CN101650178A - 序列图像三维重建中控制特征点与最优局部单应引导的图像匹配方法 - Google Patents
序列图像三维重建中控制特征点与最优局部单应引导的图像匹配方法 Download PDFInfo
- Publication number
- CN101650178A CN101650178A CN200910044303A CN200910044303A CN101650178A CN 101650178 A CN101650178 A CN 101650178A CN 200910044303 A CN200910044303 A CN 200910044303A CN 200910044303 A CN200910044303 A CN 200910044303A CN 101650178 A CN101650178 A CN 101650178A
- Authority
- CN
- China
- Prior art keywords
- point
- image
- controlling features
- optimal partial
- matched
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种序列图像三维重建中控制特征点与最优局部单应引导的图像匹配方法,其首先在采集到的序列图像中选择控制特征点;并对控制特征点进行跟踪,作为最终关键帧图像的同名特征点,以解算出关键帧图像间的相对几何关系;根据跟踪获得的已配准控制特征点,计算待匹配点最优局部单应,利用最优局部单应预测待匹配点在另一序列图像上的同名特征点位置,在预测位置进行匹配定位。本发明可应用于无人机对地三维测量和空间目标三维结构恢复,也可用于序列图像对场景的测量。同时,本发明能够使得序列图像的关键帧之间的同名特征点匹配具备准确性高、抗干扰能力强、密集匹配速度快的优势。
Description
技术领域
本发明涉及摄像测量、三维重建、空间导航等技术领域,进一步是在基于序列图像的地形地貌或空间目标的三维结构重建中,利用像机对地面场景或者空间目标连续拍摄获得序列图像,通过序列图像中连续帧图像的控制特征点跟踪获取关键帧同名特征点的方法以及利用控制特征点计算最优局部单应并引导密集特征点匹配的方法。
背景技术
对地面场景及空间目标连续拍摄形成序列图像进行测量是摄像测量中一类重要的测量方式,从序列图像快速可靠地获取目标的三维结构、形貌是飞行器对地测量和对空间目标结构估计的迫切需求。通常情况下,目标形貌与三维结构的测量要经过像机的外参数标定和事后处理完成,这对于飞行导航中地形重建以及空间飞行器的目标识别、交会、导航任务是不能满足要求的。由于序列图像是摄像机对同一地面场景或空间目标的不同位置、视角的连续成像,用于解算的关键帧图像之间存在成像角度、光照、遮挡等条件变化,导致基于关键帧图像的三维解算实时性差,自动化程度低,制约了这一技术的应用。国外相关的研究是采用高性能的处理器硬件设备,以及离线状态完成导航中的大量计算与数据准备。我国目前尚没有稳定、可靠的基于序列图像的地形以及空间目标三维重建的实时、全自动测量方法。因此,结合序列图像的特性,提供一种自动化、实时性的序列图像对地形和空间目标的三维重建方法将具有重要的应用价值。
发明内容
针对上述现有技术,本发明旨在提供一种序列图像三维重建中控制特征点与最优局部单应引导的图像匹配方法,能够保证序列图像关键帧图像的可靠、自动、实时的特征点匹配和目标三维重建,能应用于无人机对地三维测量和飞行器空间目标三维结构恢复,也可用于其他基于序列图像的三维场景测量。
本发明采取的具体技术方案是:一种序列图像三维重建中控制特征点与最优局部单应引导的图像匹配方法,包括如下步骤:
1)在采集到的序列图像中选择控制特征点;
2)在连续采集到的序列图像中对控制特征点进行跟踪得到成功跟踪的特征点,且将其作为最终关键帧图像的同名特征点;
3)根据上述得到的同名特征点得到关键帧图像间的相对几何关系;
4)根据跟踪获得的已配准同名特征点,计算待匹配点所属的最优局部单应,利用最优局部单应预测待匹配点在另一序列图像上的同名特征点位置,在预测位置邻域进行搜索匹配。
进一步优选方式为,所述步骤1)中控制特征点的选择采用准均匀选择方法,指的是:待测图像由I×J个网格均匀划分为I×J区域,在每个区域的图像上用Forstner算法提取兴趣值最大的前n个点作为控制特征点,最终形成全图的控制特征点,共I×J×n个。
进一步优选方式为,所述步骤2)中连续图像中特征点的跟踪方法为:对第一个关键帧图像上的每一个控制特征点在连续序列图像中下一幅图像上用最小二乘进行匹配定位,序列图像之间采用Kalman滤波进行预测,实现控制特征点的跟踪。
进一步优选方式为,所述步骤4)中最优局部单应的选择方法为:首先识别待匹配点附近的图像控制特征点所在的多个候选局部平面,获得候选局部平面组,用每一个局部平面所确定的单应(称为局部单应)预测待匹配点的同名特征点,根据得到的预测点与待匹配点的局部区域图像的相关系数作为当前局部单应的有效性的度量,选择具有最大有效性的局部单应作为该待匹配点的最优局部单应。
本发明的工作详细描述如下:所述序列图像三维重建中控制特征点与最优局部单应引导的图像匹配方法包括如下两大部分:
1.基于序列图像控制特征点跟踪的关键帧图像同名特征点获取
在序列图像中选择控制特征点,在连续的图像中对于控制特征点进行跟踪,将得到的成功跟踪的特征点作为最终关键帧图像的同名特征点,以用于关键帧图像间相对几何关系的解算。
2.局部最优局部单应引导的关键帧图像密集点匹配
根据跟踪获得的已配准控制特征点,计算待匹配点所属的最优局部单应,利用最优局部单应预测待匹配点在另一幅图上的同名特征点位置,在预测位置进行匹配定位。该方法可对待测的大量密集点实现快速、可靠的匹配。
综上所述,本发明利用序列图像连续帧之间重叠度高、图像内容变化缓慢的特点,通过对序列图像控制特征点的可靠、自动、实时跟踪获得关键帧之间的同名特征点,根据跟踪获得的同名特征点进行关键帧之间的相对几何关系解算;利用跟踪的控制特征点估计成像场景的最优局部单应,通过最优局部单来引导待重建密集兴趣点的可靠、快速匹配,最后实现实时的目标三维重建。本发明采用成熟的序列图像特征点跟踪技术,可靠性高;通用性强,可应用于航空飞行器基于序列图像的对地测量,空间飞行器视觉导航的目标三维结构估计等。
以下结合附图和具体实施例对上述发明进行进一步的描述:
附图说明
图1为实施例所述方法中准均匀选择控制特征点方法的示意图;
图2为实施例所述方法中最优局部单应引导的匹配点搜索方法示意图。
在上述附图中,I表示图像横方向划分的网格数,J表示图像竖方向划分的网格数;Y,Y′分别表示第一和第二关键帧图像,C1、C2分别表示第一和第二关键帧图像的成像光心。π与πi表示两个空间平面,其对应的单应分别用H和Hi表示。p为图像Y上的像点,P为像点p与光心C1确定的光线与空间平面π的交点,P′i为像点p与光心C1确定的光线与空间平面πi的交点。X1、X2、X3、X4、X5、X6表示空间点,其在图像Y和Y′上的对应像点分别用x1、x2、x3、x4、x5、x6和x′1、x′2、x′3、x′4、x′5、x′6表示。l、l′分别为像点p确定的对极线,e和e′分别为对极点。
具体实施方式
本实施例将本发明所述序列图像三维重建中控制特征点与最优局部单应引导的图像匹配方法运用于无人机对地序列成像的地形地貌三维重建。
具体实施步骤为:
第一步,控制特征点选择
三维重建中图像的控制特征点需要分布比较均匀。在本步骤,将无人机平台像机对地拍摄序列图像的第一帧作为当前关键帧,对当前关键帧进行控制特征点选择,为了避免兴趣点提取算法对图像直接处理会出现特征点分布不均匀的问题,采用本发明提出的区域控制的特征点提取算法,如图1所示,是控制特征点的选择方法说明,I×J个网格是图像上均匀分布的区域,在每个区域的图像上用已知的Forstner算法提取兴趣值最大的前n个点作为控制特征点,最终形成全图的控制特征点,共I×J×n个。
Forstner特征提取算法通过计算各像素的梯度和像素(c,r)为中心的灰度协方差矩阵,在图像中寻找具有尽可能小而且接近于圆的误差椭圆的点作为特征点。步骤如下:
①计算各像素的梯度
②计算l×l窗口中灰度的协方差矩阵
③计算兴趣值q与w
q即像素(c,r)对应的误差椭圆的圆度。
④确定待选点
如果兴趣值大于给定阈值,则该像素为待选点。阈值Tq,Tw为经验值,参考确定值为下式,其中w为均值,wc为中值。当q>Tq同时w>Tw时,该像素为待选点。
Tq=0.5~0.75
⑤以w为依据,选定窗口内最大待选点作为特征点。
第二步,控制特征点的跟踪,关键帧图像的选择
对无人机序列图像当前关键帧图像上的每一个控制特征点在连续序列的下一幅图像上用最小二乘进行匹配定位,序列图像之间采用Kalman滤波进行预测,实现控制特征点的跟踪。直到选择下一个关键帧图像时停止跟踪,此时成功跟踪的控制特征点作为这两个关键帧图像的同名特征点,用于相对几何关系解算,求解关键帧之间的基础矩阵F。
第三步,利用最优局部单应引导对两个关键帧图像需要重建的密集点或兴趣结构点进行匹配。首先识别待匹配点附近的图像控制特征点所在的多个候选局部平面,获得候选局部平面组。用每一个局部平面对应的单应,即局部单应来预测待匹配点的同名特征点,根据预测点与待匹配点的局部区域图像的相关系数作为当前局部单应的有效性的度量。选择具有最大有效性的局部单应作为该待匹配点的最优局部单应。以第一幅图像待匹配点区域为模板,计算其在第二幅图上最优局部单应确定的预测点;对预测点3×3邻域范围内每一个点为中心的局部图像,计算其与第一幅图的待匹配点区域局部图像相关系数,如果预测点对应于该邻域的相关系数极大值,则采用相关系数拟合确定精确定位点;如果不是极大值点,则以新的相关系数极大值点为中心,计算其邻域相关系数,并进行相关系数拟合精确定位。
如图2所示,最优局部单应引导的匹配点搜索方法为:第一幅图像Y上的待匹配点p,其最邻近的点组(x1,x2,x3,x4)及(x1,x2,x5,x6)分别位于空间平面π和πi,称为局部平面控制特征点组,而(x1,x2,x3,x5)或(x1,x2,x3,x6)等点组由于不共面,因而不是局部平面控制特征点组。计算所有的局部平面控制特征点组确定的单应在第二图上的预测同名特征点,将预测点附近局部区域图像与第一幅图上待匹配点局部图像进行相关计算,将相关系数作为当前局部单应的有效性的度量,选择具有最大有效性的局部平面作为待匹配点p的最优局部平面。
具体过程为:①对于匹配点p,计算局部单应H对该点的同名特征点的预测点p′,计算局部单应Hi将该点的同名特征的预测点p′i;②计算预测点p′所在的图像局部区域与点p所在图像局部区域的相关系数r,计算预测点p′i所在的图像局部区域与点p所在图像局部区域的相关系数ri;③比较两个相关系数,取较大相关系数对应的单应作为最优局部单应,并且将最优局部单应对应的做为最优预测点,对该预测点3×3邻域范围内每一个点为中心的局部图像,计算其与待匹配点p区域局部图像相关系数,如果预测点对应于该邻域的相关系数极大值,则采用相关系数拟合确定精确定位点;如果不是极大值点,则以新的相关系数极大值点为中心,计算其邻域相关系数,并进行相关系数拟合精确定位。
Claims (4)
1、一种序列图像三维重建中控制特征点与最优局部单应引导的图像匹配方法,其特征是,包括如下步骤:
1)在采集到的序列图像中选择控制特征点;
2)在连续采集到的序列图像中对控制特征点进行跟踪得到成功跟踪的特征点,且将其作为最终关键帧图像的同名特征点;
3)根据上述得到的同名特征点得到关键帧图像间的相对几何关系;
4)根据跟踪获得的已配准同名特征点,计算待匹配点所属的最优局部单应,利用最优局部单应预测待匹配点在另一序列图像上的同名特征点位置,在预测位置邻域进行搜索匹配。
2、根据权利要求1所述序列图像三维重建中控制特征点与最优局部单应引导的图像匹配方法,其特征是,所述步骤1)中控制特征点的选择采用准均匀选择方法,指的是:待测图像由I×J个网格均匀划分为I×J区域,在每个区域的图像上用Forstner算法提取兴趣值最大的前n个点作为控制特征点,最终形成全图的控制特征点,共I×J×n个。
3、根据权利要求1或2所述序列图像三维重建中控制特征点与最优局部单应引导的图像匹配方法,其特征是,所述步骤2)中连续图像中特征点的跟踪方法为:对第一个关键帧图像上的每一个控制特征点在连续序列图像中下一幅图像上用最小二乘进行匹配定位,各序列图像之间采用Kalman滤波进行预测,实现控制特征点的跟踪。
4、根据权利要求1或2所述序列图像三维重建中控制特征点与最优局部单应引导的图像匹配方法,其特征是,所述步骤4)中最优局部单应的选择方法为:首先识别待匹配点附近的图像控制特征点所在的多个候选局部平面,获得候选局部平面组,用每一个局部平面确定的单应来预测待匹配点的同名特征点,根据得到的预测点与待匹配点相应的局部区域图像的相关系数作为当前局部单应的有效性的度量,选择具有最大有效性的局部单应作为该待匹配点的最优局部单应。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100443032A CN101650178B (zh) | 2009-09-09 | 2009-09-09 | 序列图像三维重建中控制特征点与最优局部单应引导的图像匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100443032A CN101650178B (zh) | 2009-09-09 | 2009-09-09 | 序列图像三维重建中控制特征点与最优局部单应引导的图像匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101650178A true CN101650178A (zh) | 2010-02-17 |
CN101650178B CN101650178B (zh) | 2011-11-30 |
Family
ID=41672465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100443032A Expired - Fee Related CN101650178B (zh) | 2009-09-09 | 2009-09-09 | 序列图像三维重建中控制特征点与最优局部单应引导的图像匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101650178B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101783027A (zh) * | 2010-02-26 | 2010-07-21 | 浙江大学 | 基于多台图像传感器的动态场景三维记录方法 |
CN102506744A (zh) * | 2011-11-23 | 2012-06-20 | 刘肖琳 | 一种基于数字图像的高层结构动态位移监测方法 |
CN102768767A (zh) * | 2012-08-06 | 2012-11-07 | 中国科学院自动化研究所 | 刚体在线三维重建与定位的方法 |
CN102840852A (zh) * | 2011-05-23 | 2012-12-26 | 株式会社拓普康 | 航空摄影图像拾取方法和航空摄影图像拾取装置 |
CN103411589A (zh) * | 2013-07-29 | 2013-11-27 | 南京航空航天大学 | 一种基于四维实数矩阵的三维图像匹配导航方法 |
CN104019799A (zh) * | 2014-05-23 | 2014-09-03 | 北京信息科技大学 | 一种利用局部参数优化计算基础矩阵的相对定向方法 |
CN104471612A (zh) * | 2012-06-27 | 2015-03-25 | 奥林巴斯株式会社 | 图像处理装置以及图像处理方法 |
CN104748750A (zh) * | 2013-12-28 | 2015-07-01 | 华中科技大学 | 一种模型约束下的在轨三维空间目标姿态估计方法及系统 |
CN105809664A (zh) * | 2014-12-31 | 2016-07-27 | 北京三星通信技术研究有限公司 | 生成三维图像的方法和装置 |
CN106815824A (zh) * | 2016-12-08 | 2017-06-09 | 华中科技大学 | 一种提高大规模三维重建效率的图像近邻优化方法 |
CN107168378A (zh) * | 2016-03-08 | 2017-09-15 | 张立秀 | 一种自动寻找目标物的系统及方法 |
CN108072370A (zh) * | 2016-11-18 | 2018-05-25 | 中国科学院电子学研究所 | 基于全局地图的机器人导航方法及用该方法导航的机器人 |
CN108107462A (zh) * | 2017-12-12 | 2018-06-01 | 中国矿业大学 | Rtk与高速相机组合的交通标志杆姿态监测装置及方法 |
CN112288817A (zh) * | 2020-11-18 | 2021-01-29 | Oppo广东移动通信有限公司 | 基于图像的三维重建处理方法及装置 |
-
2009
- 2009-09-09 CN CN2009100443032A patent/CN101650178B/zh not_active Expired - Fee Related
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101783027B (zh) * | 2010-02-26 | 2012-02-29 | 浙江大学 | 基于多台图像传感器的动态场景三维记录方法 |
CN101783027A (zh) * | 2010-02-26 | 2010-07-21 | 浙江大学 | 基于多台图像传感器的动态场景三维记录方法 |
CN102840852A (zh) * | 2011-05-23 | 2012-12-26 | 株式会社拓普康 | 航空摄影图像拾取方法和航空摄影图像拾取装置 |
CN102840852B (zh) * | 2011-05-23 | 2015-01-07 | 株式会社拓普康 | 航空摄影图像拾取方法和航空摄影图像拾取装置 |
CN102506744B (zh) * | 2011-11-23 | 2014-01-15 | 刘肖琳 | 一种基于数字图像的高层结构动态位移监测方法 |
CN102506744A (zh) * | 2011-11-23 | 2012-06-20 | 刘肖琳 | 一种基于数字图像的高层结构动态位移监测方法 |
CN104471612A (zh) * | 2012-06-27 | 2015-03-25 | 奥林巴斯株式会社 | 图像处理装置以及图像处理方法 |
CN104471612B (zh) * | 2012-06-27 | 2017-08-04 | 奥林巴斯株式会社 | 图像处理装置以及图像处理方法 |
CN102768767A (zh) * | 2012-08-06 | 2012-11-07 | 中国科学院自动化研究所 | 刚体在线三维重建与定位的方法 |
CN103411589A (zh) * | 2013-07-29 | 2013-11-27 | 南京航空航天大学 | 一种基于四维实数矩阵的三维图像匹配导航方法 |
CN103411589B (zh) * | 2013-07-29 | 2016-01-13 | 南京航空航天大学 | 一种基于四维实数矩阵的三维图像匹配导航方法 |
CN104748750A (zh) * | 2013-12-28 | 2015-07-01 | 华中科技大学 | 一种模型约束下的在轨三维空间目标姿态估计方法及系统 |
CN104748750B (zh) * | 2013-12-28 | 2015-12-02 | 华中科技大学 | 一种模型约束下的在轨三维空间目标姿态估计方法及系统 |
CN104019799B (zh) * | 2014-05-23 | 2016-01-13 | 北京信息科技大学 | 一种利用局部参数优化计算基础矩阵的相对定向方法 |
CN104019799A (zh) * | 2014-05-23 | 2014-09-03 | 北京信息科技大学 | 一种利用局部参数优化计算基础矩阵的相对定向方法 |
CN105809664A (zh) * | 2014-12-31 | 2016-07-27 | 北京三星通信技术研究有限公司 | 生成三维图像的方法和装置 |
CN105809664B (zh) * | 2014-12-31 | 2020-03-17 | 北京三星通信技术研究有限公司 | 生成三维图像的方法和装置 |
CN107168378A (zh) * | 2016-03-08 | 2017-09-15 | 张立秀 | 一种自动寻找目标物的系统及方法 |
CN108072370A (zh) * | 2016-11-18 | 2018-05-25 | 中国科学院电子学研究所 | 基于全局地图的机器人导航方法及用该方法导航的机器人 |
CN106815824A (zh) * | 2016-12-08 | 2017-06-09 | 华中科技大学 | 一种提高大规模三维重建效率的图像近邻优化方法 |
CN106815824B (zh) * | 2016-12-08 | 2019-07-05 | 华中科技大学 | 一种提高大规模三维重建效率的图像近邻优化方法 |
CN108107462A (zh) * | 2017-12-12 | 2018-06-01 | 中国矿业大学 | Rtk与高速相机组合的交通标志杆姿态监测装置及方法 |
CN108107462B (zh) * | 2017-12-12 | 2022-02-25 | 中国矿业大学 | Rtk与高速相机组合的交通标志杆姿态监测装置及方法 |
CN112288817A (zh) * | 2020-11-18 | 2021-01-29 | Oppo广东移动通信有限公司 | 基于图像的三维重建处理方法及装置 |
CN112288817B (zh) * | 2020-11-18 | 2024-05-07 | Oppo广东移动通信有限公司 | 基于图像的三维重建处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN101650178B (zh) | 2011-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101650178B (zh) | 序列图像三维重建中控制特征点与最优局部单应引导的图像匹配方法 | |
CN112268559B (zh) | 复杂环境下融合slam技术的移动测量方法 | |
Yang et al. | Concrete defects inspection and 3D mapping using CityFlyer quadrotor robot | |
CN101511022B (zh) | 一种机载视频压缩与目标跟踪联合实现方法 | |
US8059887B2 (en) | System and method for providing mobile range sensing | |
CN107833249A (zh) | 一种基于视觉引导的舰载机着陆过程姿态预估方法 | |
Pasqualetto Cassinis et al. | Cnn-based pose estimation system for close-proximity operations around uncooperative spacecraft | |
CN103149939A (zh) | 一种基于视觉的无人机动态目标跟踪与定位方法 | |
CN103559711A (zh) | 基于三维视觉系统图像特征和三维信息的运动估计方法 | |
US11074707B2 (en) | Method and system of antenna measurement for mobile communication base station | |
Konrad et al. | Localization in digital maps for road course estimation using grid maps | |
CN107025657A (zh) | 一种基于视频图像的车辆行为轨迹检测方法 | |
Dawood et al. | Harris, SIFT and SURF features comparison for vehicle localization based on virtual 3D model and camera | |
CN110889353B (zh) | 基于主焦点大视场光电望远镜的空间目标识别方法 | |
CN110070577B (zh) | 基于特征点分布的视觉slam关键帧与特征点选取方法 | |
CN115728803A (zh) | 一种城市驾驶车辆连续定位系统及方法 | |
KR20100066952A (ko) | 스테레오 비전을 이용하여 장애물을 추적하는 장치 및 방법 | |
CN102123234B (zh) | 无人机侦察视频分级运动补偿方法 | |
WO2020118623A1 (en) | Method and system for generating an environment model for positioning | |
CN104679011A (zh) | 基于稳定分支特征点的图像匹配导航方法 | |
CN115482282A (zh) | 自动驾驶场景下具有多目标追踪能力的动态slam方法 | |
CN112862678A (zh) | 一种无人机图像拼接方法、装置及存储介质 | |
CN114740475B (zh) | 轨道高分辨率sar数据的目标三维位置反演方法和装置 | |
Korn et al. | MMW-radar-based navigation: solutions to the vertical position problem | |
Bai et al. | SiamSTO: a novel method for object tracking with satellite videos |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20111130 Termination date: 20210909 |