CN112509042A - 一种基于星上控制点库的实时定位方法、装置及存储介质 - Google Patents
一种基于星上控制点库的实时定位方法、装置及存储介质 Download PDFInfo
- Publication number
- CN112509042A CN112509042A CN202011362066.7A CN202011362066A CN112509042A CN 112509042 A CN112509042 A CN 112509042A CN 202011362066 A CN202011362066 A CN 202011362066A CN 112509042 A CN112509042 A CN 112509042A
- Authority
- CN
- China
- Prior art keywords
- image
- control point
- data
- point
- points
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 230000010365 information processing Effects 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims abstract description 5
- 230000006835 compression Effects 0.000 claims description 16
- 238000007906 compression Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 230000005855 radiation Effects 0.000 description 7
- 238000003702 image correction Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 229920006068 Minlon® Polymers 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
一种基于星上控制点库的实时定位方法、装置及存储介质，属于图像信息处理领域，其特征在于：读取基准影像数据并进行影像特征点提取；将提取的特征点信息及特征点高精度位置信息加工成控制点；将控制点按照经纬度范围划分存入数据库，组成不同区域的控制点数据库表，形成控制点库；依据待匹配影像的经纬度范围在控制点库中搜寻对应区域的控制点数据，然后利用匹配算法将控制点转刺到待匹配影像上；基于转刺后的控制点数据进行几何定位模型优化与影像定位。基于星上控制点库进行影像匹配，有效的规避了传统影像匹配需要存储超大底图的问题，同时免去了程序加载参考影像耗时及参考影像提取特征点的耗时，在匹配效率上有很大的提升。
Description
技术领域
本发明属于图像信息处理领域，尤其涉及一种基于星上控制点库的实时定位方法、装置及存储介质。
背景技术
随着卫星遥感应用规模的迅猛发展、应用领域的广泛扩展和应用水平的显著提升，卫星遥感应用正从面向科学研究和技术试验为主的科研试验性应用向直接服务于经济社会发展和国家安全的产业化规模化应用转型。这种转型对卫星遥感的快速响应和高时效性应用提出了越来越高的要求。如果说传统的卫星遥感应用时效性需求可以以周、月甚至年为单位的话，那么产业化规模化卫星遥感应用则很大程度上以日、小时甚至分钟为单位作为时效性需求。特别是在应急减灾、环境监测、交通状态监视等方面，对遥感信息的快速响应应用具有十分迫切的需求。
传统的遥感数据应用模式是地面接收系统接收卫星成像并下传的所有数据并记录为可用的数据格式，地面应用系统对接收的数据进行编目分景、数据提取和影像产品生产之后才能生产最终的影像产品。这种单纯依靠地面处理的遥感应用模式处理过程复杂，涉及的环节较多，处理时间动辄数天、数周，严重制约了遥感数据的高效快速应用。
发明内容
本发明旨在解决上述问题，提供一种基于星上控制点库的实时定位方法、装置及存储介质。
第一方面，本发明提供一种基于星上控制点库的实时定位方法，包括读取基准影像数据并进行影像特征点提取；将提取的特征点信息及特征点高精度位置信息加工成控制点；将控制点按照经纬度范围划分存入数据库，组成不同区域的控制点数据库表，形成控制点库；依据待匹配影像的经纬度范围在控制点库中搜寻对应区域的控制点数据，然后利用匹配算法将控制点转刺到待匹配影像上；基于转刺后的控制点数据进行几何定位模型优化与影像定位。
进一步，本发明所述基于星上控制点库的实时定位方法，所述控制点库的构建包括：读取基准影像数据，在基准影像上提取特征点；
根据提取的特征点像素坐标，生成金字塔文件，再生成特征描述符数据，并利用字符串压缩算法对特征描述符数据进行压缩处理；
将控制点大地纬度、大地经度、大地高及特征描述符入库，并根据全球格网设置不同的控制点表，根据控制点所属范围将控制点入库不同的表中。
更进一步，本发明所述基于星上控制点库的实时定位方法，所述金字塔文件包括：以特征点所在像素位置为中心截取的1024*1024像素大小的窗口影像层，及以窗口影像为基准建立的512*512像素的影像层、256*256像素的影像层、128*128像素的影像层、64*64像素的影像层和32*32像素的影像层。
更进一步，本发明所述基于星上控制点库的实时定位方法，所述生成特征描述符数据包括：在组成金字塔文件的每个影像层中，以特征点为中心，抽取17*17像素大小的切片影像文件作为特征描述符数据。
进一步，本发明所述基于星上控制点库的实时定位方法，所述影像定位包括：
将待匹配影像依据输入的姿态轨道以及行时数据计算影像四角点坐标同时格网化拟合原始RPC信息；
根据待匹配影像的经纬度范围在控制点库中搜索相应区域的控制点数据；
根据搜索到的控制点数据，进行基于控制点库的匹配处理，将控制点转刺到待匹配影像上；
由原始的RPC数据以及匹配得到的控制点数据优化几何定位模型，输出精化后的RPC信息；
根据精化输出的RPC数据，基础DEM数据对输入影像进行正射校正处理，完成影像精定位使其具有精确的地理位置信息。
第二方面，本发明提供一种基于星上控制点库的实时定位装置，包括：
信息提取单元，用于读取基准影像数据并进行影像特征点提取；
信息加工单元，用于将提取的特征点信息及特征点高精度位置信息加工成控制点；建库单元，用于将控制点按照经纬度范围划分存入数据库，组成不同区域的控制点数据库表，形成控制点库；
匹配单元，用于依据待匹配影像的经纬度范围在控制点库中搜寻对应区域的控制点数据，然后利用匹配算法将控制点转刺到待匹配影像上；
定位单元，用于基于转刺后的控制点数据进行几何定位模型优化与影像定位。
进一步，本发明所述基于星上控制点库的实时定位装置，所述信息加工单元包括控制点库影像单元、特征点单元和压缩单元；
所述控制点库影像单元用于根据提取的特征点像素坐标，生成金字塔文件；
所述特征点单元用于根据金字塔文件生成特征描述符数据；
所述压缩单元用于通过字符串压缩算法对特征描述符数据进行压缩处理。
进一步，本发明所述基于星上控制点库的实时定位装置，所述金字塔文件包括：以特征点所在像素位置为中心截取的1024*1024像素大小的窗口影像层，及以窗口影像为基准建立的512*512像素的影像层、256*256像素的影像层、128*128像素的影像层、64*64像素的影像层和32*32像素的影像层。
第三方面，本发明提供一种基于星上控制点库的实时定位装置，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现上述第一方面任一项所述的基于星上控制点库的实时定位方法。
第四方面，本发明提供一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现上述第一方面任一项所述的基于星上控制点库的实时定位方法。
本发明所述基于星上控制点库的实时定位方法及装置，基于星上控制点库进行影像匹配，有效的规避了传统影像匹配需要存储超大底图的问题，同时免去了程序加载参考影像耗时及参考影像提取特征点的耗时，在匹配效率上有很大的提升。
星上控制点库，采用17像素×17像素*6层的特征影像取代1024像素×1024像素的原始影像(tif格式)，单个特征点数据量将由原先的1M降至0.0016M，极大地降低了控制点的数据量，在此基础上，利用字符串压缩算法将特征影像压缩成二进制字符串，进一步降低了数据量，并提升了处理速度，解决了星上资源受限问题，为星上控制点数据库的构建和应用提供了新的途径。
在轨实时高精度定位处理技术，通过布设星上控制点库，引用控制点优化成像模型，实现高精度处理，保证了遥感影像地理位置信息的准确性。
附图说明
图1为本发明所述控制点库的构建过程流程示意图；
图2为本发明所述基于星上控制点库的高精度定位示意图；
图3为本发明所述Moravec算子示意图；
图4为本发明所述金字塔文件示意图；
图5为本发明所述影像四角点坐标计算流程示意图；
图6为本发明所述一幅输入影像示意图；
图7为图6所示影像初始RPC参数的算法执行结果示意图；
图8为本发明所述几何变形示意图；
图9为本发明所述计算所得输出影像范围示意图；
图10为本发明所述根据输出影像范围任务分块示意图。
具体实施方式
下面通过附图及实施例对本发明所述基于星上控制点库的实时定位方法、装置及存储介质进行详细说明。
实施例一
本实施例所述基于星上控制点库的实时定位方法，包括读取基准影像数据并进行影像特征点提取；将提取的特征点信息及特征点高精度位置信息加工成控制点；将控制点按照经纬度范围划分存入数据库，组成不同区域的控制点数据库表，形成控制点库；依据待匹配影像的经纬度范围在控制点库中搜寻对应区域的控制点数据，然后利用匹配算法将控制点转刺到待匹配影像上；基于转刺后的控制点数据进行几何定位模型优化与影像定位。
其中，如图1所示，所述控制点库的构建过程具体包括如下步骤：
S101、读取基准影像数据，在基准影像上提取特征点；
S102、根据提取的特征点像素坐标，生成金字塔文件，再生成特征描述符数据，并利用字符串压缩算法对特征描述符数据进行压缩处理；
S103、将控制点大地纬度、大地经度、大地高及特征描述符入库，并根据全球格网设置不同的控制点表，根据控制点所属范围将控制点入库不同的表中。
在本公开具体实施例中，所述控制点库的构建过程为：
影像特征点提取；特征主要指明显点，如角点、圆点等，提取点特征的算子称为兴趣算子或有利算子，即运用某种算法从影响中提取我们所感兴趣的，即有利于某种目的的点。
在本公开实施例中采用Moravec算子，具体的算法如下：
Moravec算子是利用灰度方差提取点特征的算子，其步骤为：
a.计算各像元的兴趣值IV(interest value)。在以像素(c，r)为中心的w×w的影像窗口中，如图3所示的5×5的窗口，计算下图所示四个方向相邻像素灰度差的平方和：
b.给定经验阈值，将兴趣值大于该阈值的点(即兴趣值计算窗口的中心点)作为候选点。阈值的选择应以候选点中包括所需要的特征点，而又不含过多的非特征点为原则；
c.选取候选点中的极值点作为特征点。在一定大小的窗口内(可不同于兴趣值计算窗口，例如5×5，7×7或9×9像元)，将候选点中兴趣值不是最大者均去掉，仅留下一个兴趣值最大者，该像素即为一个特征点。
Moravec算子是在四个主要方向上，选择具有最大—最小灰度方差的点作为特征点。
生成特征描述符；常规地面控制点数据库的影像数据，一般以特征点所在像素位置为中心，截取1024*1024像素大小的窗口影像作为控制点数据库的影像数据。在本公开实施例中在此基础上进行优化改进，以窗口影像为基准，分别建立512*512像素、256*256像素、128*128像素、64*64像素、32*32像素的金字塔影像文件，如图4所示。在每层金字塔文件(包括1024*1024)中，以特征点为中心，抽取17*17像素大小的切片影像文件作为特征描述符文件，最终特征描述符文件为17*17像素*6层的多尺度影像文件。
由于星上存储空间有限，星上控制点库更新时上注带宽较小，为减轻星上存储及实时处理的负担，需尽可能对星上控制点进行轻量化处理。利用二进制字符串存储体积小、处理速度快的优势，通过字符串压缩算法，将多尺度影像特征描述符压缩成短二进制字符，实现描述符的成倍压缩。因此，采用压缩成二进制字符串的多尺度影像文件，取代常规地面控制点数据库中的影像数据，实现星上控制点数据的轻量化。
控制点数据入库；星上控制点的点位信息包括控制点编号、控制点大地经度、控制点大地纬度、控制点大地高以及控制点特征描述符等信息，控制点信息表结构如表1所示。
表1控制点库表的设计
| 字段名称 | 类型 | 功能 |
| ID | char | 控制点唯一标识符 |
| B | float | 控制点大地经度 |
| L | float | 控制点大地纬度 |
| H | float | 控制点大地高 |
| Des | char | 控制点特征描述符 |
星上控制点数据入库即将控制点大地纬度、大地经度、大地高及特征描述符入库，在控制点数据库中，根据全球格网设置不同的控制点表，根据控制点所属范围将控制点入库不同的表中，完成控制点库的构建，以便于快速检索查询。
在本公开实施例中，如图2所示，基于星上控制点库的高精度定位步骤包括：
S111、程序读入待匹配影像，并依据输入的姿态轨道以及行时数据计算影像四角点坐标同时格网化拟合原始RPC信息；
S112、根据待匹配影像的经纬度范围在控制点库中搜索相应区域的控制点数据；
S113、根据搜索到的控制点数据，进行基于控制点库的匹配处理，将控制点转刺到待匹配影像上；
S114、由原始的RPC数据以及匹配得到的控制点数据优化几何定位模型，输出精化后的RPC信息；
S115、根据精化输出的RPC数据，基础DEM数据对输入影像进行正射校正处理，完成影像精定位使其具有精确的地理位置信息。
本实施例所述定位方法有效的规避了传统影像匹配时程序加载较大以及超大参考影像时因磁盘本身读写速率慢而导致影像匹配效率低下的问题，由于控制点库中搜索出的控制点是预先入库的影像特征点，影像匹配时直接作为特征点使用，省去影像匹配过程中特征提取的时间，从而大幅度提高了影像匹配的效率。此外，采用星上控制点库的方法避免了传统处理需要存储超大参考底图的问题，有效减少星上存储空间的占用。
实施例二
在实施例一基础上，在本公开另一实施例基于星上控制点库的在轨实时高精度定位处理方法包括：
影像四角点坐标计算及初始RPC拟合：影像四角点坐标计算主要依据姿轨行时内外方位元素等辅助数据，利用单片定位模型计算得到，再按照一定的格网间距将输入影像格网化，再次利用单片定位模型计算每个格网点的坐标信息，最终拟合得到初始RPC参数，整个算法流程如图5所示。
如图6所示为一幅输入影像；图7为计算该影像四角点坐标以及拟合对应区域初始RPC参数的算法执行结果。
基于控制点库的匹配处理：
S201、相关系数匹配
影像匹配实质上是在两幅(或多幅)影像上识别同名点。若影像I1与I2中的像点O1与O2具有坐标P1＝(x1,y1)、P2＝(x2,y2)及特征属性f1与f2，即O1＝(P1,f1)、O2＝(P2,f2)。其中f1与f2可以是以P1与P2为中心的小影像窗口的灰度矩阵g1与g2，也可以是其他能够描述O1与O2的特征(广义的情况，O1与O2可以是一定像元的集合，P1与P2分别是描述它们的几何参数向量)。基于f1与f2定义某种测度。所谓影像匹配就是建立一个映射函数，使其满足：
其中T为描述映射M的参数向量，测度m表示与的匹配程度，也称为匹配测度。相关系数测度是一种常用的匹配测度。g(x,y)与g′(x,y)的相关系数定义为：
若ρ(p0,q0)>ρ(p,q)(p≠p0,q≠q0)，则(p0,q0)为搜索区影像相对于目标区影像的位移参数。
S202、最小二乘匹配
影像灰度的系统变形有两大类：辐射畸变和几何畸变。在影像匹配中引入这些变形参数，同时按最小二乘的原则，解求这些参数，就是最小二乘影像匹配的基本思想。
影像匹配的主要目的是确定影像相对移位，基于相关系数的影像匹配算法采用目标区相对于搜索区不断地移动一个整像素，搜索最大相关系数的影像区中心作为同名像点。在最小二乘影像匹配算法中，可引入几何变形参数，直接解算影像移位，这是此算法的特点。最小二乘影像匹配算法的优点是灵活、可靠和高精度，但当初始值不太准时，系统的收敛性等问题有待解决。因此在实际应用中，一般将基于灰度的匹配或基于特征的匹配作为粗匹配，而将最小二乘影像匹配作为精匹配。
如图8所示，两个局部影像片之间的变形，不仅有灰度畸变、相对移位，而且还存在着几何畸变，。只有充分地考虑影像间的这些变形因素，才能获得最佳的影像匹配。
两个二维影像之间一般存在着相对变形，但是，由于影像匹配窗口的尺寸均很小，所以一般只考虑一次畸变：
x2＝a0+a1x+a2y
y2＝b0+b1x+b2y
若同时再考虑到右方影像相对于左方影像的线性灰度畸变，则可得：
g1(x,y)+n1(x,y)＝ho+h1g2(a0+a1x+a2y,b0+b1x+b2y)+n2(x,y)
经线性化后，即可得最小二乘影像匹配的误差方程式：
v＝c1dho+c2dh1+c3da0+c4da1+c5da2+c6db0+c7db1+c8db2-Δg
式中，未知数dh0，dh1，da0，···,db2是待定参数的改正值。
误差方程式的系数为：
由于在数字影像匹配中，灰度均是按规则格网排列的离散阵列，且采样间隔为常数Δ，可被视为单位长度，上式中的偏导数均用差分代替：
在目标区域内逐个像元建立误差方程式，其矩阵形式为，
V＝CX-L
在建立误差方程式时，可采用以目标区中心为坐标原点的局部坐标系。由误差方程式建立法方程式，
(CTC)X＝(CTL)
算法步骤为：
①几何变形改正
根据几何变形改正参数a0,a1,a2,b0,b1,b2将左方影像窗口的影像坐标变换至右方影像阵列：
②重采样由于换算所得之坐标x2，y2一般不可能是右方影像阵列中的整数行列号，因此重采样是必须的。
③辐射畸变改正
利用所求的辐射畸变改正参数h0,h1；对上述重采样的结果作辐射改正：
h0+h1·g2(x2,y2)
④相关系数计算
计算左方影像窗口与经过几何、辐射改正后的右方影像窗口的灰度阵列之间的相关系数，若小于前一次迭代后所求得的相关系数，则迭代结束，转到g否则转e。
也可以根据几何变形参数是否小于某个预定的阈值判断迭代结束。
⑤采用最小二乘影像匹配，解求变形参数的改正值dh0,dh1,da0,…。
⑥计算新的变形改正参数。
由于变形参数的改正值是根据经过几何、辐射改正后的右方影像灰度阵列求得的，因此，变形参数应按下列算法求得，设
…是前一次变形参数，而
…是本次迭代所求得的改正值，则几何改正参数：
所以，
对于辐射畸变参数满足：
⑦计算最佳匹配的点位
可用梯度的平方为权，在左方影像窗口内对坐标作加权平均：
右片上同名点的坐标为：
S203、几何定位模型优化
遥感影像定位通常以RPM(Rational Polynomial Model)有理多项式模型为依据，结合初始拟合的RPC(Rational Polynomial Coefficients)参数，来完成像方坐标到物方坐标的转换，实现影像粗定位。几何定位模型优化是指利用影像匹配得到的控制点信息对初始拟合的RPC参数进行精化纠正的一个过程，其具体的算法步骤如下：
①程序读入初始RPC参数及控制点信息；
②结合初始RPC参数，控制点的行列号、经纬度高程等信息完成一次RPC参数的精化；
③计算每个控制点的均方根误差并按误差大小排序剔除粗差较大的并保留一部分控制点；
④利用保留的部分控制点信息，按照步骤二完成对初始RPC参数的二次精化；
⑤将精化后的RPC参数保存并输出，完成几何定位模型的优化处理。
对图6所示输入影像的初始RPC参数进行精化处理，精化后RPC参数的定位精度对比如表2所示。
表2 两次精化RPC参数的定位精度对比
S204、快速正射校正处理
在得到精化后的RPC参数后，结合辅助DEM数据对输入影像进行快速正射校正处理，完成影像精定位，使其具有精确的地理位置信息。
实施例三
在实施例二的基础上，本公开另一具体实施例中影像正射校正处理采用基于MPI的多任务分发并行处理机制来实现。
影像正射校正的主要步骤实现如下：
①输出影像范围的计算
根据输入影像四角点的像素坐标(行列号)以及精化后的RPC参数信息计算输出影像四角点的经纬度坐标，并判断输出影像在经度方向和纬度方向上经度与纬度的最大最小值得到MaxLon,MinLon,MaxLat,MinLat，如图9中的外边框，再根据指定分辨率PixelSpacing，可以计算输出影像长宽范围。
DstImgWidth＝(MaxLon-MinLon)/PixelSpacing；
DstImgHeight＝(MaxLat-MinLat)/PixelSpacing；
②根据输出影像长宽将影像校正任务分块
将输出影像按照指定的分块大小进行任务分块，如图10按输出影像长宽范围将影像校正任务分为30块，红色格网的每个矩形格网块作为待校正影像块，主进程将待校正影像块分发给各个子进程，子进程进行影像校正处理。
③基于MPI的影像校正任务分发
影像正射校正采用基于MPI的并行处理机制，程序采用主从进程的执行方式，即主进程负责影像数据的读入，输出影像范围的计算以及影像校正任务的分发，子进程在等待任务的接收。待子进程接收到任务后，多个子进程可同时完成各自的影像校正任务，等所有子进程都执行完校正任务并向主进程反馈执行状态之后，即完成了整幅影像的快速正射校正处理。多个子进程并行处理的机制在效率上保证了影像正射校正的完成，尤其是处理数据量较大的影像时，相比单进程程序这种优势更加明显。
实施例四
在本公开实例中，提供一种基于星上控制点库的实时定位装置，包括：信息提取单元，用于读取基准影像数据并进行影像特征点提取；信息加工单元，用于将提取的特征点信息及特征点高精度位置信息加工成控制点；建库单元，用于将控制点按照经纬度范围划分存入数据库，组成不同区域的控制点数据库表，形成控制点库；匹配单元，用于依据待匹配影像的经纬度范围在控制点库中搜寻对应区域的控制点数据，然后利用匹配算法将控制点转刺到待匹配影像上；定位单元，用于基于转刺后的控制点数据进行几何定位模型优化与影像定位。
在本公开实施中所述信息加工单元包括控制点库影像单元、特征点单元和压缩单元；所述控制点库影像单元用于根据提取的特征点像素坐标，生成金字塔文件；所述特征点单元用于根据金字塔文件生成特征描述符数据；所述压缩单元用于通过字符串压缩算法对特征描述符数据进行压缩处理。
实施例五
本公开另一具体实施例所述基于星上控制点库的实时定位装置，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，使得计算机执行上述实施例一、实施例二及实施例三中的基于星上控制点库的实时定位处理方法，具体定位步骤与前述实施例相同，不再赘述。
实施例六
本公开另一具体实施例计算机可读介质，所述计算机可读介质存储有程序代码，当所述计算机程序代码在计算机上运行时，使计算机执行上述实施例一、实施例二及实施例三中的基于星上控制点库的实时定位处理方法，具体定位步骤与前述实施例相同，不再赘述。
所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输。所述计算机可读存储介质可以是计算机能够读取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，数字通用光盘(DVD))或者半导体介质(例如，固态硬盘(SSD))等。
计算机存储代码所形成软件可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。
在本申请各实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。
以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于星上控制点库的实时定位方法，其特征在于：
读取基准影像数据并进行影像特征点提取；
将提取的特征点信息及特征点高精度位置信息加工成控制点；
将控制点按照经纬度范围划分存入数据库，组成不同区域的控制点数据库表，形成控制点库；
依据待匹配影像的经纬度范围在控制点库中搜寻对应区域的控制点数据，然后利用匹配算法将控制点转刺到待匹配影像上；
基于转刺后的控制点数据进行几何定位模型优化与影像定位。
2.根据权利要求1所述基于星上控制点库的实时定位方法，其特征在于，所述控制点库的构建包括：
读取基准影像数据，在基准影像上提取特征点；
根据提取的特征点像素坐标，生成金字塔文件，再生成特征描述符数据，并利用字符串压缩算法对特征描述符数据进行压缩处理；
将控制点大地纬度、大地经度、大地高及特征描述符入库，并根据全球格网设置不同的控制点表，根据控制点所属范围将控制点入库不同的表中。
3.根据权利要求2所述基于星上控制点库的实时定位方法，其特征在于，所述金字塔文件包括：以特征点所在像素位置为中心截取的1024*1024像素大小的窗口影像层，及以窗口影像为基准建立的512*512像素的影像层、256*256像素的影像层、128*128像素的影像层、64*64像素的影像层和32*32像素的影像层。
4.根据权利要求3所述基于星上控制点库的实时定位方法，其特征在于，所述生成特征描述符数据包括：在组成金字塔文件的每个影像层中，以特征点为中心，抽取17*17像素大小的切片影像文件作为特征描述符数据。
5.根据权利要求1所述基于星上控制点库的实时定位方法，其特征在于，所述影像定位包括：
将待匹配影像依据输入的姿态轨道以及行时数据计算影像四角点坐标同时格网化拟合原始RPC信息；
根据待匹配影像的经纬度范围在控制点库中搜索相应区域的控制点数据；
根据搜索到的控制点数据，进行基于控制点库的匹配处理，将控制点转刺到待匹配影像上；
由原始的RPC数据以及匹配得到的控制点数据优化几何定位模型，输出精化后的RPC信息；
根据精化输出的RPC数据，基础DEM数据对输入影像进行正射校正处理，完成影像精定位使其具有精确的地理位置信息。
6.一种基于星上控制点库的实时定位装置，其特征在于，包括：
信息提取单元，用于读取基准影像数据并进行影像特征点提取；
信息加工单元，用于将提取的特征点信息及特征点高精度位置信息加工成控制点；
建库单元，用于将控制点按照经纬度范围划分存入数据库，组成不同区域的控制点数据库表，形成控制点库；
匹配单元，用于依据待匹配影像的经纬度范围在控制点库中搜寻对应区域的控制点数据，然后利用匹配算法将控制点转刺到待匹配影像上；
定位单元，用于基于转刺后的控制点数据进行几何定位模型优化与影像定位。
7.根据权利要求6所述基于星上控制点库的实时定位装置，其特征在于，所述信息加工单元包括控制点库影像单元、特征点单元和压缩单元；
所述控制点库影像单元用于根据提取的特征点像素坐标，生成金字塔文件；
所述特征点单元用于根据金字塔文件生成特征描述符数据；
所述压缩单元用于通过字符串压缩算法对特征描述符数据进行压缩处理。
8.根据权利要求7所述基于星上控制点库的实时定位装置，其特征在于，所述金字塔文件包括：以特征点所在像素位置为中心截取的1024*1024像素大小的窗口影像层，及以窗口影像为基准建立的512*512像素的影像层、256*256像素的影像层、128*128像素的影像层、64*64像素的影像层和32*32像素的影像层。
9.一种基于星上控制点库的实时定位装置，包括存储器和处理器；其特征在于：所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现如权利要求1-5任一项所述的基于星上控制点库的实时定位方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1-5任一项所述的基于星上控制点库的实时定位方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011362066.7A CN112509042A (zh) | 2020-11-27 | 2020-11-27 | 一种基于星上控制点库的实时定位方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011362066.7A CN112509042A (zh) | 2020-11-27 | 2020-11-27 | 一种基于星上控制点库的实时定位方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112509042A true CN112509042A (zh) | 2021-03-16 |
Family
ID=74967064
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011362066.7A Pending CN112509042A (zh) | 2020-11-27 | 2020-11-27 | 一种基于星上控制点库的实时定位方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112509042A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113470127A (zh) * | 2021-09-06 | 2021-10-01 | 成都国星宇航科技有限公司 | 基于星载云检测的光学图像有效压缩方法 |
| CN113643369A (zh) * | 2021-08-16 | 2021-11-12 | 中国科学院空天信息创新研究院 | 针对遥感影像的定位信息校正方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101840517A (zh) * | 2010-04-27 | 2010-09-22 | 武汉大学 | 一种基于影像配准的控制点影像库匹配方法及其装置 |
| CN102213762A (zh) * | 2011-04-12 | 2011-10-12 | 中交第二公路勘察设计研究院有限公司 | 基于rfm模型的多源星载sar影像自动匹配方法 |
| CN110659369A (zh) * | 2019-03-22 | 2020-01-07 | 西安电子科技大学 | 在轨高精度轻量化全球影像控制点数据库构建方法及系统 |
-
2020
- 2020-11-27 CN CN202011362066.7A patent/CN112509042A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101840517A (zh) * | 2010-04-27 | 2010-09-22 | 武汉大学 | 一种基于影像配准的控制点影像库匹配方法及其装置 |
| CN102213762A (zh) * | 2011-04-12 | 2011-10-12 | 中交第二公路勘察设计研究院有限公司 | 基于rfm模型的多源星载sar影像自动匹配方法 |
| CN110659369A (zh) * | 2019-03-22 | 2020-01-07 | 西安电子科技大学 | 在轨高精度轻量化全球影像控制点数据库构建方法及系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113643369A (zh) * | 2021-08-16 | 2021-11-12 | 中国科学院空天信息创新研究院 | 针对遥感影像的定位信息校正方法 |
| CN113470127A (zh) * | 2021-09-06 | 2021-10-01 | 成都国星宇航科技有限公司 | 基于星载云检测的光学图像有效压缩方法 |
| CN113470127B (zh) * | 2021-09-06 | 2021-11-26 | 成都国星宇航科技有限公司 | 基于星载云检测的光学图像有效压缩方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110442444B (zh) | 一种面向海量遥感影像的并行数据访问方法与系统 | |
| US9875404B2 (en) | Automated metric information network | |
| CN113469896B (zh) | 一种提高地球同步轨道卫星对地观测影像几何校正精度的方法 | |
| CN103337052B (zh) | 面向宽幅遥感影像的自动几何纠正方法 | |
| CN103268358B (zh) | 多源控制点影像数据库构建及更新方法 | |
| CN112529946B (zh) | 高分立体模型优化方法、系统、电子设备及可读存储介质 | |
| CN103218783A (zh) | 基于控制点影像数据库的卫星遥感图像快速几何纠正方法 | |
| CN103412962A (zh) | 一种海量瓦片数据的存储方法及读取方法 | |
| CN112509042A (zh) | 一种基于星上控制点库的实时定位方法、装置及存储介质 | |
| US7778808B2 (en) | Geospatial modeling system providing data thinning of geospatial data points and related methods | |
| CN112419189A (zh) | 一种格网化的卫星影像数据纠偏方法 | |
| CN112508988A (zh) | 一种遥感影像镶嵌线精确提取方法及装置 | |
| CN113808269A (zh) | 地图生成方法、定位方法、系统及计算机可读存储介质 | |
| Zhang et al. | Efficient large-scale oblique image matching based on cascade hashing and match data scheduling | |
| CN112184900B (zh) | 高程数据的确定方法、装置及存储介质 | |
| US8558850B2 (en) | Coordinate system recovery tool and method | |
| CN111652976A (zh) | 基于dem栅格数据的通视分析方法 | |
| CN112560868B (zh) | 一种基于特征点库的多进程大区域网影像匹配方法及装置 | |
| CN115357675A (zh) | 一种像控点标准化处理建设像控点数据库方法和系统 | |
| CN109947884B (zh) | 一种全球ICESat/GLAS点云的高效组织查询方法 | |
| TWI786874B (zh) | 數值網格模型之方法及其系統 | |
| CN117911667B (zh) | 遥感影像预处理方法、装置、电子设备及存储介质 | |
| Zhang et al. | Georeferencing of Satellite Images with Geocoded Image Features | |
| Lei et al. | Onboard Data Management Approach Based on a Discrete Grid System for Multi-UAV Cooperative Image Localization | |
| RU150423U1 (ru) | Адаптивная автоматизированная система согласования границ кадастровых участков |
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 |