CN104392457A - 倾斜影像的连接点自动匹配方法及装置 - Google Patents
倾斜影像的连接点自动匹配方法及装置 Download PDFInfo
- Publication number
- CN104392457A CN104392457A CN201410764507.4A CN201410764507A CN104392457A CN 104392457 A CN104392457 A CN 104392457A CN 201410764507 A CN201410764507 A CN 201410764507A CN 104392457 A CN104392457 A CN 104392457A
- Authority
- CN
- China
- Prior art keywords
- image
- matching
- inclination
- inclination image
- distortion parameter
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及测绘技术领域，公开了一种倾斜影像的连接点自动匹配方法及装置，通过获取倾斜影像，并对所述倾斜影像进行预处理；对预处理后的所述倾斜影像建立索引影像，并进行影像匹配，以剔除匹配粗差；提取影像匹配成功的所述倾斜影像的特征点，并进行特征点匹配；对两两所述倾斜影像进行匹配，获得两两影像的特征点匹配对，对倾斜影像进行转点，在与所述特征点相关的所有倾斜影像中，利用单应矩阵重新搜索匹配对应的同名点；选取一倾斜影像为基准影像，根据所述倾斜影像间的单应矩阵，进行基于像方的多点最小二乘法匹配，以获取几何畸变参数的修正值，根据所述几何畸变参数计算所述倾斜影像上的最佳匹配同名点，本发明提高了影像匹配精度及匹配速度。
Description
技术领域
本发明涉及测绘技术领域，尤其涉及一种倾斜影像的连接点自动匹配方法及装置。
背景技术
倾斜摄影技术是国际地理信息领域近年来发展起来的、融合传统航空摄影技术和数字地面采集技术的一项高新技术。它克服了传统航空摄影技术只能从垂直角度拍摄的局限，通过在同一飞行平台上搭载多台传感器，同时从一个垂直角度和四个倾斜角度采集影像，不仅能够真实地反应地物情况，而且还通过采用先进的定位技术，嵌入精确的地理信息、更丰富的影像信息、更高级的用户体验，极大地扩展了遥感影像的应用领域，并使遥感影像的行业应用更加深入。对于数据处理来说起初只是为了满足景观覆盖，而不是测图，其主要目的是获取地物多个方位的信息并可供用户多角度浏览，实时量测，三维浏览等获取多方面的信息。倾斜摄影可向用户展示一个可视化可浏览可量测的实景影像系统。但随着影像自动匹配技术、竖直影像和倾斜影像相结合的多传感器自动空中三角测量平差技术的发展，以及人们对地理信息精度要求的提高。
倾斜影像的全自动匹配是实现倾斜影像数据处理的关键技术。现有技术中，倾斜影像的全自动匹配可以分为两大类:
第一类是基于像方空间的匹配，影像匹配在像方空间进行，匹配时仅利用影像的辐射信息，通常采用先航带内再航带间转点的匹配算法，其基本匹配模块类似于自动相对定向，程序实现相对简单，但在匹配时是以两两影像匹配的模式进行，不能很好的顾及连接点的整体匹配精度；另一类则是基于物方空间的匹配，匹配在物方空间进行不仅利用像片的灰度信息，而且利用了像片之间在物方空间的几何约束关系，多点最小二乘影像匹配是此类算法的典型代表，它将影像匹配和区域网联合平差集成，一并求解影像的外方位元素、连接点精确的影像坐标和在物方对应的尺度系数，通常利用迭代分步求解的策略。同第一类算法相比，此类算法优点在于，即使在测区几何不规则的情况下，仍然可以保证连接点位于多张影像覆盖的高重叠度区域，但是，为了准确确定连接点影像块的位置，需要不断精化测区DEM(Digital Elevation Modal，数字高程模型)和影像外方位元素，因此必须在每层金字塔影像匹配后，对整个测区进行区域网联合平差，大大增加了程序实现的难度。倾斜影像连接点匹配过程中由于影像变形较大，特别是在POS(Position orientation system，定位测姿系统)数据缺失或精度不够的情况下，以上传统方法很难获得理想的匹配结果。
发明内容
本发明提供一种倾斜影像的连接点自动匹配方法及装置，解决现有技术匹配精度低、程序实现的难度大的技术问题。
本发明的目的是通过以下技术方案实现的：
一种倾斜影像的连接点自动匹配方法，包括：
获取倾斜影像，并对所述倾斜影像进行预处理；
对预处理后的所述倾斜影像建立索引影像，并进行影像匹配，以剔除匹配粗差；
提取影像匹配成功的所述倾斜影像的特征点，并进行特征点匹配；
对两两所述倾斜影像进行匹配，获得两两影像的特征点匹配对，对倾斜影像进行转点，在与所述特征点相关的所有倾斜影像中，利用单应矩阵重新搜索匹配对应的同名点；
选取一倾斜影像为基准影像，根据所述倾斜影像间的单应矩阵，进行基于像方的多点最小二乘法匹配，以获取几何畸变参数的修正值，根据所述几何畸变参数计算所述倾斜影像上的最佳匹配同名点。
一种倾斜影像的连接点自动匹配装置，包括：
预处理模块，用于获取倾斜影像，并对所述倾斜影像进行预处理；
索引建立模块，用于对预处理后的所述倾斜影像建立索引影像，并进行影像匹配，以剔除匹配粗差；
特征点提取模块，用于提取影像匹配成功的所述倾斜影像的特征点，并进行特征点匹配；
转点匹配模块，用于对两两所述倾斜影像进行匹配，获得两两影像的特征点匹配对，对倾斜影像进行转点，在与所述特征点相关的所有倾斜影像中，利用单应矩阵重新搜索匹配对应的同名点；
匹配修正模块，用于选取一倾斜影像为基准影像，根据所述倾斜影像间的单应矩阵，进行基于像方的多点最小二乘法匹配，以获取几何畸变参数的修正值，根据所述几何畸变参数计算所述倾斜影像上的最佳匹配同名点。
一种数字摄影测量工作站，包括倾斜影像的连接点自动匹配装置、立体观测设备、操作控制设备和输入输出设备，其中，所述倾斜影像的连接点自动匹配装置，用于获取倾斜影像，并对所述倾斜影像进行预处理；对预处理后的所述倾斜影像建立索引影像，并进行影像匹配，以剔除匹配粗差；提取影像匹配成功的所述倾斜影像的特征点，并进行特征点匹配；对两两所述倾斜影像进行匹配，获得两两影像的特征点匹配对，对倾斜影像进行转点，在与所述特征点相关的所有倾斜影像中，利用单应矩阵重新搜索匹配对应的同名点；选取一倾斜影像为基准影像，根据所述倾斜影像间的单应矩阵，进行基于像方的多点最小二乘法匹配，以获取几何畸变参数的修正值，根据所述几何畸变参数计算所述倾斜影像上的最佳匹配同名点。
通过本发明提供的一种倾斜影像的连接点自动匹配方法及装置，通过获取倾斜影像，并对所述倾斜影像进行预处理；对预处理后的所述倾斜影像建立索引影像，并进行影像匹配，以剔除匹配粗差；提取影像匹配成功的所述倾斜影像的特征点，并进行特征点匹配；对两两所述倾斜影像进行匹配，获得两两影像的特征点匹配对，对倾斜影像进行转点，在与所述特征点相关的所有倾斜影像中，利用单应矩阵重新搜索匹配对应的同名点；选取一倾斜影像为基准影像，根据所述倾斜影像间的单应矩阵，进行基于像方的多点最小二乘法匹配，以获取几何畸变参数的修正值，根据所述几何畸变参数计算所述倾斜影像上的最佳匹配同名点，本发明提高了影像匹配精度及匹配速度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可根据这些附图获得其他的附图。
图1为本发明实施例提供的一种倾斜影像的连接点自动匹配方法的流程图；
图2为本发明实施例提供的一种倾斜影像的连接点自动匹配装置示意图；
图3为本发明实施例提供的数字摄影测量工作站的示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明实施例提供了一种倾斜影像的连接点自动匹配方法，如图1所示，该方法包括如下步骤：
步骤101、获取倾斜影像，并对所述倾斜影像进行预处理；
其中，利用Wallis滤波对所述倾斜影像进行影像增强，并利用角元素对所述倾斜影像进行水平纠正，以消除部分变形影响，所述倾斜影像携带定位测姿系统POS(Position orientation system，定位测姿系统)数据。Wallis滤波是一种局部的影像变换，它使影像反差小的区域反差增大，影像反差大的区域反差减小，使得影像中灰度的微小变化信息得到增强，这样可以获取更多的特征点，有利于匹配。
步骤102、对预处理后的所述倾斜影像建立索引影像，并进行影像匹配，以剔除匹配粗差；
其中，步骤102具体可以包括：
步骤102-1、对预处理后的所述倾斜影像建立索引影像，对所述索引影像进行影像匹配，当所述索引影像有重叠或存在相邻关系时，对所述索引影像进行精匹配，否则，不进行处理；
步骤102-2、利用ASIFT(Affine Scale-invariant feature transform，仿射尺度不变特征变换)算法，对所述索引影像，进行同名点匹配，并利用随机抽样一致RANSAC(Random Sample Consensus)方法以单应矩阵和核线为双重约束，以剔除匹配粗差；
步骤102-3、获取单应矩阵H和基本矩阵F。
ASIFT算法是一个完全意义上的仿射不变，在保持SIFT性质的基础上对摄像机的角度引起的倾斜变化也能做到仿射不变性，本发明实施例中采用改进的并行ASIFT算法，以影像对为基本处理单元，实现了基于多核的并行快速处理。在步骤102-2获取影像同名点之后，利用随机抽样一致RANSAC(Random Sample Consensus)方法以单应矩阵和核线为双重约束剔除匹配粗差同时获取单应矩阵H和基本矩阵F。
步骤103、提取影像匹配成功的所述倾斜影像的特征点，并进行特征点匹配；
其中，步骤103可以包括如下步骤：
步骤103-1、采用算子，提取所述倾斜影像的特征点；
步骤103-2、利用影像匹配成功的所述倾斜影像间的单应矩阵计算特征点的概略位置，对特征点为中心的局部区域进行单应纠正，并进行相关系数最大搜索，以进行特征点匹配；
步骤103-3、利用RANSAC方法重新计算单应矩阵H和基本矩阵F。
仅对步骤102中影像匹配成功的索引影像进行匹配，利用算子具有精度高、速度快的优点，对倾斜影像的特征点进行提取。特征点的匹配采用改进灰度相关法进行，利用两影像间的单应矩阵计算特征点的概略位置，然后再对该点为中心的局部区域进行单应纠正，最后进行相关系数最大搜索。在获得特征点匹配结果后再次利用步骤102-2所述RANSAC方法重新计算单应矩阵H和基本矩阵F。
步骤104、对两两所述倾斜影像进行匹配，获得两两影像的特征点匹配对，对倾斜影像进行转点，在与所述特征点相关的所有倾斜影像中，利用单应矩阵重新搜索匹配对应的同名点；
其中，步骤104具体可以包括：
步骤104-1、对两两所述倾斜影像进行匹配，获得两两所述倾斜影像的特征点匹配对，将匹配点对逐一加入到连接点匹配列表中，当所述连接点匹配列表中存在匹配点对时，更新所述匹配点对的坐标信息，否则增加新的匹配点对；
步骤104-2、对所述连接点匹配列表中的连接点进行转点，在与所述连接点的相关所有倾斜影像内利用单应矩阵重新搜索对应的匹配点。
连接点匹配列表中的连接点仅是利用两两影像匹配结果得到，每个连接点的重叠数比较低、内部符合性(精度)不好，需要通过步骤104-2进行转点，以使连接点的重叠数尽可能增加。
步骤105、选取一倾斜影像为基准影像，根据所述倾斜影像间的单应矩阵，进行基于像方的多点最小二乘法匹配，以获取几何畸变参数的修正值，根据所述几何畸变参数计算所述倾斜影像上的最佳匹配同名点。
其中，步骤105具体可以包括：
步骤105-1、对于有n度重叠的影像连接点，选择坐标点离倾斜影像中心点最近的倾斜影像为基准影像；
步骤105-2、对n-1个匹配的倾斜影像分别与基准影像的像元灰度关系进行泰勒级数展开，以建立最小二乘法匹配误差方程，其中，匹配的倾斜影像与基准影像的像元灰度关系为g0(x,y)+n0＝hi0+hi1gi(a0+a1x+a2y,b0+b1x+b2y)+ni(i＝1,2...n-1)，x,y为影像坐标，g0(x,y)为基准影像的像素值，gi(x,y)为第i个匹配的倾斜影像的像素值，ni为影像噪声，hi0，hi1为辐射畸变参数，aij，bij(j＝0,1,2)为几何畸变参数，所述最小二乘法匹配误差方程为
vi＝ci1dhi0+ci2dhi1+ci3dai0+ci4dai1+ci5dai2+ci6dbi0+c7dbi1+ci8dbi2-Δgi(i＝1,2,...n-1)，vi为匹配误差，dhi0,dhi1,dai0,...,dbi2为畸变参数的修正值，,观测值Δgi是对应像素的灰度差，cij(j＝1,2,...8)为误差方程系数；
步骤105-3、求解最小二乘法匹配误差方程，计算出所述辐射畸变参数和所述几何畸变参数的修正值，根据所述辐射畸变参数和所述几何畸变参数的修正值，对辐射畸变参数和几何畸变参数进行修正，根据修正后的辐射畸变参数和几何畸变参数，计算最佳匹配点位。
假如目标窗口大小为m*m，则总共有(n-1)*m*m个误差方程，8*(n-1)个未知数。根据最小二乘法对误差方程组进行求解，可以计算出辐射畸变参数和几何畸变参数的修正值，畸变参数加上修正值作为畸变参数的值，根据修正后的畸变参数计算最佳匹配点位。
通过本发明提供的一种倾斜影像的连接点自动匹配方法，通过获取倾斜影像，并对所述倾斜影像进行预处理；对预处理后的所述倾斜影像建立索引影像，并进行影像匹配，以剔除匹配粗差；提取影像匹配成功的所述倾斜影像的特征点，并进行特征点匹配；对两两所述倾斜影像进行匹配，获得两两影像的特征点匹配对，对倾斜影像进行转点，在与所述特征点相关的所有倾斜影像中，利用单应矩阵重新搜索匹配对应的同名点；选取一倾斜影像为基准影像，根据所述倾斜影像间的单应矩阵，进行基于像方的多点最小二乘法匹配，以获取几何畸变参数的修正值，根据所述几何畸变参数计算所述倾斜影像上的最佳匹配同名点，本发明提高了影像匹配精度及匹配速度。
本发明首先对影像进行增强处理，特别是对于携带POS数据的倾斜影像，则对倾斜影像进行水平纠正，以消除倾角过大引起的投影变形，建立索引影像并采用ASIFT仿射不变特性的匹配方法建立索引影像间的对应关系，不仅提高了效率而且还可以得到较为稳定的匹配结果；在原始倾斜影像上提取特征点，以索引影像所确定的对应关系进行特征点匹配，特征点的使用可以得到较高的匹配精度；对连接点匹配列表中的连接点进行转点，在获取更多的重叠倾斜影像后进行基于像方的多点最小二乘法计算，使得连接点的匹配精度和可靠性大大提高。本发明的处理步骤均采用了基于多机、多核的网络并行处理，从而使得处理速度和效率大大提高。
本发明实施例中采用的ASIFT算法比SIFT算法得到更多的匹配点，具有较高的稳定性，对倾斜影像匹配来说ASIFT是较好的选择。使用多核CPU并行处理算法实现索引影像的快速匹配，建立影像间的重叠关系，大大减少冗余运算，有效提高效率，处理速度可提高数倍。基于像方的多点最小二乘匹配充分利用多个影像灰度信息，进行整体最有系数求解，与传统方法相比精度可提高一倍，无需物方参数的支持，适用性更为广泛。
本发明实施例提供了一种倾斜影像的连接点自动匹配装置，如图2所示，包括：
预处理模块210，用于获取倾斜影像，并对所述倾斜影像进行预处理；
索引建立模块220，用于对预处理后的所述倾斜影像建立索引影像，并进行影像匹配，以剔除匹配粗差；
特征点提取模块230，用于提取影像匹配成功的所述倾斜影像的特征点，并进行特征点匹配；
转点匹配模块240，用于对两两所述倾斜影像进行匹配，获得两两影像的特征点匹配对，对倾斜影像进行转点，在与所述特征点相关的所有倾斜影像中，利用单应矩阵重新搜索匹配对应的同名点；
匹配修正模块250，用于选取一倾斜影像为基准影像，根据所述倾斜影像间的单应矩阵，进行基于像方的多点最小二乘法匹配，以获取几何畸变参数的修正值，根据所述几何畸变参数计算所述倾斜影像上的最佳匹配同名点。
本发明实施例还提供了一种数字摄影测量工作站，如图3所示，包括倾斜影像的连接点自动匹配装置310、立体观测设备320、操作控制设备330和输入输出设备340，其中，所述倾斜影像的连接点自动匹配装置310，用于获取倾斜影像，并对所述倾斜影像进行预处理；对预处理后的所述倾斜影像建立索引影像，并进行影像匹配，以剔除匹配粗差；提取影像匹配成功的所述倾斜影像的特征点，并进行特征点匹配；对两两所述倾斜影像进行匹配，获得两两影像的特征点匹配对，对倾斜影像进行转点，在与所述特征点相关的所有倾斜影像中，利用单应矩阵重新搜索匹配对应的同名点；选取一倾斜影像为基准影像，根据所述倾斜影像间的单应矩阵，进行基于像方的多点最小二乘法匹配，以获取几何畸变参数的修正值，根据所述几何畸变参数计算所述倾斜影像上的最佳匹配同名点。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件平台的方式来实现，当然也可以全部通过硬件来实施，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上对本发明进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种倾斜影像的连接点自动匹配方法，其特征在于，包括：
获取倾斜影像，并对所述倾斜影像进行预处理；
对预处理后的所述倾斜影像建立索引影像，并进行影像匹配，以剔除匹配粗差；
提取影像匹配成功的所述倾斜影像的特征点，并进行特征点匹配；
对两两所述倾斜影像进行匹配，获得两两影像的特征点匹配对，对倾斜影像进行转点，在与所述特征点相关的所有倾斜影像中，利用单应矩阵重新搜索匹配对应的同名点；
选取一倾斜影像为基准影像，根据所述倾斜影像间的单应矩阵，进行基于像方的多点最小二乘法匹配，以获取几何畸变参数的修正值，根据所述几何畸变参数计算所述倾斜影像上的最佳匹配同名点。
2.根据权利要求1所述的方法，其特征在于，所述对所述倾斜影像进行预处理，包括：
利用Wallis滤波对所述倾斜影像进行影像增强，并利用角元素对所述倾斜影像进行水平纠正，以消除部分变形影响，所述倾斜影像携带定位测姿系统POS数据。
3.根据权利要求1所述的方法，其特征在于，所述对预处理后的所述倾斜影像建立索引影像，并进行影像匹配，，以剔除匹配粗差，包括：
对预处理后的所述倾斜影像建立索引影像，对所述索引影像进行影像匹配，当所述索引影像有重叠或存在相邻关系时，对所述索引影像进行精匹配，否则，不进行处理；
利用ASIFT算法，对所述索引影像，进行同名点匹配，并利用随机抽样一致RANSAC方法以单应矩阵和核线为双重约束，以剔除匹配粗差；
获取单应矩阵H和基本矩阵F。
4.根据权利要求1所述的方法，其特征在于，所述提取影像匹配成功的所述倾斜影像的特征点，并进行特征点匹配，包括：
采用算子，提取所述倾斜影像的特征点；
利用影像匹配成功的所述倾斜影像间的单应矩阵计算特征点的概略位置，对特征点为中心的局部区域进行单应纠正，并进行相关系数最大搜索，以进行特征点匹配；
利用RANSAC方法重新计算单应矩阵H和基本矩阵F。
5.根据权利要求1所述的方法，其特征在于，对两两所述倾斜影像进行匹配，获得两两影像的特征点匹配对，对倾斜影像进行转点，在与所述特征点相关的所有倾斜影像中，利用单应矩阵重新搜索匹配对应的同名点，包括：
对两两所述倾斜影像进行匹配，获得两两所述倾斜影像的特征点匹配对，将匹配点对逐一加入到连接点匹配列表中，当所述连接点匹配列表中存在匹配点对时，更新所述匹配点对的坐标信息，否则增加新的匹配点对；
对所述连接点匹配列表中的连接点进行转点，在与所述连接点的相关所有倾斜影像内利用单应矩阵重新搜索对应的匹配点。
6.根据权利要求1所述的方法，其特征在于，所述选取一倾斜影像为基准影像，根据所述倾斜影像间的单应矩阵，进行基于像方的多点最小二乘法匹配，包括：
对于有n度重叠的影像连接点，选择坐标点离倾斜影像中心点最近的倾斜影像为基准影像；
对n-1个匹配的倾斜影像分别与基准影像的像元灰度关系进行泰勒级数展开，以建立最小二乘法匹配误差方程，其中，匹配的倾斜影像与基准影像的像元灰度关系为g0(x,y)+n0＝hi0+hi1gi(a0+a1x+a2y,b0+b1x+b2y)+ni(i＝1,2...n-1)，x,y为影像坐标，g0(x,y)为基准影像的像素值，gi(x,y)为第i个匹配的倾斜影像的像素值，ni为影像噪声，hi0，hi1为辐射畸变参数，aij，bij(j＝0,1,2)为几何畸变参数，所述最小二乘法匹配误差方程为
vi＝ci1dhi0+ci2dhi1+ci3dai0+ci4dai1+ci5dai2+ci6dbi0+c7dbi1+ci8dbi2-Δgi(i＝1,2,...n-1)，vi为匹配误差，dhi0,dhi1,dai0,...,dbi2为畸变参数的修正值，,观测值Δgi是对应像素的灰度差，cij(j＝1,2,...8)为误差方程系数；
求解最小二乘法匹配误差方程，计算出所述辐射畸变参数和所述几何畸变参数的修正值，根据所述辐射畸变参数和所述几何畸变参数的修正值，对辐射畸变参数和几何畸变参数进行修正，根据修正后的辐射畸变参数和几何畸变参数，计算最佳匹配点位。
7.一种倾斜影像的连接点自动匹配装置，其特征在于，包括：
预处理模块，用于获取倾斜影像，并对所述倾斜影像进行预处理；
索引建立模块，用于对预处理后的所述倾斜影像建立索引影像，并进行影像匹配，以剔除匹配粗差；
特征点提取模块，用于提取影像匹配成功的所述倾斜影像的特征点，并进行特征点匹配；
转点匹配模块，用于对两两所述倾斜影像进行匹配，获得两两影像的特征点匹配对，对倾斜影像进行转点，在与所述特征点相关的所有倾斜影像中，利用单应矩阵重新搜索匹配对应的同名点；
匹配修正模块，用于选取一倾斜影像为基准影像，根据所述倾斜影像间的单应矩阵，进行基于像方的多点最小二乘法匹配，以获取几何畸变参数的修正值，根据所述几何畸变参数计算所述倾斜影像上的最佳匹配同名点。
8.一种数字摄影测量工作站，其特征在于，包括倾斜影像的连接点自动匹配装置、立体观测设备、操作控制设备和输入输出设备，其中，所述倾斜影像的连接点自动匹配装置，用于获取倾斜影像，并对所述倾斜影像进行预处理；对预处理后的所述倾斜影像建立索引影像，并进行影像匹配，以剔除匹配粗差；提取影像匹配成功的所述倾斜影像的特征点，并进行特征点匹配；对两两所述倾斜影像进行匹配，获得两两影像的特征点匹配对，对倾斜影像进行转点，在与所述特征点相关的所有倾斜影像中，利用单应矩阵重新搜索匹配对应的同名点；选取一倾斜影像为基准影像，根据所述倾斜影像间的单应矩阵，进行基于像方的多点最小二乘法匹配，以获取几何畸变参数的修正值，根据所述几何畸变参数计算所述倾斜影像上的最佳匹配同名点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410764507.4A CN104392457B (zh) | 2014-12-11 | 2014-12-11 | 倾斜影像的连接点自动匹配方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410764507.4A CN104392457B (zh) | 2014-12-11 | 2014-12-11 | 倾斜影像的连接点自动匹配方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104392457A true CN104392457A (zh) | 2015-03-04 |
| CN104392457B CN104392457B (zh) | 2017-07-11 |
Family
ID=52610355
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410764507.4A Expired - Fee Related CN104392457B (zh) | 2014-12-11 | 2014-12-11 | 倾斜影像的连接点自动匹配方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104392457B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105953777A (zh) * | 2016-04-27 | 2016-09-21 | 武汉讯图科技有限公司 | 一种基于深度图的大比例尺倾斜影像测图方法 |
| CN107395924A (zh) * | 2016-05-16 | 2017-11-24 | 佳能株式会社 | 图像处理装置、图像捕获装置和图像处理方法 |
| CN108399631A (zh) * | 2018-03-01 | 2018-08-14 | 北京中测智绘科技有限公司 | 一种尺度不变性的倾斜影像多视密集匹配方法 |
| CN108871291A (zh) * | 2017-05-12 | 2018-11-23 | 北京中天易观信息技术有限公司 | 一种空中三角测量中大数据匹配点智能压缩方法 |
| CN108981700A (zh) * | 2018-06-13 | 2018-12-11 | 江苏实景信息科技有限公司 | 一种定位定姿方法及装置 |
| 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 |
| CN110059651A (zh) * | 2019-04-24 | 2019-07-26 | 北京计算机技术及应用研究所 | 一种相机实时跟踪注册方法 |
| CN110098609A (zh) * | 2018-01-29 | 2019-08-06 | 中国电力科学研究院有限公司 | 一种面向配电网的量测上传数据准备方法及系统 |
| CN110399931A (zh) * | 2019-07-30 | 2019-11-01 | 燕山大学 | 一种鱼眼图像匹配方法及系统 |
| CN111681322A (zh) * | 2020-06-12 | 2020-09-18 | 中国测绘科学研究院 | 一种倾斜摄影模型的融合方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040037451A1 (en) * | 2002-08-22 | 2004-02-26 | Kim Tae Jung | Image processing method for automatic image registration and correction |
| CN101915913A (zh) * | 2010-07-30 | 2010-12-15 | 中交第二公路勘察设计研究院有限公司 | 一种稳健的高分辨率卫星影像连接点自动匹配方法 |
| CN102930525A (zh) * | 2012-09-14 | 2013-02-13 | 武汉大学 | 基于仿射不变特征与单应矩阵的线匹配方法 |
| CN103778612A (zh) * | 2014-02-13 | 2014-05-07 | 同济大学 | 一种基于全色影像的卫星颤振探测与补偿方法 |
| CN103886569A (zh) * | 2014-04-03 | 2014-06-25 | 北京航空航天大学 | 连续帧多特征点无人机侦察图像并行与匹配精度约束的拼接方法 |
| CN103927738A (zh) * | 2014-01-10 | 2014-07-16 | 北京航天飞行控制中心 | 一种大间距模式下基于双目视觉图像的行星车定位方法 |
-
2014
- 2014-12-11 CN CN201410764507.4A patent/CN104392457B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040037451A1 (en) * | 2002-08-22 | 2004-02-26 | Kim Tae Jung | Image processing method for automatic image registration and correction |
| CN101915913A (zh) * | 2010-07-30 | 2010-12-15 | 中交第二公路勘察设计研究院有限公司 | 一种稳健的高分辨率卫星影像连接点自动匹配方法 |
| CN102930525A (zh) * | 2012-09-14 | 2013-02-13 | 武汉大学 | 基于仿射不变特征与单应矩阵的线匹配方法 |
| CN103927738A (zh) * | 2014-01-10 | 2014-07-16 | 北京航天飞行控制中心 | 一种大间距模式下基于双目视觉图像的行星车定位方法 |
| CN103778612A (zh) * | 2014-02-13 | 2014-05-07 | 同济大学 | 一种基于全色影像的卫星颤振探测与补偿方法 |
| CN103886569A (zh) * | 2014-04-03 | 2014-06-25 | 北京航空航天大学 | 连续帧多特征点无人机侦察图像并行与匹配精度约束的拼接方法 |
Non-Patent Citations (2)
| Title |
|---|
| 李健等: "相对定向中最优特征点匹配算法的研究与应用", 《测绘科学》 * |
| 郭军等: "面向航空倾斜影像空三转点的特征提取算子比较", 《测绘与空间地理信息》 * |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105953777A (zh) * | 2016-04-27 | 2016-09-21 | 武汉讯图科技有限公司 | 一种基于深度图的大比例尺倾斜影像测图方法 |
| CN105953777B (zh) * | 2016-04-27 | 2018-03-13 | 武汉讯图科技有限公司 | 一种基于深度图的大比例尺倾斜影像测图方法 |
| CN107395924A (zh) * | 2016-05-16 | 2017-11-24 | 佳能株式会社 | 图像处理装置、图像捕获装置和图像处理方法 |
| US11032533B2 (en) | 2016-05-16 | 2021-06-08 | Canon Kabushiki Kaisha | Image processing apparatus, image capturing apparatus, image processing method, and storage medium |
| CN107395924B (zh) * | 2016-05-16 | 2020-05-08 | 佳能株式会社 | 图像处理装置、图像捕获装置和图像处理方法 |
| CN108871291A (zh) * | 2017-05-12 | 2018-11-23 | 北京中天易观信息技术有限公司 | 一种空中三角测量中大数据匹配点智能压缩方法 |
| CN110098609A (zh) * | 2018-01-29 | 2019-08-06 | 中国电力科学研究院有限公司 | 一种面向配电网的量测上传数据准备方法及系统 |
| CN110098609B (zh) * | 2018-01-29 | 2023-05-02 | 中国电力科学研究院有限公司 | 一种面向配电网的量测上传数据准备方法及系统 |
| CN108399631A (zh) * | 2018-03-01 | 2018-08-14 | 北京中测智绘科技有限公司 | 一种尺度不变性的倾斜影像多视密集匹配方法 |
| CN108981700A (zh) * | 2018-06-13 | 2018-12-11 | 江苏实景信息科技有限公司 | 一种定位定姿方法及装置 |
| CN108981700B (zh) * | 2018-06-13 | 2022-02-15 | 江苏实景信息科技有限公司 | 一种定位定姿方法及装置 |
| 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 |
| 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 |
| CN110059651A (zh) * | 2019-04-24 | 2019-07-26 | 北京计算机技术及应用研究所 | 一种相机实时跟踪注册方法 |
| CN110399931A (zh) * | 2019-07-30 | 2019-11-01 | 燕山大学 | 一种鱼眼图像匹配方法及系统 |
| CN110399931B (zh) * | 2019-07-30 | 2021-07-06 | 燕山大学 | 一种鱼眼图像匹配方法及系统 |
| CN111681322A (zh) * | 2020-06-12 | 2020-09-18 | 中国测绘科学研究院 | 一种倾斜摄影模型的融合方法 |
| CN111681322B (zh) * | 2020-06-12 | 2021-02-02 | 中国测绘科学研究院 | 一种倾斜摄影模型的融合方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104392457B (zh) | 2017-07-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104392457A (zh) | 倾斜影像的连接点自动匹配方法及装置 | |
| CN103822616B (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 | |
| CN103383773B (zh) | 一种动态提取图像控制点的遥感卫星图像自动正射纠正的框架和方法 | |
| CN102750537B (zh) | 一种高精度图像自动配准方法 | |
| CN103093459B (zh) | 利用机载LiDAR点云数据辅助影像匹配的方法 | |
| CN106485690A (zh) | 基于点特征的点云数据与光学影像的自动配准融合方法 | |
| CN102855628B (zh) | 多源多时相高分辨率卫星遥感影像自动匹配方法 | |
| Gerke | Using horizontal and vertical building structure to constrain indirect sensor orientation | |
| Peña-Villasenín et al. | 3-D modeling of historic façades using SFM photogrammetry metric documentation of different building types of a historic center | |
| CN111003214B (zh) | 基于云控制的国产陆地观测卫星姿轨精化方法 | |
| CN106127180A (zh) | 一种机器人辅助定位方法及装置 | |
| Kim et al. | Semiautomatic reconstruction of building height and footprints from single satellite images | |
| CN105654547A (zh) | 三维重建方法 | |
| CN101826206A (zh) | 一种相机自定标的方法 | |
| CN113971768A (zh) | 一种基于无人机的输电线路违章建筑三维动态检测方法 | |
| CN107220996A (zh) | 一种基于三角结构一致的无人机线阵与面阵影像匹配方法 | |
| CN110942102B (zh) | 一种概率松弛核线匹配方法及系统 | |
| CN111986074A (zh) | 一种真正射影像制作方法、装置、设备及存储介质 | |
| CN117115359B (zh) | 一种基于深度图融合的多视图电网三维空间数据重建方法 | |
| Duan et al. | A combined image matching method for Chinese optical satellite imagery | |
| CN113096047A (zh) | 广义云驱动与辐射协同遥感影像几何精校正方法及系统 | |
| Feng et al. | Registration of multitemporal GF-1 remote sensing images with weighting perspective transformation model | |
| CN113379648B (zh) | 一种高分七号和资源三号立体影像联合平差方法 | |
| Fallah et al. | Intensifying the spatial resolution of 3D thermal models from aerial imagery using deep learning-based image super-resolution | |
| Li et al. | High‐resolution model reconstruction and bridge damage detection based on data fusion of unmanned aerial vehicles light detection and ranging data imagery |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| 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: 20170711 Termination date: 20171211 |