CN106846384A - 一种多视角大倾斜线阵影像匹配方法及装置 - Google Patents
一种多视角大倾斜线阵影像匹配方法及装置 Download PDFInfo
- Publication number
- CN106846384A CN106846384A CN201611264463.4A CN201611264463A CN106846384A CN 106846384 A CN106846384 A CN 106846384A CN 201611264463 A CN201611264463 A CN 201611264463A CN 106846384 A CN106846384 A CN 106846384A
- Authority
- CN
- China
- Prior art keywords
- image
- matching
- matched
- horizontal
- linear array
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Abstract
本发明提供一种多视角大倾斜线阵影像匹配方法及装置,所述方法包括:基于反解有理函数模型将预设数量的大倾斜线阵CCD卫星遥感影像纠正为水平影像;对纠正后的水平影像进行重采样,并按照预设全局匹配规则对重采样后的水平影像进行影像成对匹配;对影像成对匹配结果进行多基线验证,以剔除影像成对匹配结果中的误配点对以及不连续的匹配点对。本发明提供的一种多视角大倾斜线阵影像匹配方法及装置,能够准确地进行多视角大倾斜线阵的影像匹配。
Description
技术领域
本发明涉及影像匹配技术领域,具体涉及一种多视角大倾斜线阵影像匹配方法及装置。
背景技术
因卫星多角度快速成像获取的多视角线阵遥感影像摄影角度变化大,因此此种倾斜线阵遥感影像之间的匹配较非倾斜框幅式遥感影像之间的匹配相比存在更多的困难。这些困难主要体现在:线阵遥感影像与框幅式遥感影像相比,具有多中心投影的特点,因此线阵遥感影像的几何关系更为复杂。另外,倾斜影像之间因不同摄影角度造成影像上的几何畸变较大、地物遮挡现象较为严重、灰度和纹理存在差异等问题。因此要解决以上问题,需要采用纠正精度更高的几何纠正方法和抗干扰性能更好的、能够提取显著地物特征的匹配策略,这样才能在多幅大倾斜视角的线阵影像中尽可能地找到不变的特征用于影像间的匹配。
发明内容
本发明实施例的目的在于提供一种多视角大倾斜线阵影像匹配方法及装置,能够准确地进行多视角大倾斜线阵的影像匹配。
为实现上述目的,本发明实施例一方面提供一种多视角大倾斜线阵影像匹配方法,所述方法包括:基于反解有理函数模型将预设数量的大倾斜线阵CCD卫星遥感影像纠正为水平影像;对纠正后的水平影像进行重采样,并按照预设全局匹配规则对重采样后的水平影像进行影像成对匹配;对影像成对匹配结果进行多基线验证,以剔除影像成对匹配结果中的误配点对以及不连续的匹配点对。
进一步地,所述反解有理函数模型可在高程值已知的情况下,将像方坐标转换为物方坐标,所述物方坐标包括经度和纬度。
进一步地,将预设数量的大倾斜线阵CCD卫星遥感影像纠正为水平影像具体包括:通过参考航天飞机雷达地形测绘使命SRTM,将倾斜的卫星遥感影像中的各个像点按照各自的高程值投影至水平参考面上,以形成纠正后的水平影像。
进一步地,对纠正后的水平影像进行重采样具体包括:按照纠正之前倾斜卫星遥感影像的分辨率,对纠正后的水平影像进行重采样,以得到数字正射影像图。
进一步地,按照预设全局匹配规则对重采样后的水平影像进行影像成对匹配具体包括:从重采样后的水平影像中的多基线影像中确定一张基准影像和一张待匹配影像;分别提取所述基准影像和所述待匹配影像的边缘特征集合,所述边缘特征集合中包括所述基准影像和所述待匹配影像各自的边缘点像片坐标和边缘方向;为所述基准影像和待匹配影像建立参数空间,所述参数空间中包括多个按照平移量进行划分的网格;根据提取的两个边缘特征集合以及所述参数空间,确定所述基准影像和所述待匹配影像之间的同名点对。
进一步地,所述同名点对按照下述方式生成:每当提取的两个边缘特征集合中存在一种函数对应关系,便计算一个平移量;将所述参数空间中与计算的所述平移量相对应的网格中的累计次数加1;确定所述参数空间中最终累计次数最大的目标网格,并将为所述目标网格提供过累计次数的两个边缘点作为同名点对。
进一步地,对影像成对匹配结果进行多基线验证具体包括:在影像成对匹配结果中,保留存在于所有多基线影像中的同名点对,剔除误配点对以及不连续的匹配点对。
为实现上述目的,本申请实施方式还提供一种多视角大倾斜线阵影像匹配装置,所述装置包括:水平纠正单元,用于基于反解有理函数模型将预设数量的大倾斜线阵CCD卫星遥感影像纠正为水平影像;匹配单元,用于对纠正后的水平影像进行重采样,并按照预设全局匹配规则对重采样后的水平影像进行影像成对匹配;多基线验证单元,用于对影像成对匹配结果进行多基线验证,以剔除影像成对匹配结果中的误配点对以及不连续的匹配点对。
进一步地,所述匹配单元具体包括:影像确定模块,用于从重采样后的水平影像中的多基线影像中确定一张基准影像和一张待匹配影像;边缘特征集合提取模块,用于分别提取所述基准影像和所述待匹配影像的边缘特征集合,所述边缘特征集合中包括所述基准影像和所述待匹配影像各自的边缘点像片坐标和边缘方向;参数空间建立模块,用于为所述基准影像和待匹配影像建立参数空间,所述参数空间中包括多个按照平移量进行划分的网格;同名点对确定模块,用于根据提取的两个边缘特征集合以及所述参数空间,确定所述基准影像和所述待匹配影像之间的同名点对。
进一步地,所述同名点对确定模块具体包括:平移量计算模块,用于每当提取的两个边缘特征集合中存在一种函数对应关系,便计算一个平移量;累计次数叠加模块,用于将所述参数空间中与计算的所述平移量相对应的网格中的累计次数加1;目标网格确定模块,用于确定所述参数空间中最终累计次数最大的目标网格,并将为所述目标网格提供过累计次数的两个边缘点作为同名点对。
本发明不仅采用了广泛应用于线阵影像处理的反解有理函数模型对多视角大倾斜线阵CCD影像进行几何纠正,而且采用的匹配方法还可准确提取影像特征。因此本发明方法能够充分利用影像信息、减小信息盲区、降低遮挡特征和相似特征的误匹配率,从而具有非常良好的抗噪声干扰能力和最优的匹配结果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对本发明实施例描述中所需要使用的附图作简单的介绍,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的前提下,还可以根据本发明实施例的内容和这些附图获得其他的附图。
图1是本实施例所述的多视角大倾斜线阵影像匹配方法流程图;
图2(a)至图2(c)依次为Pleiades前、中、后视影像;
图3(a)和图3(b)分别是前视影像与中视影像匹配结果;
图4(a)和图4(b)分别是前视影像与中视影像匹配结果局部放大图;
图5(a)和图5(b)分别是后视影像与中视影像匹配结果;
图6(a)和图6(b)分别是后视影像与中视影像匹配结果局部放大图;
图7(a)至图7(c)是多基线影像同名点对;
图8(a)至图8(c)是多基线影像同名点对局部放大图;
图9是本实施例所述的多视角大倾斜线阵影像匹配装置的功能模块图。
贯穿附图,应该注意的是,相似的标号用于描绘相同或相似的元件、特征和结构。
具体实施方式
提供以下参照附图的描述来帮助全面理解由权利要求及其等同物限定的本公开的各种实施例。以下描述包括帮助理解的各种具体细节,但是这些细节将被视为仅是示例性的。因此,本领域普通技术人员将认识到,在不脱离本公开的范围和精神的情况下,可对本文所述的各种实施例进行各种改变和修改。另外,为了清晰和简洁,公知功能和构造的描述可被省略。
以下描述和权利要求书中所使用的术语和词汇不限于文献含义,而是仅由发明人用来使本公开能够被清晰和一致地理解。因此,对于本领域技术人员而言应该明显的是,提供以下对本公开的各种实施例的描述仅是为了示例性目的,而非限制由所附权利要求及其等同物限定的本公开的目的。
请参阅图1,本申请实施方式提供一种多视角大倾斜线阵影像匹配方法,所述方法包括:
S1:基于反解有理函数模型将预设数量的大倾斜线阵CCD(Charge coupledDevice,电荷耦合元件)卫星遥感影像纠正为水平影像;
S2:对纠正后的水平影像进行重采样,并按照预设全局匹配规则对重采样后的水平影像进行影像成对匹配;
S3:对影像成对匹配结果进行多基线验证,以剔除影像成对匹配结果中的误配点对以及不连续的匹配点对。
在本实施方式中,所述反解有理函数模型可在高程值已知的情况下,将像方坐标转换为物方坐标,所述物方坐标包括经度和纬度。
在本实施方式中,将预设数量的大倾斜线阵CCD卫星遥感影像纠正为水平影像具体包括:
通过参考航天飞机雷达地形测绘使命SRTM(Shuttle Radar TopographyMission),将倾斜的卫星遥感影像中的各个像点按照各自的高程值投影至水平参考面上,以形成纠正后的水平影像。
在本实施方式中,对纠正后的水平影像进行重采样具体包括:
按照纠正之前倾斜卫星遥感影像的分辨率,对纠正后的水平影像进行重采样,以得到数字正射影像图。
在本实施方式中,按照预设全局匹配规则对重采样后的水平影像进行影像成对匹配具体包括:
从重采样后的水平影像中的多基线影像中确定一张基准影像和一张待匹配影像;
分别提取所述基准影像和所述待匹配影像的边缘特征集合,所述边缘特征集合中包括所述基准影像和所述待匹配影像各自的边缘点像片坐标和边缘方向;
为所述基准影像和待匹配影像建立参数空间,所述参数空间中包括多个按照平移量进行划分的网格;
根据提取的两个边缘特征集合以及所述参数空间,确定所述基准影像和所述待匹配影像之间的同名点对。
在本实施方式中,所述同名点对按照下述方式生成:
每当提取的两个边缘特征集合中存在一种函数对应关系,便计算一个平移量;
将所述参数空间中与计算的所述平移量相对应的网格中的累计次数加1;
确定所述参数空间中最终累计次数最大的目标网格,并将为所述目标网格提供过累计次数的两个边缘点作为同名点对。
在本实施方式中,对影像成对匹配结果进行多基线验证具体包括:
在影像成对匹配结果中,保留存在于所有多基线影像中的同名点对,剔除误配点对以及不连续的匹配点对。
在一个具体应用场景中,可以参考SRTM利用反解有理函数模型对多幅线阵CCD影像几何纠正为水平影像:在高程已知的情况下,利用反解的有理函数模型实现从像方坐标到物方坐标的转换。若已知有理函数模型的反解形式和影像上某像点p(S,L),即可确定一条通过该像点和投影中心的空间光线,若存在影像对应地区的SRTM作为高程参考,则该SRTM表面与光线的交点为P(X,Y,Z)。参考SRTM将原始影像上所有像点按照各自高程值全部投影至水平面上,并根据原始倾斜影像的分辨率对其进行重采样便可得到近似DOM(Digital Orthophoto Map,数字正射)影像,从而实现对线阵CCD遥感影像的几何纠正。
进一步地,可以采用基于投票原理的全局匹配方法融合多基线匹配原理进行影像成对匹配:具有短基线和不同交会角的序列影像可以作为多基线影像,首先在n张具有短基线和不同交会角的序列影像中确定一张影像为基准影像。其次在待匹配影像对中分别提取边缘点的像片坐标(x,y)和边缘方向,从而分别得到匹配中的两个影像各自边缘特征集合。对该影像对建立投票的参数空间,坐标系横、纵轴分别代表平移参数。对两集合中元素的每一种函数对应关系均计算一个平移量,然后在参数空间中对应的格子累加1。最终累计空间中峰值对应的单元格的平移量就被确定为最终平移参数,对最终峰值有贡献的边缘点对即为同名点对。边缘点的方向被用做投票的限制条件,即如果一对可能的边缘点的方向相差太大,那么就不允许它们投票。从而得到两匹配影像间的函数对应关系及同名点对。最后按照上述方法将其余多基线影像与基准影像两两匹配,便得到n-1张匹配结果图。
进一步地,基于影像的匹配结果进行多基线验证:在对多基线影像进行成对匹配(即基准图像与任意一幅待匹配图像进行匹配)之后,需要对匹配结果进行连续性检查,即保留存在于所有多基线影像中的同名点对,剔除误匹配点对及不连续存在的同名点对,从而得到多基线影像间准确的匹配点对,从而实现多基线影像间高精度和高可靠性的匹配。
本发明很好地解决了摄影倾角过大的多视角线阵遥感影像对之间的匹配问题,经验证该发明对于任意摄影角度的影像之间的匹配精度均能达到一个像素之内。
在本实施方式中,可以采用法国Pleiades卫星拍摄的北京房山地区前中后视三幅全色波段影像数据,影像数据如图2(a)至图2(c)所示。通过本发明方法进行匹配,具体步骤如下。
步骤一:参考SRTM利用反解有理函数模型对多幅线阵CCD影像几何纠正为水平影像。该步骤可以通过四个小步骤实现:
1.读取三幅影像数据;
2.利用反解有理函数模型对试验数据进行几何纠正;
3对几何纠正后的影像重采样;
4.输出几何纠正结果。
步骤二:对试验数据采用基于投票原理的全局匹配方法融合多基线匹配原理进行影像成对匹配。该步骤可以通过三个小步骤实现:
1.确定基准影像;
2.基准影像中提取边缘特征集合E1;
3.目标影像中提取边缘特征集合E2构建投影空间进行投票,以中视影像为基准影像,前后视影像分别同其匹配,图3(a)和图3(b)分别是前视影像与中视影像匹配结果;图4(a)和图4(b)分别是前视影像与中视影像匹配结果局部放大图;图5(a)和图5(b)分别是后视影像与中视影像匹配结果;图6(a)和图6(b)分别是后视影像与中视影像匹配结果局部放大图。
步骤三:基于影像的匹配结果进行多基线验证,图7(a)至图7(c)是多基线影像同名点对;图8(a)至图8(c)是多基线影像同名点对局部放大图。
步骤四:对匹配结果进行精度评价,得出匹配中误差为0.213像素,控制在了一个像元之内,匹配结果可靠。
请参阅图9,本申请实施方式还提供一种多视角大倾斜线阵影像匹配装置,所述装置包括:
水平纠正单元100,用于基于反解有理函数模型将预设数量的大倾斜线阵CCD卫星遥感影像纠正为水平影像;
匹配单元200,用于对纠正后的水平影像进行重采样,并按照预设全局匹配规则对重采样后的水平影像进行影像成对匹配;
多基线验证单元300,用于对影像成对匹配结果进行多基线验证,以剔除影像成对匹配结果中的误配点对以及不连续的匹配点对。
在本实施方式中,所述匹配单元200具体包括:
影像确定模块,用于从重采样后的水平影像中的多基线影像中确定一张基准影像和一张待匹配影像;
边缘特征集合提取模块,用于分别提取所述基准影像和所述待匹配影像的边缘特征集合,所述边缘特征集合中包括所述基准影像和所述待匹配影像各自的边缘点像片坐标和边缘方向;
参数空间建立模块,用于为所述基准影像和待匹配影像建立参数空间,所述参数空间中包括多个按照平移量进行划分的网格;
同名点对确定模块,用于根据提取的两个边缘特征集合以及所述参数空间,确定所述基准影像和所述待匹配影像之间的同名点对。
在本实施方式中,所述同名点对确定模块具体包括:
平移量计算模块,用于每当提取的两个边缘特征集合中存在一种函数对应关系,便计算一个平移量;
累计次数叠加模块,用于将所述参数空间中与计算的所述平移量相对应的网格中的累计次数加1;
目标网格确定模块,用于确定所述参数空间中最终累计次数最大的目标网格,并将为所述目标网格提供过累计次数的两个边缘点作为同名点对。
本发明不仅采用了广泛应用于线阵影像处理的反解有理函数模型对多视角大倾斜线阵CCD影像进行几何纠正,而且采用的匹配方法还可准确提取影像特征。因此本发明方法能够充分利用影像信息、减小信息盲区、降低遮挡特征和相似特征的误匹配率,从而具有非常良好的抗噪声干扰能力和最优的匹配结果。
应该注意的是,如上所述的本公开的各种实施例通常在一定程度上涉及输入数据的处理和输出数据的生成。此输入数据处理和输出数据生成可在硬件或者与硬件结合的软件中实现。例如,可在移动装置或者相似或相关的电路中采用特定电子组件以用于实现与如上所述本公开的各种实施例关联的功能。另选地,依据所存储的指令来操作的一个或更多个处理器可实现与如上所述本公开的各种实施例关联的功能。如果是这样,则这些指令可被存储在一个或更多个非暂时性处理器可读介质上,这是在本公开的范围内。处理器可读介质的示例包括只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光学数据存储装置。另外,用于实现本公开的功能计算机程序、指令和指令段可由本公开所属领域的程序员容易地解释。
本说明书中的各个实施方式均采用递进的方式描述,各个实施方式之间相同相似的部分互相参见即可,每个实施方式重点说明的都是与其他实施方式的不同之处。
尽管已参照本公开的各种实施例示出并描述了本公开,但是本领域技术人员将理解,在不脱离由所附权利要求及其等同物限定的本公开的精神和范围的情况下,可对其进行形式和细节上的各种改变。
Claims (10)
1.一种多视角大倾斜线阵影像匹配方法,其特征在于,所述方法包括:
基于反解有理函数模型将预设数量的大倾斜线阵CCD卫星遥感影像纠正为水平影像;
对纠正后的水平影像进行重采样,并按照预设全局匹配规则对重采样后的水平影像进行影像成对匹配;
对影像成对匹配结果进行多基线验证,以剔除影像成对匹配结果中的误配点对以及不连续的匹配点对。
2.根据权利要求1所述的多视角大倾斜线阵影像匹配方法,其特征在于,所述反解有理函数模型可在高程值已知的情况下,将像方坐标转换为物方坐标,所述物方坐标包括经度和纬度。
3.根据权利要求1所述的多视角大倾斜线阵影像匹配方法,其特征在于,将预设数量的大倾斜线阵CCD卫星遥感影像纠正为水平影像具体包括:
通过参考航天飞机雷达地形测绘使命SRTM,将倾斜的卫星遥感影像中的各个像点按照各自的高程值投影至水平参考面上,以形成纠正后的水平影像。
4.根据权利要求1所述的多视角大倾斜线阵影像匹配方法,其特征在于,对纠正后的水平影像进行重采样具体包括:
按照纠正之前倾斜卫星遥感影像的分辨率,对纠正后的水平影像进行重采样,以得到数字正射影像图。
5.根据权利要求1所述的多视角大倾斜线阵影像匹配方法,其特征在于,按照预设全局匹配规则对重采样后的水平影像进行影像成对匹配具体包括:
从重采样后的水平多基线影像中确定一张基准影像和一张待匹配影像;
分别提取所述基准影像和所述待匹配影像的边缘特征集合,所述边缘特征集合中包括所述基准影像和所述待匹配影像各自的边缘点像片坐标和边缘方向;
为所述基准影像和待匹配影像建立参数空间,所述参数空间中包括多个按照平移量进行划分的网格;
根据提取的两个边缘特征集合以及所述参数空间,确定所述基准影像和所述待匹配影像之间的同名点对。
6.根据权利要求5所述的多视角大倾斜线阵影像匹配方法,其特征在于,所述同名点对按照下述方式生成:
每当提取的两个边缘特征集合中存在一种函数对应关系,便计算一个平移量;
将所述参数空间中与计算的所述平移量相对应的网格中的累计次数加1;
确定所述参数空间中最终累计次数最大的目标网格,并将为所述目标网格提供过累计次数的两个边缘点作为同名点对。
7.根据权利要求1所述的多视角大倾斜线阵影像匹配方法,其特征在于,对影像成对匹配结果进行多基线验证具体包括:
在影像成对匹配结果中,保留存在于所有多基线影像中的同名点对,剔除误配点对以及不连续的匹配点对。
8.一种多视角大倾斜线阵影像匹配装置,其特征在于,所述装置包括:
水平纠正单元,用于基于反解有理函数模型将预设数量的大倾斜线阵CCD卫星遥感影像纠正为水平影像;
匹配单元,用于对纠正后的水平影像进行重采样,并按照预设全局匹配规则对重采样后的水平影像进行影像成对匹配;
多基线验证单元,用于对影像成对匹配结果进行多基线验证,以剔除影像成对匹配结果中的误配点对以及不连续的匹配点对。
9.根据权利要求8所述的多视角大倾斜线阵影像匹配装置,其特征在于,所述匹配单元具体包括:
影像确定模块,用于从重采样后的水平影像中的多基线影像中确定一张基准影像和一张待匹配影像;
边缘特征集合提取模块,用于分别提取所述基准影像和所述待匹配影像的边缘特征集合,所述边缘特征集合中包括所述基准影像和所述待匹配影像各自的边缘点像片坐标和边缘方向;
参数空间建立模块,用于为所述基准影像和待匹配影像建立参数空间,所述参数空间中包括多个按照平移量进行划分的网格;
同名点对确定模块,用于根据提取的两个边缘特征集合以及所述参数空间,确定所述基准影像和所述待匹配影像之间的同名点对。
10.根据权利要求9所述的多视角大倾斜线阵影像匹配装置,其特征在于,所述同名点对确定模块具体包括:
平移量计算模块,用于每当提取的两个边缘特征集合中存在一种函数对应关系,便计算一个平移量;
累计次数叠加模块,用于将所述参数空间中与计算的所述平移量相对应的网格中的累计次数加1;
目标网格确定模块,用于确定所述参数空间中最终累计次数最大的目标网格,并将为所述目标网格提供过累计次数的两个边缘点作为同名点对。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611264463.4A CN106846384A (zh) | 2016-12-30 | 2016-12-30 | 一种多视角大倾斜线阵影像匹配方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611264463.4A CN106846384A (zh) | 2016-12-30 | 2016-12-30 | 一种多视角大倾斜线阵影像匹配方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106846384A true CN106846384A (zh) | 2017-06-13 |
Family
ID=59116952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611264463.4A Pending CN106846384A (zh) | 2016-12-30 | 2016-12-30 | 一种多视角大倾斜线阵影像匹配方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106846384A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073874A (zh) * | 2010-12-29 | 2011-05-25 | 中国资源卫星应用中心 | 附加几何约束的航天三线阵ccd相机多影像立体匹配方法 |
CN103337052A (zh) * | 2013-04-17 | 2013-10-02 | 国家测绘地理信息局卫星测绘应用中心 | 面向宽幅遥感影像的自动几何纠正方法 |
CN104574347A (zh) * | 2013-10-24 | 2015-04-29 | 南京理工大学 | 基于多源遥感数据的在轨卫星图像几何定位精度评价方法 |
CN104794490A (zh) * | 2015-04-28 | 2015-07-22 | 中测新图(北京)遥感技术有限责任公司 | 航空多视影像的倾斜影像同名点获取方法和装置 |
CN105389783A (zh) * | 2015-11-20 | 2016-03-09 | 中国科学院遥感与数字地球研究所 | 一种遥感图像精处理系统及方法 |
CN105913435A (zh) * | 2016-04-13 | 2016-08-31 | 西安航天天绘数据技术有限公司 | 一种适用于大区域的多尺度遥感影像匹配方法及系统 |
-
2016
- 2016-12-30 CN CN201611264463.4A patent/CN106846384A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073874A (zh) * | 2010-12-29 | 2011-05-25 | 中国资源卫星应用中心 | 附加几何约束的航天三线阵ccd相机多影像立体匹配方法 |
CN103337052A (zh) * | 2013-04-17 | 2013-10-02 | 国家测绘地理信息局卫星测绘应用中心 | 面向宽幅遥感影像的自动几何纠正方法 |
CN104574347A (zh) * | 2013-10-24 | 2015-04-29 | 南京理工大学 | 基于多源遥感数据的在轨卫星图像几何定位精度评价方法 |
CN104794490A (zh) * | 2015-04-28 | 2015-07-22 | 中测新图(北京)遥感技术有限责任公司 | 航空多视影像的倾斜影像同名点获取方法和装置 |
CN105389783A (zh) * | 2015-11-20 | 2016-03-09 | 中国科学院遥感与数字地球研究所 | 一种遥感图像精处理系统及方法 |
CN105913435A (zh) * | 2016-04-13 | 2016-08-31 | 西安航天天绘数据技术有限公司 | 一种适用于大区域的多尺度遥感影像匹配方法及系统 |
Non-Patent Citations (3)
Title |
---|
巩丹超等: "基于有理函数模型的线阵CCD遥感影像", 《测绘科学技术学报》 * |
张丽: "遥感影像协同处理体系及摄影测量应用研究", 《中国博士学位论文全文数据库 基础科学辑》 * |
闫利等: "大范围倾斜多视影像连接点自动提取的区域网平差法", 《测绘学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021233029A1 (en) | Simultaneous localization and mapping method, device, system and storage medium | |
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 | |
CN106780712B (zh) | 联合激光扫描和影像匹配的三维点云生成方法 | |
CN103115614B (zh) | 多源多轨长条带卫星遥感影像联合并行匹配方法 | |
CN102073874B (zh) | 附加几何约束的航天三线阵ccd相机多影像立体匹配方法 | |
AU2020315519B2 (en) | 3D view model generation of an object utilizing geometrically diverse image clusters | |
Honegger et al. | Embedded real-time multi-baseline stereo | |
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 | |
KR20110120317A (ko) | 3d 포인트 클라우드 데이터를 2d 전자광학 영상 데이터로 등록 | |
CN104268935A (zh) | 一种基于特征的机载激光点云与影像数据融合系统及方法 | |
CN102073990A (zh) | 一种遥感图像自动几何纠正的系统框架和方法 | |
Kim et al. | Semiautomatic reconstruction of building height and footprints from single satellite images | |
CN113358091B (zh) | 一种利用三线阵立体卫星影像生产数字高程模型dem的方法 | |
CN105654547A (zh) | 三维重建方法 | |
Zhang et al. | Aerial orthoimage generation for UAV remote sensing | |
AliAkbarpour et al. | Parallax-tolerant aerial image georegistration and efficient camera pose refinement—without piecewise homographies | |
CN114494589A (zh) | 三维重建方法、装置、电子设备和计算机可读存储介质 | |
CN107374638A (zh) | 一种基于双目视觉模块的身高测量系统及方法 | |
CN111986074A (zh) | 一种真正射影像制作方法、装置、设备及存储介质 | |
US8509522B2 (en) | Camera translation using rotation from device | |
CN108444451A (zh) | 一种行星表面影像匹配方法与装置 | |
CN103778610A (zh) | 一种星载线阵传感器垂轨摆扫影像的几何预处理方法 | |
Comandur et al. | Semantic labeling of large-area geographic regions using multiview and multidate satellite images and noisy OSM training labels | |
CN106846384A (zh) | 一种多视角大倾斜线阵影像匹配方法及装置 | |
CN109579796A (zh) | 一种投影后影像的区域网平差方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170613 |