序列无人机影像拼接方法研究

无人机影像具有数量多、畸变大、POS数据不准确等特点,导致其在拼接过程中会产生大量的累积误差,要快速地获得大范围准确的全景图有一定的困难。基于此,提出一种既精确又高效的无人机序列影像拼接方法。首先计算大致的影像匹配区域,减少特征搜索和匹配的时间,同时记录匹配区域中心位置的特征点坐标,引入平差理论,区分平地、丘陵、山区等不同区域加权纠正匹配特征点的坐标位置。同时针对航带间重叠率小、姿态差异大等特点,采用"先航带间再航带内、旁边航带向中间航带靠拢"的拼接方式,减少整体区域的累积误差产生,最终完成全局影像的拼接。     

结合SIFT特征点和泊松融合的无人机遥感影像拼接技术

针对无人机遥感影像拼接技术的研究,本文提出了一种结合尺度不变的SIFT特征点和重叠过渡泊松融合的无人机遥感影像无缝拼接方法。该方法首先采用SIFT算法对影像进行特征点提取,根据特征描述符间的欧氏距离对特征点进行粗匹配;然后使用随机采样一致性（RANSAC）算法剔除误匹配点对,为防止计算出的单适应矩阵线性结构不稳定,引入LM算法对单适应矩阵进行优化;最后采用重叠过渡泊松融合算法对影像进行拼接融合,以实现影像的无缝拼接。试验结果表明,该方法在无人机遥感影像拼接方面具有优势,能够获得良好的拼接影像。     

无人机航摄影像快速拼接方法改进

为提高无人机航摄影像快速拼接速度和精度,文章针对无人机影像处理特点,提出重叠区分块并行处理策略;通过对不同图像分辨率和尺度下的特征匹配情况进行分析,提出分块阈值自适应调节方法来改进SIFT算法;利用匹配点距离中误差进行粗差去除,获取最优RANSAC样本,得到更精确匹配点对。实验结果证明,改进策略既保证拼接的精度,又提高了拼接的效率。     

基于GPU的无人机遥感影像快速拼接

近年来,无人机遥感技术得到较快的发展,无人机遥感技术有着实时性强、灵活性强、低成本以及获取影像分辨率高的特点,在处理应急响应任务时,运用无人机遥感技术,优势极为明显。在无人机进行对地航拍时,所获取的是单张影像,由于像幅的限制,影像并不能覆盖完整的目标区域,相邻的多张影像都有着一定的重叠度,利用重叠区域来将多幅影像依次拼接,获得目标区域的一幅完整影像。随着各种传感器技术的提升,无人机上的相机所获取到的影像的分辨率越来越高,这对影像拼接的速度提出了新的要求。基于无人机遥感影像的特点,采用SIFT算子对无人机遥感影像进行拼接工作,并在CUDA平台下对配准算法进行加速处理,从而提高影像拼接的速度。     

面向无人机红外影像拼接的特征提取算法对比研究

由于无人机获取的红外影像具有低对比度、大几何畸变、大影像间倾角以及存在噪声影响等特点,使得无人机红外影像拼接颇为困难。这里首先采用SIFT,SURF及Cen Sur E 3种尺度不变特征检测算子分别对无人机红外影像进行特征匹配实验,验证了Cen Sur E算子在红外影像特征提取中的优越性。最后构建了基于Cen Sur E算子的拼接流程,用同一航带5张无人机红外影像进行拼接实验,得到了满意的拼接效果。     

一种改进的无人机航摄影像快速拼接方法

为提高无人机航摄影像快速拼接的速度和精度,针对无人机影像处理特点,提出重叠区分块并行处理策略;通过对不同图像分辨率和尺度下的特征匹配情况进行分析,提出分块阈值自适应调节方法来改进尺度不变特征转换(SIFT)算法;利用匹配点距离中误差进行粗差去除,获取最优随机一致性检验(RANSAC)样本,得到更精确匹配点对。试验结果证明,改进策略既可保证拼接精度,又可提高拼接效率。     

构架航线对无人机影像区域网平差精度影响分析

与三角翼相比,无人机航摄影像像幅小、模型连接性差、质量轻、航摄时姿态不稳定;这些因素导致无人机航摄影像成图精度较差。为了解决该问题,传统航测方法在每两张航摄影像间布设大量控制点,增强模型刚性;GPS辅助空中三角测量通过提高曝光点的点位精度,可以减少控制点的个数,但是由于无人机像幅小,控制点约束范围小,因而仍然需要大量的控制点。针对以上问题,文章在GPS辅助空中三角测量的基础上,通过布设架构航线,进而实现增加影像之间的重叠度,增强模型刚性的目的,从而实现在减少控制点个数的同时,保证无人机航摄影像区域网平差精度的提高。实验表明,该方法与单纯的依赖GPS辅助空三技术相比,在精度相近的基础上能够减少约50%的控制点布设数量,大大减少了外业工作量。     

一种基于拼接线和动态基准的影像拼接方法

针对无人机影像拼接处理中易产生鬼影、错位等问题,提出了一种基于拼接线和动态基准的影像拼接方法。该方法首先采用改进Duplaquet方法搜索最优拼接线,拓宽了拼接线的扩展方向;然后采用动态基准影像拼接策略,降低累积误差的影响;接着提出了最终基准影像的选择方法,并在最终基准影像坐标系下实现多幅无人机序列影像拼接。实验结果表明,该算法能够有效解决传统拼接方法中所遇到的拼接线问题,同时能够避免变换误差较大的影像对后续拼接影像的影响,获得更好的拼接结果。     

POS辅助航带间航摄影像的自动转点

提出一种利用POS提供的影像定向参数辅助区域航空摄影测量中航带间影像自动转点方法。首先,对航带内影像采用金字塔影像匹配策略寻求同名像点,以获得航向间影像连接点的精确像片坐标;然后利用POS提供的影像定向参数预测航带间的影像连接点。再通过对相邻航线间待匹配窗口影像的几何变形改正,在由POS数据辅助建立的核线几何条件约束下,直接在原始影像上找寻同名像点;最后经最小二乘匹配使影像匹配结果达到子像素级精度。试验表明,将POS数据引入航带间的影像自动转点中,不但可以简化影像匹配过程、提高自动化水平,而且较常规影像匹配方法可以提高航带间自动转点的成功率34.0%,并节省76.7%的CPU耗时。     

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。     

一种运用AKAZE特征的无人机遥感影像拼接方法

针对无人机遥感影像旋偏角大、地面覆盖范围小等特点,提出一种运用AKAZE特征匹配算法实现无人机遥感影像的快速拼接。该方法利用AKAZE算法提取影像特征点,采用比值法、RANSAC算法计算出拼接序列之间的单应矩阵,通过中心距离范数加权法进行融合。实验表明,其配准精度优于ORB算法,与SIFT算法相当,而运算效率高于SIFT算法,但不及ORB算法,是一种稳定高效的无人机影像拼接算法。     

基于卫片的非序列无人机影像快速概略拼接方法

针对非序列无人机影像,提出了一种基于卫星影像的无人机影像快速概略拼接方法。该算法首先利用改进的SURF算法提取特征点,然后利用最小欧氏距离寻找匹配点,最后结合模板匹配方法确定最终的正确匹配点。利用匹配点的尺度和方向信息计算无人机与卫星影像之间的相似变换参数,确定无人机影像的概略位置。试验结果表明,该算法拥有快速、准确和高适用性等优势,对卫星影像没有严格的时效限制,有一定的地形变化容错能力,能够满足快速概略拼接的要求,是一种可行的无人机影像概略拼接新方法。     

基于航带重叠区的LiDAR强度校正算法研究

机载LiDAR强度信息在传播过程中受到各类因素影响,导致获取原始强度信息含有较大误差不能被直接利用。针对多航带数据中出现的拼接处强度差异大问题,提出一种基于最邻近距离和航带重叠区的强度校正算法。基于最邻近距离自动筛选出同名激光脚点,摆脱传统方法中手动选择同名点的缺陷,极大提高数据处理自动化程度;基于雷达方程和航带重叠区同名点强度一致原则,消除航带间强度差异,极大提高强度的精度和可靠性。实验结果表明,提出的算法能够有效消除航带间强度差异、提高数据处理自动化程度并实现多航带数据无缝拼接。     

基于倾斜摄影重叠度设置的三维建模精度分析

多旋翼无人机搭载的倾斜摄影平台,能够进入不同任务区域,采集多角度的地物影像信息。本文讨论了多旋翼无人机在不同起飞高度、不同航摄任务区域下预设影像重叠度与实际影像重叠度的差别。针对在建筑物密集区域下,分析预设影像重叠度与重新设置重叠度对三维建模成果精度的影响。     

投影相似变换的无人机影像拼接

针对当前无人机遥感影像存在的成像范围小、视差角度大的缺点,该文提出一种改进的投影-相似变换方法来进行无人机遥感图像的拼接:通过对初始获得的单应矩阵进行改进,平滑推导重叠区域的投影变换到非重叠区域形成相似变换;该变换同时考虑拼接过程中图像重叠区域的配准精度和非重叠区域的视场一致。实验结果表明,该方法的拼接性能优于传统拼接方法。     

低空UAV激光点云和序列影像的自动配准方法

提出了一种低空无人机(unmanned aerial vehicle,UAV)序列影像与激光点云自动配准的方法。首先分别基于多标记点过程与局部显著区域检测对激光点云和序列影像的建筑物顶部轮廓进行提取,并依据反投影临近性匹配提取的顶面特征。然后利用匹配的建筑物角点对,线性解算序列影像外方位元素,再使用建筑物边线对的共面条件进行条件平差获得优化解。最后,为消除错误提取与匹配特征对整体配准结果的影响,使用多视立体密集匹配点集与激光点集进行带相对运动阈值约束的ICP(迭代最临近点)计算,整体优化序列影像外方位元素解。试验结果表明本文方法能实现低空序列影像与激光点云像素级精度的自动配准,联合制作DOM精度满足现行无人机产品1∶500比例尺标准。     

大重叠度无人机遥感影像的三维建模方法研究

探讨了无人机遥感系统获取的遥感影像的三维建模方法 ,应用相对定向直接进行无人机遥感影像相对定向 ,并通过实验分析了相邻影像间重叠度对相对定向精度的影响。基于高重叠度的无人机遥感影像 ,为提高同名点识别的精度 ,提出了多幅影像核线约束方法。实验证明本文是利用无人机遥感影像特点实现三维建模的有意义的尝试     

多边形形状分析的无人机影像重叠度计算方法

针对无人机飞行姿态不稳定、地形起伏较大时,传统重叠度的统计方法计算不可靠、精度较差低、需要人工量测等问题,该文提出了一种多边形形状分析的重叠度统计方法.该方法首先利用基于区域特征与点特征相结合的高精度最小二乘匹配方法提取稳定可靠的影像同名点;然后使用改进的随机抽样一致性算法计算影像间的单应矩阵,并获取两影像的重叠多边形;最后采用多边形形状分析法获取最小重叠部分长度并计算得到重叠度.实验表明,该方法能够快速、准确地实现无人机影像重叠度的统计,与人工量测结果相比,误差均在3％以内,在实际生产中大幅提高生产效率和质检精度.     

基于Voronoi图无人机影像快速拼接方法研究

为实现大序列城市高分辨率无人机影像的快速拼接,提出了基于Voronoi图的快速拼接技术。以平顶山80幅分辨率为0.1 m的无人机影像为例,先用直方图匹配进行影像间匀光,用反解法数字微分进行正射纠正,再以像主点为中心快速生成测区Voronoi图拼接线网络,最后基于拼接线网络快速拼接。实验结果表明,基于Voronoi图拼接线网络进行城市高分辨率无人机影像拼接,能有效避免中心投影造成的影像边缘较大的投影差,快速获得城市高分辨率正射影像全景图。