CN108876828A - 一种无人机图像批处理三维重建方法 - Google Patents

一种无人机图像批处理三维重建方法 Download PDF

Info

Publication number
CN108876828A
CN108876828A CN201810327068.9A CN201810327068A CN108876828A CN 108876828 A CN108876828 A CN 108876828A CN 201810327068 A CN201810327068 A CN 201810327068A CN 108876828 A CN108876828 A CN 108876828A
Authority
CN
China
Prior art keywords
image
unmanned plane
batch processing
dimensional
matching
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.)
Withdrawn
Application number
CN201810327068.9A
Other languages
English (en)
Inventor
王玉环
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanan Chuangpei Electronic Technology Co Ltd
Original Assignee
Nanan Chuangpei Electronic Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanan Chuangpei Electronic Technology Co Ltd filed Critical Nanan Chuangpei Electronic Technology Co Ltd
Priority to CN201810327068.9A priority Critical patent/CN108876828A/zh
Publication of CN108876828A publication Critical patent/CN108876828A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30244—Camera pose

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明属于无人机图像处理领域并公开了一种无人机图像批处理三维重建方法，首先利用辅助信息对每两幅图像进行特征点提取与匹配；再利用三视图匹配，剔除错误图像匹配或图像相对位姿错误；然后，估计绝对位姿，进行三维点云重建；最后将三位重建点云与绝对位姿利用捆绑调整方法进行一次性优化，得到经批处理后的无人机图像；本发明方法通过对低精度的无人机平台的辅助信息的分析与计算，提供三维影像的概略地理位置之间的相互关系，可以提供相机的概略定向信息，这些信息提高无人机图像批处理三维重建的效率和精度。

Description

一种无人机图像批处理三维重建方法
技术领域
本发明涉及无人机图像处理技术领域，具体涉及一种无人机图像批处理三维重建方法。
背景技术
无人机能够连续获取重叠度大的高精度序列影像，但获取的影像会丢失深度信息。基于图像的三维重建，是指利用多幅数码相机图像全自动恢复出场景三维结构的方法与技术。近年来三维重建技术在视频、图像三维重建处理领域获得了巨大的成功，将其应用到无人机图像处理领域，对无人机图像进行全自动重建相关的应用，可以拓展无人机的应用范围，提高无人机的应用水平。但目前对于无人机序列影像三维重建的研究尚处于起步阶段，主要存在以下问题：(1)相对于地面影像，基于无人机序列影像的三维重建一般是大数据量大场景的三维重建；(2)大多数直接将计算机视觉中成熟的算法应用于无人机序列影像三维重建中；(3)没有充分利用精度不高的辅助信息。
现在越来越多的成像系统都带有全球定位系统和惯性测量装置，可以获得包含三维世界地理坐标系(如WGS84)下地理坐标信息和相机姿态信息的序列图像。但是，这些系统赖高精度的地理定位设备，通过这些设备进行的标定以及获得的姿态和位置数据的精度一般都比图像的方式(例如，亚像素级的图像配准)要高。另一方面，目前的各种地理定位定向系统一般可以提供连续的但常常精度不高有时甚至不准确的位置和姿态信息，就像无人机所搭载的地理定位定姿系统。然而，从这些设备得到的GPS/IMU数据达不到直接用于三维目标重建及导航等部分计算机视觉工作所要求的像素级的图像匹配精度要求。所以，如何充分利用这些精度不高的辅助信息加以提高基于无人机批处理三维重建的效率和精度是本领域技术人员需要解决的技术问题。
发明内容
本发明针对现有技术中无人机图像批处理三维重建过程中没有充分利用那些精度不高的辅助信息加以提高三维重建的效率和精度的难题，而提供一种无人机图像批处理三维重建方法。
本发明为解决上述技术问题，采用以下技术方案来实现：
设计一种无人机图像批处理三维重建方法，包括如下步骤：
步骤一：利用辅助信息对每两幅图像进行特征点提取与匹配，首先，利用无人机平台的辅助信息，获得粗略的图像匹配集合；然后在已知每幅图像拍摄时刻的GPS信息和IMU信息情况下，获取到每幅图像近似的投射矩阵信息，又在确定飞行区域情况下，通过公开的网络地理数据，获取该地区的近似高程信息，利用无人机平台的辅助信息，将无人机图像的四个图像角点投影到与地面平行的平面，形成图像i，j模型；接着将图像i，j模型投影到地形最高所在的地平面上，判断所投影的地平面信息与头像投影四边形区域是否有重叠，如果存在一定的重叠区域，则认为对应的两幅i,j图像具有匹配关系，并将<i,j>加入集合S中；最后在每幅图像上分别检测SIFT特征点，并将图像集合取代原来的穷举匹配，在匹配过程中限定了图像的匹配范围，如果两幅图像i,j的匹配点个数少于a1,则认为这两幅图像不匹配，将<i,j>从集合S中删除；
步骤二：若两幅图像i,j的匹配点个数打于a1,则在内参数已知情况下，利用RANSAC架构的五点算法计算本质矩阵，同时分解得到相对位姿(Rij，Tij)，当计算相对位姿势的内点个数少于a2时，则认为该相对位姿不准确，将<i,j>从集合S中删除；
步骤三：利用三视图匹配，剔除错误图像匹配或图像相对位姿错误，通过图像集合S，构造无向图G＝(V,E)，V表示节点的集合，E表示边的集合；无向图G中的每一个节点vi∈V，i＝1,2,...，m；如果集合S中存在元素<i,j>则认为节点i,j之间存在一条边ei,j∈E；如果节点i,j,k之间同时存在边eij,ejk,eik,那么认为i,j,k为三视匹配关系，记为<i,j,k>；无向图G中的所有三视匹配关系构成的集合记为S′；对于每一个三视匹配关系<i,j,k>∈S′，利用i,j,k之间的相对位姿关系的冗余信息进行错误图像匹配或错误相对位姿的剔除；如果图像i,j,k的公共匹配点个数小于a3,则将<i,j,k>从集合S′中删除；否则，利用相对旋转(Rij，Rjk,Rik),根据三视图中的一致性旋转(Ri，Rj,Rk)，然后在给定绝对旋转的前提下，由相对位移(Tij，Tjk,Tik)根据三视图的一致性位移(Ti，Tj,Tk)对三视图像的公共匹配点进行三维重建，如果三维点的重投影误差大于β1，则剔除该公共匹配点，进一步，如果当公共匹配点个数小于a3，则将<i,j,k>从集合S′中删除；
步骤四：估计绝对位姿，进行三维点云重建；根据三视匹配集合S′，构造新的无向图G′＝(V′,E′).节点集合V′依然是由所有图像构成；如果集合S′中存在的元素<i,j,k>，则认为节点i,j,k之间分别存在边eij,ejk,eik，采用深度优先方法搜索连通分量，并将具有最多节点个数的连通分量记为G′sub＝(V′sub,E′sub)，对于集合S′中的元素<i,j,k>，如果i,j,k中任意一个不属于V′sub，则将<i,j,k>从集合S′中删除；否则，由三视图一致性的(Ri，Rj,Rk)和(Ti，Tj,Tk)估计向量对应E′sub中的(Rij，Rjk,Rik)和通过相对位关系估计包含在V′sub中图像的绝对位姿，由已知的相对旋转Rij,i,j∈V′sub，绝对旋转Ri,i∈V′sub，在给定绝对旋转的情况下，采用三视匹配关系Cjik，估计得到各摄像机光心x＝(C1，C2，...,Cm)T，并计算得到绝对位移Ti，i∈V′sub；根据绝对位姿和特征点匹配进行三位重建，如果三维点的重投影误差大于β2，则剔除该匹配点；
步骤五：一次性优化，最后将三位重建点云与绝对位姿利用捆绑调整方法进行一次性优化，得到经批处理后的无人机图像。
优选的，所述的辅助信息包括低精度的位置、姿态信息以及已知的粗略地形高程数据。
优选的，所述的a1＝80。
优选的，所述的a2＝50。
优选的，所述的a3＝30。
优选的，所述的β1＝10。
优选的，所述的β2＝8。
本发明提出的一种无人机图像批处理三维重建方法，有益效果在于：
(1)本发明提出的无人机图像批处理三维重建方法通过对低精度的无人机平台的辅助信息的分析与计算，提供三维影像的概略地理位置之间的相互关系，可以提供相机的概略定向信息，这些信息提高无人机图像批处理三维重建的效率和精度；
(2)本发明方法在匹配过程中限定了图像的匹配范围，总的图像匹配的计算复杂度由O(n2)减少O(n)，提高了匹配效率，又因为匹配过程中只是选取有可能重叠的图像进行匹配，可以排除非关联图像的干扰，可以从理论上减少了由于不存在的图像匹配产生的误匹配，提高匹配的准确率，从而提高重建系统的鲁棒性；
(3)本发明方法批处理图像重建方法相对于现有技术中的增量式重建方法在大数据无人机图像处理能力上有了很大提高，处理速度和效率都有了大大提高，同时经过进一步优化，使得三维重建侯的图像更加精度更高。
附图说明
下面结合附图中的实施例对本发明作进一步的详细说明，但并不构成对本发明的任何限制。
图1是本发明实施例所提方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
参阅附图1所示，本发明的一种无人机图像批处理三维重建方法，包括如下步骤：
步骤一：利用辅助信息对每两幅图像进行特征点提取与匹配，首先，利用无人机平台的辅助信息，获得粗略的图像匹配集合所述的辅助信息包括低精度的位置、姿态信息以及已知的粗略地形高程数据；然后在已知每幅图像拍摄时刻的GPS信息和IMU信息情况下，获取到每幅图像近似的投射矩阵信息，又在确定飞行区域情况下，通过公开的网络地理数据，获取该地区的近似高程信息，利用无人机平台的辅助信息，将无人机图像的四个图像角点投影到与地面平行的平面，形成图像i，j模型；接着将图像i，j模型投影到地形最高所在的地平面上，判断所投影的地平面信息与头像投影四边形区域是否有重叠，如果存在一定的重叠区域，则认为对应的两幅i,j图像具有匹配关系，并将<i,j>加入集合S中；最后在每幅图像上分别检测SIFT特征点，并将图像集合取代原来的穷举匹配，在匹配过程中限定了图像的匹配范围，如果两幅图像i,j的匹配点个数少于80,则认为这两幅图像不匹配，将<i,j>从集合S中删除；
步骤二：若两幅图像i,j的匹配点个数打于a1,则在内参数已知情况下，利用RANSAC架构的五点算法计算本质矩阵，同时分解得到相对位姿(Rij，Tij)，当计算相对位姿势的内点个数少于50时，则认为该相对位姿不准确，将<i,j>从集合S中删除；
步骤三：利用三视图匹配，剔除错误图像匹配或图像相对位姿错误，通过图像集合S，构造无向图G＝(V,E)，V表示节点的集合，E表示边的集合；无向图G中的每一个节点vi∈V，i＝1,2,...，m；如果集合S中存在元素<i,j>则认为节点i,j之间存在一条边ei,j∈E；如果节点i,j,k之间同时存在边eij,ejk,eik,那么认为i,j,k为三视匹配关系，记为<i,j,k>；无向图G中的所有三视匹配关系构成的集合记为S′；对于每一个三视匹配关系<i,j,k>∈S′，利用i,j,k之间的相对位姿关系的冗余信息进行错误图像匹配或错误相对位姿的剔除；如果图像i,j,k的公共匹配点个数小于a3,则将<i,j,k>从集合S′中删除；否则，利用相对旋转(Rij，Rjk,Rik),根据三视图中的一致性旋转(Ri，Rj,Rk)，然后在给定绝对旋转的前提下，由相对位移(Tij，Tjk,Tik)根据三视图的一致性位移(Ti，Tj,Tk)对三视图像的公共匹配点进行三维重建，如果三维点的重投影误差大于10，则剔除该公共匹配点，进一步，如果当公共匹配点个数小于30，则将<i,j,k>从集合S′中删除；
步骤四：估计绝对位姿，进行三维点云重建；根据三视匹配集合S′，构造新的无向图G′＝(V′,E′).节点集合V′依然是由所有图像构成；如果集合S′中存在的元素<i,j,k>，则认为节点i,j,k之间分别存在边eij,ejk,eik，采用深度优先方法搜索连通分量，并将具有最多节点个数的连通分量记为G′sub＝(V′sub,E′sub)，对于集合S′中的元素<i,j,k>，如果i,j,k中任意一个不属于V′sub，则将<i,j,k>从集合S′中删除；否则，由三视图一致性的(Ri，Rj,Rk)和(Ti，Tj,Tk)估计向量对应E′sub中的(Rij，Rjk,Rik)和通过相对位关系估计包含在V′sub中图像的绝对位姿，由已知的相对旋转Rij,i,j∈V′sub，绝对旋转Ri,i∈V′sub，在给定绝对旋转的情况下，采用三视匹配关系Cjik，估计得到各摄像机光心x＝(C1，C2，...,Cm)T，并计算得到绝对位移Ti，i∈V′sub；根据绝对位姿和特征点匹配进行三位重建，如果三维点的重投影误差大于8，则剔除该匹配点；
步骤五：一次性优化，最后将三位重建点云与绝对位姿利用捆绑调整方法进行一次性优化，得到经批处理后的无人机图像。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种无人机图像批处理三维重建方法，其特征在于，包括如下步骤：
步骤一：利用辅助信息对每两幅图像进行特征点提取与匹配，首先，利用无人机平台的辅助信息，获得粗略的图像匹配集合；然后在已知每幅图像拍摄时刻的GPS信息和IMU信息情况下，获取到每幅图像近似的投射矩阵信息，又在确定飞行区域情况下，通过公开的网络地理数据，获取该地区的近似高程信息，利用无人机平台的辅助信息，将无人机图像的四个图像角点投影到与地面平行的平面，形成图像i，j模型；接着将图像i，j模型投影到地形最高所在的地平面上，判断所投影的地平面信息与头像投影四边形区域是否有重叠，如果存在一定的重叠区域，则认为对应的两幅i,j图像具有匹配关系，并将<i,j>加入集合S中；最后在每幅图像上分别检测SIFT特征点，并将图像集合取代原来的穷举匹配，在匹配过程中限定了图像的匹配范围，如果两幅图像i,j的匹配点个数少于a1,则认为这两幅图像不匹配，将<i,j>从集合S中删除；
步骤二：若两幅图像i,j的匹配点个数打于a1,则在内参数已知情况下，利用RANSAC架构的五点算法计算本质矩阵，同时分解得到相对位姿(Rij，Tij)，当计算相对位姿势的内点个数少于a2时，则认为该相对位姿不准确，将<i,j>从集合S中删除；
步骤三：利用三视图匹配，剔除错误图像匹配或图像相对位姿错误，通过图像集合S，构造无向图G＝(V,E)，V表示节点的集合，E表示边的集合；无向图G中的每一个节点vi∈V，i＝1,2,...，m；如果集合S中存在元素<i,j>则认为节点i,j之间存在一条边ei,j∈E；如果节点i,j,k之间同时存在边eij,ejk,eik,那么认为i,j,k为三视匹配关系，记为<i,j,k>；无向图G中的所有三视匹配关系构成的集合记为S′；对于每一个三视匹配关系<i,j,k>∈S′，利用i,j,k之间的相对位姿关系的冗余信息进行错误图像匹配或错误相对位姿的剔除；如果图像i,j,k的公共匹配点个数小于a3,则将<i,j,k>从集合S′中删除；否则，利用相对旋转(Rij，Rjk,Rik),根据三视图中的一致性旋转(Ri，Rj,Rk)，然后在给定绝对旋转的前提下，由相对位移(Tij，Tjk,Tik)根据三视图的一致性位移(Ti，Tj,Tk)对三视图像的公共匹配点进行三维重建，如果三维点的重投影误差大于β1，则剔除该公共匹配点，进一步，如果当公共匹配点个数小于a3，则将<i,j,k>从集合S′中删除；
步骤四：估计绝对位姿，进行三维点云重建；根据三视匹配集合S′，构造新的无向图G′＝(V′,E′).节点集合V′依然是由所有图像构成；如果集合S′中存在的元素<i,j,k>，则认为节点i,j,k之间分别存在边eij,ejk,eik，采用深度优先方法搜索连通分量，并将具有最多节点个数的连通分量记为Gs′ub＝(V′sub,Es′ub)，对于集合S′中的元素<i,j,k>，如果i,j,k中任意一个不属于Vs′ub，则将<i,j,k>从集合S′中删除；否则，由三视图一致性的(Ri，Rj,Rk)和(Ti，Tj,Tk)估计向量对应Es′ub中的(Rij，Rjk,Rik)和通过相对位关系估计包含在Vs′ub中图像的绝对位姿，由已知的相对旋转Rij,i,j∈Vs′ub，绝对旋转Ri,i∈Vs′ub，在给定绝对旋转的情况下，采用三视匹配关系Cjik，估计得到各摄像机光心x＝(C1，C2，...,Cm)T，并计算得到绝对位移Ti，i∈Vs′ub；根据绝对位姿和特征点匹配进行三位重建，如果三维点的重投影误差大于β2，则剔除该匹配点；
步骤五：一次性优化，最后将三位重建点云与绝对位姿利用捆绑调整方法进行一次性优化，得到经批处理后的无人机图像。
2.根据权利要求1所述的一种无人机图像批处理三维重建方法，其特征在于，所述的辅助信息包括低精度的位置、姿态信息以及已知的粗略地形高程数据。
3.根据权利要求1所述的一种无人机图像批处理三维重建方法，其特征在于，所述的a1＝80。
4.根据权利要求1所述的一种无人机图像批处理三维重建方法，其特征在于，所述的a2＝50。
5.根据权利要求1所述的一种无人机图像批处理三维重建方法，其特征在于，所述的a3＝30。
6.根据权利要求1所述的一种无人机图像批处理三维重建方法，其特征在于，所述的β1＝10。
7.根据权利要求1所述的一种无人机图像批处理三维重建方法，其特征在于，所述的β2＝8。
CN201810327068.9A 2018-04-12 2018-04-12 一种无人机图像批处理三维重建方法 Withdrawn CN108876828A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810327068.9A CN108876828A (zh) 2018-04-12 2018-04-12 一种无人机图像批处理三维重建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810327068.9A CN108876828A (zh) 2018-04-12 2018-04-12 一种无人机图像批处理三维重建方法

Publications (1)

Publication Number Publication Date
CN108876828A true CN108876828A (zh) 2018-11-23

Family

ID=64326312

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810327068.9A Withdrawn CN108876828A (zh) 2018-04-12 2018-04-12 一种无人机图像批处理三维重建方法

Country Status (1)

Country Link
CN (1) CN108876828A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111649761A (zh) * 2020-06-01 2020-09-11 成都纵横大鹏无人机科技有限公司 一种多拼相机pos数据获取方法、装置、设备及介质
CN111814080A (zh) * 2020-07-06 2020-10-23 山西省煤炭地质物探测绘院 一种基于互联网技术的大规模数据辅助分析系统与方法
WO2021051358A1 (en) * 2019-09-19 2021-03-25 Beijing Voyager Technology Co., Ltd. Systems and methods for generating pose graph
CN112697044A (zh) * 2020-12-17 2021-04-23 北京航空航天大学 一种基于无人机平台的静态刚性物体视觉测量方法
WO2023284715A1 (zh) * 2021-07-15 2023-01-19 华为技术有限公司 一种物体重建方法以及相关设备
TWI820395B (zh) * 2020-02-11 2023-11-01 美商雷神公司 用於產生物件之三維（３ｄ）點雲的方法、用於３ｄ點集產生及對準之系統及相關機器可讀媒體

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021051358A1 (en) * 2019-09-19 2021-03-25 Beijing Voyager Technology Co., Ltd. Systems and methods for generating pose graph
CN113557548A (zh) * 2019-09-19 2021-10-26 北京航迹科技有限公司 生成位姿图的系统和方法
TWI820395B (zh) * 2020-02-11 2023-11-01 美商雷神公司 用於產生物件之三維（３ｄ）點雲的方法、用於３ｄ點集產生及對準之系統及相關機器可讀媒體
US11964762B2 (en) 2020-02-11 2024-04-23 Raytheon Company Collaborative 3D mapping and surface registration
CN111649761A (zh) * 2020-06-01 2020-09-11 成都纵横大鹏无人机科技有限公司 一种多拼相机pos数据获取方法、装置、设备及介质
CN111814080A (zh) * 2020-07-06 2020-10-23 山西省煤炭地质物探测绘院 一种基于互联网技术的大规模数据辅助分析系统与方法
CN111814080B (zh) * 2020-07-06 2023-12-29 山西省煤炭地质物探测绘院 一种基于互联网技术的大规模数据辅助分析系统
CN112697044A (zh) * 2020-12-17 2021-04-23 北京航空航天大学 一种基于无人机平台的静态刚性物体视觉测量方法
WO2023284715A1 (zh) * 2021-07-15 2023-01-19 华为技术有限公司 一种物体重建方法以及相关设备

Similar Documents

Publication Publication Date Title
CN108876828A (zh) 一种无人机图像批处理三维重建方法
Haala et al. Quality of 3D point clouds from highly overlapping UAV imagery
Zhang et al. Photogrammetric processing of low‐altitude images acquired by unpiloted aerial vehicles
AU2011312140C1 (en) Rapid 3D modeling
US9466143B1 (en) Geoaccurate three-dimensional reconstruction via image-based geometry
CN106780729A (zh) 一种无人机序列影像批处理三维重建方法
Barazzetti et al. True-orthophoto generation from UAV images: Implementation of a combined photogrammetric and computer vision approach
Zeybek Accuracy assessment of direct georeferencing UAV images with onboard global navigation satellite system and comparison of CORS/RTK surveying methods
CN108168521A (zh) 一种基于无人机实现景观三维可视化的方法
KR102200299B1 (ko) 3d-vr 멀티센서 시스템 기반의 도로 시설물 관리 솔루션을 구현하는 시스템 및 그 방법
Zhang et al. Aerial orthoimage generation for UAV remote sensing
EP3232155A1 (en) A method and a system for building a three-dimensional model from satellite images
CN112634370A (zh) 一种无人机打点方法、装置、设备及存储介质
CN107917699B (zh) 一种用于提高山区地貌倾斜摄影测量空三质量的方法
CN112862966B (zh) 地表三维模型构建方法、装置、设备及存储介质
CN102607532B (zh) 一种利用飞控数据的低空影像快速匹配方法
CN115797256B (zh) 基于无人机的隧道岩体结构面信息的处理方法以及装置
CN112197764A (zh) 实时位姿确定方法、装置及电子设备
WO2024093635A1 (zh) 相机位姿估计方法、装置及计算机可读存储介质
Altuntas et al. Image based methods for surveying heritage of masonry arch bridge with the example of Dokuzunhan in Konya, Turkey
KR20220163227A (ko) 드론을 이용한 3차원 지도 제작 방법
CN112950710A (zh) 位姿确定方法、装置、电子设备和计算机可读存储介质
CN110986888A (zh) 一种航空摄影一体化方法
CN116086411A (zh) 数字地形图生成方法、装置、设备和可读存储介质
Babapour et al. Self-calibration of digital aerial camera using combined orthogonal models

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20181123