹理情况复杂和动态模糊等情况,严重降低了连续影像间各类特征的相似性,导致传统的匹配算法难以获得准确、稳定、分布良好的影像匹配,影响后续影像处理中各类信息的获取。针对上述情况,本文提出了一种改进SURF视觉影像匹配方法。该方法包括特征提取、初始匹配和对应匹配3个步骤。首先,利用SURF特征匹配方法提取足够且分布良好的特征点;其次,进行初始匹配,得到一些正确的匹配点对及影像对之间的初始投影变换关系;最后,采用几何对应匹配策略进行匹配传播,得到更可靠的匹配结果。通过图像对之间的几何关系,几何对应匹配能够发现比初始SURF算法更合适的匹配结果。对TUM数据综合试验表明,该算法简单快速,匹配精度高。     

几何失真对SAR图像匹配的影响及校正方法分析

合成孔径雷达SAR用于图像匹配导航系统,可大大提高导航精度。然而地形起伏和大气干扰等因素使得SAR实时图存在几何失真,降低了匹配性能。通过对SAR实时图几何失真成因分析,提出了一种二维可分离的几何校正方法,并得出方位向几何失真可跟随成像处理预先校正,图像后处理只需校正距离向。利用数字高程模型DEM和正射图模拟得到了3幅具有不同地形特征的SAR实时图,并分别利用3种几何校正方法对其进行统计实验,得到了不同地形SAR实时图几何校正方法选取的准则。     

机载干涉雷达数据联合定位及拼接技术研究

针对大区域多航带InSAR(干涉合成孔径雷达)影像定位及拼接时缺少GCP(地面控制点)的问题,提出了一种多航带InSAR影像联合定位的方法。该方法借鉴摄影测量中的光束法平差思想,并利用InSAR干涉定标后得到影像上各点高程值。通过对四川绵阳地区的多航带InSAR实际数据的实验,验证了本方法的可行性,且精度达到了各景影像独立校正的水平。分析了控制点数量、位置、重叠区域范围、地形起伏对平差精度的影响,并给出了控制点布放原则。     

基于本质矩阵的无人机影像精确匹配

无人机影像以其低成本、获取容易、信息量大等优点得到了广泛的应用。影像匹配是影像数据处理的重要环节，常用影像匹配的方法存在误匹配多或剔除大量正确匹配的问题。LMedS算法比其他稳健方法更严格，"5点算法"得到的本质矩阵可用于匹配点对共面的场景。本文使用LMedS算法结合"5点算法"求解本质矩阵作为剔除误差的模型，同时利用ORB算法提取速度快的特点，构建了一种精准同时兼顾了效率的匹配方法。本文对该算法开展了试验研究，并与其他常规算法进行比较。试验结果表明，本文算法保留的匹配点数数量多，分布较均匀，适用于多种场景，是一种有效、快速精准的影像匹配算法。