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。     

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。     

面向序列影像的三维场景重建方法

针对序列影像三维场景重建过程中存在的自动化程度不高、模型精度不够等问题,该文提出了一种基于序列影像的三维场景重建方法。该方法利用尺度不变特征变换算子获得了大量稳定的特征点后,结合K-D树搜索策略以及随机抽样一致性误匹配剔除方法得到稳定的匹配点对,然后采用稀疏光束法平差获取序列影像的相对位置姿态参数,最后采用多视密集匹配方法实现场景目标的密集重建。实验结果表明:该文所提方法可以快速得到准确、完整的三维重建结果。     

透视不变局部特征的LoFTR大视角弱纹理影像匹配

针对影像匹配过程中的影像弱纹理区域特征检测困难,卷积神经网络(CNN)难以从量化后的特征中提取到有效的影像信息,以及受影像畸变的影响,对宽基线影像区域内检测到的特征基元难以关联等问题,该文在LoFTR基础上进行改进,将CNN和Transformer循环迭代后得到的弱纹理特征中加入大视角下的影像几何纠正,增强LoFTR弱纹理特征在视角变化影像上的透视不变性,由此获得大视角弱纹理影像地区的匹配算法。通过实验对比发现,该文方法的匹配数目以及误差较其他匹配算法均有较高提升。在Transformer迭代获取弱纹理区域特征的同时增强其对影像视角变化的透视不变性,可使该类特征适用于各种复杂场景下的匹配任务。     

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。     

摄影测量局部场景稳健合并的并行式运动恢复结构方法

针对并行式运动恢复结构(SfM)在局部场景合并时稳健性差的问题,提出一种摄影测量局部场景稳健合并的并行式SfM方法。对整个场景的影像关联图进行分块及扩展处理,得到相互重叠的子区块,并利用一种改进的增量式SfM方法生成局部场景重建结果。在局部场景合并时,首先利用局部场景的重叠关系构建子区块关联图,并以子区块三元组为单元,进行粗差剔除;然后,利用子区块三元组的代数性质,优化得到更符合几何一致性的子区块间的相对变换;最后,从上述结果中计算得到更准确的局部场景到统一坐标系下的尺度、旋转、平移变换。试验采用无人机影像,结果表明本文方法在局部场景合并时有更好的稳健性,而且SfM结果的精确度也要优于其他并行式方法和COLMAP,在摄影测量和实景三维重建中有较大的应用潜力。     

无人机影像增量式运动恢复结构研究进展

增量式运动恢复结构（structure from motion, SfM）已经成为无人机影像空中三角测量的常用解决方案。考虑到无人机影像的特点,增量式SfM在效率、精度和稳健性方面的性能有待提高。首先给出了增量式SfM无人机影像空中三角测量的技术流程,然后从特征匹配和几何解算两个方面对其关键技术进行了综述,最后从数据采集方式改变、大场景影像处理、通信与硬件技术发展、深度学习融合等方向,展望了增量式SfM无人机影像空中三角测量的挑战和后续研究,总结本领域的现有研究,为相关研究者提供参考。     

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。     

一种适合降落序列影像的相对定向方法

针对传统相对定向方法不适用于降落序列影像的问题,提出了一种适合基线与相机主光轴方向一致的降落序列影像相对定向方法。首先,根据降落影像拍摄的几何模型,确定相对定向元素BX、BY、BZ、κ,组成新的相对定向求解模型,然后基于SIFT特征匹配点形成的匹配线段,计算两幅图像的尺度变化,将两幅影像的尺度统一,并根据匹配点坐标变化计算4个相对定向元素的初值,最终通过最小二乘迭代完成相对定向过程。采用了地面模拟试验和嫦娥三号降落影像进行了试验,结果表明,本文的方法能够较好地完成降落序列影像的相对定向,并且具有较好的精度和可靠性。     

运动平滑与核线约束的特征匹配提纯算法

针对基于最近邻距离比率约束和几何条件约束的影像特征匹配方法,在处理重复纹理影像以及视角和尺度变化大的宽基线影像时,存在匹配正确率低和匹配点对数量少的问题,设计了结合运动平滑约束与核线约束的AKAZE特征匹配提纯算法。①为提高影像特征的不变性、显著性和时效性,采用AKAZE算子提取影像特征,经暴力匹配快速构建初始匹配集;②基于网格运动统计区分真假匹配,剔除不能满足运动平滑约束的匹配点对;③为消除局部相似特征引起的误匹配,采用核线约束提高匹配纯度。实验结果表明:所提算法实现了重复纹理影像、倾斜影像和宽基线影像同名点对的高精度匹配,增加了匹配点对数量,拓展了特征匹配的适用范围。     

无人机低空数字摄影测量系统的设计与实现

结合现代数字摄影测量原理、数据库接口技术及Ransac鲁棒分析算法开发出基于无人机影像特点的数字摄影测量系统。主要介绍了该系统的设计思路及核心技术的实现原理。系统首先通过自动化的影像匹配获取同名点,再由相对定向和绝对定向生成3维离散点,最后构建可量测的3维DEM模型。该系统已用于实际工程,具有较高的准确性和实用性。     

低空影像SfM三维重建的耦合单-多旋转平均迭代优化法

针对现有SfM算法初始模型构建、关联影像递增不尽合理导致误差累积等问题,提出一种耦合单-多旋转平均迭代优化的低空影像SfM三维重建方法。首先,基于影像相对定向关系建立初始影像关联无向图,以多因素为依据构建最优增量决策函数锁定强关联影像。其次,利用顾及粗差的单旋转平均递增式添加强关联影像以扩充局部参考系下影像关联有向图,并采用四元数支持下无须物方点参与平差的多旋转平均迭代优化计算全局一致性旋转与平移矩阵最优解。最后,利用光束法区域网平差统一优化整个网络,得到精确的旋转与平移矩阵及物方点。试验结果表明,与现有低空影像旋转平均方法相比,本文方法能解算出更为精确的外方位元素和恢复出更为密集的三维物方点云,且相对于增量式SfM算法效率提升显著。     

一种基于深度图改进的分块密集匹配方法

倾斜摄影建模往往需要几百张甚至上万张图像,通常需要分块密集匹配重建。然而,常用的分块密集匹配方法只能对每个块单独建模,块间的重复图像会多次参与匹配计算,导致计算冗余、耗时长。因此,本文提出了一种改进的分块密集匹配方法,避免块间重复图像的冗余计算。首先,利用图像关联算法为场景中的每张图像计算邻域图像集合,同时初始化图像的重建状态对象;然后,对整个场景进行空间立体自动聚类完成分块,并抽取子块重建时所需的匹配对图像;最后,根据图像的重建状态对象估计、过滤深度图及深度图融合生成密集点云。试验结果表明,该方法在倾斜影像三维重建时,效率显著提升。     

一种渐进式的鲁棒特征匹配方法

针对影像特征匹配初始结果中存在大量粗差的问题,提出了一种渐进式的鲁棒特征匹配方法,分为种子特征匹配点提取与匹配点扩展两步。其核心思路是先利用特征点的局部几何一致性进行误匹配剔除,提取可靠的种子匹配点;然后,利用由种子匹配点估计出的全局几何模型,对非种子匹配点进行验证,完成匹配点的扩展,得到最终的鲁棒特征匹配结果。实验采用多种数据集对本文方法进行定性、定量分析,并与其他鲁棒特征匹配方法进行比较分析。结果表明,本文方法可以有效地保证特征匹配的精度,同时提高匹配点的数量。     

基于深度卷积特征的影像关系表创建方法

在从运动恢复结构（structure from motion,SfM）的过程中,无序影像间的匹配非常耗时,一方面受制于特征匹配本身,另一方面受制于大量的图像间匹配,其计算复杂度为O（n²）。为减少匹配次数,本文提出基于深度卷积特征（deep convolution feature,DCF）的影像关系表创建方法。首先利用在ImageNet上训练好的VGG-16卷积神经网络提取影像的卷积层特征图,然后对特征图进行和池化操作,最后将该向量归一化,作为图像的特征。通过向量点乘,计算数据集中的每张影像和其余所有影像的相似度,选取相似度最大的10张影像作为影像的潜在匹配像对,并由此构建影像关系表。结果表明,本文提出的DCF能够有效的创建影像关系表,找出潜在匹配像对。在Urban和South Building数据集上,基于DCF创建的关系表匹配的SfM重建的结果和穷举匹配的重建结果基本一致,但匹配次数分别减少97.4%和92.1%。同时基于DCF创建的关系表优于主流ORB-SLAM2系统中的DBoW3创建的关系表。     

融合SIFT与SGM的倾斜航空影像密集匹配

针对倾斜航空摄影特点与匹配处理要求,提出了融合尺度不变特征转换SIFT与半全局匹配SGM的倾斜影像密集匹配方法,包括两个阶段:(1)引入局部二阶矩变换的SIFT倾斜影像稀疏匹配。利用与二阶矩特征值有关的Hessian-Gabor算子提取影像初始特征,通过窗口二阶矩变换及椭圆归一化处理去除特征邻域的仿射变化,使得改进SIFT的特征描述符仿射不变性大大增强,满足宽基线倾斜像对稳健匹配要求的同时并能获得较多的匹配特征作为后续SGM优化计算的路径约束条件;(2)路径受限优化下的SGM倾斜影像密集匹配。以倾斜影像SIFT成功匹配像素的互信息为约束,对SGM的动态规划路径进行分段纠正,减小错误匹配代价的传播并加速最优路径搜索过程;以匹配像素的离散视差信息为基础,基于TPS变换生成良好初始视差图,以提高SGM互信息计算的可靠性并提高计算效率;对理想水平像对下的摄影测量水平核线重排过程进行扩展,整体旋转摄影基线以消除分量BX,BY的影响并建立虚拟"水平"像空间辅助坐标系,从而利用相对定向参数生成沿扫描线方向的"水平"核线影像以满足SGM应用要求。倾斜影像密集匹配试验结果证明了算法的有效性,可为后续摄影测量DSM自动生成或3维快速重建工作提供可靠、逐像素的密集匹配点。     

多视影像相对方位关系误判检测的置信传播算法

场景模糊或者不同场景中的重复纹理会导致影像匹配时产生大量的误匹配点,从而得到误判的相对方位关系。本文引入概率推论方法,提出了一种改进的误判相对方位关系检测算法,利用回路闭合约束构建了基于影像间相对方位关系的贝叶斯网络,推导了贝叶斯网络中的先验概率模型,并利用置信传播算法解算了贝叶斯网络中最大后验概率的求解问题。试验结果表明,利用本文提出的全局一致性约束方法可以有效检测影像间误判的相对方位关系,改善场景重建的结果,并且具有很高的计算效率。     

一种基于序列影像匹配的独立树冠可视化方法

介绍采用非量测相机与序列影像匹配实现独立树冠3维重建的方法。主要包括从影像提取特征点：使用多基线影像与金字塔分层相关技术进行特征点匹配;解算影像的相对方位参数;由前方交会求出各特征点的模型坐标;由模型坐标构造树冠表面三角网;由纹理映射得到树冠3维模型景观图,实现树木可视化的真3维表达。     

GPS改进的移动球形全景影像三维重建方法

针对传统方法难以直接用大规模测量范围的移动球形全景影像较好地实现三维重建的问题,该文提出基于GPS改进的三维重建方法。采用增量式运动恢复结构算法,基于GPS改进了影像匹配,场景初始化和光束法调整等主要步骤,较好地加快了影像匹配速度,实现大规模影像数据集的EG图的有效构建;减少了两两匹配的误差对初始位姿估计的影响,实现更快更好的模型重建;采用基于GPS位置信息加权的光束法调整优化影像位姿和场景模型,实现三维重建尺度的准确恢复。实验结果表明,本文方法不仅有效地解决了传统增量式运动恢复结构算法在大规模重建过程中丢失影像的问题,还显著地提高了位姿估计效率,并且合理地优化了场景重建效果。     

基于SURF特征区域的鲁棒水印算法

针对遥感影像的安全保护,提出了一种基于SURF特征区域的鲁棒水印算法。首先在影像中检测SURF特征点,选取鲁棒性强的点构造互不重叠的特征区域并进行归一化处理,进而对归一化的区域实施整数小波变换,根据生成的模板选取相应位置的系数,最后通过量化的方式将水印信息重复嵌入到每个特征区域内。水印的检测可直接在攻击后的影像中进行,无需校正恢复,实现了盲提取。采用边缘像素替换的策略来保证影像的数据精度,不影响遥感影像的使用。实验表明,该算法具有良好的不可见性,且对常规攻击和几何攻击均具有较强的鲁棒性,可有效保护遥感影像的安全。