CN102236893A - 基于空间位置预测的月面影像图同名像点匹配方法 - Google Patents
基于空间位置预测的月面影像图同名像点匹配方法 Download PDFInfo
- Publication number
- CN102236893A CN102236893A CN2010101606947A CN201010160694A CN102236893A CN 102236893 A CN102236893 A CN 102236893A CN 2010101606947 A CN2010101606947 A CN 2010101606947A CN 201010160694 A CN201010160694 A CN 201010160694A CN 102236893 A CN102236893 A CN 102236893A
- Authority
- CN
- China
- Prior art keywords
- corresponding image
- image points
- center
- matching
- parallax
- 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.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种基于空间位置预测的月面影像图同名像点匹配方法,用于实现月面影像的同名像点匹配。该方法基于月面影像图提取的特征点,通过初始匹配、引导匹配、删除误匹配点三个阶段,得到精确匹配的同名像点。其步骤是:初始匹配,对分布稀疏、携带信息量大的特征点,进行严格的单点匹配,得到匹配正确、分布均匀的同名像点;引导匹配,依据连续性约束,用上一步的匹配结果拟合视差曲线,引导阴影中心和亮度中心进行单点匹配;删除误匹配点,根据同名像点的视差统计规律删除误匹配点,实现整个匹配过程。优点是:该方法匹配速度快、精度高,大幅度减少了人工干预,具有较高的自动化水平。具体方法流程见摘要附图。
Description
技术领域
本发明属于计算机图形学和地理信息系统的技术领域,涉及航(卫)片的同名像点匹配,特别是涉及月面三维地形重建过程中,对航(卫)片中提取的特征点进行同名像点匹配的方法。
背景技术
“嫦娥一号”卫星的发射成功,引起了国际政治、军事和学术界的高度关注,它的任务之一就是获取月球表面获取月球表面三维影像。
同名像点匹配是实现由影像自动构建月面三维地形的一个关键技术,目的是建立三维空间中同一点在两幅待匹配图像中的对应关系。同名像点匹配问题一直是计算机视觉中的瓶颈问题,主要困难在于各图像之间在成像条件、噪声影响、遮挡效应甚至后期图像处理等方面不可避免地存在着差异,这些差异造成同一景物在不同图像上呈现的灰度、形状、大小不同,最终导致三维空间中同一点在两幅待匹配图像中难以匹配成功。这些难点导致同名像点匹配算法多种多样,目前这些算法可分为三类:区域匹配、特征匹配和相位匹配。但是每类算法都是针对匹配技术的特定问题进行探讨,具有不同的优缺点。区域匹配利用图像上局部相关性来确定两个对应点的匹配,具有计算简单,定位精度高和可以得到连续的视差图等优点,但该算法计算量大,速度慢,易受畸变、噪声等因素影响,对重复纹理区域和存在遮挡现象的区域,匹配效果不好。特征匹配通过对特征属性的简单比较而实现,具有较强的抗干扰性,计算量小,速度快,灵活等优点,但特征提取和定位过程直接影响匹配结果的精度,只能得到稀疏的视差图。相位匹配假定像对中对应点的局部相位是相等的,适于并行处理,对几何畸变和辐射畸变有很好的抑制能力,可获得亚像素级精度的致密视差图,但条件必须是两个摄像头的核线平行且局部结构假设要成立。
在月面三维地形重建中,由于CCD立体相机获取月球表面影像的过程特点和月球表面地形地貌特点的原因,造成月面影像本身具有一定的独特性特点,比如存在很多大面积阴影区域和高光区域。这也使得月面影像的同名像点匹配与一般同名像点匹配相比存在一定的差异。
发明内容
本发明的目的是解决月面三维地形重建过程中影像之间的同名像点匹配问题,提出一种基于空间位置预测的月面影像图同名像点匹配方法。
本发明基于空间位置预测的月面影像图同名像点匹配方法是针对“嫦娥一号”卫星拍摄的CCD三线阵(分别为前视(F)、正视(N)、后视(B))图像进行,采用了空间位置预测进行同名像点的匹配,具体实现方案如下:
1)初始匹配:根据两幅影像成像时相机的位置和姿态,针对N影像上的特征点,预测F(或B)影像上同名像点的大致位置和误差范围,在以F(或B)影像上同名像点的大致位置为中心,误差范围为直径的窗口内,对分布稀疏、携带信息量大的三类特征点:大面积阴影区域中心、大面积高亮区域中心、阴影中心与亮度中心的连线中心,进行特征匹配。
其中预测F(或B)图特征点的方法是,根据N图特征点的成像时间t得到当时卫星位置Pn,然后根据F图和B图与N图成像时分别有向前、向后的16.7度倾角,计算得点Pn在F图和B图大致位置。因为大面积阴影区域中心、大面积高亮区域中心、阴影中心与亮度中心的连线中心具有携带信息多、分布稀疏、在局部区域具有唯一性特点,设定较大的匹配窗口。
2)引导匹配:用初始匹配得到的同名像点拟合N、F(或B)两幅影像的视差曲线,针对N影像上的特征点,通过视差曲线预测F(或B)影像上同名像点的大致位置,在以预测得到的F(或B)影像上同名像点的致位置为中心,直径很小的窗口内,对阴影中心、亮度中心进行特征匹配。
其中视差曲线是以N图列坐标y为自变量的二次曲线,分别为:
若N图共有n个同名像点,拟合一段曲线需要用m个同名像点,则共需依次拟合n-m条这样的曲线。对于N图上任意一点,其视差计算公式为:
通过上式,对于N图点(x,y)可由下面公式估计目标点在F图、B图上的对应点位置(x′,y′):
3)删除误匹配点;分别拟合同名像点的行视差和列视差曲线,根据同名像点的视差统计规律,删除视差偏离曲线的误匹配点。剔除误匹配的同名像点公式如下:
其中,(dx,dy)为同名像点视差曲线的统计视差,(dx′,dy′)为同名像点实际视差,(σx,σy)为设定的误差范围。
基于空间位置预测的月面影像图同名像点匹配方法,在进行匹配前,对待匹配的两幅图像分别完成五类特征点大面积阴影区域中心、大面积高亮区域中心、阴影中心、亮度中心、相关阴影中心和亮度中心的连线中心的提取和特征参数的计算。
因为卫星在局部范围姿态相对稳定,使得图像在一定范围内具有视差连续性约束,所以在基于空间位置预测的月面影像图同名像点匹配方法中,同名像点的匹配与曲线拟合都采用分段方式。
本发明月基于空间位置预测的月面影像图同名像点匹配方法的优点:
1.自动化程度高,巧妙地利用月面的自然特点和视差连续性约束,避免了过多的交互操作,从而摆脱了构建三维月图时传统方法需要大量人工干预的弊端。
2.充分利用了特征匹配速度快和最小二乘匹配精度高的特点;利用特征匹配为最小二乘匹配提供初值,大幅度节约了时间,并且对提高最小二乘影像匹配的成功率和收敛速度有利。
附图说明
图1基于空间位置预测的月面影像图同名像点匹配方法流程图;
图2初始匹配结果示意图(十字形是匹配得到的结果);
图3引导匹配结果示意图(十字形是匹配得到的结果);
图4同名像点视差分布示意图,其中a图为第168轨N、F图同名像点视差分布示意图;b图为第168轨N、B图同名像点视差分布示意图。
具体实施方式
现结合附图和实施例对本发明基于空间位置预测的月面影像图同名像点匹配方法做进一步详细描述。实施例中以“嫦娥一号”卫星拍摄的第168轨前视(F)、正视(N)、后视(B)三幅影像的同名像点匹配为例。本发明基于空间位置预测的月面影像图同名像点匹配方法,基于从具有相同部分的两幅月面影像图中提取出来的特征点,对分布稀疏、携带信息量大的三类特征点:大面积阴影区域中心、大面积高亮区域中心和阴影中心与亮度中心的连线中心,进行单点匹配;依据连续性约束,用匹配结果拟合视差曲线,引导阴影中心和亮度中心进行单点匹配;根据同名像点的视差统计规律删除误匹配点,得到正确的同名像点。本发明基于空间位置预测的月面影像图同名像点匹配方法详细描述如下:
1.计算N图上任意一点在F(或B)图上的大致位置:与N图相比,F图和B图成像时分别有向前、向后的16.7度倾角。由N图特征点Pn的成像时间可以得到当前卫星位置,根据N图与F(或B)图成像时相机的姿态,可以计算得到F(或B)图与N图的空间距离,由影像的分辨率计算得到F(或B)图与N图偏移值。
2.在以F(或B)图上同名像点的大致位置为中心,匹配窗口宽高分别为10、30,对分布稀疏、携带信息量大的三类特征点:大面积阴影区域中心、大面积高亮区域中心和阴影中心与亮度中心的连线中心,进行特征匹配,对特征匹配的结果进行最小二乘匹配,图2是第168轨影像中三类特征点的同名像点匹配结果示意图。
3.利用视差曲线求N图上一点在F(或B)图上的大致位置:
(1)首先,因为影像条带是线阵推扫形成的,卫星的高度、姿态和影像列坐标密切相关,所以视差曲线用y的函数表示。利用上述步骤得到的匹配结果,分段拟合行视差和列视差二次曲线:其中,y为N图上目标点的列坐标,dx、dy为F(B)图的对应点与N图目标点之间的行视差和列视差,设N图共有n个同名像点,拟合一条曲线需要m个同名像点,则共需依次拟合n-m条这样的曲线;
(2)估计目标点在F图、B图上的对应点位置
4.在以F(B)图上同名像点的大致位置为中心,匹配窗口宽高分别为1、8,对阴影中心、亮度中心进行特征匹配,对特征匹配的结果进行最小二乘匹配,图3是第168轨影像中阴影中心和亮度中心的同名像点匹配结果示意图。
5.根据视差连续性约束删除误匹配点:
(1)分别拟合同名像点的行视差和列视差曲线,视差曲线在一定程度上综合了F(或B)图相对于N图的影像变形,引起变形的因素包括影像拍摄过程中卫星星历姿态、地形起伏变化、月球表面曲率等,通过曲线可以求出任意一对同名像点的统计视差dx′,dy′。
(2)由同名像点在两图上像素坐标求得同名像点的实际视差dx,dy。
通过实验测试,本发明基于空间位置预测的月面影像图同名像点匹配方法,可以在微机上实现月面影像的同名像点匹配,测试环境为:CPU PIV 2.8G,1G内存,120G硬盘,操作系统Windows XP,显示器分辨率1024×768,GEFORCE6200(128M显存)显卡。图像大小为512×32554,匹配得到同名像点数目为25,823个,匹配精度为99.95%。
Claims (7)
1.基于空间位置预测的月面影像图同名像点匹配方法,其特征是该方法针对“嫦娥一号”卫星拍摄的CCD三线阵:分别为前视(F)、正视(N)、后视(B)图像进行,采用了空间位置预测进行同名像点的匹配,具体包括以下步骤:
1)初始匹配:根据两幅影像成像时相机的位置和姿态,针对N影像上的特征点,预测F(或B)影像上同名像点的大致位置和误差范围,在以F(或B)影像上同名像点的大致位置为中心,误差范围为直径的窗口内,对分布稀疏、携带信息量大的三类特征点:大面积阴影区域中心、大面积高亮区域中心、阴影中心与亮度中心的连线中心,进行特征匹配;
2)引导匹配:用初始匹配得到的同名像点拟合N、F(或B)两幅影像的视差曲线,针对N影像上的特征点,通过视差曲线预测F(或B)影像上同名像点的大致位置,在以预测得到的F(或B)影像上同名像点的致位置为中心,直径很小的窗口内,对阴影中心、亮度中心进行特征匹配;
3)删除误匹配点;分别拟合同名像点的行视差和列视差曲线,根据同名像点的视差统计规律,删除视差偏离曲线的误匹配点。
2.如权利要求1所述的基于空间位置预测的月面影像图同名像点匹配方法,其特征在于,在进行匹配前,对待匹配的两幅图像分别完成五类特征点大面积阴影区域中心、大面积高亮区域中心、阴影中心、亮度中心、相关阴影中心和亮度中心的连线中心的提取和特征参数的计算。
3.如权利要求1所述的基于空间位置预测的月面影像图同名像点匹配方法,其特征在于,因为卫星在局部范围姿态相对稳定,使得图像在一定范围内具有视差连续性约束,所以同名像点的匹配与曲线拟合都采用分段方式。
4.如权利要求1所述的基于空间位置预测的月面影像图同名像点匹配方法,其特征在于,初始匹配、引导匹配中的特征匹配采用最小二乘匹配法。
5.如权利要求1所述的基于空间位置预测的月面影像图同名像点匹配方法,其特征在于,步骤1)预测F(或B)图特征点的方法是,根据N图特征点的成像时间t得到当时卫星位置Pn,然后根据F图和B图与N图成像时分别有向前、向后的16.7度倾角,计算得点Pn在F图和B图大致位置。根据大面积阴影区域中心、大面积高亮区域中心、阴影中心与亮度中心的连线中心具有携带信息多、分布稀疏、在局部区域唯一性特点,设定较大的匹配窗口。
6.如权利要求1所述的基于空间位置预测的月面影像图同名像点匹配方法,其特征在于,步骤2)中用初始匹配得到的同名像点拟合生成视差曲线,视差曲线是以N图列坐标y为自变量的二次曲线,分别为:
若N图共有n个同名像点,拟合一段曲线需要用m个同名像点,则共需依次拟合n-m条这样的曲线。对于N图上任意一点,其视差计算公式为:
通过上式,对于N图点(x,y)可由下面公式估计目标点在F图、B图上的对应点位置(x′,y′):
7.如权利要求1所述的基于空间位置预测的月面影像图同名像点匹配方法,其特征在于,步骤3)根据下面公式剔除误匹配的同名像点:
其中,(dx,dy)为同名像点视差曲线的统计视差,(dx′,dy′)为同名像点实际视差,(σx,σy)为设定的误差范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101606947A CN102236893A (zh) | 2010-04-30 | 2010-04-30 | 基于空间位置预测的月面影像图同名像点匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101606947A CN102236893A (zh) | 2010-04-30 | 2010-04-30 | 基于空间位置预测的月面影像图同名像点匹配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102236893A true CN102236893A (zh) | 2011-11-09 |
Family
ID=44887519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010101606947A Pending CN102236893A (zh) | 2010-04-30 | 2010-04-30 | 基于空间位置预测的月面影像图同名像点匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102236893A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663441A (zh) * | 2012-03-05 | 2012-09-12 | 河南理工大学 | 基于点线关系一致性的错误匹配去除方法 |
CN106257497A (zh) * | 2016-07-27 | 2016-12-28 | 中测高科(北京)测绘工程技术有限责任公司 | 一种图像同名点的匹配方法及装置 |
CN106875429A (zh) * | 2017-03-02 | 2017-06-20 | 楚雄师范学院 | 鱼群三维跟踪方法及系统 |
CN112595328A (zh) * | 2020-12-18 | 2021-04-02 | 西安空间无线电技术研究所 | 视觉辅助稀疏无线电测量的月球导航定位方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005092346A (ja) * | 2003-09-12 | 2005-04-07 | National Institute Of Advanced Industrial & Technology | 3次元データからの特徴抽出方法および装置 |
CN101197045A (zh) * | 2007-12-17 | 2008-06-11 | 电子科技大学 | 一种图像立体匹配方法及其装置 |
-
2010
- 2010-04-30 CN CN2010101606947A patent/CN102236893A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005092346A (ja) * | 2003-09-12 | 2005-04-07 | National Institute Of Advanced Industrial & Technology | 3次元データからの特徴抽出方法および装置 |
CN101197045A (zh) * | 2007-12-17 | 2008-06-11 | 电子科技大学 | 一种图像立体匹配方法及其装置 |
Non-Patent Citations (2)
Title |
---|
康志忠等: "车载纵向摄影影像的核线影像生成与同名点匹配", 《武汉大学学报•信息科学版》, vol. 31, no. 7, 5 July 2006 (2006-07-05), pages 582 - 585 * |
李学军等: "嫦娥一号月面影像图自动生成软件的设计与实现", 《装备指挥技术学院学报》, vol. 20, no. 1, 28 February 2009 (2009-02-28), pages 85 - 90 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663441A (zh) * | 2012-03-05 | 2012-09-12 | 河南理工大学 | 基于点线关系一致性的错误匹配去除方法 |
CN106257497A (zh) * | 2016-07-27 | 2016-12-28 | 中测高科(北京)测绘工程技术有限责任公司 | 一种图像同名点的匹配方法及装置 |
CN106257497B (zh) * | 2016-07-27 | 2020-05-08 | 中测高科(北京)测绘工程技术有限责任公司 | 一种图像同名点的匹配方法及装置 |
CN106875429A (zh) * | 2017-03-02 | 2017-06-20 | 楚雄师范学院 | 鱼群三维跟踪方法及系统 |
CN106875429B (zh) * | 2017-03-02 | 2018-02-02 | 楚雄师范学院 | 鱼群三维跟踪方法及系统 |
CN112595328A (zh) * | 2020-12-18 | 2021-04-02 | 西安空间无线电技术研究所 | 视觉辅助稀疏无线电测量的月球导航定位方法 |
CN112595328B (zh) * | 2020-12-18 | 2024-02-09 | 西安空间无线电技术研究所 | 视觉辅助稀疏无线电测量的月球导航定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang | Automatic digital surface model (DSM) generation from linear array images | |
US7983474B2 (en) | Geospatial modeling system and related method using multiple sources of geographic information | |
Zhao et al. | Geometric-constrained multi-view image matching method based on semi-global optimization | |
CN105160702A (zh) | 基于LiDAR点云辅助的立体影像密集匹配方法及系统 | |
CN102317972A (zh) | 3d点云数据对于2d电光图像数据的对准 | |
US10930062B2 (en) | 3D view model generation of an object utilizing geometrically diverse image clusters | |
CN103247045A (zh) | 一种从多视图中得到人造场景主方向及图像边缘的方法 | |
CN114241125B (zh) | 一种基于多视角卫星影像精细三维建模方法及系统 | |
CN108399631B (zh) | 一种尺度不变性的倾斜影像多视密集匹配方法 | |
CN108876861B (zh) | 一种地外天体巡视器的立体匹配方法 | |
CN110889899A (zh) | 一种数字地表模型的生成方法及装置 | |
CN108444451B (zh) | 一种行星表面影像匹配方法与装置 | |
CN112233246B (zh) | 基于srtm约束的卫星影像密集匹配方法和系统 | |
CN116109706B (zh) | 基于先验几何约束的空间目标反演方法、装置和设备 | |
CN114494627A (zh) | 城市模型的生成方法、装置、设备及计算机可读存储介质 | |
CN102236893A (zh) | 基于空间位置预测的月面影像图同名像点匹配方法 | |
Hu et al. | Block adjustment and coupled epipolar rectification of LROC NAC images for precision lunar topographic mapping | |
CN107578429B (zh) | 基于动态规划和全局代价累积路径的立体影像密集匹配方法 | |
Schneider et al. | Matching of high-resolution optical data to a shaded DEM | |
CN117392237A (zh) | 一种鲁棒的激光雷达-相机自标定方法 | |
Duan et al. | A combined image matching method for Chinese optical satellite imagery | |
US8837815B2 (en) | Method of filtering a disparity mesh obtained from pixel images | |
US8818124B1 (en) | Methods, apparatus, and systems for super resolution of LIDAR data sets | |
Ahmad et al. | Generation of three dimensional model of building using photogrammetric technique | |
Svensk | Evaluation of aerial image stereo matching methods for forest variable estimation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20111109 |