CN111784585B - 图像拼接方法、装置、电子设备和计算机可读存储介质 - Google Patents
图像拼接方法、装置、电子设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN111784585B CN111784585B CN202010925729.5A CN202010925729A CN111784585B CN 111784585 B CN111784585 B CN 111784585B CN 202010925729 A CN202010925729 A CN 202010925729A CN 111784585 B CN111784585 B CN 111784585B
- Authority
- CN
- China
- Prior art keywords
- image
- acquisition unit
- acquiring
- sequence
- information
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000009466 transformation Effects 0.000 claims abstract description 72
- 238000012937 correction Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000006243 chemical reaction Methods 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 59
- 238000003384 imaging method Methods 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 12
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
Abstract
本申请提供一种图像拼接方法、装置、电子设备和计算机可读存储介质，涉及无人机的图像处理领域。该方法包括：获取无人机的图像获取单元发送的多张序列图像；获取每张序列图像对应的曝光点信息和表面高程信息；根据所有的曝光点信息，获取每张序列图像对应的正摄变换图像；正摄变换图像表征图像获取单元沿垂直方向采集的地表景物的图像信息；根据表面高程信息和多张正摄变换图像，获取地表景物的全景图像。对图像获取单元获取的任意角度序列图像进行正摄变换，实现图像获取单元在任意角度航拍区域的全景图像的正射纠正，以便在较短时间获取较高精度的飞行区域在图像获取单元处于正摄视角下的全景图像。
Description
技术领域
本申请涉及无人机的图像处理领域，具体而言，涉及一种图像拼接方法、装置、电子设备和计算机可读存储介质。
背景技术
传统摄影测量领域中，正射纠正指对影像进行几何畸变纠正的过程，它将对由地形、相机几何特性以及传感器相关的误差所造成的明显几何畸变进行处理，输出正射校正影像，其表示景物正射投影真实影像。一般航测/卫星图像，其成像过程均为一种中心投影结果，其必然受到地面景物视差的影响。
现有的区域全景图像获取技术，主要包括利用单应拼接正摄相机图像，实现实时拼接，但是使用单应拼接，忽略了地面景物是立体的假设，导致精度较差；利用多相机生成精度高的地面模型，而利用正射纠正获得精度较高的图像需要较长处理时间。
对于一些飞行任务，如公路巡检、河道巡检等，其特殊的飞行要求和对实时性的要求，使得上述两种全景图像获取技术均不能满足要求：第一，上述任务多要求相机为倾斜状态，难以获取精度较高的正摄全景图像；第二，上述任务均要求实时性，需要以较短时间获得区域全景图像，以供后续工作开展，这使得上述方案难以实施。
发明内容
有鉴于此，本申请的目的在于提供一种图像拼接方法、装置、电子设备和计算机可读存储介质。
为了实现上述目的，本申请采用的技术方案如下：
第一方面，本申请提供一种基于正摄变换的图像拼接方法，所述方法包括：获取无人机的图像获取单元发送的多张序列图像；所述序列图像是所述图像获取单元在所述无人机飞行在预设轨迹时拍摄的；获取每张序列图像对应的曝光点信息和表面高程信息；所述曝光点信息为所述图像获取单元拍摄所述序列图像时的地理坐标信息，所述表面高程信息表征所述图像获取单元沿所述预设轨迹拍摄所述序列图像时，与地表景物的垂直距离；根据所有的所述曝光点信息，获取每张所述序列图像对应的正摄变换图像；所述正摄变换图像表征所述图像获取单元沿垂直方向采集的所述地表景物的图像信息；根据所述表面高程信息和多张所述正摄变换图像，获取所述地表景物的全景图像。
在可选的实施例中，根据所有的所述曝光点信息，获取每张所述序列图像对应的正摄变换图像，包括：获取所述曝光点信息对应的相机位姿；所述相机位姿为所述图像获取单元拍摄所述序列图像时的倾斜角度信息；根据所述相机位姿和所述序列图像对应的成像旋转矩阵，获取图像变换单应矩阵；所述图像变换单应矩阵用于指示将所述序列图像的倾斜角度信息置为正摄视角，所述成像旋转矩阵表征所述图像获取单元拍摄所述序列图像时，所述图像获取单元的像空间坐标系相对于像空间辅助坐标系的旋转向量；根据所述图像变换单应矩阵处理所述序列图像，以获取所述正摄变换图像。
在可选的实施例中，根据所述表面高程信息和多张所述正摄变换图像，获取所述地表景物的全景图像，包括：获取将所述序列图像进行定位与建图（SimultaneousLocalization and Mapping，SLAM）重建后的场景点云数据；根据所述表面高程信息和所述场景点云数据，获取飞行区域数字表面模型；所述飞行区域数字表面模型表征在摄影测量坐标系中，所述图像获取单元与所述地表景物的垂直距离；根据所述飞行区域数字表面模型对所述正摄变换图像进行正射纠正，以获取正射校正图像；所述正射校正图像表征所述图像获取单元沿垂直方向采集的所述地表景物的图像信息和距离信息；根据多张所述正射校正图像，获取所述全景图像。
在可选的实施例中，根据所述飞行区域数字表面模型对所述正摄变换图像进行正射纠正，以获取正射校正图像，包括：获取拍摄第一图像时，所述图像获取单元与所述地表景物之间的观测向量；所述观测向量为所述图像获取单元的中心点与所述地表景物中的目标点的向量，所述第一图像为拍摄有所述目标点的多张序列图像中的任意一张；获取所述观测向量与地面法向量确定的观测角度；所述观测角度为所述观测向量与地面的夹角；判断所述观测角度是否为所述拍摄有所述目标点的多张序列图像对应的最大角度；若是，则将所述第一图像对应的正摄变换图像作为所述目标点的待纠正图像；将所述飞行区域数字表面模型中与所述目标点相应的网格点投影至所述待纠正图像，以获取所述正射校正图像。
在可选的实施例中，将所述飞行区域数字表面模型中与所述目标点相应的网格点投影至所述待纠正图像，以获取所述正射校正图像，包括：确定所述待纠正图像中与所述目标点对应的待纠正像素点；获取所述网格点对应的第一像素值；将所述待纠正像素点的像素值更新为所述第一像素值，以获取所述正射校正图像。
在可选的实施例中，所述图像变换单应矩阵通过以下方式获取：获取所述图像获取单元的相机内参矩阵为K；获取所述图像获取单元的图像中心在与校正相机中心的第一相对位移为t p ；获取所述图像中心在摄影测量坐标系中的坐标V Po 为：
V Po =[X Po Y Po Z Po ] T
则所述图像变换单应矩阵为：
H=K*（R
p
-t
p
*n
T
*Z
Po
）*K
-1
其中，H为所述图像变换单应矩阵，n为所述图像获取单元的像空间坐标系的Z轴在所述摄影测量坐标系中的向量，R p 为所述图像获取单元的像空间坐标系到校正相机像空间坐标系的相对旋转。
在可选的实施例中，根据所述表面高程信息和所述场景点云数据，获取飞行区域数字表面模型，包括：对所述场景点云数据进行滤波处理，获取数字表面细分网格；所述数字表面细分网格表征所述地表景物在预设网格分辨率下的摄影测量坐标信息；根据所述数字表面细分网格和所述表面高程信息，获取所述飞行区域数字表面模型。
第二方面，本申请提供一种基于正摄变换的图像拼接装置，所述装置包括：获取模块，用于获取无人机的图像获取单元发送的多张序列图像；所述序列图像是所述图像获取单元在所述无人机飞行在预设轨迹时拍摄的；所述获取模块还用于获取每张序列图像对应的曝光点信息和表面高程信息；所述曝光点信息为所述图像获取单元拍摄所述序列图像时的地理坐标信息，所述表面高程信息表征所述图像获取单元沿所述预设轨迹拍摄所述序列图像时，与地表景物的垂直距离；处理模块，用于根据所有的所述曝光点信息，获取每张所述序列图像对应的正摄变换图像；所述正摄变换图像表征所述图像获取单元沿垂直方向采集的所述地表景物的图像信息；拼接模块，用于根据所述表面高程信息和多张所述正摄变换图像，获取所述地表景物的全景图像。
第三方面，本申请实施例提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现前述实施例任意一项所述的方法。
第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现前述实施例任意一项所述的方法。
相较于现有技术，本申请提供一种图像拼接方法、装置、电子设备和计算机可读存储介质，涉及无人机的图像处理领域。所述方法包括：获取无人机的图像获取单元发送的多张序列图像；所述序列图像是所述图像获取单元在所述无人机飞行在预设轨迹时拍摄的；获取每张序列图像对应的曝光点信息和表面高程信息；所述曝光点信息为所述图像获取单元拍摄所述序列图像时的地理坐标信息，所述表面高程信息表征所述图像获取单元沿所述预设轨迹拍摄所述序列图像时，与地表景物的垂直距离；根据所有的所述曝光点信息，获取每张所述序列图像对应的正摄变换图像；所述正摄变换图像表征所述图像获取单元沿垂直方向采集的所述地表景物的图像信息；根据所述表面高程信息和多张所述正摄变换图像，获取所述地表景物的全景图像。对图像获取单元获取的任意角度序列图像进行正摄变换，实现图像获取单元在任意角度航拍区域的全景图像的正射纠正，以便在较短时间获取较高精度的飞行区域在图像获取单元处于正摄视角下的全景图像。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，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申请的某些实施例，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为本申请实施例提供的一种基于正摄变换的图像拼接方法的流程示意图；
图2为本申请实施例提供的另一种基于正摄变换的图像拼接方法的流程示意图；
图3为本申请实施例提供的一种正摄变换示意图；
图4为本申请实施例提供的另一种基于正摄变换的图像拼接方法的流程示意图；
图5为本申请实施例提供的另一种基于正摄变换的图像拼接方法的流程示意图；
图6为本申请实施例提供的另一种基于正摄变换的图像拼接方法的流程示意图；
图7为本申请实施例提供的一种数字表面细分网格的示意图；
图8为本申请实施例提供的另一种基于正摄变换的图像拼接方法的流程示意图；
图9为本申请实施例提供的一种基于正摄变换的图像拼接装置的方框示意图；
图10为本申请实施例提供的一种电子设备的方框示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
对于一些飞行任务，如公路巡检、河道巡检等，其特殊的飞行要求和对实时性的要求，使得现有技术的全景图像获取技术均不能满足要求。第一，上述任务多要求相机为倾斜状态，难以获取精度较高的正摄全景图像；第二，上述任务均要求实时性，需要以较短时间获得区域全景图像，以供后续工作开展，不适用于多相机图像拼接过程。
为了至少解决上述问题和背景技术提出的不足，本申请实施例提供一种基于正摄变换的图像拼接方法，请参见图1，图1为本申请实施例提供的一种基于正摄变换的图像拼接方法的流程示意图，该图像拼接方法可以包括以下步骤：
S31，获取无人机的图像获取单元发送的多张序列图像。
该多张序列图像是图像获取单元在无人机飞行在预设轨迹时拍摄的。该图像获取单元可以是相机、摄像机、或设置于无人机的其它图像采集装置等。该预设轨迹可以通过设置在无人机上的直接地理定位系统进行确定。
S32，获取每张序列图像对应的曝光点信息和表面高程信息。
该表面高程信息表征图像获取单元沿预设轨迹拍摄序列图像时，与地表景物的垂直距离；曝光点信息为图像获取单元拍摄序列图像时的地理坐标信息。需要注意的是，该表面高程信息不是本领域技术人员采用的无人机与地平面的距离，而是无人机与地表景物表面的垂直距离。应理解，该表面高程信息可以是SLAM系统获取的，还可以是离线高程，即预设轨迹已有的高程信息。
S33，根据所有的曝光点信息，获取每张序列图像对应的正摄变换图像。
该正摄变换图像表征图像获取单元沿垂直方向采集的地表景物的图像信息。
S34，根据表面高程信息和多张正摄变换图像，获取地表景物的全景图像。
对图像获取单元获取的任意角度序列图像进行正摄变换，以获取正摄变换图像，实现图像获取单元在任意角度航拍区域的全景图像的正射纠正，以便在较短时间获取较高精度的飞行区域在图像获取单元处于正摄视角下的全景图像。
应理解，本申请实施例提供的图像拼接方法，可以获取相机（图像获取单元）在正摄视角下的全景图像，还可以获取在像空间坐标系、摄像机坐标系和大地测量坐标系等不同的坐标系下的全景图像。
在可选的实施例中，为了对序列图像进行正射变换，在图1的基础上，给出一种可能的实现方式，请参见图2，图2为本申请实施例提供的另一种基于正摄变换的图像拼接方法的流程示意图，上述的S33可以包括：
S331，获取曝光点信息对应的相机位姿。
该相机位姿为图像获取单元拍摄序列图像时的倾斜角度信息；例如，该相机位姿可以是使用SLAM重建系统获取的，以便根据表面高程信息和SLAM重建系统获取的相机位姿，对序列图像进行正射纠正，以获取相应的正摄变换图像。上述SLAM重建系统还可以更换为三维重建（Structure from Motion，SFM）系统。该相机位姿可以是根据直接地理定位系统获取的姿态数据和进行SLAM重建后的场景点云数据获取的，其可以表征将图像获取单元转换到正摄视角下时，图像获取单元的姿态信息。
S332，根据相机位姿和序列图像对应的成像旋转矩阵，获取图像变换单应矩阵。
该图像变换单应矩阵用于指示将序列图像的倾斜角度信息置为正摄视角，成像旋转矩阵表征图像获取单元拍摄序列图像时，图像获取单元的像空间坐标系相对于像空间辅助坐标系的旋转向量。
该成像旋转矩阵表征图像获取单元拍摄序列图像时，图像获取单元的像空间坐标系相对于像空间辅助坐标系的旋转向量。例如，定义单相机倾斜状态是由图像获取单元的像空间坐标系变换到摄影测量坐标系中时，像空间坐标系的Z轴与摄影测量坐标系的Z轴方向相对旋转角
大小。正摄视角下，图像获取单元（如，相机）的像空间坐标系的Z轴是垂直向下的，其与摄影测量坐标系Z轴平行但方向相反，
。当相机处于倾斜状态时，由于在无人机在航拍应用中不考虑对天空拍摄，所以倾斜角
满足：
需要指出的是，由直接地理定位可知，倾斜状态不仅是由于相机发生了位姿变化所引起，无人机的位姿变化，也会导致该状态的变化。
以下基于直接地理定位系统获取
（成像旋转矩阵，其表征图像获取单元拍摄序列图像时，图像获取单元的像空间坐标系相对于像空间辅助坐标系的旋转向量），计算上述
大小。对于像空间坐标系的Z轴，可以用n i =(0,0,1)T表示，对于摄影测量坐标系中的Z轴可以用n i =(0,0,1)T表示。像空间坐标系中n i 在摄影测量坐标系表示为
，该旋转角度
为：
应理解，该成像旋转矩阵可以是利用载体或任务载荷携带的卫星-惯导组合定位系统提供的位置信息（或图像获取单元的曝光点，即，基于直接地理定位系统，获得序列图像的像空间坐标系其相对于摄影测量坐标系的成像旋转矩阵以及当前像片中心，即曝光点对应的地理坐标）和姿态数据获取的，还可以根据该位置信息和姿态数据实现像片信息（序列图像）在不同坐标系之间的转换，获取像片（序列图像）的外方位元素和摄影目标（地表景物）的地理位置。例如，从像空间到摄影测量坐标系的坐标系转换，依次从像空间坐标系到摄像机坐标系，到载体坐标系，到局部导航坐标系。由直接地理定位技术确定的由像空间坐标系到摄影测量坐标系的旋转矩阵（成像旋转矩阵）计算公式为：
其中，
是指像空间坐标系到像空间辅助坐标系的旋转矩阵，
是指像空间坐标系到摄影测量坐标系的旋转矩阵，像空间辅助坐标系与摄影测量坐标系坐标原点不同但在轴系上平行，故而像空间坐标系分别变换到这两种坐标系的旋转矩阵相等；
表示局部导航坐标系到摄影测量坐标系的旋转矩阵，
指载体坐标系到局部导航坐标系的旋转矩阵，
是指摄像机坐标系到载体坐标系的旋转矩阵，
指像空间坐标系到摄像机坐标系的转换矩阵。
该图像变换单应矩阵用于指示将序列图像的倾斜角度信息置为正摄视角。例如，该图像变换单应矩阵可以通过以下方式获取：获取图像获取单元的相机内参矩阵为K；获取图像获取单元的图像中心在与校正相机中心的第一相对位移为t p ；获取图像中心在摄影测量坐标系中的坐标V Po 为：
V Po =[X Po Y Po Z Po ] T
则该图像变换单应矩阵为：
H=K*（R
p
-t
p
*n
T
*Z
Po
）*K
-1
其中，H为图像变换单应矩阵，n为图像获取单元的像空间坐标系的Z轴在摄影测量坐标系中的向量，R p 为图像获取单元的像空间坐标系到校正相机像空间坐标系的相对旋转，R p =
，
为成像旋转矩阵。
为了便于理解上述图像变换单应矩阵的获取过程，本申请实施例给出一种可能的具体实施例：由直接地理定位技术可以计算像点坐标对应的物点坐标，下面给出可能的步骤，设某“像点”在像空间坐标系的坐标矢量为V i =[X i Y i -f] T ，其中f为相机主距；设该像点在像空间辅助坐标系的坐标矢量为V α =[X α Y α Z α ] T ；设该像点映射的投影点在摄影测量坐标系的坐标矢量为V p =[X p Y p Z p ] T ，摄影中心S在摄影测量坐标系的坐标矢量为V S =[X S Y S Z S ] T ；根据成像几何，满足如下关系式：
引入的数字表面模型（Digital Surface Model，DSM）表示为X P 和Y P 的二元函数，则有：
Z P =DSM（X P ,Y P ）
为避免将二元函数DSM(X P ,Y P )直接引入方程解算，在实际计算V P 时，可以通过迭代的方式进行逼近计算。
S333，根据图像变换单应矩阵处理序列图像，以获取正摄变换图像。
应理解，本申请实施例提供的图像拼接方法解决了相机相对地面有大角度倾斜时（-0°到-90°），航拍图像无法直接利用于正射纠正算法中；通过本申请实施例提供的一种基于正摄变换的图像拼接方法，可以获得拍摄区域的正摄变换图像。
例如，在几何视觉中，对于物空间坐标系中的若干点X i ，其被一个相机内参矩阵为K，相机相对物空间坐标系位姿为R，相机相对物空间原点位移为t，相机拍摄所成像片（序列图像）对应图像坐标点为x i ，相机中心在物空间坐标系中的坐标系为S，采用非齐次坐标，则有以下关系，其中
为归一化尺度因子：
倾斜拍摄时，其情况如下图3中原相机（C1）所示，图3为本申请实施例提供的一种正摄变换示意图，其中，原相机中心S1，图像中心O1，和图像中心对应物空间坐标系中点P，在同一条直线上。
相机正摄拍摄时，其情况如图3中校正相机（C2）所示，其中原相机中心S2，图像中心O2，和图像中心对应物空间坐标系中点P，在同一条直线上。
根据直接地理定位系统可以得到，像空间坐标系到摄影测量坐标系的旋转矩阵
，摄影中心S在摄影测量坐标系中坐标，进而得到任意像点在物方的投影在摄影测量坐标系中的V P ，实现对序列图像到正摄变换图像的变换。
设图3中示出的原相机（C1）中心S1在摄影测量坐标系中坐标V S1 =[X S1 Y S1 Z S1 ] T ，校正相机（C2）中心S2在摄影测量坐标系中坐标为V S2 =[X S2 Y S2 Z S2 ] T 。利用直接地理定位系统，计算任意像点在摄影测量坐标系中的坐标，设由直接地理定位系统得到原相机图像中心在摄影测量坐标系中的坐标V Po =[X Po Y Po Z Po ] T 。计算S1到S2的相对位移t p ，在摄影测量坐标系下为：
t
p
=S2-S1=（S2-V
Po
）-（S1-V
Po
）
计算原相机像空间坐标系到校正相机像空间坐标系的相对旋转R p ，原相机像空间坐标系中n i 在摄影测量坐标系表示为
。
在摄影测量坐标系中，地表景物接近于平面，地表景物的法向量表可以示为n α =(0,0,-1)T，地表景物与无人机的距离平均值d=Z Po ，可以计算从倾斜到正摄图像的变换单应为：
H=K*（R
p
-t
p
*n
T
*Z
Po
）*K
-1
其中，H为图像变换单应矩阵，n为图像获取单元的像空间坐标系的Z轴在摄影测量坐标系中的向量，R p 为图像获取单元的像空间坐标系到校正相机像空间坐标系的相对旋转，R p =
，
为成像旋转矩阵。对于每一帧倾斜图像，基于无人机位姿，载体位姿，其地理位置信息，利用基于直接地理定位系统计算，再带入以上公式，实现倾斜序列图像的正摄变换，以得到正摄变换图像。
应理解，本申请实施例提供的基于正摄变换的图像拼接方法可以用于任意角度拍摄的序列图像的事后处理，在较短时间内获取无人机在飞行区域内的正摄变换图像，以便获取相机在正摄视角下的全景图像。若相机处于正摄视角，即旋转角为90°，上述的成像旋转矩阵退化为一个单位矩阵。
在可选的实施例中，为了使用正摄变换图像获取地表景物的全景图像，在图1的基础上，给出一种可能的实现方式，请参见图4，图4为本申请实施例提供的另一种基于正摄变换的图像拼接方法的流程示意图，上述的S34可以包括：
S341，获取将序列图像进行SLAM重建后的场景点云数据。
S342，根据表面高程信息和场景点云数据，获取飞行区域数字表面模型。
该飞行区域数字表面模型表征在摄影测量坐标系中，图像获取单元与地表景物的垂直距离。
S343，根据飞行区域数字表面模型对正摄变换图像进行正射纠正，以获取正射校正图像。
该正射校正图像表征图像获取单元沿垂直方向采集的地表景物的图像信息和距离信息。该距离信息为图像获取单元沿垂直方向采集地表景物时，与地表景物之间的垂直距离。
S344，根据多张正射校正图像，获取全景图像。
应理解，将多张正射校正图像进行拼接，得到的图像不仅是图像获取单元处于正摄视角下拍摄的，全景图像还能反应图像获取单元飞行在预设轨迹时，正摄视角下的地表景物。
在可选的实施例中，为了获取正摄校正图像，在图4的基础上，给出一种可能的实现方式，请参见图5，图5为本申请实施例提供的另一种基于正摄变换的图像拼接方法的流程示意图，上述的S343可以包括：
S3431，获取拍摄第一图像时，图像获取单元与地表景物之间的观测向量。
该观测向量为图像获取单元的中心点与地表景物中的目标点的向量，第一图像为拍摄有目标点的多张序列图像中的任意一张。例如，摄像机中心O与地面点向量P，该向量与地面夹角
越大，则认为图像获取单元拍摄第一图像时所处的位置是目标点的最佳观测位置。
S3432，获取观测向量与地面法向量确定的观测角度。
该观测角度为观测向量与地面的夹角；在预设坐标系中，认为地面近似平行于x-y轴，所以观测向量表示为
，地面法向量表示为
。上述夹角
表示为：
S3433，判断观测角度是否为拍摄有目标点的多张序列图像对应的最大角度。
若是，则执行S3434；若否，则返回执行S3431。
S3434，将第一图像对应的正摄变换图像作为目标点的待纠正图像。
例如，当观测角度为拍摄有目标点的多张序列图像对应的最大角度时，确定图像获取单元拍摄第一图像时所处的位置是目标点的最佳观测位置，第一图像为观测目标点在多张序列图像中的最佳图像，将第一图像作为目标点的待纠正图像。
S3435，将飞行区域数字表面模型中与目标点相应的网格点投影至待纠正图像，以获取正射校正图像。
上述S3435的步骤可以包括：确定待纠正图像中与目标点对应的待纠正像素点；获取网格点对应的第一像素值；将待纠正像素点的像素值更新为第一像素值，以获取正射校正图像。
例如，获取最佳观测相机/图像（第一图像）后，将飞行区域数字表面模型中与目标点相应的网格点反投影回最佳观测相机帧图像（第一图像对应的正摄变换图像，即待纠正图像），即：
PX
0
=x
0
其中，P为当前帧图像（第一图像）对应的相机矩阵，X 0 为目标点在第一图像中的3D图像坐标，x 0 为目标点在待纠正图像中的3D图像坐标（即第一图像对应的正摄变换图像中的待纠正像素点）。如果所求像素坐标在图像内，即将该像素值赋给网格点对应的正射校正图像中的待纠正像素点的坐标，以便获取正射校正图像。
应理解，通过预校正倾斜像片获得接近正摄的像片（正摄变换图像），再带入正射纠正算法，同时替换投影方程，完成正射纠正，得到正射校正图像，继而对正射校正图像完成图像拼接，可以有效的提高相机处于倾斜状态下的图像拼接效果。
在可选的实施例中，为了获取上述的飞行区域数字表面模型，在图4的基础上，给出一种可能的实现方式，请参见图6，图6为本申请实施例提供的另一种基于正摄变换的图像拼接方法的流程示意图，上述的S342可以包括：
S342a，对场景点云数据进行滤波处理，获取数字表面细分网格。
该数字表面细分网格表征地表景物在预设网格分辨率下的摄影测量坐标信息。上述滤波处理可以是，但不限于中值滤波、均值滤波等点云滤波方法。
S342b，根据数字表面细分网格和表面高程信息，获取飞行区域数字表面模型。
为了便于理解上述获取飞行区域数字表面模型，本申请给出一种可能的具体实施例：利用SLAM系统重建的三维点云信息，计算重建飞行区域数字表面模型，首先对SLAM重建的三维点云{X_i}进行滤波，其滤波方法包括中值滤波、均值滤波等点云滤波方法；其次，通过预设x-y平面网格分辨率，获得数字表面模型细分网格。基于重建点云的坐标范围和预设网格分辨率，在x-y平面建立如下图7所示数字细分网格，图7为本申请实施例提供的一种数字表面细分网格的示意图，该数字表面细分网格又可称为数字细分网络，所有重建点云x-y坐标均在该网格上，若细分网格中没有点，则通过下一步插值获得插入值。最后构建kd-tree，预设插值半径计算插入网格点的Z值，或称表面高度（即上述的表面高程信息）。换言之：通过kd-tree获得最近邻点的值，通过基于距离的加权计算方法，获得插入网格点的Z值，即表面高度，即可获得飞行区域数字表面细分结果。
利用SLAM重建出的三维点信息（场景点云数据），使得像片中心具有较好的像素质量，作为正摄变换图像输出，而不是由于序列图像的多种误差，包括畸变，倾斜角度等问题导致全景图像具有较差的像素。
可以预见的，由于使用本申请实施例提供的基于正摄变换的图像拼接方法，无人机的相机可以处于倾斜状态下对目标物（如管线、河道和公路等）进行拍摄，无人机在执行飞行巡检任务时，就可以不需要在管线、河道和公路等的上空飞行，而是在目标物的侧方飞行，避免潜在的飞行安全问题。需要注意的是，本申请实施例提供的图像拼接方法可以引入直接地理定位系统，以便根据成像旋转矩阵和表面高程信息处理序列图像，解决目前的图像拼接方案无法处理倾斜图像的问题。
为了便于理解上述序列图像为相机（图像获取单元）处于正摄视角和倾斜状态下的不同场景，给出一种可能的具体实施例：基于SLAM重建系统，获得重建结束后的场景点云数据和每帧图像对应相机位姿，当无人机执行飞行任务时，所获得的序列图像均为上述定义的单相机倾斜状态时，需要对SLAM重建结果进行纠正，这里使用上述提出的飞行区域数字表面模型并生成图像变换单应矩阵对应的正射纠正过程。
如果序列影像为相机处于正摄视角下拍摄的，开始正射纠正时，基于最佳像素点选择原则，生成正射影像。当序列影像为相机处于倾斜状态下拍摄的，由于使用了矫正后的正摄变换图像作为输入图像，H为对像片（序列图像）进行正摄变换时使用的图像变换单应矩阵，序列图像中的3D点投影到正摄变换图像的公式变化为：
CorrertedCamCenter=（K
-1
*H*K）*CamCenter
H*PX 0 =H*x 0
CorrertedCamCenter为校正相机中心，CamCenter为原相机中心，P为当前帧图像（第一图像）对应的相机矩阵，X 0 为目标点在第一图像中的3D图像坐标，x 0 为目标点在待纠正图像中的3D图像坐标（即第一图像对应的正摄变换图像中的待纠正像素点）。基于以上过程，提出一种可能的实现方式，如图8所示，图8为本申请实施例提供的另一种基于正摄变换的图像拼接方法的流程示意图，其实际为一种任意角度正射纠正算法，其可以解决任意角度影像像片（序列图像），以及正射纠正时像素采样质量差问题。直接地理定位系统获取成像旋转矩阵和曝光点信息（即序列图像对应的位置信息）；SLAM重建系统获取场景点云数据和相机位姿，若序列图像为相机处于正摄视角下拍摄的，则将成像旋转矩阵转换为单应矩阵，并对序列图像进行正射纠正，进而获取飞行区域对应的全景图像。若序列图像为相机处于倾斜状态下拍摄的，则根据成像旋转矩阵、曝光点信息和相机位姿等数据，对序列图像进行正摄变换，继而使用图像变换单应矩阵对序列图像进行正射纠正，并获取飞行区域对应的正摄全景图像。
为了实现上述的图像拼接方法，本申请实施例提供一种基于正摄变换的图像拼接装置，请参见图9，图9为本申请实施例提供的一种基于正摄变换的图像拼接装置的方框示意图，该图像拼接装置40包括：获取模块41、处理模块42和拼接模块43。
获取模块41用于获取无人机的图像获取单元发送的多张序列图像；所述序列图像是所述图像获取单元在所述无人机飞行在预设轨迹时拍摄的。
所述获取模块41还用于获取每张序列图像对应的曝光点信息和表面高程信息；所述曝光点信息为所述图像获取单元拍摄所述序列图像时的地理坐标信息，所述表面高程信息表征所述图像获取单元沿所述预设轨迹拍摄所述序列图像时，与地表景物的垂直距离。
处理模块42用于根据所有的所述曝光点信息，获取每张所述序列图像对应的正摄变换图像；所述正摄变换图像表征所述图像获取单元沿垂直方向采集的所述地表景物的图像信息。
拼接模块43用于根据所述表面高程信息和多张所述正摄变换图像，获取所述地表景物的全景图像。
应理解，获取模块41、处理模块42和拼接模块43可以协同实现上述的S31~S34及其可能的子步骤。
本申请实施例提供一种电子设备，如图10，图10为本申请实施例提供的一种电子设备的方框示意图。该电子设备50包括存储器51、处理器52和通信接口53。该存储器51、处理器52和通信接口53相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器51可用于存储软件程序及模块，如本申请实施例所提供的图像拼接方法对应的程序指令/模块，处理器52通过执行存储在存储器51内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口53可用于与其他节点设备进行信令或数据的通信。在本申请中该电子设备50可以具有多个通信接口53。
其中，存储器51可以是但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-OnlyMemory，PROM），可擦除只读存储器（Erasable Programmable Read-Only Memory，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-Only Memory，EEPROM）等。
处理器52可以是一种集成电路芯片，具有信号处理能力。该处理器可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（NetworkProcessor，NP）等；还可以是数字信号处理器（Digital Signal Processing，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field－Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
电子设备50可以实现本申请提供的任一种图像拼接方法。该电子设备50可以是，但不限于手机、平板电脑、可穿戴设备、车载设备、增强现实（Augmented Reality，AR）/虚拟现实（Virtual Reality，VR）设备、笔记本电脑、超级移动个人计算机（Ultra-MobilePersonal Computer，UMPC）、上网本、个人数字助理（Personal Digital Assistant，PDA）等电子设备上，本申请实施例对电子设备的具体类型不作任何限制。
本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如前述实施例中任一项的图像拼接方法。该计算机可读存储介质可以是，但不限于，U盘、移动硬盘、ROM、RAM、PROM、EPROM、EEPROM、磁碟或者光盘等各种可以存储程序代码的介质。
综上，本申请提供一种图像拼接方法、装置、电子设备和计算机可读存储介质，涉及无人机的图像处理领域。该方法包括：获取无人机的图像获取单元发送的多张序列图像；序列图像是图像获取单元在无人机飞行在预设轨迹时拍摄的；获取每张序列图像对应的曝光点信息和表面高程信息；曝光点信息为图像获取单元拍摄序列图像时的地理坐标信息，表面高程信息表征图像获取单元沿预设轨迹拍摄序列图像时，与地表景物的垂直距离；根据所有的曝光点信息，获取每张序列图像对应的正摄变换图像；正摄变换图像表征图像获取单元沿垂直方向采集的地表景物的图像信息；根据表面高程信息和多张正摄变换图像，获取地表景物的全景图像。对图像获取单元获取的任意角度序列图像进行正摄变换，实现图像获取单元在任意角度航拍区域的全景图像的正射纠正，以便在较短时间获取较高精度的飞行区域在图像获取单元处于正摄视角下的全景图像。
以上仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (8)
1.一种基于正摄变换的图像拼接方法，其特征在于，所述方法包括：
获取无人机的图像获取单元发送的多张序列图像；所述序列图像是所述图像获取单元在所述无人机飞行在预设轨迹时拍摄的；
获取每张序列图像对应的曝光点信息和表面高程信息；所述曝光点信息为所述图像获取单元拍摄所述序列图像时的地理坐标信息，所述表面高程信息表征所述图像获取单元沿所述预设轨迹拍摄所述序列图像时，与地表景物的垂直距离；
根据所有的所述曝光点信息，获取每张所述序列图像对应的正摄变换图像；所述正摄变换图像表征所述图像获取单元沿垂直方向采集的所述地表景物的图像信息；
获取将所述序列图像进行定位与建图SLAM重建后的场景点云数据；
根据所述表面高程信息和所述场景点云数据，获取飞行区域数字表面模型；所述飞行区域数字表面模型表征在摄影测量坐标系中，所述图像获取单元与所述地表景物的垂直距离；
获取拍摄第一图像时，所述图像获取单元与所述地表景物之间的观测向量；所述观测向量为所述图像获取单元的中心点与所述地表景物中的目标点的向量，所述第一图像为拍摄有所述目标点的多张序列图像中的任意一张；
获取所述观测向量与地面法向量确定的观测角度；所述观测角度为所述观测向量与地面的夹角；
判断所述观测角度是否为所述拍摄有所述目标点的多张序列图像对应的最大角度；
若是，则将所述第一图像对应的正摄变换图像作为所述目标点的待纠正图像；
将所述飞行区域数字表面模型中与所述目标点相应的网格点投影至所述待纠正图像，以获取正射校正图像；所述正射校正图像表征所述图像获取单元沿垂直方向采集的所述地表景物的图像信息和距离信息；
根据多张所述正射校正图像，获取所述地表景物的全景图像。
2.根据权利要求1所述的方法，其特征在于，根据所有的所述曝光点信息，获取每张所述序列图像对应的正摄变换图像，包括：
获取所述曝光点信息对应的相机位姿；所述相机位姿为所述图像获取单元拍摄所述序列图像时的倾斜角度信息；
根据所述相机位姿和所述序列图像对应的成像旋转矩阵，获取图像变换单应矩阵；所述图像变换单应矩阵用于指示将所述序列图像的倾斜角度信息置为正摄视角，所述成像旋转矩阵表征所述图像获取单元拍摄所述序列图像时，所述图像获取单元的像空间坐标系相对于像空间辅助坐标系的旋转向量；
根据所述图像变换单应矩阵处理所述序列图像，以获取所述正摄变换图像。
3.根据权利要求1所述的方法，其特征在于，将所述飞行区域数字表面模型中与所述目标点相应的网格点投影至所述待纠正图像，以获取所述正射校正图像，包括：
确定所述待纠正图像中与所述目标点对应的待纠正像素点；
获取所述网格点对应的第一像素值；
将所述待纠正像素点的像素值更新为所述第一像素值，以获取所述正射校正图像。
4.根据权利要求2所述的方法，其特征在于，所述图像变换单应矩阵通过以下方式获取：
获取所述图像获取单元的相机内参矩阵为K；
获取所述图像获取单元的图像中心在与校正相机中心的第一相对位移为t p ；
获取所述图像中心在摄影测量坐标系中的坐标V Po 为：
V Po =[X Po Y Po Z Po ] T
则所述图像变换单应矩阵为：
H=K*（R
p
-t
p
*n
T
*Z
Po
）*K
-1
其中，H为所述图像变换单应矩阵，n为所述图像获取单元的像空间坐标系的Z轴在所述摄影测量坐标系中的向量，R p 为所述图像获取单元的像空间坐标系到校正相机像空间坐标系的相对旋转。
5.根据权利要求1所述的方法，其特征在于，根据所述表面高程信息和所述场景点云数据，获取飞行区域数字表面模型，包括：
对所述场景点云数据进行滤波处理，获取数字表面细分网格；所述数字表面细分网格表征所述地表景物在预设网格分辨率下的摄影测量坐标信息；
根据所述数字表面细分网格和所述表面高程信息，获取所述飞行区域数字表面模型。
6.一种基于正摄变换的图像拼接装置，其特征在于，所述装置包括：
获取模块，用于获取无人机的图像获取单元发送的多张序列图像；所述序列图像是所述图像获取单元在所述无人机飞行在预设轨迹时拍摄的；
所述获取模块还用于获取每张序列图像对应的曝光点信息和表面高程信息；所述曝光点信息为所述图像获取单元拍摄所述序列图像时的地理坐标信息，所述表面高程信息表征所述图像获取单元沿所述预设轨迹拍摄所述序列图像时，与地表景物的垂直距离；
处理模块，用于根据所有的所述曝光点信息，获取每张所述序列图像对应的正摄变换图像；所述正摄变换图像表征所述图像获取单元沿垂直方向采集的所述地表景物的图像信息；
拼接模块，用于获取将所述序列图像进行定位与建图SLAM重建后的场景点云数据；
所述拼接模块还用于根据所述表面高程信息和所述场景点云数据，获取飞行区域数字表面模型；所述飞行区域数字表面模型表征在摄影测量坐标系中，所述图像获取单元与所述地表景物的垂直距离；
所述拼接模块还用于获取拍摄第一图像时，所述图像获取单元与所述地表景物之间的观测向量；所述观测向量为所述图像获取单元的中心点与所述地表景物中的目标点的向量，所述第一图像为拍摄有所述目标点的多张序列图像所述拼接模块还用于中的任意一张；
获取所述观测向量与地面法向量确定的观测角度；所述观测角度为所述观测向量与地面的夹角；
所述拼接模块还用于判断所述观测角度是否为所述拍摄有所述目标点的多张序列图像对应的最大角度；
所述拼接模块还用于若是，则将所述第一图像对应的正摄变换图像作为所述目标点的待纠正图像；
所述拼接模块还用于将所述飞行区域数字表面模型中与所述目标点相应的网格点投影至所述待纠正图像，以获取正射校正图像；所述正射校正图像表征所述图像获取单元沿垂直方向采集的所述地表景物的图像信息和距离信息；
所述拼接模块还用于根据多张所述正射校正图像，获取所述地表景物的全景图像。
7.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现权利要求1-5任意一项所述的方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-5任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010925729.5A CN111784585B (zh) | 2020-09-07 | 2020-09-07 | 图像拼接方法、装置、电子设备和计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010925729.5A CN111784585B (zh) | 2020-09-07 | 2020-09-07 | 图像拼接方法、装置、电子设备和计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111784585A CN111784585A (zh) | 2020-10-16 |
| CN111784585B true CN111784585B (zh) | 2020-12-15 |
Family
ID=72763043
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010925729.5A Active CN111784585B (zh) | 2020-09-07 | 2020-09-07 | 图像拼接方法、装置、电子设备和计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111784585B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113160052B (zh) * | 2021-04-01 | 2022-10-25 | 华南理工大学 | 基于非均匀精度的近海养殖区域图像拼接方法 |
| CN113781373A (zh) * | 2021-08-26 | 2021-12-10 | 云从科技集团股份有限公司 | 图像融合方法、设备及计算机存储介质 |
| CN114201633B (zh) * | 2022-02-17 | 2022-05-17 | 四川腾盾科技有限公司 | 一种用于无人机视觉定位的自适应卫星图像生成方法 |
| CN116433756B (zh) * | 2023-06-15 | 2023-08-18 | 浪潮智慧科技有限公司 | 一种单目相机的地表物体空间分析方法、设备及介质 |
| CN117011446B (zh) * | 2023-08-23 | 2024-03-08 | 苏州深捷信息科技有限公司 | 一种动态环境光照的实时渲染方法 |
| CN116863085B (zh) * | 2023-09-04 | 2024-01-09 | 北京数慧时空信息技术有限公司 | 一种三维重建系统、三维重建方法、电子设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104268935A (zh) * | 2014-09-18 | 2015-01-07 | 华南理工大学 | 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 |
| CN109949399A (zh) * | 2019-03-15 | 2019-06-28 | 西安因诺航空科技有限公司 | 一种基于无人机航拍图像的场景三维重建方法 |
| CN110648283A (zh) * | 2019-11-27 | 2020-01-03 | 成都纵横大鹏无人机科技有限公司 | 图像拼接方法、装置、电子设备和计算机可读存储介质 |
| CN110675450A (zh) * | 2019-09-06 | 2020-01-10 | 武汉九州位讯科技有限公司 | 基于slam技术的正射影像实时生成方法及系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1311115A1 (en) * | 2001-11-08 | 2003-05-14 | Deutsche Thomson-Brandt Gmbh | Method for recording digital video broadcast data, and digital video recorder |
| EP2812452B1 (en) * | 2012-02-09 | 2020-05-27 | Population Bio, Inc. | Methods and compositions for screening and treating developmental disorders |
| CN104050649A (zh) * | 2014-06-13 | 2014-09-17 | 北京农业信息技术研究中心 | 农业遥感系统 |
| CN107316325B (zh) * | 2017-06-07 | 2020-09-22 | 华南理工大学 | 一种基于图像配准的机载激光点云与影像配准融合方法 |
-
2020
- 2020-09-07 CN CN202010925729.5A patent/CN111784585B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104268935A (zh) * | 2014-09-18 | 2015-01-07 | 华南理工大学 | 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 |
| CN109949399A (zh) * | 2019-03-15 | 2019-06-28 | 西安因诺航空科技有限公司 | 一种基于无人机航拍图像的场景三维重建方法 |
| CN110675450A (zh) * | 2019-09-06 | 2020-01-10 | 武汉九州位讯科技有限公司 | 基于slam技术的正射影像实时生成方法及系统 |
| CN110648283A (zh) * | 2019-11-27 | 2020-01-03 | 成都纵横大鹏无人机科技有限公司 | 图像拼接方法、装置、电子设备和计算机可读存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| A METHOD OF GENERATING PANORAMIC STREET STRIP IMAGE MAP WITH MOBILE MAPPING SYSTEM;Chen Tianen等;《The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences》;20161231;第12-19页 * |
| 基于优化三维重建技术的快速影像拼接;陈锐等;《软件导刊》;20200731;第19卷(第7期);第219-222页 * |
| 航拍图像全景生成及其地理配准研究;李陈熙;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20200515(第05期);第2-3章、4.2节 * |
| 视频图像中的车型识别;曹治锦等;《计算机工程与应用》;20041231;第226-228页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111784585A (zh) | 2020-10-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111784585B (zh) | 图像拼接方法、装置、电子设备和计算机可读存储介质 | |
| CN107316325B (zh) | 一种基于图像配准的机载激光点云与影像配准融合方法 | |
| CN110648398B (zh) | 基于无人机航摄数据的正射影像实时生成方法及系统 | |
| CN110211043B (zh) | 一种用于全景图像拼接的基于网格优化的配准方法 | |
| WO2020014909A1 (zh) | 拍摄方法、装置和无人机 | |
| Guo et al. | Mapping crop status from an unmanned aerial vehicle for precision agriculture applications | |
| CN111693025B (zh) | 一种遥感影像数据生成方法、系统及设备 | |
| CN113391644B (zh) | 一种基于图像信息熵的无人机拍摄距离半自动寻优方法 | |
| CN116523748A (zh) | 图像拼接方法、设备、存储介质及无人机 | |
| KR102159134B1 (ko) | 무인비행기를 이용한 비측량용 실시간 고해상도 정사지도 생성 방법 및 비측량용 실시간 고해상도 정사지도 생성 장치 | |
| CN115423863B (zh) | 相机位姿估计方法、装置及计算机可读存储介质 | |
| CN114445583A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| CN111383264B (zh) | 一种定位方法、装置、终端及计算机存储介质 | |
| 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 | |
| CN113129422A (zh) | 一种三维模型构建方法、装置、存储介质和计算机设备 | |
| Lin et al. | Real-time low-cost omni-directional stereo vision via bi-polar spherical cameras | |
| Barazzetti et al. | Stitching and processing gnomonic projections for close-range photogrammetry | |
| CN111784622B (zh) | 一种基于无人机单目倾斜的图像拼接方法及相关装置 | |
| Yuan et al. | A novel method for geometric correction of multi-cameras in panoramic video system | |
| CN113610952A (zh) | 一种三维场景重建方法、装置、电子设备和存储介质 | |
| CN117422650B (zh) | 全景影像畸变校正方法、装置、电子设备及介质 | |
| CN113593023B (zh) | 三维制图方法、装置、设备及存储介质 | |
| CN116839595B (zh) | 一种创建无人机航线的方法 | |
| CN111307119B (zh) | 一种针对倾斜摄影的像素级空间信息记录方法 | |
| JP2004127322A (ja) | ステレオ画像形成方法及び装置 |
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 | ||
| CP03 | Change of name, title or address |
Address after: 7 / F, area a, building 6, No. 200, Tianfu 5th Street, high tech Zone, Chengdu, Sichuan 610000 Patentee after: CHENGDU JOUAV AUTOMATION TECHNOLOGY Co.,Ltd. Country or region after: China Address before: Room 801-805, 8th floor, Building A, No. 200, Tianfu Wujie, Chengdu High-tech Zone, Sichuan Province, 610000 Patentee before: CHENGDU JOUAV AUTOMATION TECHNOLOGY Co.,Ltd. Country or region before: China |
|
| CP03 | Change of name, title or address |