CN111726609B - 一种光束法区域网迭代自检校平差方法 - Google Patents
一种光束法区域网迭代自检校平差方法 Download PDFInfo
- Publication number
- CN111726609B CN111726609B CN202010607848.6A CN202010607848A CN111726609B CN 111726609 B CN111726609 B CN 111726609B CN 202010607848 A CN202010607848 A CN 202010607848A CN 111726609 B CN111726609 B CN 111726609B
- Authority
- CN
- China
- Prior art keywords
- adjustment
- additional parameter
- image
- requirement
- model
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000005516 engineering process Methods 0.000 claims abstract description 6
- 238000012937 correction Methods 0.000 claims description 8
- 238000012952 Resampling Methods 0.000 claims description 7
- 238000011437 continuous method Methods 0.000 claims description 4
- 230000009897 systematic effect Effects 0.000 description 13
- 238000012360 testing method Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000692 Student's t-test Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012353 t test Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种光束法区域网迭代自检校平差方法,所述平差方法包括通过影像匹配技术获取影像上特征同名点的初始像点坐标,获取所述影像的初始外方位元素值并使用所述初始外方位元素值构建区域网,构建多种附加参数模型组合进行迭代并输出平差结果,对所述平差结果进行判断,若满足要求,则输出附加参数值,若不满足则循环迭代直至满足要求,解决了传统自检校方法模型单一,适用相机有限的问题,能够防止自检校过程中的过度参数化问题,在平差过程中也能最大程度上拟合系统误差,本发明不仅可以用于摄像机本身系统误差也可用于平差过程中其它系统引入误差的校正补偿。
Description
技术领域
本发明涉及数字影像处理领域,具体涉及不同拍摄环境以及不同相机的自检校消除系统误差。
背景技术
目前由于科技发展,摄像机已不再是传统的单镜头,多镜头多种像面等。各种摄像机陆续出现,其系统构成,成像方式都有很大的改变,很多传统的检校方法已不再使用。自检校区域网平差能够针对具有规律性的系统误差扩充平差模型,平差过程中不仅考虑摄像机的光学畸变系统误差,还对航摄飞机带来的系统误差(大气振动、发动机气流),底片变形,大气折光和环境等造成的系统误差进行校正,被公认是补偿系统误差最有效的方法。但是常规的自检校法由于模型单一,已不再适合于市场上出现的多镜头、多像面等相机,而且自检校使用的附加参数模型通常只有一种,也很难保证被检校相机的实际畸变以及区域网的系统误差能够被模型参数完全补偿,因此如何解决多镜头,多像面相机拍摄影像的畸变及区域网的系统误差是目前有待解决的问题。
发明内容
本发明要解决的技术问题是传统自检校方法模型单一,自检校过程过度参数化且适用相机有限的问题,提供一种光束法区域网迭代自检校平差方法。
本发明是通过下述技术方案来解决上述技术问题:
一种光束法区域网迭代自检校平差方法,所述平差方法包括:
通过影像匹配技术获取影像上特征同名点的初始像点坐标;
获取所述影像的初始外方位元素值并使用所述初始外方位元素值构建区域网;
构建多种附加参数模型组合进行迭代并输出平差结果,对所述平差结果进行判断,若满足要求,则输出附加参数值,若不满足则循环迭代直至满足要求。
较佳地,在所述通过影像匹配技术获取影像上特征同名点的像点坐标之前,还包括,获取在各种应用场景下的所述影像。
较佳地,在所述循环迭代直至满足要求之后,还包括:将各个所述附加参数值导入所述影像中,修正所述像点坐标,将修正后的所述像点坐标与原始影像坐标之间仅进行一次重采样进行畸变校正获取无畸变影像。
较佳地,所述获取所述影像的初始外方位元素值包括:
当所述影像初始位置未知时,使用连续法相对定向获取所述影像的所述初始外方位元素值后代入虚拟观测误差方程;
当所述初始外方位元素值已知时,将所述初始外方位元素值代入所述虚拟观测误差方程。
较佳地,所述构建多种附加参数模型组合进行迭代并输出平差结果包括如下步骤:
构建第一附加参数平差模型,所述第一附加参数平差模型包括根据所述初始像点坐标构建的误差观测方程和根据所述初始外方位元素值构建的所述虚拟观测误差方程;
获取第一附加参数值,第一外方位元素值,第一像点坐标;
对第一次平差结果进行判断:
当所述第一次平差结果满足要求,则停止平差,输出所述第一附加参数值;
当所述第一次平差结果不满足要求,则利用所述第一附加参数值对所述第一像点坐标进行修正,获取第一修正像点坐标。
进一步地,当所述第一次平差结果不满足要求时,还包括:
构建第二附加参数平差模型,所述第二附加参数平差模型包括根据所述第一修正像点坐标构建的所述误差观测方程和根据所述第一外方位元素值构建的所述虚拟观测误差方程;
获取第二附加参数值,第二外方位元素值,第二像点坐标;
对第二次平差结果进行判断:
当所述第二次平差结果满足要求,则停止平差,输出所述第一附加参数值,所述第二附加参数值;
当所述第二次平差结果不满足要求,则利用所述第二附加参数值对所述第二像点坐标进行修正,获取第二修正像点坐标。
更优地,当所述第二次平差结果不满足要求时,还包括:构建第三附加参数平差模型,以此循环,直至获取所述平差结果满足要求。
更优地,所述多种附加参数模型组合中的各所述附加参数平差模型,可以为物理畸变模型和/或数学多项式模型的任意组合。
更优地,所述平差方法可用于摄像机自身系统误差和/或区域网系统误差的矫正补偿。
在符合本领域常识的基础上,上述各优选条件,可任意组合,即得本发明各较佳实例。
本发明的积极进步效果在于:解决了传统自检校方法模型单一,适用相机有限的问题,能够防止自检校过程中的过度参数化问题,在平差过程中也能最大程度上拟合系统误差,本发明不仅可以用于摄像机本身系统误差也可用于平差过程中其它系统引入误差的校正补偿。
附图说明
图1为本发明一种光束法区域网迭代自检校平差方法的一实施例中摄像机自身系统误差迭代平差流程图;
图2为本发明一种光束法区域网迭代自检校平差方法的一实施例中多组附加参数的影像重采样过程图;
图3为本发明一种光束法区域网迭代自检校平差方法的一实施例中多种附加参数模型组合的光束法区域网迭代自检校平差方法流程图;
图4为本发明一种光束法区域网迭代自检校平差方法的一实施例中非量测相机的多种附加参数模型组合的光束法区域网迭代自检校平差方法流程。
具体实施方式
为了便于理解本申请,下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的首选实施例。但是,本申请可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本申请的公开内容更加透彻全面。
需要说明的是,当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件并与之结合为一体,或者可能同时存在居中元件。本文所使用的术语“安装”、“一端”、“另一端”以及类似的表述只是为了说明的目的。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1所示,为本发明一实施例中摄像机自身系统误差迭代平差流程图,获取各种应用场景下的影像;
在一个示例中,相机可以是量测相机也可以是非量测相机,相机的应用场景包括航空,地面或者水下等环境的近景或远景拍摄。可以是单航带拍摄或者多航带拍摄。影像间的重叠率应该满足常规摄影测量的要求,即航向重叠率大于60%,旁向重叠率大于30%。
特征点提取和匹配,通过影像匹配技术获取影像上特征同名点的初始像点坐标;
在一个示例中,特征同名点需要高精度,且要求均匀分布在影像上,如果自检校模型组合针对的是摄像机自身的光学畸变误差,此时可布设较多的特征点。
获取所述影像的初始外方位元素值并使用所述初始外方位元素值构建区域网;
在一个示例中,通过连续法相对定向获取初始外方位元素,或利用已有的初始外方位元素值构建区域网:在影像初始位置未知的情况下,可以使用连续法相对定向获取影像的初始外方位元素值,作为后续的虚拟观测值;若影像的初始外方位元素值已知,可以直接将其代入虚拟观测方程。
构建多种附加参数模型组合进行迭代并输出平差结果,对所述平差结果进行判断,若满足要求,则输出附加参数值,若不满足,对所述特征同名点的坐标进行修正,但不对所述影像进行重采样且循环迭代直至满足要求。
在一个示例中,如图3所示构建第一附加参数平差模型M1进行区域网光束法平差,包括根据初始像点坐标构建的误差观测方程和根据所述初始外方位元素值构建的所述虚拟观测误差方程,求解第一像点坐标,第一外方位元素值以及第一附加参数值D1,此时判断平差结果是否满足设定的要求,若满足,则停止平差,输出第一附加参数值D1和第一外方位元素值,若不满足,则利用获取的第一附加参数值D1对连接点的第一像点坐标进行修正,获取第一修正像点坐标值;
在一个可选地示例中,构建第二附加参数模型M2继续进行区域网光束法平差,此时将上次平差获取的第一外方位元素值作为虚拟观测值代入虚拟观测方程。其中第二附加参数模型M2可以是物理畸变模型,也可以是数学多项式检校模型,判断第二附加参数模型M2获取的平差结果是否满足设定的要求,若满足,则停止平差,输出第一附加参数值D1和第二附加参数值D2,若不满足,则利用获取的第二附加参数值D2对第二像点坐标进行修正;
在一个可选地示例中,将改正后的第二修正像点坐标再次进行第三附加参数模型M3的区域网光束法平差,将利用第二附加参数模型M2的平差得到的第二外方位元素值作为虚拟观测值代入虚拟观测方程,判断平差结果,若满足设定的要求,则停止平差,输出第一附加参数值D1,第二附加参数值D2,第三附加参数值D3,若不满足,则利用获取的第三附加参数值D3对第三像点坐标进行修正继续进行第四附加参数模型M4的区域网光束法平差,以此循环,直至获取的平差结果满足设定的要求时,停止平差。
在一个示例中,如图1所示在对多种附加参数模型组合循环迭代直至满足要求之后,将各个所述附加参数值导入原始影像中,修正像点坐标位置,将修正后的像点坐标与原始影像坐标之间仅进行一次重采样进行畸变校正,使用各个附加参数值对原始影像进行重采样的过程如图2所示,其中对原始影像进行多次位置纠正,而仅仅进行一次重采样,以防止影像质量下降。
在一个可选的示例中,通过本发明提出的多种附加参数模型组合的光束法区域网迭代平差法对摄像机自身系统误差进行纠正,主要针对摄像机自身畸变,目前对于拟合相机自身畸变的模型主要有Australis模型(3个径向畸变参数,2个偏心畸变参数,2个平面内畸变参数),如公式1所示,Brown提出的8个参数模型(3个内定向参数,3个径向畸变参数,2个偏心畸变参数),Fraster在Brown基础上进行改进,提出了10参数模型(3个内定向参数,3个径向畸变参数,2个偏心畸变参数,2个平面内畸变参数),如公式2所示,其中,
式中:(x,y)为像点坐标,(x0,y0)为像主点坐标,k1,k2,k3为三个径向畸变系数,p1,p2为偏心畸变系数,b1,b2为平面内畸变系数,Δx,Δy为像空间坐标系下x方向和y方向的物镜畸变差,
式中,Δx0、Δy0表示主点改正值,Δc表示主距改正值,Δx、Δy为像空间坐标系下的x方向和y方向的物镜畸变差,此时的模型组合可以是连续的Fraster提出的10参数模型,即M1,M2,……,Mn都相同,也可以参数模型不相同,例如先进行Brown提出的8个参数模型自检校,获取稳定的内参数之后再进行Australis的7参数模型自检校。
在一个可选的示例中,为量测相机,由于量测相机自身系统误差较小,可将量测相机自身系统误差与其它大气折射或环境等因素造成的系统误差利用多项式进行拟合消除,目前常用的消除区域网系统误差的多项式模型有美国布朗博士提出的包含四类改正项共21个参数,傅里叶系数多项式,球谐函数导出的多项式等,最典型的正交多项式附加参数组是由德国Ebner提出的包含12个附加参数的正交多项式,如公式3所示,可以通过多个多项式附加参数模型组合将平差过程中的系统误差降至最低。
在一个可选的示例中,在针对非量测相机的区域网平差,由于非量测相机本省系统误差较大,可以先进行自检校迭代平差法消除相机的系统畸变,获取改正后的像点位置后,再利用附加参数迭代法消除其它构建平差模型时引起的系统误差,如图4所示,针对于附加参数模型的选择,可以是根据经验先选择合适的附加参数模型,在获取改正的像点坐标值后,再依据显著性检验确定下一组附加参数组。也可在附加参数模型基础上对附件参数值进行显著性检验和相关性检验,确定相关性强或者不显著参数,从而对附件参数值进行取舍,或者给与一定的权重值,从而优化平差结果,其中,
直接对两个附加参数模型整体差异进行显著性检验,其统计量F如下所示:
根据比较F的临界值与给定的显著性水平α后,如果F<Fα,则表明在给定的显著性水平下,该附加参数组不显著,可换取其他附加参数组再一次进行显著性检验;
当附加参数值为正交或者接近正交时,此时只要计算该附加参数模型中的附加参数的自协方差qii,通过获取统计量t与显著性水平α对应的临界值tα比较,即可确定附加参数的显著性:
其中:为第i个附加参数估值;S0为单位权中误差;v为多余观测数;qii为相应参数对应的子协因数矩阵,此时如果获取的t<tα,则表明在给定的显著性水平下,该参数不显著,则可在后续的平差迭代中去掉该参数;
当附加参数之间的相关性较大时,一维t检验不再适用,此时选用多维检验:
其中为k个相关的附加参数组成的向量;为k个附加参数相应的子协方差矩阵;S0为单位权中误差;v1,v2为F变量的第一和第二自由度。根据自由度和预设定的显著性水平α,根据F比较Fα的大小,若H0为真,则去掉该参数变量。
需要强调的是多次进行平差的多种附加参数模型组合可以是相同的参数模型,也可以是不相同的。可以是针对于摄像机本身系统误差的检校模型,也可以是针对区域网系统误差的参数模型。通过多组附加参数模型组合,不仅可以克服单个参数模型对于拟合系统误差的局限,也可以综合不同参数模型的特点,最大程度上补偿区域网的系统误差和摄像机自身的系统误差,并且获取稳定的相机内参数和外参数值。本发明提出的一种可以不需要控制点信息的多种附加参数模型组合的光束法区域网迭代自检校平差方法,相对于传统的附加参数自检校法,该方法能够综合多组附加参数模型的对于校正系统误差的优势,也能够将一种附加参数模型对于系统误差的校正能力发挥至最大。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (6)
1.一种光束法区域网迭代自检校平差方法,其特征在于,所述平差方法
包括:
通过影像匹配技术获取影像上特征同名点的初始像点坐标;
获取所述影像的初始外方位元素值;
构建附加参数平差模型计算并输出平差结果,所述平差结果包括有附加参数值、外方位元素和像点坐标,对所述平差结果进行判断,若满足要求,则输出附加参数值,若不满足则循环迭代直至满足要求;
所述构建附加参数平差模型计算并输出平差结果,对所述平差结果进行判断,若满足要求,则输出附加参数值,若不满足则循环迭代直至满足要求包括如下步骤:
构建第一附加参数平差模型,所述第一附加参数平差模型包括根据所述初始像点坐标构建的误差观测方程和根据所述初始外方位元素值构建的虚拟观测误差方程;
基于第一附加参数平差模型获取第一附加参数值、第一外方位元素值和第一像点坐标;
对第一附加参数平差模型输出的第一次平差结果进行判断:
当所述第一次平差结果满足要求,则停止平差,输出所述第一附加参数值;
当所述第一次平差结果不满足要求,则利用所述第一附加参数值对
所述第一像点坐标进行修正,获取第一修正像点坐标;
当所述第一次平差结果不满足要求时,还包括:
构建第二附加参数平差模型,所述第二附加参数平差模型包括根据所述第一修正像点坐标构建的所述误差观测方程和根据所述第一外方位元素值构建的所述虚拟观测误差方程;基于第二附加参数平差模型获取第二附加参数值、第二外方位元素值和第二像点坐标;
对第二附加参数平差模型输出的第二次平差结果进行判断:
当所述第二次平差结果满足要求,则停止平差,输出所述第一附加参数值和所述第二附加参数值;
当所述第二次平差结果不满足要求,则利用所述第二附加参数值对所述第二像点坐标进行修正,获取第二修正像点坐标;
当所述第二次平差结果不满足要求时,还包括:构建第三附加参数平差模型,所述第三附加参数平差模型包括根据所述第二修正像点坐标构建的所述误差观测方程和根据所述第二外方位元素值构建的所述虚拟观测误差方程,以此循环,直至获取所述平差结果满足要求。
2.如权利要求1所述的一种光束法区域网迭代自检校平差方法,其特征在于,在所述通过影像匹配技术获取影像上特征同名点的初始像点坐标之前,还包括,获取所述影像。
3.如权利要求1所述的一种光束法区域网迭代自检校平差方法,其特征在于,在所述循环迭代直至满足要求之后还包括:将各个所述附加参数值导入所述影像中,修正所述初始像点坐标,将修正后的所述初始像点坐标与修正前的初始像点坐标之间仅通过一次重采样进行畸变校正获取无畸变影像。
4.如权利要求1所述的一种光束法区域网迭代自检校平差方法,其特征在于,所述获取所述影像的初始外方位元素值包括:
当所述影像的初始外方位元素值未知时,使用连续法相对定向获取所述影像的所述初始外方位元素值。
5.如权利要求1至4任一项所述的一种光束法区域网迭代自检校平差方法,其特征在于,所述附加参数平差模型为物理畸变模型和/或数学多项式模型的任意组合。
6.如权利要求5所述的一种光束法区域网迭代自检校平差方法,其特征在于,所述平差方法用于摄像机自身系统误差的校正补偿。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010607848.6A CN111726609B (zh) | 2020-06-30 | 2020-06-30 | 一种光束法区域网迭代自检校平差方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010607848.6A CN111726609B (zh) | 2020-06-30 | 2020-06-30 | 一种光束法区域网迭代自检校平差方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111726609A CN111726609A (zh) | 2020-09-29 |
CN111726609B true CN111726609B (zh) | 2022-04-01 |
Family
ID=72570248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010607848.6A Expired - Fee Related CN111726609B (zh) | 2020-06-30 | 2020-06-30 | 一种光束法区域网迭代自检校平差方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111726609B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597428B (zh) * | 2020-12-22 | 2022-09-20 | 同济大学 | 基于rfm模型光束法平差和影像重采样的颤振探测修正方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102519436A (zh) * | 2011-12-28 | 2012-06-27 | 武汉大学 | 一种ce-1立体相机与激光高度计数据联合平差方法 |
CN102607533A (zh) * | 2011-12-28 | 2012-07-25 | 中国人民解放军信息工程大学 | 线阵ccd光学与sar影像联合区域网平差定位方法 |
CN106500729A (zh) * | 2016-11-29 | 2017-03-15 | 武汉大学 | 一种无需控制信息的智能手机自检校方法 |
CN111121729A (zh) * | 2020-01-11 | 2020-05-08 | 黄文超 | 基于平坦地形的光学遥感卫星内检校方法及系统 |
-
2020
- 2020-06-30 CN CN202010607848.6A patent/CN111726609B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102519436A (zh) * | 2011-12-28 | 2012-06-27 | 武汉大学 | 一种ce-1立体相机与激光高度计数据联合平差方法 |
CN102607533A (zh) * | 2011-12-28 | 2012-07-25 | 中国人民解放军信息工程大学 | 线阵ccd光学与sar影像联合区域网平差定位方法 |
CN106500729A (zh) * | 2016-11-29 | 2017-03-15 | 武汉大学 | 一种无需控制信息的智能手机自检校方法 |
CN111121729A (zh) * | 2020-01-11 | 2020-05-08 | 黄文超 | 基于平坦地形的光学遥感卫星内检校方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111726609A (zh) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110969668B (zh) | 一种长焦双目相机的立体标定算法 | |
CN109272570B (zh) | 一种基于立体视觉数学模型的空间点三维坐标求解方法 | |
CN105096329B (zh) | 一种精确校正超广角摄像头图像畸变的方法 | |
CN107633536B (zh) | 一种基于二维平面模板的相机标定方法及系统 | |
KR101014572B1 (ko) | 영상 왜곡 보정 방법 및 그 보정 방법을 채용한 영상처리장치 | |
CN110099267B (zh) | 梯形校正系统、方法以及投影仪 | |
CN104392435B (zh) | 鱼眼相机标定方法及标定装置 | |
US8131113B1 (en) | Method and apparatus for estimating rotation, focal lengths and radial distortion in panoramic image stitching | |
CN106679634B (zh) | 一种基于立体视觉的空间非合作目标位姿测量方法 | |
CN110660105B (zh) | 一种全景环视系统的标定参数优化方法及装置 | |
US20170270647A1 (en) | Image processing method, device and photographic apparatus | |
CN105809706B (zh) | 一种分布式多像机系统的全局标定方法 | |
CN110986998B (zh) | 一种基于有理函数模型的卫星视频相机在轨几何定标方法 | |
CN101206763A (zh) | 利用波前数据的多帧自适应光学图像高分辨率复原方法 | |
CN111726609B (zh) | 一种光束法区域网迭代自检校平差方法 | |
CN109934790A (zh) | 带有自适应阈值的红外成像系统非均匀性校正方法 | |
CN110660099B (zh) | 基于神经网络的遥感影像处理的有理函数模型拟合方法 | |
CN114782553B (zh) | 基于椭圆对偶二次曲线的迭代相机标定方法及装置 | |
CN112950719A (zh) | 一种基于无人机主动式光电平台的无源目标快速定位方法 | |
CN108520541B (zh) | 一种广角摄像机的标定方法 | |
CN114693807B (zh) | 一种输电线路图像与点云的映射数据重构方法及系统 | |
WO2020144757A1 (ja) | カメラパラメータ推定装置、カメラパラメータ推定方法、及びコンピュータ読み取り可能な記録媒体 | |
CN112017108B (zh) | 基于独立模型法平差的卫星影像颜色相对校正方法 | |
CN115018922A (zh) | 畸变参数标定方法、电子设备和计算机可读存储介质 | |
CN114897990A (zh) | 一种基于神经网络的相机畸变标定方法、系统和存储介质 |
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 | ||
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: 20220401 |