CN110992261A - 一种输电线路无人机影像快速拼接的方法 - Google Patents
一种输电线路无人机影像快速拼接的方法 Download PDFInfo
- Publication number
- CN110992261A CN110992261A CN201911120599.1A CN201911120599A CN110992261A CN 110992261 A CN110992261 A CN 110992261A CN 201911120599 A CN201911120599 A CN 201911120599A CN 110992261 A CN110992261 A CN 110992261A
- Authority
- CN
- China
- Prior art keywords
- image
- transmission line
- power transmission
- unmanned aerial
- aerial vehicle
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims abstract description 17
- 230000009466 transformation Effects 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
- G06V10/443—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 by matching or filtering
-
- 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
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种输电线路无人机影像快速拼接的方法,其特征在于:其包括以下步骤:步骤A:用SURF算子检测影像的特征点;步骤B:用SIFT算子提取影像的描述符;步骤C:用SURF算法对影像进行特征的提取与描述,对获取所有影像的特征点进行提取检测;步骤D:用BBF算法匹配各影像的特征点,用RANSAC算法剔除误匹配;步骤E:使用射影变换建立几何变换模型,根据所述几何变换模型对各影像进行统一坐标变换,在同一个坐标系中实现影像拼接。本发明具有能够在无POS和相机检测参数数据的情况下进行影像快速拼接的方法,实现了在输电线路野外区域实时快速生成无人机拼接影像的目的,提高了无人机在输电线路规划、监测中的应用水平。
Description
技术领域
本发明涉及一种输电线路无人机影像快速拼接的方法。
背景技术
现有技术对于无人机影像拼接完全依赖于POS和相机参数,而输电线路往往地形复杂,会存在无POS数据或POS数据精度低的问题,进一步导致影像拼接效果差,无法满足输电线路的应急与实时监测任务。
发明内容
本发明的目的在于克服现有技术之不足,提供一种输电线路无人机影像快速拼接的方法。
本发明解决其技术问题所采用的技术方案是:
一种输电线路无人机影像快速拼接的方法,其包括以下步骤:
步骤A:用SURF算子检测影像的特征点;
步骤B:用SIFT算子提取影像的描述符;
步骤C:用SURF算法对影像进行特征的提取与描述,对获取所有影像的特征点进行提取检测;
步骤D:用BBF算法匹配各影像的特征点,用RANSAC算法剔除误匹配;
步骤E:使用射影变换建立几何变换模型,根据所述几何变换模型对各影像进行统一坐标变换,在同一个坐标系中实现影像拼接。
在另一较佳实施例中,步骤A中,包括构建hessian矩阵,生成所有的兴趣点,用于特征的提取。
在另一较佳实施例中,步骤B中,包括取特征点周围4*4个区域块,统计每小块内8个梯度方向,用4*4*8=128维向量作为Sift特征的描述子。
在另一较佳实施例中,步骤D中,如果两个特征点的hessian矩阵迹正负号不同,则两个特征点不匹配,如果两个特征点的hessian矩阵迹正负号相同,欧式距离最小的两个特征点相互匹配。
在另一较佳实施例中,步骤E中,还包括用LM局部优化算法对模型参数进行优化。
本发明的有益效果是:
能够在无POS和相机检测参数数据的情况下进行影像快速拼接的方法,实现了在输电线路野外区域实时快速生成无人机拼接影像的目的,提高了无人机在输电线路规划和监测中的应用水平。
以下结合实施例对本发明作进一步详细说明;但本发明的一种输电线路无人机影像快速拼接的方法不局限于实施例。
具体实施方式
实施例,本发明的一种输电线路无人机影像快速拼接的方法,其包括以下步骤:
步骤A:用SURF算子检测影像的特征点,构建hessian矩阵,生成所有的兴趣点,用于特征的提取,构建尺度空间,将经过Hessian矩阵处理的每个像素点与二维图像空间和尺度空间邻域内的26个点进行比较,初步定位出关键点,再经过滤除能量比较弱的关键点以及错误定位的关键点,筛选出最终的稳定的特征点,统计特征点的圆形邻域内,统计60度扇形内所有点的水平和垂直harr小波特征总和,扇形以0.2弧度大小的间隔进行旋转并再次统计该区域内harr小波特征值之后,将值最大的那个扇形的方向作为该特征点的主方向;
步骤B:用SIFT算子提取影像的描述符,取特征点周围4*4个区域块,统计每小块内8个梯度方向,用着4*4*8=128维向量作为Sift特征的描述子;
步骤C:用SURF算法对影像进行特征的提取与描述,对获取所有影像的特征点进行提取检测;
步骤D:用BBF算法匹配各影像的特征点,如果两个特征点的hessian矩阵迹正负号不同,则两个特征点不匹配,如果两个特征点的hessian矩阵迹正负号相同,欧式距离最小的两个特征点相互匹配;在通BBF算法进行初步匹配之后,采用RANSAC算法剔除误匹配;
步骤E:使用射影变换建立几何变换模型,用LM局部优化算法即梯度下降法对模型参数进行优化;根据所述几何变换模型对各影像进行统一坐标变换,在同一个坐标系中对影像的重叠部分通过羽化方式进行融合,消除边缘视差,避免接缝,实现影像拼接,影像融合的方法除了采用羽化以外,还可采用金字塔或者渐变等方式进行影像融合,本实施例不再赘述。
本实施例能够在无POS数据和相机检测参数数据的情况下进行影像快速拼接的方法,只要满足有重叠的影像即使大角度或者重叠度达不到摄影测量生产要求影像均可实现快速匹配以及拼接,提高了无人机在输电线路规划和监测中的应用水平。
上述实施例仅用来进一步说明本发明的一种输电线路无人机影像快速拼接的方法,但本发明并不局限于实施例,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均落入本发明技术方案的保护范围内。
Claims (5)
1.一种输电线路无人机影像快速拼接的方法,其特征在于:其包括以下步骤:
步骤A:用SURF算子检测影像的特征点;
步骤B:用SIFT算子提取影像的描述符;
步骤C:用SURF算法对影像进行特征的提取与描述,对获取所有影像的特征点进行提取检测;
步骤D:用BBF算法匹配各影像的特征点,用RANSAC算法剔除误匹配;
步骤E:使用射影变换建立几何变换模型,根据所述几何变换模型对各影像进行统一坐标变换,在同一个坐标系中实现影像拼接。
2.根据权利要求1所述的一种输电线路无人机影像快速拼接的方法,其特征在于:步骤A中,包括构建hessian矩阵,生成所有的兴趣点,用于特征的提取。
3.根据权利要求1所述的一种输电线路无人机影像快速拼接的方法,其特征在于:步骤B中,包括取特征点周围4*4个区域块,统计每小块内8个梯度方向,用4*4*8=128维向量作为Sift特征的描述子。
4.根据据权利要求2所述的一种输电线路无人机影像快速拼接的方法,其特征在于:步骤D中,如果两个特征点的hessian矩阵迹正负号不同,则两个特征点不匹配,如果两个特征点的hessian矩阵迹正负号相同,欧式距离最小的两个特征点相互匹配。
5.根据权利要求1所述的一种输电线路无人机影像快速拼接的方法,其特征在于:步骤E中,还包括用LM局部优化算法对模型参数进行优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911120599.1A CN110992261A (zh) | 2019-11-15 | 2019-11-15 | 一种输电线路无人机影像快速拼接的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911120599.1A CN110992261A (zh) | 2019-11-15 | 2019-11-15 | 一种输电线路无人机影像快速拼接的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110992261A true CN110992261A (zh) | 2020-04-10 |
Family
ID=70084549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911120599.1A Pending CN110992261A (zh) | 2019-11-15 | 2019-11-15 | 一种输电线路无人机影像快速拼接的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110992261A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113099266A (zh) * | 2021-04-02 | 2021-07-09 | 云从科技集团股份有限公司 | 基于无人机pos数据的视频融合方法、系统、介质及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130070108A1 (en) * | 2010-03-26 | 2013-03-21 | Maarten Aerts | Method and arrangement for multi-camera calibration |
CN105608671A (zh) * | 2015-12-30 | 2016-05-25 | 哈尔滨工业大学 | 一种基于surf算法的图像拼接方法 |
CN106940876A (zh) * | 2017-02-21 | 2017-07-11 | 华东师范大学 | 一种基于surf的快速无人机航拍图像拼接算法 |
CN107808362A (zh) * | 2017-11-15 | 2018-03-16 | 北京工业大学 | 一种基于无人机pos信息与图像surf特征结合的图像拼接方法 |
CN109919832A (zh) * | 2019-02-27 | 2019-06-21 | 长安大学 | 一种用于无人驾驶的交通图像拼接方法 |
-
2019
- 2019-11-15 CN CN201911120599.1A patent/CN110992261A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130070108A1 (en) * | 2010-03-26 | 2013-03-21 | Maarten Aerts | Method and arrangement for multi-camera calibration |
CN105608671A (zh) * | 2015-12-30 | 2016-05-25 | 哈尔滨工业大学 | 一种基于surf算法的图像拼接方法 |
CN106940876A (zh) * | 2017-02-21 | 2017-07-11 | 华东师范大学 | 一种基于surf的快速无人机航拍图像拼接算法 |
CN107808362A (zh) * | 2017-11-15 | 2018-03-16 | 北京工业大学 | 一种基于无人机pos信息与图像surf特征结合的图像拼接方法 |
CN109919832A (zh) * | 2019-02-27 | 2019-06-21 | 长安大学 | 一种用于无人驾驶的交通图像拼接方法 |
Non-Patent Citations (4)
Title |
---|
徐志远等: "低空无人机影像的快速拼接技术研究", 《地理空间信息》 * |
敖祖锐 等: "《星载SAR影像模拟与正射校正》", 31 January 2017, 中国环境出版社 * |
李文文: "无人机的POS修正以及影像拼接研究", 《中国优秀博硕士学位论文全文数据库(电子期刊) 基础科学辑》 * |
韩天庆等: "空间约束的无人机影像SURF特征点匹配", 《中国图象图形学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113099266A (zh) * | 2021-04-02 | 2021-07-09 | 云从科技集团股份有限公司 | 基于无人机pos数据的视频融合方法、系统、介质及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3407294B1 (en) | Information processing method, device, and terminal | |
CA2950791C (en) | Binocular visual navigation system and method based on power robot | |
US11816829B1 (en) | Collaborative disparity decomposition | |
CN104217441A (zh) | 一种基于机器视觉的机械臂定位抓取方法 | |
CN108269281B (zh) | 基于双目视觉的避障技术方法 | |
TWI521448B (zh) | Vehicle identification system and method | |
CN104966063A (zh) | 基于gpu与cpu协同计算的矿井多摄像机视频融合方法 | |
CN103278138A (zh) | 一种复杂结构薄部件三维位置及姿态的测量方法 | |
CN112097732A (zh) | 一种基于双目相机的三维测距方法、系统、设备及可读存储介质 | |
CN112686877A (zh) | 基于双目相机的三维房屋损伤模型构建测量方法及系统 | |
Ma et al. | Crlf: Automatic calibration and refinement based on line feature for lidar and camera in road scenes | |
Sansoni et al. | Optoranger: A 3D pattern matching method for bin picking applications | |
CN105513094A (zh) | 基于三维Delaunay三角剖分的立体视觉跟踪方法及系统 | |
CN114331879A (zh) | 一种均衡化二阶梯度直方图描述子的可见光与红外图像配准方法 | |
CN110084743A (zh) | 基于多航带起始航迹约束的图像拼接与定位方法 | |
Rosero et al. | Calibration and multi-sensor fusion for on-road obstacle detection | |
Yenıaydin et al. | Sensor fusion of a camera and 2d lidar for lane detection | |
CN114299039B (zh) | 一种机器人及其碰撞检测装置和方法 | |
Bellavia et al. | Image orientation with a hybrid pipeline robust to rotations and wide-baselines | |
CN110673607A (zh) | 动态场景下的特征点提取方法、装置、及终端设备 | |
CN110197104B (zh) | 基于车辆的测距方法及装置 | |
CN110992261A (zh) | 一种输电线路无人机影像快速拼接的方法 | |
Ückermann et al. | Realtime 3D segmentation for human-robot interaction | |
Li et al. | Feature point extraction and tracking based on a local adaptive threshold | |
CN115880555B (zh) | 目标检测方法、模型训练方法、装置、设备及介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200410 |
|
RJ01 | Rejection of invention patent application after publication |