RSS室内定位信号经验模型重构研究

介绍低秩矩阵填充理论,结合RSS室内信号图的特点,借鉴地形图中的地物特征点概念,提出RSS欧氏空间信号特征点概念;提出RSS室内定位信号经验模型的具体重构算法和流程。最后,分析RSS几何空间特征点构建指纹库的精度分析和RSS欧氏空间信号特征点信号模型重构的精度分析,对不同类型的特征点赋予不同的权值,并将这些特征点用在RSS室内定位信号经验模型的重构中。实验结果表明,在数据采样量略高于位置指纹(约为1.37倍)的情况下,利用RSS室内定位信号经验模型的定位精度显著高于位置指纹的定位精度(约为2倍),特别是0.5m以内的定位精度。     

相位相关辅助的重复纹理区域特征跟踪匹配

在移动测量系统获取的街道序列影像中,建筑物立面占有相当大的比例,而通常建筑物立面含有大量的规则重复纹理。利用特征匹配的方法对此类影像进行匹配时,容易造成大量的误匹配,严重影响后期的影像定向以及三维重建。针对此问题,提出了一种利用相位相关算法辅助KLT(Kanade-Lucas-Tomasi)对角点进行跟踪,从而实现特征匹配的算法。首先,在整体上利用相位相关将待匹配的影像对进行粗配准;然后,使用KLT算法从影像中提取局部角点特征并进行跟踪匹配。实验结果表明,该算法对建筑物密集的街道序列影像匹配的正确率比单纯利用特征匹配方法有较大提高,且匹配的特征角点分布也比较均匀,能够有效解决街道序列影像中重复纹理区域的特征匹配问题。     

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。     

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。     

顾及粗差的低空数字影像拼接

低空遥感影像相对于传统航空和卫星影像覆盖面积小且像幅数多,影像拼接是内业处理的重要工作之一。低空摄影机畸变大及飞行平台不稳定等因素易产生同名点匹配定位粗差,可能致使拼接低空影像接边误差较大。为减少这些粗差,利用具有尺度、旋转和平移不变性的SIFT算法进行低空影像匹配,然后采用Huber算法约束粗差,并通过Levenberg-Marquardt非线性最小二乘法进行平差,以获得精确的影像拼接单应矩阵。实验验证了该方法可减少拼接缝,提高了拼接精度。     

基于SIFT特征匹配和射影变换的控制点快速量测方法研究

针对无人机影像控制点量测人工作业量大的问题,本文提出了一种基于SIFT特征匹配算法和射影变换关系的无人机影像控制点位置预测方法:首先对控制点影像和待量测影像进行匹配,然后利用同名像点坐标计算影像间单应矩阵,最后计算待量测影像上的控制点坐标,达到控制点位置预测的效果。基于VS2010平台开发控制点位置预测软件并进行测试。实验表明:该软件可用于无人机影像控制点位置预测,大大提高了控制点量测效率。     

相机检校控制场像点坐标自动定位与高精度量测

针对三维控制场相机检校中像点坐标的量测精度和效率较低的问题,该文研究在三维控制场物方控制(编码)点三维坐标已知的情况,通过对编码点自动识别与定位,借助直接线性变换(DLT)方法计算影像投影变换参数,实现影像控制点像点坐标自动初定位。通过边缘检测、最小二乘椭圆拟合、最小二乘直线拟合等步骤,实现控制点像点坐标的高精度定位量测。试验表明,此方法可实现控制点像点坐标全自动高精度定位量测,定位精度达0.04像元,提高了相机检校的精度和效率。     

一种改进的无人机影像拼接粗差剔除算法

利用无人机技术可以获取高分辨率影像。为了获取高精度的变换矩阵,提高影像匹配效率,本文对RANSAC算法进行了改进,加入影像的灰度信息进行约束,进一步剔除匹配粗差,最后采用均方根误差进行质量评判。为了验证算法的可靠性,选取一组山区影像和一组具有旋转偏角的建筑物影像进行验证。验证结果表明,匹配点粗差剔除率分别提高了15.15%和23.22%,本文算法的均方根误差较小,精度有显著的提高。     

改进MSAC估计F与H矩阵在匹配点中的提纯

针对立体影像匹配中误匹配问题,通常通过某种约束来剔除误匹配。在多视图几何中,多采用基本矩阵和单应矩阵约束同名像点的位置。本文采用改进的稳健MSAC算法估计基本矩阵与单应矩阵,分别对不同地物类型的影像进行误匹配剔除。试验结果表明:(1)改进后的MSAC算法性能优于原算法;(2)单应矩阵适合于平坦地区影像,且其约束力高于基本矩阵;而基本矩阵则适合于任意立体影像。     

基于SIFT的宽基线立体影像最小二乘匹配方法

提出基于对极几何和单应映射双重约束的SIFT特征多尺度加权最小二乘匹配算法。算法首先基于特征点的空间分布和信息熵选取一定数量的最优SIFT特征点集,并采用基于奇异值分解(SVD)的SIFT特征匹配、基于SIFT特征尺度和方位信息的自适应归一化互相关(NCC)匹配获得精度较高的初始匹配点用于立体像对的基本矩阵和单应矩阵估计。然后在对极几何和单应映射的双重约束下,基于自适应NCC及距离加权的多尺度最小二乘匹配算法进行扩展匹配并同时保留匹配定位精度较高的原始SIFT特征点对。算法综合应用基于积分影像的NCC快速计算、金字塔影像匹配等方法和策略。最后选取实际的宽基线序列立体影像进行试验并同原始的SIFT特征匹配算法、基于SVD的SIFT算法进行了综合对比分析。结果表明当影像间无显著亮度变化时该方法的匹配性能明显优于现有的方法。     

一种基于图像灰度直方图相似度计算的室内定位方法

近年来,视觉定位由于定位精度高广泛应用于室内定位与导航。然而,室内环境复杂多变,视觉定位在很多场景下无法实现高精度定位,而且多数视觉定位算法耗时和计算复杂度高,不适用于智能手机。为实现基于智能手机的准确高效定位,本文提出了一种基于图像灰度直方图相似度计算的定位方法。该方法分为两个阶段：离线阶段和在线阶段。离线阶段在已知坐标的格网点分别利用智能手机采集图像,提取图像灰度直方图,建立图像灰度直方图图像特征库;在线阶段智能手机在待测点采集图像提取灰度直方图,然后与图像特征库进行相似度计算,选取相似度和最大值的格网作为概略位置,以相似度为权重采用加权均值法得到准确位置。将所提方法和KNN算法进行对比,试验结果表明,该方法的平均定位误差优于0.3 m,与KNN算法相比定位精度提高了40.7%,计算时间优于1.7 s。     

直线特征约束的资源3号卫星影像自检校平差

针对控制点获取较困难地区卫星影像定位精度不高的情况,对直线特征作为控制信息提升卫星影像定位精度进行了研究。以"像方直线上任意一点必然位于物方直线和投影中心所构成的平面"作为几何约束条件,通过对直线的参数化表示,建立了基于直线特征的共面模型;在该模型基础上,针对航天传感器的成像特点,分析建立了8标定参数的内方位元素模型和简化的外方位元素模型,最终构建了直线特征约束的卫星影像自检校平差模型。利用资源3号(ZY-3)卫星获取的华盛顿地区数据对构建的平差模型进行实验验证。结果表明,该模型能够解决缺乏地面控制点地区影像定位精度差的问题,可达到与常规自检校平差相同量级的精度。     

单目视觉测量系统质心定位算法

在测头成像视觉坐标测量系统中,对图像进行采集和处理是为选取合适的特征点并对其进行优化曝光以便获取高质量的图像,进而实现特征点与背景图像分离和特征点中心的精确定位。因此,对于特征点成像的亚像素定位直接决定着三维空间坐标的测量精度。文中提出高斯拟合双三次插值算法,并与灰度加权和高斯双线性进行对比,实验表明精度比较高,能够达到单目视觉测量系统质心定位要求。     

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。     

基于普通数码相机的旋转全景摄影测量方法

普通数码相机固定在高精度旋转平台上可集成为旋转全景相机,水平旋转多位置拍摄,可获取全景影像。给出了旋转全景相机的成像几何关系模型,实现了旋转全景相机的标定,利用稀疏分布的少量控制点（最少3个）,即可解算出平台旋转中心坐标与起始方位角,及每张像片的外方位元素,再利用多站旋转拍摄的影像进行前方交会就可获得物方点坐标。实验结果表明,本文提出的方法在实际摄影测量中可少受视野和控制点数量的限制,通过较少的控制点即可解算出物方点坐标,且测量精度较好。该方法是在困难场景进行近景摄影测量的一种新的有效手段。     

数字近景摄影测量中人工标志点快速自动匹配

针对数字近景摄影测量中的人工标志点快速自动匹配问题,提出了一种基于双片空间前方交会的匹配算法。首先,通过计算投影线间的最短距离确定一组初始匹配点;然后通过双片空间前方交会计算相应物方点坐标;最后反求该物方点坐标在其他像片上的像点坐标,通过比较该像点与初始匹配点的坐标差确定同名像点。两组实验均证明,该算法计算速度快,具有高匹配率和低误匹配率。     

数字近景摄影测量系统PV-1的几何精度

本文系统地介绍了所建立的一个数字近景摄影测量系统PV—1的检校方法,并得出了该系统的点定位精度。初步实验表明。运用直接线性变换法进行点定位精度评定,物方坐标的中误差为:M_x=0.247mm,M_y=0.158mm,M_z=0.272mm,象方坐标的中误差为0.2像元,相对精度为1/6000。     

智能手机移动测量方法的设计与实现

近年来，智能手机在快速的发展过程中逐渐集成了多种传感器，包括位置传感器、磁力计和加速度计等姿态传感器和数码相机等；同时，由于它所具备的体积小、成本低的优点，为实现手机影像移动量测提供了可能。本文通过Android系统平台及智能手机集成的多传感器，提出了一种新型的智能手机影像量测方法。该方法首先对手机相机进行标定获取内方位元素，并进行Android应用程序的开发，在获取影像数据的同时获得手机的位置姿态数据；然后对影像数据进行特征点提取、匹配及错误点删除，并根据位置姿态数据和同名点图像坐标，利用空间前方交会计算目标点的三维坐标；最后通过光束法平差进行整体优化。试验结果表明该方法获取的位置信息可达到较高的精度。     

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.     

Crowd sensing and spatiotemporal analysis in urban open space using multi-viewpoint geotagged videos

Increasing concern for urban public safety has motivated the deployment of a large number of surveillance cameras in open spaces such as city squares, stations, and shopping malls. The efficient detection of crowd dynamics in urban open spaces using multi-viewpoint surveillance videos continues to be a fundamental problem in the field of urban security. The use of existing methods for extracting features from video images has resulted in significant progress in single-camera image space. However, surveillance videos are geotagged videos with location information, and few studies have fully exploited the spatial semantics of these videos. In this study, multi-viewpoint videos in geographic space are used to fuse object trajectories for crowd sensing and spatiotemporal analysis. The YOLOv3-DeepSORT model is used to detect a pedestrian and extract the corresponding image coordinates, combine spatial semantics (such as the positions of the pedestrian in the field of view of the camera) to build a projection transformation matrix and map the object recorded by a single camera to geographic space. Trajectories from multi-viewpoint videos are fused based on the features of location, time, and directions to generate a complete pedestrian trajectory. Then, crowd spatial pattern analysis, density estimation, and motion trend analysis are performed. Experimental results demonstrate that the proposed method can be used to identify crowd dynamics and analyze the corresponding spatiotemporal pattern in an urban open space from a global perspective, providing a means of intelligent spatiotemporal analysis of geotagged videos.