基于本质矩阵的无人机影像精确匹配

无人机影像以其低成本、获取容易、信息量大等优点得到了广泛的应用。影像匹配是影像数据处理的重要环节,常用影像匹配的方法存在误匹配多或剔除大量正确匹配的问题。LMed S算法比其他稳健方法更严格,"5点算法"得到的本质矩阵可用于匹配点对共面的场景。本文使用LMedS算法结合"5点算法"求解本质矩阵作为剔除误差的模型,同时利用ORB算法提取速度快的特点,构建了一种精准同时兼顾了效率的匹配方法。本文对该算法开展了试验研究,并与其他常规算法进行比较。试验结果表明,本文算法保留的匹配点数数量多,分布较均匀,适用于多种场景,是一种有效、快速精准的影像匹配算法。

图像边缘提取算法在第三次土地调查中的应用

MATLAB是美国MathWorks公司旗下的商用数学软件,该软件因其出众的计算能力和便捷的绘图能力在算法开发及数据可视化等领域应用广泛。在第三次全国土地调查的背景下,针对第三次全国土地调查的部分脱敏统筹影像数据,通过当前应用比较广泛的五种边缘提取算法:Sobel算法、Roberts算法、Laplace算法、Prewitt算法和Canny算法进行实验对比。分别对所选取统筹脱敏实验影像中的指定地物进行严谨、精准、高效的特征边缘检测,分析不同算法的图像处理效果,并从算法的复杂程度、噪声敏感度、定位精度、信噪比等方面全面深入地对五种算法在第三次全国土地调查中呈现的特点进行总结分析,并对五种常规图像边缘检测算法在第三次全国土地调查及其类似项目中应用的可行性和前景进行探讨与展望。

基于多核并行和动态阈值的点云配准算法

针对点云配准中存在错误匹配点对、精度不高等问题,提出一种基于多核并行和动态阈值的点云配准算法。该算法采用改进的SAC-IA算法进行点云粗配准,利用OpenMP实现点云查询点的法向量、FPFH等特征的并行加速提取以及对应点对的并行查找,从而使整个配准算法的速度得到保持甚至提升。在点云精配准阶段,使用改进的ICP算法进行精配准,改进点着眼于错误对应点对的剔除及其阈值的动态确定,即以配准点重心作为参照点,按照动态阈值,使用点对距离约束剔除错误对应点对。实验结果表明,本文算法在提升配准精度的情况下,配准速度也得到了提升。