CN101620672A - 一种利用立体地标定位识别地面立体建筑物的方法 - Google Patents
一种利用立体地标定位识别地面立体建筑物的方法 Download PDFInfo
- Publication number
- CN101620672A CN101620672A CN200910063624A CN200910063624A CN101620672A CN 101620672 A CN101620672 A CN 101620672A CN 200910063624 A CN200910063624 A CN 200910063624A CN 200910063624 A CN200910063624 A CN 200910063624A CN 101620672 A CN101620672 A CN 101620672A
- Authority
- CN
- China
- Prior art keywords
- building
- dimensional
- target
- identifying
- local
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000003384 imaging method Methods 0.000 claims abstract description 47
- 239000007787 solid Substances 0.000 claims description 21
- 230000009466 transformation Effects 0.000 abstract description 3
- 230000000877 morphologic effect Effects 0.000 description 40
- 238000001514 detection method Methods 0.000 description 19
- 230000011218 segmentation Effects 0.000 description 16
- 230000001629 suppression Effects 0.000 description 13
- 238000012795 verification Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 7
- 238000000605 extraction Methods 0.000 description 6
- 238000002360 preparation method Methods 0.000 description 6
- 238000001914 filtration Methods 0.000 description 4
- 238000012634 optical imaging Methods 0.000 description 4
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229940098006 multigen Drugs 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- BULVZWIRKLYCBC-UHFFFAOYSA-N phorate Chemical compound CCOP(=S)(OCC)SCSCC BULVZWIRKLYCBC-UHFFFAOYSA-N 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
一种利用立体地标进行定位识别地面立体建筑物的方法,具体为:首先对立体建筑物地标检测识别定位,再结合飞行器的当前成像姿态参数、地标与待识别建筑物在正射投影图中的空间位置约束关系,利用透视变换解算待识别建筑物在当前帧图像中的潜在位置,以其为中心选取局部感兴趣区,获取局部感兴趣区内目标潜在区域的局部反差,在局部反差足够大时,说明目标相对背景突出,则在局部感兴趣区域内进行待识别建筑物的直接检测识别,否则该潜在位置即为最终定位结果。本发明有效解决了在待识别建筑物成像特征不显著情况下的识别定位问题,显著提高了识别精度,可靠性好,适用于飞行器前视导航定位城区复杂楼群背景中的中等高度地面立体建筑物。
Description
技术领域
本发明属于自动目标识别与飞行器导航制导交叉的技术领域,具体涉及一种动平台条件下基于立体地标定位识别地面立体建筑物的方法。飞行器按照预定航迹导航制导时,在待识别建筑物目标不可见或可见但成像特征不显著的情况下,选取飞行航路中特性显著的立体建筑物地标进行识别定位,然后间接定位到待识别建筑物,此方法可用于飞行器前视导航时,定位城区复杂楼群背景下中等高度的地面立体建筑物。
背景技术
无人飞行器和有人飞行器在城市地区的自主精确导航定位是一个有广泛应用价值的挑战性难题。
地面立体建筑物作为重要的人造目标,其检测识别与精确定位可应用于飞行器导航、避撞、地图特征提取、城市规划、监督等领域。地面立体建筑物常常处于复杂的自然背景当中,特别在城区,特定立体建筑物处于复杂楼群之中。从光学成像角度考虑,各种地面建筑物的大小、形状各不相同,建筑物之间存在互相遮挡;另外,在不同时相、不同气候、不同光照、不同成像高度、不同成像距离和不同成像角度的情况下,成像器所获取的光学图像中目标建筑物呈现不同的成像特性且复杂多变。飞行器飞行航迹的可变性、飞行器惯性导航系统的位置偏差和目标成像特性的复杂多变,导致在复杂楼群背景中准确定位识别地面立体建筑物的难题。
飞行器导航定位到某立体建筑物的前提条件是必须能准确检测、识别该建筑物。然而在复杂楼群背景中检测识别定位立体建筑物非常困难。
金泰松,叶聪颖,李翠华等在“一种复杂场景下建筑目标识别方法”,计算机工程,Vol.33 No.6 March 2007中提出一种基于建筑目标的竖直线特征寻找图像中存在建筑目标区域的方法。该方法的核心步骤是提取竖直方向的线特征,并利用目标特征的相互关系,检测出图像中潜在建筑物楼群区域。但是此方法的局限性在于只适用于楼群区域的检测,而无法检测识别定位复杂楼群背景中的各地面立体建筑物。
洪志令,姜青山,董槐林等在“复杂背景下一类建筑目标的识别及变化检测”,第十二届全国图像图形学学术会议中提出一种在复杂背景下,正多边形建筑物进行检测识别的方法。该方法的核心在于线特征的提取,对线进行多层次的感知组合过程。最后通过特征匹配步骤实现建筑物检测识别。该方法的局限性主要在于只能对正多边形建筑目标进行识别。
上述文件中提到的立体建筑物检测识别方法都是采用直接检测识别与定位目标,都需要提取实时光学成像过程中能显著表征目标建筑物成像特性的线条特征矢量。然而在待识别地面立体建筑物相对于其所在城市地区场景的光学成像特性不显著时,例如周边建筑物的遮挡、成像距离较远、目标局部对比度低、光照条件变化、逆光或顺光等,直接检测识别地面立体建筑物不可行。为了解决这一导航定位难题,必须发明新的立体建筑物检测识别定位方法。
发明内容
本发明提供一种利用立体地标定位识别地面立体建筑物的方法,目的在于实现在动平台条件下,待识别定位的建筑物在实时光学成像过程中不可见或可见但成像特性不显著时,如目标局部对比度差、目标相似模式多的情况下,对地面立体建筑物进行识别定位。
一种利用立体地标定位识别地面立体建筑物的方法,包括以下步骤:
(1)识别立体地标形心在实时图中的位置(Xr,Yr);
(2)将立体地标在正射投影图中投影区域的形心作为识别点,计算识别点在实时图中的位置(Xr p,Yr p), Hr m为立体地标的成像高度;
(3)将立体建筑物目标在正射投影图中投影区域的形心作为目标点,利用识别点在实时图中的位置(Xr p,Yr p)、立体地标与立体建筑物目标在正射投影图中的相对位置关系TP(dx,dy),计算得到目标点在实时图中的估计位置(Xt p,Yt p);
(4)在实时图内选取局部感兴趣区,局部感兴趣区的形心位置为(Xt,Yt),高度 宽度 其中, Ht m和Wt m分别为立体目标的成像高度和宽度,1.5≤εh,εw≤5;
(5)在局部感兴趣区内选取目标潜在区域,目标潜在区域的形心位置为(Xt,Yt),高度为Ht m,宽度为Wt m,计算目标潜在区域的局部反差,若局部反差大于等于反差阈值,进入步骤(6),否则确定目标可见表面形心在实时图中的位置为(Xt,Yt),结束;
(6)在局部感兴趣区内对立体目标进行直接定位识别。
在本发明中,飞行器按照预定航迹先捕获立体地标,待捕获到该立体地标后,再间接定位到包含待识别立体建筑物的局部感兴趣区,最后在感兴趣区域内直接检测识别定位建筑物目标。在现有公告开报道的文献之中,未见跟本发明所述识别思路相同的情况。本发明与以往的方法相比其最显著的两个特点在于:第一,在检测识别定位策略上,预先检测识别定位立体地标,而不是直接检测识别定位建筑物目标,本发明所述的定位识别思想就体现在这里;第二,在包含待识别立体建筑物的局部感兴趣区域内识别建筑物目标,当处理序列图像时,在局部感兴趣内的识别是一个时间序列上的递推过程。跟以往的在全图范围内搜索目标的方法相比,我们不仅减少了执行建筑物识别定位任务所需的时间开销,还大大降低了建筑物识别定位的虚警率。
附图说明
图1为本发明的总体流程图;
图2为待识别立体建筑物附近2000米×2000米,分辨率为2.5米的可见光正射投影图;
图3为大地坐标系下,待识别建筑物(目标点T)与立体地标建筑物(识别点R)的空间位置关系示意图;
图4为飞行高度1000米,视场角一定的情况下,待识别建筑物周边立体地标建筑物(三栋高楼)的特性视图,其中4(a)距离4000米俯仰角-20°,4(b)距离5000米俯仰角-18°,4(c)距离6000米俯仰角-16°,4(d)距离7000米俯仰角-14°,4(e)距离8000米俯仰角-12°,4(f)距离10000米俯仰角-14°;
图5为飞行高度1000米,视场角待识别建筑物周边立体地标建筑物(三栋高楼)的形态学背景抑制结构元素示例,其中5(a)距离4000米俯仰角-20°,5(b)距离5000米俯仰角-18°,5(c)距离6000米俯仰角-16°,5(d)距离7000米俯仰角-14°,5(e)距离8000米俯仰角-12°,5(f)距离10000米俯仰角-14°;
图6为基于形态学的立体建筑物检测识别定位方法流程图;
图8为地面立体建筑物参考坐标系示意图;
图9为前视实时图成像中待识别建筑物(目标点T)与立体建筑物地标(识别点R)的位置关系示意图;
图10为飞行高度1000米,视场角进入角γ,待识别建筑物实时光学图像序列中某一帧图像,采用间接识别定位方法的处理结果实例,其中10(a)为原图,10(b)为形态学结构元素,10(c)为形态学滤波后的结果图,10(d)为10(c)反色结果图,10(e)为10(d)反馈分割结果图,10(f)为原图局部感兴趣区,10(g)为10(f)竖直方向线条提取结果图,10(h)为立体地标识别结果图;
图11为飞行高度1000米,视场角一定的情况下,待识别建筑物的特性视图,其中11(a)距离4000米俯仰角-14°,11(b)距离5000米俯仰角-11°,11(c)距离6000米俯仰角-9°,11(d)距离7000米俯仰角-8°,11(e)距离8000米俯仰角-7°,11(f)距离9000米俯仰角-6°;
图12为飞行高度1000米,视场角待识别建筑物的形态学背景抑制结构元素示例,其中12(a)距离4000米俯仰角-14°,12(b)距离5000米俯仰角-11°,12(c)距离6000米俯仰角-9°,12(d)距离7000米俯仰角-8°,12(e)距离8000米俯仰角-7°,12(f)距离9000米俯仰角-6°;
具体实施方式
在实际应用过程中,采用迂回方式进行目标检测识别定位更加符合生物视觉导航机理。即,在飞行器按预定航迹飞行过程中,待识别目标相对其所在自然场景而言成像特性不显著,此时我们可以利用所在场景中具有某种显著性特征的单个或多个地面立体建筑物作为立体地标识别点,通过对识别点的定位,逐步修正目标导航定位的位置误差,最终实现待识别目标的精确导航定位。
立体建筑物地标在城市地区中居多,如城区中的高塔、孤立高大建筑物、外形特征显著的建筑物等。如何利用这些典型立体建筑物地标进行城区楼群背景中各立体建筑物的检测识别定位,构成本发明的核心内容。
定位前,首先需要做地面准备工作:如图1所示,地面准备工作包括按预定航迹选取特征显著的立体地标建筑物、建立建筑物基准特征库以及制备形态学结构元素。
(01)选取立体建筑物作为立体地标
依据预定航迹,在待识别建筑物周边选择若干个可见且特征显著的立体建筑物作为立体地标;
(01.1)立体地标选取原则
立体地标的选取原则为:
立体地标的几何外形在整个建筑物场景中具有唯一性,即几何唯一性。
为了保证立体地标几何唯一性,若选择的单个地面立体建筑物具有几何唯一性则可选取它作为立体地标;若选择的单个地面立体筑物的几何外形在整个建筑物场景中的相似模式很多,即不具备几何唯一性,那么可以选取多个地面立体建筑物组合作为立体地标,建筑物之间的空间位置关系保证了立体地标的几何唯一性。
根据上述原则选取的立体地标为特征显著的立体建筑物地标。
(01.2)选取立体地标
在此我们可以选取待识别建筑物附近特征显著的三栋高楼组合作为立体建筑物地标。
(02)建立建筑物基准特征库
(02.1)计算待识别建筑物即立体目标和各个立体地标在现实场景中的几何特征量,高度特征量和宽度特征量;
待识别建筑物:
高度 宽度
待识别建筑物背面三栋高楼依次记为Bldi:
高度 宽度 i=1,2,3;
(02.2)待识别建筑物附近2000m×2000m的可见光正射投影图如图2所示,获取待识别目标建筑物在正射投影图中位置T(x,y)、高楼Bld2在正射投影图中位置P(x,y),计算这两者之间的相对位置关系TP(dx,dy)(见图3);
待识别目标建筑物:T(401,396);高楼Bld2:P(522,285);
相对位置关系:TP(-121,111);
(03)制备形态学结构元素
利用三维建模软件MultiGen Creator构建待识别建筑物和其背面三栋高楼的地面建筑物三维模型,获取不同视点、不同高度、不同距离下的特征视图,如图4、图11所示;利用所得特征视图制备二值形态学结构元素,即将结构元素中位于三栋高楼的区域灰度值置为255,其余背景灰度值置为0,如图5、图12所示,为了保证所选建筑物在经过形态学背景抑制后不被抑制掉,实际使用的形态学结构元素比生成的结构元素要小,需要乘以缩放因子后才能为形态学处理使用。
令地面准备所生成的形态学结构元素高度和宽度分别用MorpHG和MorpWG表示,进行形态学处理时实际使用的形态学结构元素高度和宽度分别用MorpHP和MorpWP表示,高度方向缩放因子为εh(0≤εh≤1),宽度方向缩放因子为εw(0≤εw≤1),那么MorpHP=εh×MorpHG,MorpWP=εw×MorpWG,可取εw=0.9,εh=0.9。至此,地面准备工作完成。
在复杂楼群背景中,飞行器前视三维地面建筑物识别定位具体实施流程如图1所示,下面以飞行器在飞行高度H为1000m,视场角成像大小ROW×COL,进入角γ,α为方位角,θ为俯仰角下,以待识别建筑物为例来详细说明本发明的实现步骤:其中,COL为成像实时图的宽度,ROW为成像实时图的高度,φ为成像仪视场纵向角度、为成像仪视场横向角度。地面准备完成后,按照如下方式进行立体目标的检测识别与定位:
(1)识别立体地标可见表面形心Gr在实时图中的位置(Xr,Yr)
立体地标检测识别与定位具体实现流程如图6所示(流程图中立体建筑物为所选立体地标),详细叙述如下:
(1.1)获取立体地标建筑物在实时图(成像器二维成像平面图)上的几何特征,可见表面形心示意图参考图8,二维成像平面示意图参考图9。
根据真实场景中三栋高楼的实际高度Hri b和宽度Wri b以及惯导参数(飞行高度H,视场角进入角γ,α为方位角,θ为俯仰角)计算地面立体建筑物在成像器二维成像平面上几何特征,包括高度特征量Hri m,宽度特征量Wri m,周长特征量Cri,面积特征量Sri和形状因子Fri;
Dist=tan(θ×3.1415926/180)×H
经计算可得:待识别三栋高楼中每一栋楼的成像大小相近,成像高度 i=1,2,3。
(1.2)形态学背景抑制
(1.2.1)形态学增强,利用高宽比为1×7的结构元素对原图进行形态学灰度闭运算,减少待识别建筑物内部纹理信息,增强图像对比度。
(1.2.2)形态学背景抑制,选用(03)中已经制备好的立体地标建筑物的形态学结构元素对形态学增强后的图进行形态学灰度开运算。
在飞行高度1000m、进入角度γ、成像距离10km的情况下,地面已制备好的形态学结构元素如图5(f)所示,为高45像素×宽110像素的双色矩形区域,其中白色区域表示目标,黑色区域表示背景。将此结构元素乘以缩放比例因子εw和εh,εw=εh=0.9,得到形态学背景抑制所需结构元素,见图10(b)所示,为高40像素×宽99像素的双色矩形区域,其中白色区域表示目标,黑色区域表示背景。用此结构元素对图10(a)进行形态学灰度开运算,滤除与三栋高楼形状和尺度明显不同的建筑物或背景,使得图像灰度级别减少,处理结果如图10(c)所示,处理结果反色后如图10(d)所示;
(1.3)递推分割,对图10(d)中形态学背景抑制后的图进行灰度级统计,将其灰度级从高到低依次作为分割门限,进行灰度级递推分割,转换为二值图像,为了保证目标区域能够分割出来,设置递推分割次数为5次。图10(d)第1次分割结果如图10(e);
(1.4)感兴趣区特征提取
标记递推分割过程中所生成的二值图像中的白块区域,计算各标记区域的特征量,包括:面积S0i、形心(X0i,Y0i)、周长C0i、高度H0i m、宽度W0i m和形状因子F0i,i=1,2,3,…。
(1.4.1)在飞行高度1000m、进入角度γ、成像距离10km的情况下,形态学背景抑制结果反色如图10(d)所示。第一次分割结果中有三个感兴趣区域,高度 宽度 周长C01=90,C02=86,C03=86,面积S01=438,S02=378,S03=378,形状因子F01=1.472,F02=1.557,F03=1.557;形心坐标(X01,Y01)=(124像素,144像素),(X02,Y02)=(165像素,144像素),(X03,Y03)=(207像素,144像素);
(1.5)感兴趣区验证
(1.5.1)线条特征检测
在原图中截取位于感兴趣区域的局部原始信息,将所截取的感兴趣区局部原始图像转化为梯度图;具体实现,可以使用一个垂直线模板和一个水平线模板分别对图像进行检测,得到水平方向和垂直方向梯度图;
其中垂直线模板为:
-1 | 2 | -1 |
-1 | 2 | -1 |
-1 | 2 | -1 |
-1 | 2 | -1 |
-1 | 2 | -1 |
其中水平线模板为:
-1 | -1 | -1 | -1 | -1 |
2 | 2 | 2 | 2 | 2 |
-1 | -1 | -1 | -1 | -1 |
(1.5.2)竖直线条验证,对感兴趣区局部原始图像进行竖直线条验证,设置基准特征库中建筑物高度特征量Hri m的一半作为竖直线条长度阈值,对所得的各个感兴趣区域进行竖直线条验证,保留通过验证的感兴趣区域;若没有找到符合条件的感兴趣区域,那么检测无结果输出;图10(f)为感兴趣区局部原始图像,图10(g)为局部图像竖直线条提取结果;
(1.6)特征匹配
将通过感兴趣区域验证的感兴趣区域的特征与建筑物基准特征库进行匹配,提取感兴趣区域的局部对比度特征和竖直线条特征,统计竖直线条长度大于待识别建筑物成像高度Hri m的0.8倍以上的竖直线条数,在竖直线条数大于4条的前提下,寻找局部对比度最大的感兴趣区作为最终的匹配结果,最后输出检测结果;
(1.7)识别与定位
将(1.6)所得匹配感兴趣区作为检测识别结果,将所识别高楼Bld2的形心作为识别定位点,识别定位结果如图10(h)中所示,白色十字叉为高楼Bld2可见表面形心Gr在二维成像平面上所处的位置(Xr,Yr)=(165,144)。
(2)将立体地标在正射投影图中投影区域的形心R作为识别点,计算识别点在实时图中的位置(Xr p,Yr p), Hr m为实时图上立体地标的成像高度,
(3)计算目标点在实时图中的估计位置(Xt p,Yt p);
(3.1)目标点的选择
待识别建筑物在大地坐标系中投影区域的形心位置T作为目标点。在大地坐标系下,识别点与目标点在正射投影图中的位置偏差为TP(dx,dy)=(dx1,dy1)=(-121,111)。
(3.2)计算识别点R(Xr p,Yr p)与光轴点(COL/2,ROW/2)在大地坐标系下的距离,其中COL为成像实时图宽度,ROW为成像实时图高度。具体实现为:纵向偏差角度为Δθ×(Yr p-ROW/2)/ROW,横向偏差角度为其中Δθ、为成像仪视场纵向、横向角度,α为方位角,θ为俯仰角,透视变换示意图如图7所示。下式计算出在大地坐标系中识别点与光轴点距离ΔX1、ΔY1。
y1=H/tan[θ+Δθ×(Y1-ROW/2)/ROW] (1.0)
ΔX1=x1×cosα-y1sin α (1.2)
ΔY1=y1×cosα+x1×sinα (1.3)
(3.2)根据正射投影图中目标点T与识别点R偏差(dx1,dy1),计算目标点与光轴之间的偏差ΔX2=ΔX1+dx1,ΔY2=ΔY1+dy1,根据下式计算待识别建筑物在实时二维光学图像中目标点T的位置坐标(Xt p,Yt p)。
x2=ΔX2×cosα+ΔY2×sinα (1.4)
y2=ΔY2×cosα-ΔX2×sinα (1.5)
θ2=αtan(H/y2) (1.6)
(3.3)根据二维成像平面上待识别建筑物成像高度Ht m,待识别建筑物目标点T的位置坐标(Xt p,Yt p),得到局部感兴趣区形心Gi在实时图中的位置坐标(Xt,Yt);其中
(4)选取局部感兴趣区,局部感兴趣区的形心位置为(Xt,Yt),高度 宽度 Ht m和Wt m分别为立体目标的成像高度和宽度,1.5≤εh,εw≤5
根据真实场景中地面立体建筑物高度Ht b和宽度Wt b以及惯导参数(飞行高度H,视场角进入角γ,α为方位角,θ为俯仰角)计算地面立体建筑物在成像器二维成像平面上几何特征,包括成像高度特征量Ht m,宽度特征量Wt m,周长特征量Ct,面积特征量St和形状因子Ft;
Dist=tan(θ×3.1415926/180)×H
本实施例中,在实时图上,由(Xr,Yr)=(165,144),立体地标建筑物中间那栋高楼的成像高度Hr2 m,成像宽度Wr2 m,其中 可以得到识别点R在二维成像平面中的位置坐标 然后结合(dx1,dy1)进行解算,得到目标点T在二维成像平面中的位置坐标 从而得到目标建筑物可见表面形心在实时图中的位置坐标(Xt,Yt), 即(Xt,Yt)=(140,118),经计算可得待识别建筑物成像高度 取εh,εw=2,从而可以得到包含待识别建筑物的局部感兴趣区。
(4)确定感兴趣区
选取局部感兴趣区,局部感兴趣区的形心位置为(Xt,Yt),高度 宽度 Ht m和Wt m分别为立体目标的成像高度和宽度,1.5≤εh,εw≤5。本实施例中, 其中 εh=εw=2;
(5)计算目标潜在区域的局部反差
在局部感兴趣区内选取目标潜在区域,目标潜在区域的形心位置为(Xt,Yt),高度为Ht m,宽度为Wt m;计算目标潜在区域相对局部感兴趣区的局部反差ζ,若局部反差ζ大于等于反差阈值ζT,进入步骤(6),否则确定目标点在实时图中的位置为(Xt,Yt),结束;局部反差阈值取值范围为[1.2,3]。实施例中,局部反差阈值ζT=1.5,目标潜在区域的形心位置为(Xt,Yt)=(140,118),高度为40,宽度为45,计算目标潜在区域的局部反差ζ=1.7。结果表明ζ≥ζT,进入步骤(6)。
局部反差ζ定义为:待识别感兴趣区内目标潜在区的灰度均值μt与整个局部感兴趣区灰度标准差σroi的比值,即
(6)在局部感兴趣区内对立体目标进行直接定位识别。
在包含待识别建筑物的局部感兴趣内直接检测识别定位的具体实现流程如图6所示(流程图中立体建筑物为待识别地面立体建筑物),详细叙述如下:
(6.1)形态学背景抑制
(6.1.1)形态学增强,利用高宽比为1×7的结构元素对原图进行形态学灰度闭运算,减少待识别建筑物内部纹理信息,增强图像对比度。
(6.1.2)形态学背景抑制,选用(03)中已经制备好的待识别建筑物的形态学结构元素对形态学增强后的图进行形态学灰度开运算。
在飞行高度1000m、进入角度γ、成像距离10km的情况下,地面已制备好的形态学结构元素如图12(f)所示,为高50像素×宽50像素的双色矩形区域,其中白色区域表示目标,黑色区域表示背景。将此结构元素乘以缩放比例因子εw和εh,此时εw=0.9,εh=0.5,得到形态学背景抑制所需结构元素,如图13(b)所示,为高45像素×宽25像素的白色矩形区域,其中白色区域表示目标。用此结构元素对包含待识别建筑物的局部感兴趣区,对图13(a)进行形态学灰度开运算,滤除与待识别立体建筑物形状和尺度明显不同的建筑物或背景,使得图像灰度级别减少,处理结果如图13(c)所示;
(6.2)递推分割,对图13(c)中形态学背景抑制后的图进行灰度级统计,将其灰度级从高到低依次作为分割门限,进行灰度级递推分割,转换为二值图像,为了保证目标区域能够分割出来,设置递推分割次数为5次。图13(c)第1次分割结果如图13(d);
(6.3)感兴趣区特征提取
标记递推分割过程中所生成的二值图像中的每块区域,计算各标记区域的特征量,包括:面积S0i、形心(X0i,Y0i)、周长C0i、高度H0i m、宽度W0i m和形状因子F0i,i=1,2,3,…。
在飞行高度1000m、进入角度γ、成像距离10km的情况下,形态学背景抑制结果如图13(d)所示。第一次分割结果中只有1个感兴趣区域,高度 宽度 周长C01=158,面积S01=1450,形状因子F01=1.37,形心坐标(X01,Y01)=(44像素,41像素);
(6.4)感兴趣区验证
(6.4.1)线条特征检测
将局部感兴趣区内原始局部图像,如图13(a)所示,转化为梯度图;具体实现,可以使用一个垂直线模板和一个水平线模板分别对图像进行检测,得到水平方向和垂直方向梯度图;
其中垂直线模板为:
-1 | 2 | -1 |
-1 | 2 | -1 |
-1 | 2 | -1 |
-1 | 2 | -1 |
-1 | 2 | -1 |
其中水平线模板为:
-1 | -1 | -1 | -1 | -1 |
2 | 2 | 2 | 2 | 2 |
-1 | -1 | -1 | -1 | -1 |
(6.4.2)线条验证,首先对感兴趣区局部原始图像进行竖直线条验证,设置基准特征库中建筑物高度特征量Ht m的一半作为竖直线条长度阈值,对所得的各个感兴趣区域进行竖直线条验证,保留通过验证的感兴趣区域;再对感兴趣区局部原始图像进行水平线条验证,设置基准特征库中建筑物宽度特征量Wt m的一半作为水平线条长度阈值,对所得的各个感兴趣区域进行水平线条验证,保留通过验证的感兴趣区域;
若经过线条验证没有找到符合条件的感兴趣区域,那么检测无结果输出;图13(e)为局部图像竖直线条提取结果;
(6.5)特征匹配
将通过感兴趣区域验证的感兴趣区域的特征与建筑物基准特征库进行匹配,提取感兴趣区域的局部对比度特征和竖直线条特征,统计竖直线条长度大于待识别建筑物成像高度Ht m的0.8倍以上的竖直线条数,以及水平线条长度大于待识别建筑物成像宽度Wt m的0.8倍以上的水平线条数,若存在符合要求的线条,则寻找局部对比度最大的感兴趣区作为最终的匹配结果,最后输出检测结果;若不存在符合要求的线条,则最后无检测结果输出。
(6.6)识别与定位
步骤(6.5)所得匹配感兴趣区的形心位置就是对目标的直接识别结果,即立体目标的可见表面形心在实时图中的位置为匹配感兴趣区的形心位置。识别定位结果如图13(f)中所示,其中白色矩形框为待识别建筑物在二维成像平面上的位置。
Claims (3)
1、一种利用立体地标定位识别地面立体建筑物的方法,包括以下步骤:
(1)识别立体地标形心在实时图中的位置(Xr,Yr);
(2)将立体地标在正射投影图中投影区域的形心作为识别点,计算识别点在实时图中的位置(Xr p,Yr p), Hr m为立体地标的成像高度;
(3)将立体建筑物目标在正射投影图中投影区域的形心作为目标点,利用识别点在实时图中的位置(Xr p,Yr p)、立体地标与立体建筑物目标在正射投影图中的相对位置关系TP(dx,dy),计算得到目标点在实时图中的估计位置(Xt p,Yt p);
(4)在实时图内选取局部感兴趣区,局部感兴趣区的形心位置为(Xt,Yt),高度 宽度 其中, Ht m和Wt m分别为立体目标的成像高度和宽度,1.5≤εh,εw ≤5;
(5)在局部感兴趣区内选取目标潜在区域,目标潜在区域的形心位置为(Xt,Yt),高度为Ht m,宽度为Wt m,计算目标潜在区域的局部反差,若局部反差大于等于反差阈值,进入步骤(6),否则确定目标可见表面形心在实时图中的位置为(Xt,Yt),结束;
(6)在局部感兴趣区内对立体目标进行直接定位识别。
2、根据权利要求1所述的利用立体地标定位识别地面立体建筑物的方法,其特征在于,所述立体地标由一个以上的立体建筑物组合而成。
3、根据权利要求1所述的利用立体地标定位识别地面立体建筑物的方法,其特征在于,所述反差阈值取值范围为[1.2,3]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100636247A CN101620672B (zh) | 2009-08-14 | 2009-08-14 | 一种利用立体地标定位识别地面立体建筑物的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100636247A CN101620672B (zh) | 2009-08-14 | 2009-08-14 | 一种利用立体地标定位识别地面立体建筑物的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101620672A true CN101620672A (zh) | 2010-01-06 |
CN101620672B CN101620672B (zh) | 2012-03-28 |
Family
ID=41513900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100636247A Active CN101620672B (zh) | 2009-08-14 | 2009-08-14 | 一种利用立体地标定位识别地面立体建筑物的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101620672B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104197953A (zh) * | 2014-08-13 | 2014-12-10 | 北京航天控制仪器研究所 | 一种惯性导航系统两维落点精度估计方法 |
CN106231194A (zh) * | 2016-08-09 | 2016-12-14 | 盯盯拍(深圳)技术股份有限公司 | 拍摄方法以及拍摄装置 |
CN109142393A (zh) * | 2018-09-03 | 2019-01-04 | 佛亚智能装备(苏州)有限公司 | 一种缺陷分类方法、装置及系统 |
CN109358315A (zh) * | 2018-10-12 | 2019-02-19 | 华中科技大学 | 一种辅助目标间接定位方法及系统 |
CN113469086A (zh) * | 2021-07-09 | 2021-10-01 | 上海智臻智能网络科技股份有限公司 | 建筑平面图中的区域划分方法、装置、设备及介质 |
CN114018246A (zh) * | 2021-11-15 | 2022-02-08 | 北京克莱明科技有限公司 | 一种定位导航方法和定位导航装置 |
CN114913717A (zh) * | 2022-07-20 | 2022-08-16 | 成都天巡微小卫星科技有限责任公司 | 一种基于智能终端的便携式低空飞行防撞系统及方法 |
-
2009
- 2009-08-14 CN CN2009100636247A patent/CN101620672B/zh active Active
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104197953A (zh) * | 2014-08-13 | 2014-12-10 | 北京航天控制仪器研究所 | 一种惯性导航系统两维落点精度估计方法 |
CN104197953B (zh) * | 2014-08-13 | 2016-08-24 | 北京航天控制仪器研究所 | 一种惯性导航系统两维落点精度估计方法 |
CN106231194A (zh) * | 2016-08-09 | 2016-12-14 | 盯盯拍(深圳)技术股份有限公司 | 拍摄方法以及拍摄装置 |
CN109142393A (zh) * | 2018-09-03 | 2019-01-04 | 佛亚智能装备(苏州)有限公司 | 一种缺陷分类方法、装置及系统 |
CN109358315A (zh) * | 2018-10-12 | 2019-02-19 | 华中科技大学 | 一种辅助目标间接定位方法及系统 |
CN113469086A (zh) * | 2021-07-09 | 2021-10-01 | 上海智臻智能网络科技股份有限公司 | 建筑平面图中的区域划分方法、装置、设备及介质 |
CN113469086B (zh) * | 2021-07-09 | 2023-06-06 | 上海智臻智能网络科技股份有限公司 | 建筑平面图中的区域划分方法、装置、设备及介质 |
CN114018246A (zh) * | 2021-11-15 | 2022-02-08 | 北京克莱明科技有限公司 | 一种定位导航方法和定位导航装置 |
CN114018246B (zh) * | 2021-11-15 | 2024-02-06 | 北京克莱明科技有限公司 | 一种定位导航方法和定位导航装置 |
CN114913717A (zh) * | 2022-07-20 | 2022-08-16 | 成都天巡微小卫星科技有限责任公司 | 一种基于智能终端的便携式低空飞行防撞系统及方法 |
CN114913717B (zh) * | 2022-07-20 | 2022-09-27 | 成都天巡微小卫星科技有限责任公司 | 一种基于智能终端的便携式低空飞行防撞系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101620672B (zh) | 2012-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101620672B (zh) | 一种利用立体地标定位识别地面立体建筑物的方法 | |
US9454692B2 (en) | Method for identifying and positioning building using outline region restraint of mountain | |
CN101620671B (zh) | 一种利用河道地标间接定位识别立体建筑物的方法 | |
Yu et al. | Semantic alignment of LiDAR data at city scale | |
CN104536009A (zh) | 一种激光红外复合的地面建筑物识别及导航方法 | |
CN101532841B (zh) | 基于地标捕获跟踪的飞行器导航定位方法 | |
CN105021184A (zh) | 一种用于移动平台下视觉着舰导航的位姿估计系统及方法 | |
Lee et al. | AVM/LiDAR sensor based lane marking detection method for automated driving on complex urban roads | |
Zhang et al. | A real-time curb detection and tracking method for UGVs by using a 3D-LIDAR sensor | |
CN109815831B (zh) | 一种车辆朝向获取方法及相关装置 | |
Gao et al. | Ground and aerial meta-data integration for localization and reconstruction: A review | |
CN111598952A (zh) | 一种多尺度合作靶标设计与在线检测识别方法及系统 | |
CN113221883B (zh) | 无人机飞行导航路线实时修正方法 | |
CN110569861A (zh) | 一种基于点特征和轮廓特征融合的图像匹配定位方法 | |
CN109358315B (zh) | 一种辅助目标间接定位方法及系统 | |
CN111089580B (zh) | 一种基于协方差交叉的无人战车同时定位与地图构建方法 | |
Zhang et al. | AVP-Loc: Surround view localization and relocalization based on HD vector map for automated valet parking | |
CN109764864B (zh) | 一种基于颜色识别的室内无人机位姿获取方法及系统 | |
Liu et al. | Sensor fusion method for horizon detection from an aircraft in low visibility conditions | |
CN104567879A (zh) | 一种组合视场导航敏感器地心方向提取方法 | |
CN117710458A (zh) | 一种基于双目视觉的舰载机着舰过程相对位置测量方法及系统 | |
Sun et al. | Complex building roof detection and strict description from LIDAR data and orthorectified aerial imagery | |
Yuan et al. | Estimation of vehicle pose and position with monocular camera at urban road intersections | |
CN103473787B (zh) | 一种基于空间几何关系的桥梁上运动目标检测方法 | |
Zhu et al. | Automatic registration of mobile mapping system lidar points and panoramic-image sequences by relative orientation model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |