CN104134220A - 一种像方空间一致性的低空遥感影像高精度匹配方法 - Google Patents
一种像方空间一致性的低空遥感影像高精度匹配方法 Download PDFInfo
- Publication number
- CN104134220A CN104134220A CN201410400662.8A CN201410400662A CN104134220A CN 104134220 A CN104134220 A CN 104134220A CN 201410400662 A CN201410400662 A CN 201410400662A CN 104134220 A CN104134220 A CN 104134220A
- Authority
- CN
- China
- Prior art keywords
- image
- matching
- search
- pyramid
- reference images
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种像方空间一致性的低空遥感影像高精度匹配方法,首先在影像金字塔顶层,进行SURF特征匹配,建立起二者仿射变换关系;然后,在基准影像进行特征点提取,以仿射变换关系为几何约束条件,将特征点位窗口变换到搜索影像,同时将搜索影像窗口纠正重采样到基准影像的像方空间坐标系下,进行相关系数匹配,用多项式迭代剔除粗差,利用获得同名像点再次解算、更新二者的仿射变换关系,接着进行下层影像匹配直至底层影像;最后,将匹配结果转换到搜索影像的像方空间坐标系下,进行高精度的最小二乘匹配。本发明解决了由于影像间存在较大旋转、几何变形等问题导致匹配成功率低、易失败的问题,极大提高了低空影像的匹配效率和成功率。
Description
技术领域
本发明涉及低空遥感影像匹配,尤其涉及一种像方空间一致性的低空遥感影像高精度匹配方法。
背景技术
近年来,从无人机遥感应用于钓鱼岛地形测绘、到四川芦山地震进行灾害遥感监测与灾情评估,再到国家海洋资源的常态监测,低空遥感技术凸显了它在地形测绘、灾害应急监测与灾情评估、环境监测等众多领域的优势和应用价值,低空遥感数据处理技术也迅速成为研究的热点。影像匹配是低空遥感数据处理的关键技术之一,其匹配质量直接影响到后续成果的优劣。
由于低空飞行器受自身的操控特性和风力的影响,导致飞行平台稳定性差,难以按预定的航线飞行,使得低空遥感影像全自动匹配存在以下3个难点:第一,相邻影像间的旋偏角大,难以直接进行灰度相关匹配;第二,飞行器的飞行高度、横滚角和俯仰角变化大,从而导致影像间的比例尺差异大,降低了灰度相关匹配的成功率和可靠性;第三,相邻影像间的左右重叠度和上下重叠度变化大,加上低空遥感影像摄影比例尺大,造成表面不连续地物(如高楼)在影像上的投影差大,因而无法确定匹配的搜索范围。直接应用摄影测量中灰度相关的匹配方法很难胜任低空遥感影像的全自动匹配。当前大多采用SIFT特征算子进行低空影像匹配,虽然该算子具有抗旋转、尺度不变等特性,但其过程是在基准影像和搜索影像上同时提取特征点,并进行特征描述和匹配,不利用低空遥感影像多度重叠点的匹配,同时该算子时间开销非常大,匹配效率比较低。
发明内容
为了克服上述现有技术的不足,本发明提供了一种像方空间一致性的低空遥感影像高精度匹配方法,以解决由于低空影像间存在较大旋转、几何变形等问题导致匹配成功率低、易失败的问题。
本发明所采用的技术方案是:对基准和搜索影像创建金字塔,在影像金字塔顶层,进行SURF特征匹配,快速建立起二者仿射变换关系;在基准影像进行特征点提取,以仿射变换关系为几何约束条件,将特征点位窗口变换到搜索影像,同时将搜索影像窗口纠正重采样到基准影像的像方空间坐标系下,进行相关系数匹配,得到基准影像的像空间坐标系下的匹配坐标点对;利用多项式迭代和核线约束对匹配结果进行粗差剔除,由获得同名像点再次解算、更新二者的仿射变换关系,接着进行影像金字塔下层影像匹配直至底层影像;最后,将匹配结果转换到搜索影像的像方空间坐标系下,并进行高精度的最小二乘子像匹配,整个过程的流程如附图1。
本发明的有益效果是:该发明以SURF特征匹配,快速建立起二者仿射变换关系,并以此为几何约束条件,使基准影像和搜索影像的共轭实体在像方空间上一致,即二者不存在旋转、几何变形和尺度变化,使的低空影像间的旋转、几何变形等问题对匹配效果影响非常小,最后并进行最小二乘匹配优化匹配结果。整个匹配过程中,按照从粗到精的金字塔影像匹配策略,不断优化约束条件,同时,综合运用了多种粗差剔除方法,有效提高了影像匹配的可靠性和成功率。该发明的匹配精度能够达到子像素级,匹配速度快,可靠性高;另外选择金字塔影像的顶层进行初匹配,能够大大提高匹配速度,后续匹配对初匹配结果的精度和匹配点的数目要求不高,有较强的适应能力;综上,发明的像方空间一致性的低空影像高精度匹配方法具备了抗旋转、抗尺度变化等特性,及相关系数匹配的速度快、可靠性高,最小二乘匹配的高精度等多种方法的优良特性,能够很好解决低空影像间存在较大旋转、几何变形等问题导致匹配成功率低、易失败的问题,有着较大的应用潜力和价值。
附图说明
图1是本发明中一种像方空间一致性的低空遥感影像高精度匹配方法的流程图。
图2是本发明中像方空间一致性的影像匹配方法的匹配基准转换图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施方式,对本发明进行进一步详细说明。
像方空间一致性的低空遥感影像高精度匹配方法包括基于SURF特征的影像初匹配和几何约束的像方空间一致性影像精匹配两个核心过程,下边对两个过程做详细介绍:
基于SURF特征的影像初匹配,建立基准影像和搜索影像的仿射变换关系。SURF算子是计算机视觉和摄影测量领域非常著名的算子,由于其具有抗旋转、尺度不变等特性,在多个领域有着广泛应用。尽管SURF特征匹配有着上述优良特性,但是该算法本身是在基准影像上和搜索影像同时提取特征点,然后进行特征描述和匹配,这就产生了两个问题:一是影像特征点匹配是全局遍历计算搜索,相对其他常见灰度相关算法,特征描述和匹配花费了大量时间,效率不高;二是由于低空影像像幅小,SURF算法在匹配多度连接点(3度以上)时因为重叠区域的提取的特征点不同而导致匹配稳定性和匹配成功率不高。在大区域、多像幅的低空遥感数据处理中,匹配速度的快慢非常关键,直接影响着处理效率,更多的多度连接点有利于低空影像的区域网平差,单纯的、直接利用SURF算法并不能满足低空遥感影像匹配处理的要求。有鉴于此,该发明利用SURF特征匹配抗旋转、尺度不变等特性,在进行匹配的两张影像的金字塔顶层,进行SURF特征匹配,这样大大降低了计算量,缩小了搜索范围,提高了匹配速度;接着利用基于多项式的随机采样法(RANSAC)进行粗差剔除,该方法能够较好的剔除较大粗差点;然后把匹配结果映射到影像底层,利用匹配点对建立起两张影像的像方空间仿射变换关系,完成了低空影像的初匹配。该匹配建立了影像间的像方关系,大大缩小了后续像方空间一致性影像精匹配的搜索范围。
几何约束的像方空间一致性影像精匹配。在基准影像与搜索影像建立起仿射变换关系后,利用仿射变换系数可以将搜索影像窗口纠正采样到基准影像的像方空间坐标系下,使基准影像和搜索影像的共轭实体在像方空间上一致,即二者不存在旋转、几何变形和尺度变化,然后就可以直接进行相关系数匹配。首先在基准影像的标准点位(局部小区域)用Forstner算子提取一定阈值个数的特征点,在基准影像的像方空间坐标系下,进行相关系数匹配,然后保留匹配成功的点对,即满足相关系数在影像金字塔顶层,利用二者的仿射变换关系,将特征点位窗口变换到搜索影像,同时将搜索影像窗口重采样到基阈值条件的点对,然后对匹配结果进行多项式迭代剔除粗差,并把最终解算的多项式系数作为二者新的映射关系,接着进行下层影像匹配,迭代直至底层影像。最后,将匹配结果转换到搜索影像像方空间坐标系下,并进行最小二乘匹配,提高匹配精度。如附图2,M1为点位的基准窗口,M2为搜索窗口,M21为纠正重采样后的搜索窗口,其坐标系为基准影像像方坐标系,P1为基准影像的特征点位,P21为M21窗口下P1点对应的匹配结果。
像方空间一致性的低空遥感影像高精度匹配方法的具体步骤如下:
步骤一、首先对基准影像和搜索影像建立影像金字塔,采样间隔为2,采样方法为高斯采样,金字塔顶层影像宽高阈值为512像素;
步骤二、在影像金字塔顶层进行SURF特征匹配,利用基于一次多项式模型的随机采样法(RANSAC)对匹配结果进行粗差剔除,然后把匹配结果映射到基准影像和搜索影像的金字塔底层,带入 次多项式,解算由基准影像像点到搜索影像像点的6个仿射变换系数,记为affine;
步骤三、以基准影像的标准点位(或局部位置)s(x0,y0)为中心开窗口用Forstner算子进行特征点提取,提取特征点个数阈值和窗口大小分别记为300个、256像素,提取的特征点集记为Pt;
步骤四、在影像金字塔第i层(i的初值等于影像金字塔的层数),以特征点p1(x,y)为中心,开大小为Ws×Ws的匹配窗口和大小Wd×Wd的搜索窗口,分别记为Sw、Dw,利用affine,将Dw的四个角点换算到搜索影像并求其外界矩形,记为D′w,同时把将D′w纠正重采样到以pi(x,y)为中心,窗口大小为Wd×Wd的基准影像像方坐标系下,记为D″w;遍历D″w每个位置,计算Sw和D″w窗口的相关系数,求得最大相关系数,满足阈值Tc,则保存结果,记为ri(x,y),其中ws为11像素,Wd为51像素,Tc为0.9;
步骤五、对pt点集所有点进行步骤四,得到匹配结果点集,记为rd;
步骤六、把pt点集和rd点集代入上述一次多项式,解算仿射变换系各点对应残差,如果最大残差大于给定阈值Te,则剔除该点,利用剩余点集重新解算仿射变换系数和残差,直至所有点满足阈值条件,粗差剔除结束,记录剩余点集p′和r′d,并用最后一次解算的仿射变换参数更新affine,其中Te为6;
步骤七、i值减1,对下层影像进行步骤四、五、六,直至底层影像(i等于0)匹配结束。
步骤八、把r′d点集代入一次多项式,解算得到搜索影像像坐标系下的点集r″d;接着,把点集r″d中的点作为初始位置,进行最小二乘匹配,得到最终的匹配结果rlast。
该方法与现有的匹配方法最大的区别是:现有方法的匹配基准是一个是基准影像的像坐标系,一个是搜索影像的像坐标系,而该方法的在匹配计算过程中采用了一个基准,即基准影像的像坐标系。该方法的优点是:一方面,在基准影像与搜索影像建立起仿射变换关系后,将搜索影像窗口纠正采样到基准影像的像方空间坐标系下,使基准影像和搜索影像的共轭实体在像方空间上一致,即二者不存在旋转、几何变形和尺度变化,使的低空影像间的旋转、几何变形等问题对匹配效果影响非常小;另一方面,有较高的匹配精度和成功率,该方法没有直接把匹配结果P21换算到搜索影像的像空间坐标系下(如附图2虚线箭头部分),因为这样需要解算基准影像到搜索影像变换的正算和反算两套参数,一是在初始变换参数不精确的情况下,利用反算参数将匹配点映射到搜索影像上会产生较大误差,最终会因搜索位置不正确导致后续匹配的失败;另外,在匹配过程中反复的正算和反算也会产生点位误差,影响匹配的点位精度。
Claims (4)
1.一种像方空间一致性的低空遥感影像高精度匹配方法,其特征在于,包括步骤:
步骤1.对基准和搜索影像创建金字塔,在影像金字塔顶层,进行SURF特征匹配,并采用随机理论进行粗差剔除,利用匹配同名像点解算二者仿射变换关系;
步骤2.在基准影像进行特征点提取,以仿射变换关系为几何约束条件,将特征点位窗口变换到搜索影像,同时将搜索影像窗口纠正重采样到基准影像的像方空间坐标系下,进行相关系数匹配,得到基准影像的像空间坐标系下的匹配坐标点对;
步骤3.利用多项式迭代对匹配结果进行粗差剔除,由获得同名像点再次解算、更新二者的仿射变换关系,接着进行影像金字塔下层影像匹配直至底层影像;
步骤4.将金字塔底层影像匹配结果转换到搜索影像的像方空间坐标系下,进行高精度的最小二乘匹配,得到最终的匹配结果。
2.根据权利要求1所述的一种像方空间一致性的低空遥感影像高精度匹配方法,其特征在于:步骤1中,在影像金字塔顶层,进行SURF特征匹配,并采用随机理论进行粗差剔除,利用匹配同名像点解算二者仿射变换关系,实现方式如下:
首先对基准影像和搜索影像建立影像金字塔,采样间隔为2,采样方法为高斯采样,金字塔顶层影像宽高阈值为512像素;在影像金字塔顶层进行SURF特征匹配,利用基于一次多项式模型的随机采样法(RANSAC)对匹配结果进行粗差剔除,然后把匹配结果映射到基准影像和搜索影像的金字塔底层,带入 一次多项式,解算由基准影像像点到搜索影像像点的6个仿射变换系数。
3.根据权利要求1所述的一种像方空间一致性的低空遥感影像高精度匹配方法,其特征在于:步骤2的实现方式如下:
以基准影像的标准点位(或局部位置)s(x0,y0)为中心开窗口用Forstner算子进行特征点提取,提取特征点个数阈值和窗口大小分别记为300个、256像素,提取的特征点集记为Pt在影像金字塔第i层(i的初值等于影像金字塔的层数),以特征点pi(x,y)为中心,开大小为ws×ws的匹配窗口和大小Wd×Wd的搜索窗口,分别记为Sw、Dw,利用affine,将Dw的四个角点换算到搜索影像并求其外界矩形,记为D′w,同时把将D′w纠正重采样到以pi(x,y)为中心,窗口大小为Wd×Wd的基准影像像方坐标系下,记为D″w;遍历D″w每个位置,计算Sw和D″w窗口的相关系数,求得最大相关系数,满足阈值Tc,则保存结果,记为ri(x,y),其中ws为11像素,Wd为51像素,Tc为0.9;对pt点集所有点进行上述过程,得到匹配结果点集,记为rd。
4.根据权利要求1所述的一种像方空间一致性的低空遥感影像高精度匹配方法,其特征在于:步骤3的实现方式如下:
把pt点集和rd点集代入上述一次多项式,解算仿射变换系数和各点对应残差,如果最大残差大于给定阈值Te,则剔除该点,利用剩余点集重新解算仿射变换系数和残差,直至所有点满足阈值条件,粗差剔除结束,记录剩余点集p′t和r′d,并用最后一次解算的仿射变换参数更新affine,其中Te为6;i值减1,对下层影像进行上述匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410400662.8A CN104134220A (zh) | 2014-08-15 | 2014-08-15 | 一种像方空间一致性的低空遥感影像高精度匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410400662.8A CN104134220A (zh) | 2014-08-15 | 2014-08-15 | 一种像方空间一致性的低空遥感影像高精度匹配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104134220A true CN104134220A (zh) | 2014-11-05 |
Family
ID=51806889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410400662.8A Pending CN104134220A (zh) | 2014-08-15 | 2014-08-15 | 一种像方空间一致性的低空遥感影像高精度匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104134220A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846381A (zh) * | 2017-01-22 | 2017-06-13 | 吉林大学 | 基于自定义投影格点的多角度多源遥感数据空间位置配准方法及装置 |
CN107945218A (zh) * | 2017-11-22 | 2018-04-20 | 中国资源卫星应用中心 | 边缘大畸变影像匹配方法 |
CN109029365A (zh) * | 2018-06-26 | 2018-12-18 | 广东电网有限责任公司 | 电力走廊异侧影像连接点提取方法、系统、介质及设备 |
CN111292364A (zh) * | 2020-01-21 | 2020-06-16 | 天目爱视(北京)科技有限公司 | 一种三维模型构建过程中图像快速匹配的方法 |
CN111310649A (zh) * | 2020-02-13 | 2020-06-19 | 西南交通大学 | 一种无人机高分辨率影像对山岳冰川运动消融的提取方法 |
CN111582270A (zh) * | 2020-04-24 | 2020-08-25 | 哈尔滨工业大学 | 基于高精度的桥梁区域视觉靶标特征点的识别追踪方法 |
CN111611525A (zh) * | 2020-05-14 | 2020-09-01 | 中国科学院空天信息创新研究院 | 基于物方匹配高程偏差迭代修正的遥感数据高程解算方法 |
CN111739079A (zh) * | 2020-06-18 | 2020-10-02 | 东华理工大学 | 一种基于语义特征多源低空立体像对快速匹配方法 |
CN112330678A (zh) * | 2021-01-07 | 2021-02-05 | 中科慧远视觉技术(北京)有限公司 | 产品边缘缺陷检测方法 |
CN113034555A (zh) * | 2021-03-19 | 2021-06-25 | 南京天巡遥感技术研究院有限公司 | 一种基于最小生成树的特征精匹配方法及应用 |
CN113077552A (zh) * | 2021-06-02 | 2021-07-06 | 北京道达天际科技有限公司 | 基于无人机影像的dsm生成方法和装置 |
CN114596342A (zh) * | 2022-03-22 | 2022-06-07 | 感知天下(北京)信息科技有限公司 | 基于卫星影像的并行匹配方法、存储介质及计算机设备 |
CN114926659A (zh) * | 2022-05-16 | 2022-08-19 | 上海贝特威自动化科技有限公司 | 一种基于sift和cm的变形目标定位算法 |
CN115205558A (zh) * | 2022-08-16 | 2022-10-18 | 中国测绘科学研究院 | 一种具有旋转和尺度不变性的多模态影像匹配方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693542A (zh) * | 2012-05-18 | 2012-09-26 | 中国人民解放军信息工程大学 | 一种影像特征匹配方法 |
-
2014
- 2014-08-15 CN CN201410400662.8A patent/CN104134220A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693542A (zh) * | 2012-05-18 | 2012-09-26 | 中国人民解放军信息工程大学 | 一种影像特征匹配方法 |
Non-Patent Citations (3)
Title |
---|
解斐斐 等: "基于SIFT的UAV载组合宽角相机影像匹配方法", 《吉林大学学报(信息科学版)》 * |
邹亚未 等: "基于多核CPU的无人机影像连接点并行匹配方法", 《测绘通报》 * |
陈晓辉 等: "基于像方特征点的多视影像最小二乘匹配", 《测绘与空间地理信息》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846381B (zh) * | 2017-01-22 | 2019-07-02 | 吉林大学 | 基于自定义投影格点的多角度多源遥感数据空间位置配准方法及装置 |
CN106846381A (zh) * | 2017-01-22 | 2017-06-13 | 吉林大学 | 基于自定义投影格点的多角度多源遥感数据空间位置配准方法及装置 |
CN107945218A (zh) * | 2017-11-22 | 2018-04-20 | 中国资源卫星应用中心 | 边缘大畸变影像匹配方法 |
CN107945218B (zh) * | 2017-11-22 | 2020-05-22 | 中国资源卫星应用中心 | 边缘大畸变影像匹配方法 |
CN109029365B (zh) * | 2018-06-26 | 2021-05-18 | 广东电网有限责任公司 | 电力走廊异侧影像连接点提取方法、系统、介质及设备 |
CN109029365A (zh) * | 2018-06-26 | 2018-12-18 | 广东电网有限责任公司 | 电力走廊异侧影像连接点提取方法、系统、介质及设备 |
CN111292364A (zh) * | 2020-01-21 | 2020-06-16 | 天目爱视(北京)科技有限公司 | 一种三维模型构建过程中图像快速匹配的方法 |
CN111310649A (zh) * | 2020-02-13 | 2020-06-19 | 西南交通大学 | 一种无人机高分辨率影像对山岳冰川运动消融的提取方法 |
CN111310649B (zh) * | 2020-02-13 | 2022-09-23 | 西南交通大学 | 一种无人机高分辨率影像对山岳冰川运动消融的提取方法 |
CN111582270A (zh) * | 2020-04-24 | 2020-08-25 | 哈尔滨工业大学 | 基于高精度的桥梁区域视觉靶标特征点的识别追踪方法 |
CN111611525A (zh) * | 2020-05-14 | 2020-09-01 | 中国科学院空天信息创新研究院 | 基于物方匹配高程偏差迭代修正的遥感数据高程解算方法 |
CN111739079B (zh) * | 2020-06-18 | 2022-10-11 | 东华理工大学 | 一种基于语义特征多源低空立体像对快速匹配方法 |
CN111739079A (zh) * | 2020-06-18 | 2020-10-02 | 东华理工大学 | 一种基于语义特征多源低空立体像对快速匹配方法 |
CN112330678A (zh) * | 2021-01-07 | 2021-02-05 | 中科慧远视觉技术(北京)有限公司 | 产品边缘缺陷检测方法 |
CN112330678B (zh) * | 2021-01-07 | 2021-04-02 | 中科慧远视觉技术(北京)有限公司 | 产品边缘缺陷检测方法 |
CN113034555A (zh) * | 2021-03-19 | 2021-06-25 | 南京天巡遥感技术研究院有限公司 | 一种基于最小生成树的特征精匹配方法及应用 |
CN113034555B (zh) * | 2021-03-19 | 2024-03-08 | 南京天巡遥感技术研究院有限公司 | 一种基于最小生成树的特征精匹配方法及应用 |
CN113077552A (zh) * | 2021-06-02 | 2021-07-06 | 北京道达天际科技有限公司 | 基于无人机影像的dsm生成方法和装置 |
CN114596342B (zh) * | 2022-03-22 | 2023-03-14 | 感知天下(北京)信息科技有限公司 | 基于卫星影像的并行匹配方法、存储介质及计算机设备 |
CN114596342A (zh) * | 2022-03-22 | 2022-06-07 | 感知天下(北京)信息科技有限公司 | 基于卫星影像的并行匹配方法、存储介质及计算机设备 |
CN114926659A (zh) * | 2022-05-16 | 2022-08-19 | 上海贝特威自动化科技有限公司 | 一种基于sift和cm的变形目标定位算法 |
CN114926659B (zh) * | 2022-05-16 | 2023-08-08 | 上海贝特威自动化科技有限公司 | 一种基于sift和cm的变形目标定位算法 |
CN115205558A (zh) * | 2022-08-16 | 2022-10-18 | 中国测绘科学研究院 | 一种具有旋转和尺度不变性的多模态影像匹配方法及装置 |
CN115205558B (zh) * | 2022-08-16 | 2023-03-24 | 中国测绘科学研究院 | 一种具有旋转和尺度不变性的多模态影像匹配方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104134220A (zh) | 一种像方空间一致性的低空遥感影像高精度匹配方法 | |
CN114862932B (zh) | 基于bim全局定位的位姿修正方法及运动畸变矫正方法 | |
CN113192193B (zh) | 基于Cesium三维地球框架的高压输电线路走廊三维重建方法 | |
CN111524194B (zh) | 一种激光雷达和双目视觉相互融合的定位方法及终端 | |
CN103822616A (zh) | 一种图分割与地形起伏约束相结合的遥感影像匹配方法 | |
CN102426019A (zh) | 一种无人机景象匹配辅助导航方法及系统 | |
CN103093459B (zh) | 利用机载LiDAR点云数据辅助影像匹配的方法 | |
CN102472612A (zh) | 三维物体识别装置以及三维物体识别方法 | |
CN108917753B (zh) | 基于从运动恢复结构的飞行器位置确定方法 | |
CN107330927B (zh) | 机载可见光图像定位方法 | |
Kim et al. | Semiautomatic reconstruction of building height and footprints from single satellite images | |
CN103136525A (zh) | 一种利用广义Hough变换的异型扩展目标高精度定位方法 | |
CN102243299B (zh) | 无人机载sar图像正射纠正装置 | |
CN101477682B (zh) | 一种利用加权多项式模型实现遥感影像几何校正的方法 | |
CN115880364A (zh) | 基于激光点云和视觉slam的机器人位姿估计方法 | |
CN112270698A (zh) | 基于最邻近曲面的非刚性几何配准方法 | |
CN113566793A (zh) | 基于无人机倾斜影像的真正射影像生成方法和装置 | |
JP2017130067A (ja) | 衛星映像の位置正確度改善のための自動映像処理システム及びその方法 | |
CN114677435A (zh) | 一种点云全景融合要素提取方法和系统 | |
CN116189006A (zh) | 一种支持三维数据的遥感影像建筑物提取方法 | |
JP2022130588A (ja) | 自動運転車両の位置合わせ方法、装置、電子機器及び車両 | |
CN109598261B (zh) | 一种基于区域分割的三维人脸识别方法 | |
CN103927738A (zh) | 一种大间距模式下基于双目视觉图像的行星车定位方法 | |
CN113256813A (zh) | 一种带约束的建筑物立面正射影像图提取方法 | |
CN109188483A (zh) | 一种时序化高精度外方位元素自动定标方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20141105 |
|
WD01 | Invention patent application deemed withdrawn after publication |