排序方式: 共有19条查询结果,搜索用时 15 毫秒
1.
2.
3.
针对传统大比例尺地籍测量成图时间长、成本高等问题,提出一种基于倾斜摄影测量技术的大比例尺地籍测量方法。经多次试验,总结无人机倾斜摄影获取影像数据时的航飞技术参数,梳理倾斜摄影进行地籍测量的技术流程,并利用探索性统计分析方法以海安县黄陈村为例做精度验证。结果表明:界址点位等精度、高精度中误差分别为±2.3cm、±3.3cm,界址点间距等精度、高精度中误差分别为±2.7cm、±3.8cm,均可达到厘米级,且符合国家地籍测量精度要求。倾斜摄影技术为大比例尺地籍测量提供一种高精度、高效率、高性价比、低成本的测量方式。 相似文献
4.
5.
针对目前带有视差突变的宽基线弱纹理影像拼接效果差及需要人工干预的问题,本文从影像匹配和影像配准两方面进行改进,提出了面向宽基线弱纹理影像的抗视差全自动拼接算法。首先,采用融合了影像视角几何纠正的局部特征变换模型,由粗到精地实现弱纹理特征的准密集对应;然后,基于匹配点和深度神经网络,泛化学习宽基线影像间的可靠透视变换,以获取全局配准视差,局部视差则通过薄板样条函数来精确拟合;接着,将影像拼接结果的多边形边界进行规则化处理,通过全卷积网络将其训练为规则化矩形,在有效剔除空白区域的同时,最大限度地保留影像拼接内容;最后,选取4组无人机和地面近景宽基线弱纹理立体像对进行测试,并将本文算法的影像匹配及配准各阶段结果分别与现有代表性算法结果进行对比。试验结果表明,本文算法在匹配点数目、匹配精度及影像拼接质量等方面具有显著优势,并能够在影像弱纹理区域及视差突变场景表现出较好的稳定性。 相似文献
6.
基于SIFT的宽基线立体影像密集匹配 总被引:2,自引:2,他引:0
提出基于对极几何和单应映射双重约束及SIFT特征的宽基线立体影像多阶段准密集匹配算法。算法包括三个阶段:①基于特征点的空间分布和信息熵选取一定数量的最优SIFT特征点集并进行最小二乘初始稀疏匹配及立体像对的基本矩阵和单应矩阵估计;②对于其余特征,利用同名核线倾斜角及SIFT特征的尺度信息对匹配窗口的仿射变换参数进行迭代优化及变形改正、提取仿射不变SIFT特征描述符,并基于双重约束信息及欧氏距离测度进行匹配;③考虑宽基线立体影像较低的特征提取重复率,对第②步左右影像中未能成功匹配的特征点,基于双向搜索策略,采用基于盒滤波加速计算的SSD测度在变形改正后的双重约束区域中进行匹配,并对匹配结果进行加权最小二乘拟合定位。实际的宽基线立体影像试验结果证明了算法的有效性,可为后续的三维重建提供较为可靠的密集或准密集匹配点。 相似文献
8.
快速、准确地提取农村宅基地面积,对于城乡规划、房地一体化、美丽乡村建设等工作意义重大。本文以陕西省某村为研究区域,基于无人机高分辨率遥感数据,采用面向对象方法,对研究区进行多尺度分割和监督分类,提取建筑物轮廓;基于倾斜摄影测量方法,估算建筑物楼层数,并最终进行宅基地面积的快速估算。建筑物提取总体精度为95.8%,Kappa系数为0.892 5。将提取后的宅基地面积结合楼层数进行分析计算,得出该研究区建筑物宅基地总面积为36 417 m2。结果表明,本文方法能够准确、有效地提取宅基地面积,为无人机遥感在建筑物的提取识别及宅基地面积快速判定提供了参考。 相似文献
9.
倾斜影像之间因存在较大几何畸变,已有算法尚难取得可靠准稠密匹配,严重阻碍后续的三维重建。本文提出一种基于仿射不变特征的自动准稠密匹配与三维重建算法。算法分三个阶段:1)种子匹配。先利用仿射不变特征获取初始匹配,在此基础上进行最小二乘匹配(least square matching,LSM),并自适应迭代求取LSM最大收敛区域(maximum convergence region,MCR);2)准稠密匹配。对位于MCR内部的格网点采用透视变换模型的归一化互相关(normalized cross correlation,NCC)测度进行匹配,其余格网点则采用对极几何改正模型的加权差值平方和测度进行匹配,对于匹配结果中可能存在的外点根据几何一致性关系剔除;3)三维表面重建。利用影像定向与共线方程对2)步结果重建三维点云,然后根据三维点云生成三维网格并贴上纹理,得到最后的重建结果。实际的倾斜立体影像实验验证了算法的优越性。 相似文献
10.
融合互补仿射不变特征的倾斜立体影像高精度自动配准方法 总被引:1,自引:1,他引:0
提出一种基于最大稳定极值区域(maximally stable extremal regions,MSER)与Harris&Hessian Affine的互补仿射不变特征高精度自动配准算法。算法分3个阶段:①融合MSER与Harris&Hessian Affine互补不变特征,采用最小生成树算法选取一定数量的最优互补特征集合,基于特征的仿射不变信息实现局部图像的仿射与方向归一化,特征匹配采用多层次自适应策略,首先基于SIFT描述符的欧氏距离比率测度获得初始匹配,继而估计影像间的基本矩阵与单应矩阵,然后在双重几何约束下利用归一化互相关(normalized cross correlation,NCC)测度进行扩展匹配,以增加特征匹配数量且最大限度地消除误匹配;②通过最小二乘匹配(least square matching,LSM)使匹配结果达到子像素精度,以提高配准精度,最小二乘匹配的迭代参数初值由同名仿射不变特征间的协方差矩阵与主梯度方位获得;③基于②的匹配结果和投影变换模型,完成影像的高精度配准。针对地面近景倾斜立体影像和无人机倾斜立体影像的试验结果证明了算法的有效性。 相似文献