顾及影像拓扑的SfM算法改进及其在灾场三维重建中的应用

快速、准确的大场景影像三维重建技术可为灾害应急响应和灾情评估提供重要的决策依据。本文针对运动恢复结构(SfM)算法效率低的问题,提出了一种顾及影像拓扑关联关系的拓扑-运动恢复结构(TSfM)算法。TSfM算法利用低空无人机(UAV)自身的飞控记录构建影像拓扑关联关系,缩小了特征匹配时的影像搜索范围,与传统SfM算法相比,影像匹配的时间复杂度由O(n2)降低为O(n)。实验结果表明,TSfM算法实现了基于无人机影像序列的灾场快速三维重建,重建模型的相对精度与SfM算法的重建精度一致。将该方法用于四川芦山地震UAV影像三维重建,可检测出地震滑坡体及其形态信息。     

多分辨率倾斜影像与GeoSLAM激光点云融合精细化建模方法

针对无人机常规倾斜影像建模过程中存在的拉花、空洞、地物悬浮等问题,提出了多分辨率倾斜影像融合GeoSLAM激光点云进行精细化建模的方法。该方法选用无人机和GeoSLAM激光扫描仪采集数据,将多分辨率倾斜影像匹配点云与激光点云进行拼接、点云配准、噪点过滤处理,通过重建大师软件完成倾斜影像和激光点云数据融合建模,并从模型精度、纹理结构上对融合建模模型进行质量评价。结果表明：融合后的三维模型几何结构完整,细节纹理清晰,模型精细度明显提升。     

使用安置参数优化的无人机点云与影像精配准

针对现有的无人机激光点云与影像配准方法主要基于仿射变换建立点云与影像之间的配准模型,无法描述激光点云与影像之间的复杂变换关系问题,该文提出一种基于安置参数优化的无人机激光点云与光学影像精确配准方法.以相机安置参数为优化参数,以归一化互信息作为点云特征影像与光学影像之间的相似性测度,采用改进Powell算法作为优化策略,获得最优配准参数,实现无人机激光点云与无人机影像之间的精确配准.基于实验数据与现有两种配准方法进行精度对比.实验表明,基于相机安置参数优化的配准方法优于两种常规配准方法,可以实现无人机激光点云与光学影像之间的自动化配准,并达到像素级的配准精度.     

无人机航摄像控点布设方法探讨

无人机航空摄影是一种新型的低空遥感影像获取方式,其中像控点布设是无人机正射影像制作的重要环节。以无人机航摄影像处理为例,通过对像控点不同布设方法制作的数字正射影像进行探讨和精度分析,总结出能够满足1∶1000和1∶2000数字正射影像图制作精度要求的像控点合理的布设方法。从而减少外业工作量,提高无人机制作数字正射影像图的整体工作效率。     

基于SIFT算法的无人机高分影像几何配准研究

本文基于SIFT算法进行无人机高分影像自动特征点匹配,在实现影像特征点自动匹配的基础上采用二次多项式模型进行影像几何配准,并且重点考察影像配准过程中匹配特征点数目对几何配准精度的影响,最后进行精度评价。结果表明:在影像特征点匹配结果正确、匹配点分布合理的情况下,匹配点数目越多,利用二次多项式进行影像几何配准的精度越高;无人机航向方向影像配准残差大于旁向残差。     

无人机数字影像配准技术研究及精度分析

无人机数字影像配准技术是无人机航空摄影测量的基础技术之一。针对无人机遥感影像配准问题,本文选取地物特征点进行坐标系投影变换,从而确定影像空间位置,完成影像配准工作,并进行精度评定。研究表明：(1)通过手动选取控制点进行坐标拟合,可有效将TIF和JPEG影像进行配准。(2)基于灰度共生矩阵的特征点匹配法具有较高的配准精度,基于相位相关的区域配准法适用于处理大面积的影像配准问题。(3)利用TIF影像数据配准精度较高,JPEG影像数据更便于传输与存储。(4)配准的最佳方法取决于所应用的场景。     

融合深度特征的无人机影像SfM重建

可靠特征匹配是无人机影像运动恢复结构(SfM)的重要环节。近年来,深度学习被用于特征提取和匹配,在基准数据集表现优于SIFT等手工特征。但是,公开模型往往采用互联网照片进行训练和测试,鲜有用于无人机影像SfM三维重建的性能评价。利用多组不同特点的无人机数据集,本文对比分析手工特征和深度学习特征在无人机影像特征匹配和SfM三维重建的综合性能。试验结果表明,利用公开的预训练模型,结合手工特征的高精度定位和深度学习的特征描述能力,可实现更准确和完整的特征匹配,并在SfM三维重建中取得与SIFT等手工特征相当,甚至更优的性能。     

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。     

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。     

基于BSIFT的无人机影像快速拼接算法

针对传统SIFT算法在无人机影像配准过程中速度较慢的问题,提出了一种改进的BSIFT影像拼接方法.针对SIFT特征点描述符计算复杂、占用存储空间过大、匹配耗时过长的缺点,使用BRIEF特征点描述符代替,利用改进方法(BSIFT)对影像进行特征点的提取与匹配,利用RANSAC算法剔除错配点并计算变换矩阵.实验结果表明:本文提出的方法提高了影像拼接速度,而且提高了拼接精度.     

城市级无人机影像匀色算法

无人机在获取影像时,受到天气、光照条件、相机传感器、主观人为等多种因素的影响,导致获取的影像内部或影像之间存在不同程度的亮度与色调分布不均匀,因此需要对无人机影像进行匀光匀色处理。本文提出了灰度值均值算法、基于相机响应函数的灰度值误差参数算法两种匀光匀色算法,并将其应用于镇江市实景三维数据建设无人机影像处理。试验结果表明,两种算法均能较好地去除色差,使色调过渡更缓和,可改善后期的实景三维整体效果,对城市级实景三维建设相关项目具有较好的借鉴作用。     

基于控制点约束影像的密集匹配及其在考古发掘中的应用

针对大场景考古挖掘现场的三维重建情况,选取半全局匹配策略作为研究基础,设计了一种基于附加控制点约束的半全局匹配算法进行序列影像密集匹配。将稀疏匹配中的特征提取和匹配技术用于提取初始特征,并由这些初始特征转化的同名特征点,生成视差空间影像中的视差控制点,以此作为一种可靠的约束,提高其密集匹配的精度。同时,采用影像分块的策略,将原始大核线影像分成若干对小核线影像,进行密集匹配,以达到提高计算效率,改善计算结果的目的。实验证明,该方法可实现大面积考古挖掘现场的快速三维重建,并且能够在进行文物形态三维重建的同时获取挖掘现场文物分布的正射影像平面图,为准确记录挖掘现场文物分布位置及考古发掘、调查及遗址保护规划编制等提供科学依据。     

分区优化混合SfM方法

针对大规模无序影像稀疏三维重建问题,本文提出一种稳健、高效且易于并行的分区优化的混合式SfM方法。首先,利用SIFT算法进行影像匹配,无须GPS/INS等其他辅助信息,仅利用影像间的匹配结果计算得到的影像关联度完成影像分区。然后,提出一种改进的增量式SfM方法实现每个分区内快速重建,以及提出多项标准自动剔除不可靠分区并将这些分区内影像重新划分至其他分区,实现分区的动态调整。最后,提出一种稳健高精度的分区融合算法,实现相机参数、影像姿态和场景三维信息的准确融合。多组不同规模、不同影像类型以及不同场景的典型数据试验结果表明本文方法对不同数据集具有很好的稳健性,在保持高精度的同时能大大提高重建效率,尤其适用于大规模影像数据集。     

单幅图像地理信息提取方法

针对单幅图像难以提取地理信息的问题,该文提出了一种基于场景结构或单一坐标值约束的地理信息提取方法。面向地形起伏不大或结构化场景,基于几何关系约束,该文设计了单幅图像地理信息提取的总体框架。分别针对结构化和非结构化场景,采用场景结构约束、图像EXIF信息等,实现了摄像机内参及部分外参的求解。基于该信息,通过单一坐标值约束,构建了单幅图像地理信息的提取方法。最后,在平面或垂面约束下,对室内外地理场景进行了二、三维地理信息提取实验。结果表明,该方法能够将单幅图像中的特征点、线或面转换为地理空间数据。     

Monocular 3D scene reconstruction at absolute scale

In this article we propose a method for combining geometric and real-aperture methods for monocular three-dimensional (3D) reconstruction of static scenes at absolute scale. Our algorithm relies on a sequence of images of the object acquired by a monocular camera of fixed focal setting from different viewpoints. Object features are tracked over a range of distances from the camera with a small depth of field, leading to a varying degree of defocus for each feature. Information on absolute depth is obtained based on a Depth-from-Defocus approach. The parameters of the point spread functions estimated by Depth-from-Defocus are used as a regularisation term for Structure-from-Motion. The reprojection error obtained from bundle adjustment and the absolute depth error obtained from Depth-from-Defocus are simultaneously minimised for all tracked object features. The proposed method yields absolutely scaled 3D coordinates of the scene points without any prior knowledge about scene structure and camera motion. We describe the implementation of the proposed method both as an offline and as an online algorithm. Evaluating the algorithm on real-world data, we demonstrate that it yields typical relative scale errors of a few per cent. We examine the influence of random effects, i.e. the noise of the pixel grey values, and systematic effects, caused by thermal expansion of the optical system or by inclusion of strongly blurred images, on the accuracy of the 3D reconstruction result. Possible applications of our approach are in the field of industrial quality inspection; in particular, it is preferable to stereo cameras in industrial vision systems with space limitations or where strong vibrations occur.     

Automated reconstruction of 3D scenes from sequences of images

Modelling of 3D objects from image sequences is a challenging problem and has been an important research topic in the areas of photogrammetry and computer vision for many years. In this paper, a system is presented which automatically extracts a textured 3D surface model from a sequence of images of a scene. The system can deal with unknown camera settings. In addition, the parameters of this camera are allowed to change during acquisition (e.g., by zooming or focusing). No prior knowledge about the scene is necessary to build the 3D models. Therefore, this system offers a high degree of flexibility. The system is based on state-of-the-art algorithms recently developed in computer vision. The 3D modelling task is decomposed into a number of successive steps. Gradually, more knowledge of the scene and the camera setup is retrieved. At this point, the obtained accuracy is not yet at the level required for most metrology applications, but the visual quality is very convincing. This system has been applied to a number of applications in archaeology. The Roman site of Sagalassos (southwest Turkey) was used as a test case to illustrate the potential of this new approach.     

一种稳健性增强和精度提升的增量式运动恢复结构方法

增量式运动恢复结构(ISFM)实现了无序影像的三维重建,在精细化建模、现实场景三维记录以及互联网影像三维重建等领域发挥了重要的作用。但增量式运动恢复结构方法仍存在稳健性差和精度低等方面的问题,常导致三维重建结果难以令人满意甚至三维重建失败,严重限制了增量式运动恢复结构技术的发展应用。本文提出了一种增强稳健性、提升精度的运动恢复结构方法。本文方法有如下3点贡献:①针对立体影像特征匹配结果误差点多的问题,提出了一种顾及特征响应值的参数自适应RANSAC方法,在有效剔除误匹配的同时,最大限度地保留了正确的匹配点;②设计了一种顾忌稳健性     

利用摄像机构建数码城市模型

介绍了将多张数码影像镶嵌拼接成“虚拟单像”的方法,解决了摄像机数码影像分辨率不高的问题,实现了城市建筑物、主要装饰物和地面景物的三维模型重建,对已有地形图而无合适航空影像的地区构成了数码城市模型,取得了有益的实验结果。     

一种基于无人机序列图像的地形地貌三维快速重建方法

提出了一种基于无人机序列图像的地形地貌三维重建方法,该方法采用Harris特征点和SIFT特征向量来提取图像特征,实现图像配准;采用准透视投影模型和因子化方法对未标定的图像序列进行自动标定;通过高效次优解三角化方法获取三维点云坐标;通过准稠密化扩散算法对三维点云进行稠密化;采用捆绑调整算法提高了空间三维点云的精度;采用Possion表面重建方法对三维点云进行了网格化处理.本文为无人机序列图像的应用提供了一个新的思路,拓展了无人机的应用空间.     

柱面全景图像拼接方法的仿真分析

随着虚拟现实(VR)技术的兴起,全景图像得到了更为广泛的应用,目前多通过求解单应矩阵对图像进行变换,由多相机拼接获取全景图像,但该方法会破坏成像中的共线条件,使拼接后的全景图像难以精确进行摄影测量中的三维重建等工作。本文提出了一种柱面全景图像拼接方法并对其进行仿真分析,该方法基于摄影测量共线方程,设定拼接相机的数目、成像焦距、成像位置和成像姿态,模拟多拼相机的成图过程,构建从三维点云到二维图像的柱面成像方程,通过成像方程不仅可以实现各图像的全景拼接,而且可对影响全景图像拼接精度的各参数进行定量分析,试验结果表明:1本文提出的柱面成像方程和全景拼接方法可用于不同数目相机及倾斜成像下的全景拼接;2利用成像方程推导的误差方程可知,全景图像拼接的精度受焦距误差、中心误差和旋角误差的影响,其中,焦距误差可通过图像重采样的方法校正,中心误差与摄影物距密切相关,而旋角误差主要受拼接相机数目的影响。