一种倾斜影像密集匹配算法的设计与实现

计算机视觉领域的PMVS算法在多视角影像匹配中具有很好的匹配效果,但将其直接引入航空倾斜影像匹配还存在一些问题:随着影像数据量的增加,PMVS算法对计算机内存占用呈几何增长;PMVS算法针对大倾角的影像匹配存在一些问题;在候选面片生成时,PMVS算法采用固定大小的窗口采集待匹配影像像素,若窗口选择过小,则参与匹配的像素信息少,匹配效果不佳,若窗口选择过大,则将导致匹配耗时过长。针对上述问题,采用分块PMVS策略,提出了改进的自适应窗口匹配算法。实验结果表明,该算法能有效解决将PMVS算法直接引入航空倾斜影像密集匹配中存在的问题,具有一定的实用性。     

SIFT和ORB特征检测算法在地形三维重建中的研究与应用

基于影像的三维重建技术是获取地形数据的新方法,其重建效果很大程度上取决于影像的特征检测方式.为探究不同特征检测方法对地形三维重建的影响,本文选取SIFT(Scale-Invariant Feature Transform)和ORB(Oriented FAST and Rotated BRIEF)特征检测算法,采用增量式运动恢复结构(Structure from Motion,SfM)、多视角密集匹配(Clustering Views for/Patch-based Multi-view Stereo,CMVS/PMVS)、自然邻域插值等方法生成区域地形点云和数字表面模型(Digital Surface Model,DSM),比较分析二者在地形重建中的适用性,结果表明:SIFT生成点云分布均匀,DSM的MRE为2.56％,RMSE为6.36 m,适用于全局的地形三维重建;ORB重建速度快,生成DSM的MRE为2.35％,RMSE为5.17 m,适用于快速的地形三维重建.     

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。     

结合仿射变换及梯度描述符的密集匹配方法

针对SIFT算法难以取得密集匹配结果,无法满足高精度建模需求,以及传统密集匹配算法对明暗变换影像较为敏感,无法取得稳定可靠的密集匹配点的问题,该文提出一种结合仿射变换及梯度描述符的密集匹配方法.该方法首先依靠SIFT算法获取稀疏匹配点,并利用RANSAC方法去除错误匹配点建立同名三角网,利用仿射变换对同名三角形各边中点进行加密,再对新加入的同名点进行相似性判定.与传统密集匹配算法中相似性判定依靠影像灰度层面不同,该文对影像的梯度层面信息进行统计并建立梯度描述符,通过阈值判定是否接受为同名点并不断更新同名三角网,以不再产生新的同名点为终止条件.实验选取6组不同类型影像,结果表明该方法不但可以得到稳定的密集匹配结果,而且较好地解决了传统密集匹配算法面对明暗变换影像匹配无力的问题,并对不同类型影像有着较好的适应性、鲁棒性.     

基于无人机重建点云与影像的城市植被分类

针对以往无人机遥感用于城市植被分类时多利用影像光谱、纹理和形状等特征,影像重建点云数据未能充分利用的问题,提出一种综合影像重建点云与光谱信息的城市植被分类方法。首先,基于运动恢复结构(structure from motion,SFM)、多视图聚簇(cluster multi view stereo,CMVS)和基于面片模型的密集匹配(patch based multi view stereo,PMVS)算法重建研究区密集点云;然后,经滤波、插值生成研究区数字高程模型(digital elevation model,DEM)和归一化数字表面模型(normalized digital surface model,n DSM),同时结合影像光谱信息对不同高度的城市植被进行分类提取;最后,采用面向对象的影像分析方法,根据n DSM信息与归一化绿红差异指数(normalized greenred difference index,NGRDI)及可见光波段差异植被指数(visible-band difference vegetation index,VDVI)等光谱信息,分别建立了水生植被、草地、灌木、小乔木和乔木等不同植被的分类规则。实验结果表明综合利用影像重建点云得到的n DSM信息与影像光谱信息提取不同高度的植被是可行的,总体分类精度达到92. 08%。该方法可为城市植被分类与制图提供理论支持和应用参考。     

多视密集匹配并行传播GPU-PatchMatch算法

针对多视密集匹配的效率较低的问题,提出了GPU-PatchMatch多视密集匹配算法。该算法使用GPU提高PatchMatch的计算效率;同时充分利用稀疏场景信息,对深度信息进行规则初始化;为提高传播效率,使用了金字塔红黑板并行传播深度信息。最后在DTU、Strecha和Vaihigen数据集上进行了试验,并与常用的多视密集匹配算法进行对比。试验结果表明,本文算法在重建效率上有较大提高,与CPU算法(PMVS、MVE、OpenMVS)相比有7倍以上提升,与GPU算法相比也有2.5倍以上提升,表明本文算法的有效性。     

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。     

多匹配基元集成的多视影像密集匹配方法

针对多视影像密集匹配中的遮挡问题,本文提出一种像方特征点和物方平面元集成的多视影像密集匹配方法。该方法利用规则格网划分的空间平面作为基础,对两种不同形式的匹配基元进行集成。首先通过多视影像上特征点投影范围和平面元位置相互制约,实现特征点和平面元的同时匹配,为后续匹配提供初始可靠的DSM;然后在此基础上,结合铅垂线轨迹法和基于高度遮挡检测方法对平面上规则分布的平面元进行匹配,加密初始匹配结果。最后通过对某地区四张UCX数字航空影像的匹配试验,验证了本文方法的有效性。     

基于相对定向和三角形约束的近景影像匹配

针对近景影像自动相对定向过程中初匹配点对中误匹配率较大的情况,将基于三角形约束方法引入近景影像匹配.首先利用Harris算子提取特征点集,经初匹配后运用基于RANSAC方法和P-H算法的相对定向构建核线几何得到内点集,删除误匹配点生成同名Delaunay三角网;在同名三角形的约束下通过缩小Harris特征点阈值得到新内...