前言:
如今朋友们对“sift拼接算法”大概比较关切,兄弟们都需要了解一些“sift拼接算法”的相关文章。那么小编同时在网络上收集了一些关于“sift拼接算法””的相关知识,希望大家能喜欢,同学们快快来学习一下吧!摘要
针对于无人机遥感影像拼接速度较慢的问题,该文利用无人机定位定向系统可获取高精度坐标位置和姿态参数特有的优势,提出一种计算单应性矩阵的无人机遥感影像拼接方法。无人机定位定向系统核心技术通过机载差分全球定位系统和惯性测量单元获得每一张影像对应的坐标和姿态角,根据每张影像的坐标和姿态角计算影像之间的单应性矩阵,完成拼接影像之间的快速配准,按照同样的方法,推导出多张影像之间的单应性矩阵,最后实现多张遥感影像连续拼接成一张全景影像图。通过两组拼接方法对8张无人机遥感影像拼接进行比较,实验结果证明:该方法是快速有效的。
引用格式
范军,左小清,李泽,等.单应性矩阵的无人机遥感影像拼接方法[J]. 测绘科学,2018,43(6):99-105.
正文
近年来,无人机遥感技术凭借操作简单、机动灵活、快速获取、经济高效等优势,已经成为世界各领域应用发展和研究的热门技术,而无人机遥感影像拼接技术也因此备受人们的热切关注。目前,在影像拼接实验研究中,大多数人们会普遍使用基于传统尺度不变特征变换(scale-invariant feature transform,SIFT)的经典算法特征点匹配的经典算法或者在此基础上使用改进的SIFT算法。
国外研究现状表明,在1999年,文献[1-3]首次提出SIFT算法,在2004年又对该算法进行改进,并尝试将这种算法应用到影像配准中。SIFT特征点匹配算法具备较强的鲁棒性,该算法优点是速度快,较稳定,精度高;缺点为匹配特征点较多,复杂性较高。针对这一问题。2006年,文献[4]提出了快速鲁棒特征( speeded-up robust features,SURF)算法,采用快速Hessian矩阵方法进行特征点检测。SURF算法为SIFT算法的加速版,运算简单,效率高。但是在影像连续拼接的过程中会出现特征匹配的放大误差,导致特征点匹配不成功。
2013年,文献[6]通过分块多尺度Harris角点的检测方法提取影像中的特征角点,并采用金字塔LK(lucas-kanade)光流法进行角点匹配,最后采用改进随机抽样一致性(random sample consensus,RANSAC)算法求出单应性矩阵,该方法虽然明显缩短了影像配准时间,也提高了影像配准的准确率,但是该配准方法和一般的影像配准方法一样,并没有体现出无人机遥感影像特有的优势。2014年,文献[7-8]利用无人机航拍信息参数进行影像配准,虽然在一定程度上提高了无人机遥感影像拼接的速度,但是对于影像配准没有完全发挥无人机航拍信息参数的优势。针对这一问题,本文利用无人机自身定位定向系统(position and orientation system,POS)瞬间记录航拍影像位姿信息的功能,获取无人机遥感影像的坐标和姿态角,计算遥感影像之间的单应性矩阵,完成影像快速配准,根据同样方法推算出多张遥感影像之间的单应性矩阵,最后实现多张遥感影像连续拼接。
本文方法拼接
SIFT方法拼接
本文利用无人机POS系统可获取航拍影像坐标和姿态角,提出一种基于单应性矩阵的遥感影像快速拼接方法,通过实验对比,表明该方法与传统基于SIFT特征点匹配方法相比明显缩短一半的时间。本文方法,而且对于无人机遥感影像质量没有太高要求,不需要进行影像特征点匹配,只需要计算出单张影像之间的单应性矩阵。本文采用摄像机标定法来校准测量系统的参数,间接提高了无人机POS数据精度。但是无人机质量轻,飞行姿态不稳定,直接造成POS测量数据精度较差[15],所以目前还没有找到合适的解决办法,这都是我们下一步工作的重点。
编辑:邓国臣
往期热点文章
(查找往期消息:进入公众号—号内搜)
觉得不错,请点赞↓↓↓
标签: #sift拼接算法