无人机大场景在线密集点云和DSM生成算法

针对无人机影像获取密集点云和DSM过程中耗时过多、点云质量与处理速度难以平衡的问题,本文提出了一种大场景无人机在线密集点云和DSM生成方法。首先,采用SLAM与RTK信息松耦合的方法在线估计影像位姿;然后,利用多视影像位姿信息在深度空间进行离散采样,通过将当前像素点离散采样深度投影至候选帧影像上获取匹配代价,在代价计算过程中引入中心对称的census代价函数,并考虑多视图遮挡关系计算联合代价值,节省时间的同时提高了匹配代价准确度;最后,提出了一种增量式的代价积聚策略,将前一帧获取的深度投影至当前帧约束代价积聚范围,从而缩短在线计算耗时,结合抛物线拟合算法得到完整度和精度更高的深度图,将深度图去噪后投影至物方空间得到最终的密集点云和DSM。利用3组典型地区的无人机影像对本文方法进行测试,结果表明,本文方法能够满足在线计算的要求,获取的点云和DSM精度与完整度较好。

顾及影像尺度与旋转的光流点跟踪算法

传统的光流点跟踪算法在处理相机不规则运动和影像弱纹理场景时存在点位分布不均、匹配精度不高等问题,针对该问题提出一种尺度旋转不变的改进光流点跟踪算法。在光流跟踪点的基础上,构建匹配相似三角形;在匹配三角形内提取当前尺度图像的DOG特征点,基于角度交会原理获取待跟踪点的初始位置;利用匹配三角形间的尺度旋转参数计算DOG特征点尺度旋转不变窗口,基于改进的光流跟踪法得到跟踪点坐标。选取两组典型的道路场景序列影像进行实验,其结果表明,该算法相比传统光流法能够在相机不规则运动和弱纹理场景下跟踪到更多的匹配点,跟踪点能够较好地分布在图像上,利用跟踪点估计的影像位姿结果精度也有一定提升。

高分辨率遥感影像DSM的改进半全局匹配生成方法

提出一种基于改进半全局匹配算法的高分辨率遥感影像数字表面模型(digital surface model,DSM)生成方法。首先利用影像间连接点几何约束关系对有理函数模型进行系统误差补偿,在补偿模型的基础上对影像进行分块,利用投影轨迹法逐块得到核线影像对;在密集匹配阶段,对影像建立金字塔后逐层进行半全局匹配,匹配过程中引入顾及影像纹理信息的视差图膨胀腐蚀算法约束每一层视差搜索范围,增加了视差图边缘处的有效像素数,同时减少了算法所需的内存开销和计算时间;在视差图后处理阶段,利用加权中值滤波算法保护了视差图的边缘信息;最后基于前方交会获取DSM。选取WorldView 3和资源三号立体影像进行试验,结果表明,本文方法获取的DSM精度在高程方向上接近于1.5倍GSD,并且较好地保持了地物的边缘特性,在计算效率和内存开销方面也具有较好的平衡。

Dense SIFT与改进最小二乘匹配结合的倾斜航空影像匹配方法

针对倾斜航空影像获取到的匹配点少、分布不均匀和匹配效率低等问题,提出了一种基于Dense SIFT与改进最小二乘匹配结合的倾斜航空影像连接点自动匹配方法。首先,利用影像间粗略定向参数对影像进行透视变形改正,消除影像间的几何变形、尺度和旋转影响;其次,对影像建立金字塔并分块,在顶层金字塔影像上逐块提取Dense SIFT采样点,并基于KD树搜索临近点后进行粗匹配,采用随机取样一致性算法剔除误匹配后获得密集、分布均匀的初始匹配点;然后,利用改进的最小二乘匹配算法对初始匹配点位置进行改正;最后,将匹配点逐层换算到下层影像,重复利用改进的最小二乘匹配算法得到最终的匹配点坐标。选取典型区域的倾斜航空影像数据进行匹配试验,结果表明,本文方法能够获取到密集、分布均匀的匹配点,且相比于SIFT、ASIFT算法匹配效率更高。

基于Dense SIFT特征的无人机影像快速拼接方法

特征匹配是无人机影像拼接过程的关键步骤,针对传统的特征匹配方法在影像拼接过程中获取匹配点少、特征点分布不均匀、匹配耗时长等问题,本文提出一种基于Dense SIFT特征的无人机影像快速拼接算法。首先,利用影像POS信息构建连接矩阵以引导匹配过程;然后在降采样影像上进行影像分块,利用Dense SIFT算子获取初始匹配点,并采用两次NCC方法分别实现降采样影像和原始影像上匹配点的精化;最后,基于共线方程将影像投影至物方面上,完成影像的快速拼接。本文选取2组无人机影像进行拼接实验,将本文算法与SIFT和SURF匹配拼接方法进行对比,结果表明:在影像特征点匹配方面,本文方法获取匹配点数量是SIFT和SURF算法的5倍以上,且匹配点分布更加均匀;在影像拼接结果方面,本文方法不仅能够较快完成影像拼接,而且有效避免了拼接影像中的"重影"现象,保证了较好的拼接质量。

面向倾斜摄影的深度学习航空影像匹配方法

针对传统方法和深度学习匹配方法在倾斜影像上获取匹配点少、复现率低以及精度不高等问题,本文提出一种面向倾斜摄影的深度学习航空影像匹配方法。首先,利用POS信息计算影像重叠区域,并对倾斜影像进行透视变换改正,减弱几何变形对匹配过程的影响;其次,在变换后的重叠区域影像上利用训练的多尺度特征点检测网络推理其对应的高斯热力图,在高斯热力图尺度空间检测极值点作为稳定特征点,基于自监督主方向检测网络获取特征点主方向;接着,在特征点描述阶段,结合网络学习得到的特征点位置和主方向获取尺度旋转不变GeoDesc基础描述子,并考虑图像的几何、视觉上下文信息对描述子进行增强处理;最后,通过双向比值提纯法获取初始匹配点,利用RANSAC和图约束方法剔除误匹配后获得最终匹配点结果。使用ISPRS提供的2组典型区域倾斜影像进行匹配实验,结果表明,相比于SIFT、ASIFT、SuperPoint、GeoDesc及ContextDesc等算法,本文方法能够在大视角变化和纹理信息贫乏的倾斜影像对上获取更多均匀分布的匹配点,同时复现率也要优于其他方法。