CN109115185B - 近景摄影测量方法 - Google Patents

近景摄影测量方法 Download PDF

Info

Publication number
CN109115185B
CN109115185B CN201810776788.3A CN201810776788A CN109115185B CN 109115185 B CN109115185 B CN 109115185B CN 201810776788 A CN201810776788 A CN 201810776788A CN 109115185 B CN109115185 B CN 109115185B
Authority
CN
China
Prior art keywords
image
points
point
coordinate system
characteristic
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.)
Active
Application number
CN201810776788.3A
Other languages
English (en)
Other versions
CN109115185A (zh
Inventor
黄莉萍
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.)
Wuhan Huayu Century Science And Technology Development Co ltd
Original Assignee
Wuhan Huayu Century Science And Technology Development 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 Wuhan Huayu Century Science And Technology Development Co ltd filed Critical Wuhan Huayu Century Science And Technology Development Co ltd
Priority to CN201810776788.3A priority Critical patent/CN109115185B/zh
Publication of CN109115185A publication Critical patent/CN109115185A/zh
Application granted granted Critical
Publication of CN109115185B publication Critical patent/CN109115185B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G06T2207/30181—Earth observation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

一种近景摄影测量方法，用于确定同名像点，获取至少两幅包括重叠图像的影像；选用点特征提取算子提取所述影像的特征像点；根据预设条件匹配不同所述影像的特征像点为同名像点。本发明在文书数字信息采集中以影像匹配代替传统的人工量测，实现自动确定同名像点。

Description

近景摄影测量方法
技术领域
本发明涉及摄影测量领域，具体而言，涉及一种近景摄影测量方法。
背景技术
摄影测量是利用摄影影像信息测定目标物的大小、形状、性质、空间位置和相互关系的测量工作。
其中，立体像对重叠范围内，左右影像上同一物点所构成的像称为同名像点。同名像点是航空摄影时由于航线或时间因素在不同摄影点对同一物点二次或多次摄影得到的，在立体观察及量测像点高程时，必须准确确定和量测同名像点的位置及坐标值，才能保证立体观察及量测的质量和精度。在近景拍摄中从多幅影像中自动获取精准的同名像点是重要的。
发明内容
本发明实施例至少提供一种近景摄影测量方法，能够用于确定同名像点。上述实施例的具体实现，如下所述。
所述方法，包括：获取至少两幅包括重叠图像的影像；选用点特征提取算子提取所述影像的特征像点；根据预设条件匹配不同所述影像的特征像点为同名像点。
在本发明较佳的实施例中，所述的获取至少两幅包括重叠图像的影像与所述的提取所述影像的特征像点之间，包括：对至少一副所述影像进行预处理。所述的对至少一副所述影像进行预处理，包括：选用Wallis滤波器对至少一幅所述的影像增强处理；选用点特征提取算子提取增强处理后所述图像的特征像点。
在本发明较佳的实施例中，所述的对至少一副所述影像进行预处理，包括：选用低通滤波器对至少一幅所述影像进行低通滤波，生成像素依次减少的影像序列。所述的选用点特征提取算子提取所述影像的特征像点，包括：基于Harris算子和/或
Figure BDA0001730752650000021
算子提取所述影像的特征像点。
在本发明较佳的实施例中，所述的基于Harris算子和
Figure BDA0001730752650000022
算子提取所述影像的特征像点，包括：选用Harris算子提取所述图像的部分特征像点作为中心像点；选用所述中心像点作为
Figure BDA0001730752650000023
算子的窗口中心点，对所述窗口进行重心加权处理后精确提取所述图像的特征像点。
在本发明较佳的实施例中，所述的选用点特征提取算子提取所述影像的特征像点，包括：将所述影像划分为多个规则格网，选用点特征提取算子提取所述规则格网内特征值最大的局部极值点作为特征像点。
在本发明较佳的实施例中，所述的根据预设条件匹配不同所述影像的特征像点为同名像点，包括：根据核线约束条件、灰度相似性条件、角度距离约束条件、梯度方向约束条件、双向一致性条件中的一种或多种匹配至少两幅所述影像的同名像点。
在本发明较佳的实施例中，所述的根据预设条件匹配不同所述影像的特征像点为同名像点，包括：根据核线约束条件及相关系数对所述影像序列逐级进行核线约束，确定所述同名像点。
在本发明较佳的实施例中，所述的根据预设条件匹配不同所述影像的特征像点为同名像点，包括：根据同名像点和相机参数建立局部坐标系并求取局部坐标系下影像及同名像点的坐标；量测控制点并基于共线方程求取控制点在物方坐标系中的像点坐标；根据局部坐标系的影像及同名像点坐标及物方坐标系的控制点坐标，确定物方坐标系的影像外方位元素及同名像点的坐标。
针对上述方案，本发明通过以下参照附图对公开的示例性实施例作详细描述，亦使本发明实施例的其它特征及其优点清楚。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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，还可以根据这些附图获得其他相关的附图。
图1为实施例一的流程图；
图2为实施例一Step400的流程图；
图3为实施例一Step500的流程图；
图4为实施例一Step600的流程图；
图5为实施例一Step800的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
实施例一
请参考图1，本实施例提供一种近景摄影测量方法，在文物的摄影测量中自动确定同名像点，具体如下。
Step100、采集影像数据；运用定焦单反相机采集两张具有重叠图像的影像；运用全站仪量测量存在于影像中的少量控制点。
Step200、创建金字塔影像；运用低通滤波器对采集的影像进行低通滤波，并逐渐增大采样间隔，形成像素依次减少的影像序列，选用由粗到精的策略，提高同名像点的匹配精度。
Step300、影像预处理；选用Wallis滤波器对所有影像进行增强处理。
Wallis滤波器能够抑制周期性条纹、亮线以及斑点等噪声；有效增强影像中不同尺寸的纹理特征，提高后续通过点特征算子对影像中特征像点的提取数量和精度，亦进一步提高后续影像匹配结果的可靠性和精度。
同时，由于Wallis滤波本质上是一种局部影像变换方法，其在影像不同位置增强处理时，使在影像不同位置处的灰度方差和灰度均值都具有近似相等的数值，即影像反差小的区域的反差增强，影像反差大的区域的反差减小，使得影像中灰度的微小变化信息得到增强。
另外，由于Wallis滤波器在计算影像的局部灰度方差和均值时使用了平滑算子，所以其在增强影像有用信息的同时抑制了噪声，提高了影像的信噪比，使影像中存在的极为模糊的纹理模式得到增强。
Step400、提取影像的特征像点，具体请参考图2。
Step410、将影像划分为若干个规则格网，通过点特征算子提取规则格网内特征值最大的局部极值点作为特征像点。
Step420、基于Harris算子提取经Wallis滤波器增强后影像的特征像点。
本实施例中对影像的点特征提取，选用Harris算子能够较好地提取角点，其具有计算效率高、提取特征稳定，无需设置阈值，适用于文物或古迹等特征信息较少的被测物体。
优选地，本实施例在Step420中亦可以选用
Figure BDA0001730752650000061
算子提取影像的特征像点；相比Harris算子，其具有更高的定位精度。
Step500、确定同名像点，具体请参考图3。
Step510、选用区域灰度的匹配方法逐级对影像序列的特征像点进行匹配，确定初步的同名像点。
另外，本实施例Step510涉及的特征像点匹配，亦可以是根据核线约束条件、灰度相似性条件、角度距离约束条件、梯度方向约束条件、双向一致性条件中的一种或多种实现，以保证匹配精度和速度。
Step520、选用最小二乘匹配方法对原始影像的特征像点进行匹配，确定同名像点，并与Step510确定的初步同名像点比对，求取高精度的同名像点。
Step600、构建区域自由网，具体请参考图4。
Step610、影像间相对定向；基于不同影像的同名像点和相机参数进行相对定向并构建独立模型，求取影像之间的相对位置和姿态。
Step620、模型连接；选用空间相似变换的方法对独立模型进行连接。
具体地，所有影像的独立模型的像空间辅助坐标系相互平行，但比例尺不同；由此本实施例根据影像之间的公共点，确定影像独立模型之间的比例尺归化系数，使同名像点的对应的物方坐标一致化。
Step630、建立局部坐标系；将影像的外方位元素、同名像点的物方坐标均归化到以一影像的摄影中心为原点的局部坐标系中。再将局部坐标系下的外方位元素及同名像点的坐标作为初始值，进行光束法平差，求取局部坐标系下影像及同名点精确的坐标。
Step700、量测控制点；在被测物体的四角标定一个控制点，量测前述控制点在两张影像上的坐标，将控制点代入光束法平差中，求算影像初步的外方位元素。根据初步的外方位元素及控制点的物方坐标，基于共线方程求取控制点在影像中的像点坐标。
Step800、求解三维坐标，具体请参考图5。
Step810、利用控制点将Step630获取的影像及同名像点在局部坐标的坐标，归入到量测的控制点所在的物方坐标系中。
Step820、选用空间坐标相似变换，求取影像以及同名像点在物方坐标的初始值。具体是根据控制点在局部坐标系的坐标及物方坐标，进行绝对定向即空间坐标相似变换，求解局部坐标系和物方坐标系之间的旋转角度、坐标原点的相对位移及坐标比例尺系数，从而确定影像在物方坐标系的外方位元素及同名像点在控制点所在物方坐标系下的坐标的初始值。
Step830、将物方坐标下影像的外方位元素及同名点坐标，作为光束法平差的初始值，以控制点、相机内参数作为已知条件，利用严格的共线方程平差模型求解，精确地确定物方坐标系下影像的外方位元素及影像上同名像点对应目标上点的三维坐标。
实施例二
考虑到Harris算子计算简单，提取点特征稳定的特点，不需设置阈值，但精度不高，只能达到整像素级精度。而
Figure BDA0001730752650000081
算子定位精度高，能够达到子像素级，但需要确定阈值，因此受图像灰度、对比度变化的影响。
由此，本实施例的Step420选用中心像点作为
Figure BDA0001730752650000082
算子的窗口中心点，对窗口进行重心加权处理后精确提取图像的特征像点，使特征像点的定位精度达到子像素级。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种近景摄影测量方法，用于确定同名像点，
获取至少两幅包括重叠图像的影像；
选用点特征提取算子提取所述影像的特征像点；
根据预设条件匹配不同所述影像的特征像点为同名像点；
根据同名像点和相机参数建立局部坐标系并求取局部坐标系下影像及同名像点的坐标；
量测控制点并基于共线方程求取控制点在物方坐标系中的像点坐标；
获取的影像及同名像点在局部坐标的坐标，归入到量测的控制点所在的物方坐标系中；
根据控制点在局部坐标系的坐标及物方坐标，进行绝对定向即空间坐标相似变换，求解局部坐标系和物方坐标系之间的旋转角度、坐标原点的相对位移及坐标比例尺系数，确定影像在物方坐标系的外方位元素及同名像点在控制点所在物方坐标系下的坐标的初始值；
将物方坐标下影像的外方位元素及同名点坐标，作为光束法平差的初始值，以控制点、相机内参数作为已知条件，利用严格的共线方程平差模型求解，精确地确定物方坐标系下影像的外方位元素及影像上同名像点对应目标上点的三维坐标。
2.如权利要求1所述的近景摄影测量方法，其特征在于，所述的获取至少两幅包括重叠图像的影像与所述的提取所述影像的特征像点之间，包括：对至少一副所述影像进行预处理。
3.根据权利要求2所述的近景摄影测量方法，其特征在于，所述的对至少一副所述影像进行预处理，包括：选用Wallis滤波器对至少一幅所述的影像增强处理；
选用点特征提取算子提取增强处理后所述图像的特征像点。
4.根据权利要求2所述的近景摄影测量方法，其特征在于，所述的对至少一副所述影像进行预处理，包括：选用低通滤波器对至少一幅所述影像进行低通滤波，生成像素依次减少的影像序列。
5.根据权利要求1所述的近景摄影测量方法，其特征在于，所述的选用点特征提取算子提取所述影像的特征像点，包括：基于Harris算子和/或Forstner算子提取所述影像的特征像点。
6.如权利要求5所述的近景摄影测量方法，其特征在于，所述的基于Harris算子和算子提取所述影像的特征像点，包括：选用Harris算子提取所述图像的部分特征像点作为中心像点；
选用所述中心像点作为算子的窗口中心点，对所述窗口进行重心加权处理后精确提取所述图像的特征像点。
7.如权利要求1所述的近景摄影测量方法，其特征在于，所述的选用点特征提取算子提取所述影像的特征像点，包括：将所述影像划分为多个规则格网，选用点特征提取算子提取所述规则格网内特征值最大的局部极值点作为特征像点。
8.如权利要求1所述的近景摄影测量方法，其特征在于，所述的根据预设条件匹配不同所述影像的特征像点为同名像点，包括：根据核线约束条件、灰度相似性条件、角度距离约束条件、梯度方向约束条件、双向一致性条件中的一种或多种匹配至少两幅所述影像的同名像点。
9.如权利要求4所述的近景摄影测量方法，其特征在于，所述的根据预设条件匹配不同所述影像的特征像点为同名像点，包括：根据核线约束条件及相关系数对所述影像序列逐级进行核线约束，确定所述同名像点。
CN201810776788.3A 2018-07-14 2018-07-14 近景摄影测量方法 Active CN109115185B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810776788.3A CN109115185B (zh) 2018-07-14 2018-07-14 近景摄影测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810776788.3A CN109115185B (zh) 2018-07-14 2018-07-14 近景摄影测量方法

Publications (2)

Publication Number Publication Date
CN109115185A CN109115185A (zh) 2019-01-01
CN109115185B true CN109115185B (zh) 2021-04-02

Family

ID=64862154

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810776788.3A Active CN109115185B (zh) 2018-07-14 2018-07-14 近景摄影测量方法

Country Status (1)

Country Link
CN (1) CN109115185B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1153548A (ja) * 1997-08-01 1999-02-26 Sony Corp 画像処理装置、画像処理方法、および、伝送媒体

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1153548A (ja) * 1997-08-01 1999-02-26 Sony Corp 画像処理装置、画像処理方法、および、伝送媒体

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
多重条件约束下的线特征匹配方法研究;金光;《基础科学辑》;20130531;第2013卷(第05期);第2页左栏 *
孙明霞，魏文斌，黄莉萍，肖婕等.摄影测量方法制作数字化线描图在麦积山石窟的应用.《敦煌学辑刊》.2014,第2014卷(第4期),论文正文. *
摄影测量方法制作数字化线描图在麦积山石窟的应用;孙明霞，魏文斌，黄莉萍，肖婕等;《敦煌学辑刊》;20140430;第2014卷(第4期);论文正文 *
集成不变特征和纹理特征的遥感影像变化检测方法研究;秦慧杰等;《现代测绘》;20170131;第40卷(第1期);第2页左栏 *

Also Published As

Publication number Publication date
CN109115185A (zh) 2019-01-01

Similar Documents

Publication Publication Date Title
CN109285145B (zh) 基于智能手机的多株立木高度测量方法
CN107067415B (zh) 一种基于图像匹配的目标定位方法
KR101533182B1 (ko) 3d 거리
CN104574393B (zh) 一种三维路面裂缝图像生成系统和方法
CN109360246B (zh) 基于同步子区搜索的立体视觉三维位移测量方法
CN102768762B (zh) 一种针对盾构隧道病害数字照相检测的数码相机标定方法及其装置
KR20060013640A (ko) 항공 화상의 자동 처리
DE102018108027A1 (de) Objekterfassungsvorrichtung
CN110223355B (zh) 一种基于双重极线约束的特征标志点匹配方法
CN102855628A (zh) 多源多时相高分辨率卫星遥感影像自动匹配方法
KR20130034528A (ko) 도로시설물 자동 위치측정 방법
CN110851978A (zh) 一种基于可见性的摄像机位置优化方法
CN113375555A (zh) 一种基于手机影像的电力线夹测量方法及系统
CN110458951B (zh) 一种电网杆塔的建模数据获取方法及相关装置
CN109115185B (zh) 近景摄影测量方法
CN115790539B (zh) 一种合作靶标水下摄影测量方法
CN114565653B (zh) 一种存在旋转变化和尺度差异的异源遥感图像匹配方法
Ziqiang et al. Research of the algorithm calculating the length of bridge crack based on stereo vision
CN117152361B (zh) 一种基于注意力机制的遥感影像能见度估计方法
Kang et al. Positioning Errors of Objects Measured by Convolution Neural Network in Unmanned Aerial Vehicle Images
CN116188497B (zh) 立体遥感影像对生成dsm优化方法、装置、设备及存储介质
CN116704138B (zh) 倾斜摄影三维模型的建立方法及装置
CN117036359B (zh) 一种基于双目机器视觉的接触网几何参数测量方法
CN111930139B (zh) 基于全局优化法高精度确定飞行轨迹的方法、装置和电子设备
CN113610961B (zh) 一种基于卡尔曼滤波的由光场epi重建稠密深度方法

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
GR01 Patent grant
GR01 Patent grant