CN113706623B - 一种适用于航空倾斜影像的空三加密方法 - Google Patents

一种适用于航空倾斜影像的空三加密方法 Download PDF

Info

Publication number
CN113706623B
CN113706623B CN202111280474.2A CN202111280474A CN113706623B CN 113706623 B CN113706623 B CN 113706623B CN 202111280474 A CN202111280474 A CN 202111280474A CN 113706623 B CN113706623 B CN 113706623B
Authority
CN
China
Prior art keywords
image
model
encryption
initial value
view
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
CN202111280474.2A
Other languages
English (en)
Other versions
CN113706623A (zh
Inventor
许彪
刘玉轩
孙钰珊
郝铭辉
王保前
韩晓霞
王庆栋
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.)
Chinese Academy of Surveying and Mapping
Original Assignee
Chinese Academy of Surveying and Mapping
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 Chinese Academy of Surveying and Mapping filed Critical Chinese Academy of Surveying and Mapping
Priority to CN202111280474.2A priority Critical patent/CN113706623B/zh
Publication of CN113706623A publication Critical patent/CN113706623A/zh
Application granted granted Critical
Publication of CN113706623B publication Critical patent/CN113706623B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
    • H04N1/32101—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
    • H04N1/32144—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title embedded in the image data, i.e. enclosed or integrated in the image, e.g. watermark, super-imposed logo or stamp
    • H04N1/32149—Methods relating to embedding, encoding, decoding, detection or retrieval operations
    • H04N1/32267—Methods relating to embedding, encoding, decoding, detection or retrieval operations combined with processing of the image
    • H04N1/32272—Encryption or ciphering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/2347—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving video stream encryption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/4408—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving video stream encryption, e.g. re-encrypting a decrypted video stream for redistribution in a home network
    • 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
    • G06T2207/30244—Camera pose

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种适用于航空倾斜影像的空三加密方法，主要包括，利用SfM估算各视影像的相机检校参数；确定独立模型，根据独立模型，估算正视影像外方位元素初值和加密点坐标初值，利用光束法优化正视影像外方位元素初值和加密点坐标初值，获得到正视影像加密结果；根据正视影像加密结果，估算倾斜影像的外方位元素初值；采用光束法优化各视影像的外方位元素、相机检校参数和加密点坐标，获得测量区域的加密成果。将解析空中三角测量和计算机视觉SfM进行融合，从而解决大规模场景的位姿恢复问题，同时该方法具有稳健、效率高等特点，可用于解决几万甚至几十万张影像大场景的稀疏重建问题。

Description

一种适用于航空倾斜影像的空三加密方法
技术领域
本发明涉及摄影测量技术领域，特别涉及一种适用于航空倾斜影像的空三加密方法。
背景技术
摄影测量中的解析空中三角测量和计算视觉的运动恢复结构（Structure-from-Motion，SfM）用于恢复影像拍摄瞬间的空间位置和姿态，广泛应用于4D产品生产、三维实景建模、虚拟和增强现实、机器人导航与定位等领域。
现有的SfM是一个场景影像和结构信息逐渐扩充的过程，其存在：一是对初始像对的依赖性较高；二是不同初始像对重建效率的影响较大；三是在大规模场景重建下，重建效率低，解析空中三角测量包括航带法、独立模型法和光束法三种方法，其中，光束法精度最高，应用最为广泛，但需要利用航带法或独立模型法获取初值，其缺点为：一是摄影方式以按航带排列的规则摄影为主，利于后处理阶段的航带内和航带间影像排列；二是相机检校参数需要预先标定，常利用专业的航测相机，否则难以获取高精度的加密结果，甚至可能出现计算失败的情；三是加密影像的拍摄要求高，不适用于航带断裂、重叠度不规则测区的数据处理；四是后处理算法的步骤繁琐，专业性要求更高，不适用于非专业人员，通常需要有一定经验的专业技术人员才能获得稳健可靠、高精度的成果。
发明内容
（一）发明目的
鉴于上述问题，本发明的目的是提出一种适用于航空倾斜影像的空三加密方法，将解析空中三角测量和计算机视觉SfM进行融合，从而解决大规模场景的位姿恢复问题，同时该方法具有稳健、效率高等特点，可用于解决几万甚至几十万张影像大场景的稀疏重建问题，本发明公开了以下技术方案。
（二）技术方案
作为本发明的第一方面，本发明公开了种适用于航空倾斜影像的空三加密方法，包括以下步骤：
利用SfM估算各视影像的相机检校参数；
确定独立模型，根据所述独立模型，估算正视影像外方位元素初值和加密点坐标初值，利用光束法优化正视影像外方位元素初值和加密点坐标初值，获得到正视影像加密结果；
根据所述正视影像加密结果，估算倾斜影像的外方位元素初值；
采用光束法优化各视影像的外方位元素、相机检校参数和加密点坐标，获得测量区域的加密成果。
在一种可能的实施方式中，所述利用SfM估算各视影像的相机检校参数，具体包括以下步骤：
选取各视的估算区域；
利用SfM重建估算区域，获得各视估算区域的相机检校参数；
根据各视估算区域的相机检校参数，计算各视估算区域内有效像点的反投影误差，计算估算区域反投影误差平均值。
在一种可能的实施方式中，所述选取各视的估算区域，具体包括以下步骤：
按照预定的规则，对影像与每个关联影像同名像点累加和进行顺序排列；
基于顺序排列，按照规则，划分初始估算区域；
将未划分的影像与估算区域中影像同名像点累加和，将累加和最多的影像划分至初始估算区域中，直至初始估算区域内的影像不大于阈值。
在一种可能的实施方式中，所述选取各视的估算区域内无重复影像。
在一种可能的实施方式中，获得所述正视影像的加密结果，具体包括：
确定独立模型；
计算独立模型的定向参数；
计算外方位元素初值；
利用光束法平差优化。
在一种可能的实施方式中，所述独立模型法区域网平差的数学模型用以表达任一单元模型的三维线性变换公式为：
Figure DEST_PATH_IMAGE001
式中，
Figure 735516DEST_PATH_IMAGE002
为地面坐标，
Figure DEST_PATH_IMAGE003
为单元模型的平移，
Figure 59181DEST_PATH_IMAGE004
为在单元模型中各连接点的重心化模型坐标，其中连接点包括两个摄影中心点，λ为单元模型的缩放，R为单元模型的旋转矩阵。
在一种可能的实施方式中，所述计算独立模型的定向参数，具体包括：
利用独立模型的相对定向元素前方交会计算模型坐标，并计算模型坐标的重心；
重心化模型坐标，由模型坐标减去模型坐标的重心得到；
平面平差，计算1个比例尺系数、1个旋转角度和2个平移参数；
高程平差，计算1个平移参数。
在一种可能的实施方式中，所述计算外方位元素初值，具体包括：
根据定向参数，将独立模型左右影像的相对方位元素
Figure 100002_DEST_PATH_IMAGE005
和
Figure 619344DEST_PATH_IMAGE006
变换至控制点坐标系下得到外方位线元素和旋转矩阵，其中
Figure 100002_DEST_PATH_IMAGE007
和
Figure 421078DEST_PATH_IMAGE008
为相对方位元素线元素，
Figure DEST_PATH_IMAGE009
、
Figure 78193DEST_PATH_IMAGE010
为旋转矩阵。
在一种可能的实施方式中，所述估算倾斜影像的外方位元素初值，具体包括：
利用正视影像获取的加密点坐标，估计出地面重叠区域倾斜影像外方位元素初值；
估计地形未覆盖的倾斜影像外方位元素初值。
在一种可能的实施方式中，所述估计地形未覆盖的倾斜影像外方位元素初值，具体包括：
采用增量式SfM算法中新增影像的策略，获得可用的加密点，结合P3P和PnP算法，估计出正视未覆盖区域影像的外方位元素初值。
（三）有益效果
本发明公开的一种适用于航空倾斜影像的空三加密方法，具有如下有益效果：
通过将解析空中三角测量和计算机视觉SfM进行融合，从而解决大规模场景的位姿恢复问题，同时该方法具有稳健、效率高等特点，可用于解决几万甚至几十万张影像大场景的稀疏重建问题。
附图说明
以下参考附图描述的实施例是示例性的，旨在用于解释和说明本发明，而不能理解为对本发明的保护范围的限制。
图1是本发明公开的一种适用于航空倾斜影像的空三加密方法的流程图；
图2是本发明公开的一种适用于航空倾斜影像的空三加密方法的另一个流程图；
图3是本发明公开的估算各视影像的相机检校参数初值的流程图；
图4是本发明公开的选取估算区域检校相机参数示意图；
图5是本发明公开的选取各视的估算区域的流程图；
图6是本发明公开的获得到正视影像加密结果的流程图；
图7是本发明公开的独立模型的示意图；
图8是本发明公开的计算独立模型的定向参数的流程图；
图9是本发明公开的估算倾斜影像的外方位元素初值的流程图。
具体实施方式
为使本发明实施的目的、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更加详细的描述。
需要说明的是：在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。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，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。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。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制。
下面参考图1-9详细描述本发明公开的一种适用于航空倾斜影像的空三加密方法的第一实施例。本实施例主要应用于摄像测量中，通过将解析空中三角测量和计算机视觉SfM进行融合，从而解决大规模场景的位姿恢复问题，同时该方法具有稳健、效率高等特点，可用于解决几万甚至几十万张影像大场景的稀疏重建问题。
如图1和图2所示，本实施例主要包括以下步骤：
S100、利用SfM估算各视影像的相机检校参数初值。
如图3所示，在步骤S100中，利用SfM估算各视影像的相机检校参数初值，具体包括以下步骤：
S110、选取各视的估算区域；
S120、利用SfM重建估算区域，获得各视估算区域的相机检校参数；
S130、根据各视估算区域的相机检校参数，计算各视估算区域内有效像点的反投影误差，计算估算区域反投影误差平均值。
如图4所示，在一种实施方式中，由于估算区域独立计算，同一相机在不同估算区域中估算的检校参数可能存在不一致的情况，故而在各视中选取多个估算区域以便互相检核，从而增强算法的稳健性以及获取更为精确的检校参数。因此，在申请中，根据影像匹配结果和影像间的邻接关系，每视相机选取3个估算区域，每个估算区域中包含30张影像。
如图5所示，在一种实施方式中，在步骤S110、选取各视的估算区域，具体包括以下步骤：
S111、按照预定的规则，对影像与每个关联影像同名像点累加和进行顺序排列。
先统计影像与每个关联影像同名像点累加和，其中关联影像是通过影像中同名点个数和点位分布计算两两影像间的关联度得分，将关联度得分相近的影像进行匹配，从而可获得影像与每个关联影像同名像点的累加和，并按照预定的规则进行顺序排序，一般按照从多到少的顺序排序。
其中按照以下公式计算影像间的关联度得分corr：
Figure DEST_PATH_IMAGE011
式中，
Figure 635076DEST_PATH_IMAGE012
为影像间的关联度得分；
Figure DEST_PATH_IMAGE013
和
Figure 4572DEST_PATH_IMAGE014
为权重；
Figure DEST_PATH_IMAGE015
为统计像对同名点数量；
Figure 813260DEST_PATH_IMAGE016
、
Figure DEST_PATH_IMAGE017
为左右影像构成的像对中最多的同名点数；
Figure 856040DEST_PATH_IMAGE018
为有效格网内像点的外接矩形面积与像幅面积的比值，其中外接矩形面积为统计有效格网所有像点坐标x和y方向的最大最小值下边界的矩形面积。
S112、基于顺序排列，按照规则，划分初始估算区域。
在上述顺序排列之后，按照同名像点最多的规则，选取顺序排序中同名像点累加和最多的影像和关联的同名点最多的影像，并将该影像视为初始估算区域。
S113、将未划分的影像与估算区域中影像同名像点累加和，将累加和最多的影像划分至初始估算区域中，直至初始估算区域内的影像不大于阈值。
在划分完初始估算区域之后，将未划分的影像与初始估算区域中影像同名像点累加和，将累加和最多的影像划分至该初始估算区域中，直至估算区域内影像不大于阈值，从而完成选取一个视角的估算区域。
进一步的，为了提高相机检校参数的稳定性和获取更为精确的检校参数，各估算区域内无重复影像，通过重复上述步骤S112和步骤S113，对各视选取另外2个估算区域，并采用步骤S120和步骤S130，获得各视另外2个估算区域反投影误差平均值，选取各视中反投影误差平均值最小的检校参数作为该视相机的检校参数初值。
在一种实施方式中，步骤S120中，利用SfM重建估算区域，获得各视估算区域的相机检校参数，具体包括：
利用增量式sfM重建估算区域，具体通过以下步骤：
步骤一、通过利用影像匹配算法获取匹配点，通常使用SIFT特征描述子提取影像特征，利用影像检索技术识别匹配影像对，通过比较特征的欧式距离获得匹配结果。
步骤二、选取两张影像作为初始影像对，利用匹配点估计像对的相对位姿并获取初始的结构信息，常用5点法估计本质矩阵E再分解出
Figure DEST_PATH_IMAGE019
矩阵，光束法优化得到更加精确的影像位姿和结构。
步骤三、利用已知的场景结构、2D-3D对应关系估计待增加影像的位姿，根据一定的准则和策略选取增加至场景中的单张影像或影像集。
步骤四、交会得到新的稀疏结构，增大场景的覆盖范围。
步骤五、光束法优化场景使得重投影误差和最小。
步骤六、过滤可能存在的不可靠2D、3D点，剔除准则包括投影误差和交会角，光束法优化和过滤两个步骤需循环执行几次，光束法优化后过滤掉不可靠的点，利用剩余点进行光束法优化，再进行过滤，如此反复几次，消除不稳定点对优化可能造成的影响，提高精度供后续进一步增量使用。
步骤七、循环步骤三至步骤六，直至场景稀疏重建完成或无法增加更多的影像至场景中为止。
在一种实施方式中，获得各视估算区域的相机检校参数，其主要是针对相机的光学畸变系数测定、调焦后畸变差变化的测定、成像分辨率测定及内、外方位元素的测定等内容进行检校，其中可采用直接线性变换、光线束平差算法和多片后方交会算法中任意一种方式或其他方式对相机检校参数，其中直接线性变换可以适用于任意的相机模型，应用范围比较广，检校精度能够满足一定的作业要求；对于光线束平差算法，是一种把控制点的像点坐标、待定点的像点坐标以及其他内业、外业测量数据视为观测值，整体的解求其最或是值和待定点空间坐标等解算方法；多片空间后交检校方法一般先采用运用DLT方法获取相机内、外方位元素的初值，然后再进行解算，是一种检校精度高、检校成果更为可靠的方法。
在一种实施方式中，步骤S130中，根据各视估算区域的相机检校参数，计算各视估算区域内有效像点的反投影误差，计算估算区域反投影误差平均值。
基于一个视角的每个估算区域的相机检校参数，计算出每个估算区域中有效像点的反投影误差，为了使该视角相机的检校参数更加稳定性和精确，计算该视角的每个估算区域中的有效像点的反投影误差的平均值，将反投影误差平均值最小的检校参数作为该视角相机的检校参数初值。
通过从各视影像中选取估算区域，利用增量式SfM估计各视影像的相机检校参数初值，其中包括正视影像的相机检校参数初值和倾斜影像的相机检校参数初值。
S200、确定独立模型，根据独立模型，估算正视影像外方位元素初值和加密点坐标初值，利用光束法优化正视影像外方位元素初值和加密点坐标初值，获得到正视影像加密结果。
如图6所示，在步骤S200中，获得到正视影像加密结果，具体包括以下步骤：
S210、确定独立模型。
如图7所示，图中A表示模型，B表示影像，将相邻两张同名影像构成一个模型，除航带首尾两张影像外，航带内每张影像均关联两个立体模型，形成左模型的右片和右模型的左片，起到独立模型法平差的连接作用，每个独立模型执行相对定向得到相对定向元素。
其中，独立模型法区域网平差的数学模型即用以表达任一单元模型的三维线性变换公式为：
Figure 990349DEST_PATH_IMAGE020
式中，
Figure DEST_PATH_IMAGE021
为地面坐标，
Figure 853000DEST_PATH_IMAGE022
为单元模型的平移，
Figure 668641DEST_PATH_IMAGE023
为在单元模型中各连接点的重心化模型坐标，其中连接点包括两个摄影中心点，
Figure 254343DEST_PATH_IMAGE024
为单元模型的缩放，
Figure 995772DEST_PATH_IMAGE025
为单元模型的旋转矩阵。
独立模型法区域网平差有两种方法：一种是平面高程联解，另一种是平面与高程分求的解法。联解方法需要事先统一各模型的坐标系和比例尺，处理过程繁琐；平高分求的方法尽管不是理论上最严密的方法，但其不依赖初值且计算效率更高，依然可以为后续光束法优化提供精度较高的初值。另外，通常正视影像外方位角元素的
Figure 565293DEST_PATH_IMAGE026
和
Figure 653466DEST_PATH_IMAGE027
均为小角，平高分求方法中高程平差将3个模型待估计参数减少至1个，以提高处理效率。
S220、计算独立模型的定向参数，每个独立模型的定向参数包括3个平移、1个旋转角度和1个比例尺系数。
如图8所示，首先进行不需要任何初值的平面平差，在进行高程平差，其在步骤S220中，计算独立模型的定向参数，具体包括以下步骤：
S221、利用独立模型的相对定向元素前方交会计算模型坐标，并计算模型坐标的重心也称为模型重心。
S222、重心化模型坐标，由模型坐标减去模型坐标的重心得到。223、平面平差，计算1个比例尺系数、1个旋转角度和2个平移参数。
其中平面平差的基础方程为二维线性变换，具体为：
Figure 500199DEST_PATH_IMAGE028
其中，
Figure 428841DEST_PATH_IMAGE029
为模型重心在地面坐标系中的平面坐标，即2个平移参数，
Figure 475207DEST_PATH_IMAGE030
为加密点地面坐标，
Figure 616338DEST_PATH_IMAGE031
为比例尺系数，
Figure 927365DEST_PATH_IMAGE032
为旋转角度，
Figure 26908DEST_PATH_IMAGE033
为重心化的模型点坐标。
S223、高程平差，计算1个平移参数。高程平差采用迭代形式，每次迭代获取地面点和
Figure 289131DEST_PATH_IMAGE034
的改正量
Figure 640478DEST_PATH_IMAGE035
，其中，
Figure 55278DEST_PATH_IMAGE034
为模型重心在地面坐标系中的高程坐标，改正后的新值
Figure 76455DEST_PATH_IMAGE036
重新参与迭代计算，通常迭代1至3次即可。
进一步，利用模型点和控制点的误差方程式，计算出平移参数，其中，模型点的误差方程式，具体为：
Figure 983231DEST_PATH_IMAGE037
式中，
Figure 731745DEST_PATH_IMAGE038
为改正数向量，
Figure 250319DEST_PATH_IMAGE039
和
Figure 691665DEST_PATH_IMAGE040
为改正量，
Figure 429945DEST_PATH_IMAGE041
为常数项。
控制点的误差方程式，具体为：
Figure 982149DEST_PATH_IMAGE042
式中，
Figure 620810DEST_PATH_IMAGE043
为改正数向量，
Figure 108423DEST_PATH_IMAGE039
为改正量，
Figure 848846DEST_PATH_IMAGE044
为常数项。
S230、计算外方位元素初值。利用步骤S220中计算的定向参数，将独立模型左右影像的相对方位元素
Figure 955473DEST_PATH_IMAGE045
和
Figure 464952DEST_PATH_IMAGE046
变换至控制点坐标系下得到外方位线元素和旋转矩阵，其具体变换公式为：
Figure 857887DEST_PATH_IMAGE047
式中，
Figure 352452DEST_PATH_IMAGE048
为独立模型的左片，
Figure 246459DEST_PATH_IMAGE049
为左片旋转矩阵，
Figure 626755DEST_PATH_IMAGE050
为独立模型的右片，
Figure 49646DEST_PATH_IMAGE051
为右片旋转矩阵。
在一种实施方式中，如果影像仅关联一个模型，如图7中的影像A1和影像AN，利用左片或右片进行计算，若影像关联两个模型，如图7中的影像A2，则利用影像作为左片的模型B2定向参数计算。利用平高分求的独立模型法估算出正视影像外方位元素初值和正视影像加密点地面坐标以及倾斜影像加密点地面坐标。
S240、光束法平差优化。采用光束法优化正视影像外方位元素初值、正视影像加密点地面坐标和正视影像的相机检校参数初值，得到正视影像高精度的空三加密结果。
S300、根据正视影像加密结果，估算倾斜影像的外方位元素初值。
如图9所示，在步骤S300中，估算倾斜影像的外方位元素初值，具体包括以下步骤：
S310、利用正视影像获取的加密点坐标，估计出地面重叠区域倾斜影像外方位元素初值，可采用P3P（Perspective-Three-Point）和PnP（Perspective-N-Point）方法，其中PnP是求解3D到2D点对运动的方法，PnP是在已知世界坐标系下N个空间点的真实坐标以及这些空间点在图像上的投影，如何计算相机所在的位姿。其中，PnP有很多种求解方法，例如用三对点估计位姿的P3P、直接线性变换(DLT)以及EPnP等。
进一步，P3P需要利用给定的三个点的几何关系，输入数据为三对3D-2D匹配点，以及需要使用一对验证点,以从可能的解出选出正确的相机真实的位姿。具体的，P3P转化成关于x,y的一个二元二次方程，也可以是多项式方程，该方程最多可能得到四个解,可以用验证点来计算最可能的解，得到在相机坐标系下的3D坐标以及相机的位姿。
S320、估计地形未覆盖的倾斜影像外方位元素初值，具体可采用增量式SfM算法中新增影像的策略，通过多片前方交会获取更多可用的加密点，再结合P3P和PnP算法，估计出正视未覆盖区域影像的外方位元素初值。
S400、采用光束法优化各视影像的外方位元素、相机检校参数和加密点坐标，获得测量区域的加密成果。
其中，采用光束法平差，优化各视影像的外方位元素、相机检校参数和加密点坐标，获得测区最终的加密成果。采用光束平差法的目的为：减少观测图像的点和参考图像的点之间位置投影变换误差，其最小化误差算法使用的是最小二乘算法，目前使用最为成功是Levenberg-Marquardt,其具有易于实现，对大范围的初始估计能够快速收敛的优点。
以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (9)

1.一种适用于航空倾斜影像的空三加密方法，其特征在于，包括以下步骤：
利用SfM估算各视影像的相机检校参数，其中包括：
选取各视的至少两个估算区域；
利用SfM重建各估算区域，获得各视估算区域的相机检校参数；
根据各视估算区域的相机检校参数，计算各视估算区域内有效像点的反投影误差，计算各视估算区域反投影误差平均值，将各视估算区域的反投影误差平均值最小的检校参数作为各视角相机的检校参数初值；
确定独立模型，根据所述独立模型，估算正视影像外方位元素初值和加密点坐标初值，利用光束法优化正视影像外方位元素初值和加密点坐标初值，获得到正视影像加密结果；
根据所述正视影像加密结果，估算倾斜影像的外方位元素初值；
采用光束法优化各视影像的外方位元素、相机检校参数和加密点坐标，获得测量区域的加密成果。
2.根据权利要求1所述的一种适用于航空倾斜影像的空三加密方法，其特征在于，所述选取各视的估算区域，具体包括以下步骤：
按照预定的规则，对影像与每个关联影像同名像点数量的累加和进行顺序排列；
基于顺序排列，按照规则，划分初始估算区域；
将未划分的影像与估算区域中影像同名像点数量的累加和，将累加和最多的影像划分至初始估算区域中，直至初始估算区域内的影像数量不大于阈值。
3.根据权利要求2所述的一种适用于航空倾斜影像的空三加密方法，其特征在于，所述选取各视的估算区域内无重复影像，且各视估算区域之间无重复影像。
4.根据权利要求1所述的一种适用于航空倾斜影像的空三加密方法，其特征在于，获得所述正视影像的加密结果，具体包括：
确定独立模型；
计算独立模型的定向参数；
计算外方位元素初值；
利用光束法平差优化。
5.根据权利要求4所述的一种适用于航空倾斜影像的空三加密方法，其特征在于，所述独立模型法区域网平差的数学模型用以表达任一单元模型的三维线性变换公式为：
Figure 945172DEST_PATH_IMAGE002
式中，
Figure 455787DEST_PATH_IMAGE003
为地面坐标，
Figure 845311DEST_PATH_IMAGE004
为单元模型的平移，
Figure DEST_PATH_IMAGE005
为在单元模型中各连接点的重心化模型坐标，其中连接点包括两个摄影中心点，
Figure 139721DEST_PATH_IMAGE006
为单元模型的缩放，
Figure DEST_PATH_IMAGE007
为单元模型的旋转矩阵。
6.根据权利要求4所述的一种适用于航空倾斜影像的空三加密方法，其特征在于，所述计算独立模型的定向参数，具体包括：
利用独立模型的相对定向元素前方交会计算模型坐标，并计算模型坐标的重心；
重心化模型坐标，由模型坐标减去模型坐标的重心得到；
平面平差，计算1个比例尺系数、1个旋转角度和2个平移参数；
高程平差，计算1个平移参数。
7.根据权利要求4所述的一种适用于航空倾斜影像的空三加密方法，其特征在于，所述计算外方位元素初值，具体包括：
根据定向参数，将独立模型左右影像的相对方位元素
Figure 609886DEST_PATH_IMAGE008
和
Figure 25823DEST_PATH_IMAGE009
变换至控制点坐标系下得到外方位线元素和旋转矩阵，其中
Figure 840327DEST_PATH_IMAGE010
和
Figure 881970DEST_PATH_IMAGE011
为相对方位元素线元素，
Figure 409903DEST_PATH_IMAGE012
、
Figure 747475DEST_PATH_IMAGE013
为旋转矩阵。
8.根据权利要求1所述的一种适用于航空倾斜影像的空三加密方法，其特征在于，所述估算倾斜影像的外方位元素初值，具体包括：
利用正视影像获取的加密点坐标，估计出地面重叠区域倾斜影像外方位元素初值；
估计地形未覆盖的倾斜影像外方位元素初值。
9.根据权利要求8所述的一种适用于航空倾斜影像的空三加密方法，其特征在于，所述估计地形未覆盖的倾斜影像外方位元素初值，具体包括：
采用增量式SfM算法中新增影像的策略，获得可用的加密点，结合P3P和PnP算法，估计出正视未覆盖区域影像的外方位元素初值。
CN202111280474.2A 2021-11-01 2021-11-01 一种适用于航空倾斜影像的空三加密方法 Active CN113706623B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111280474.2A CN113706623B (zh) 2021-11-01 2021-11-01 一种适用于航空倾斜影像的空三加密方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111280474.2A CN113706623B (zh) 2021-11-01 2021-11-01 一种适用于航空倾斜影像的空三加密方法

Publications (2)

Publication Number Publication Date
CN113706623A CN113706623A (zh) 2021-11-26
CN113706623B true CN113706623B (zh) 2022-03-11

Family

ID=78647612

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111280474.2A Active CN113706623B (zh) 2021-11-01 2021-11-01 一种适用于航空倾斜影像的空三加密方法

Country Status (1)

Country Link
CN (1) CN113706623B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115908706B (zh) * 2022-11-15 2023-08-08 中国铁路设计集团有限公司 实景三维模型与影像融合的高速铁路竣工验收方法
CN115690334B (zh) * 2023-01-03 2023-04-21 中国人民解放军63921部队 一种基于共面约束的三维重建整体优化方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109978997A (zh) * 2019-04-03 2019-07-05 广东电网有限责任公司 一种基于倾斜影像的输电线路三维建模方法和系统
CN112598740A (zh) * 2020-12-29 2021-04-02 中交第二公路勘察设计研究院有限公司 一种大范围多视倾斜影像连接点快速精确匹配方法
CN112802082A (zh) * 2021-04-13 2021-05-14 中国测绘科学研究院 一种适用于大规模场景的运动恢复结构方法
CN112902930A (zh) * 2021-01-22 2021-06-04 中国测绘科学研究院 一种自动计算光束法区域网平差初值的方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10469828B2 (en) * 2015-07-13 2019-11-05 Texas Instruments Incorporated Three-dimensional dense structure from motion with stereo vision
US9959625B2 (en) * 2015-12-29 2018-05-01 The United States Of America As Represented By The Secretary Of The Air Force Method for fast camera pose refinement for wide area motion imagery
CN113096250A (zh) * 2021-04-02 2021-07-09 华中师范大学 基于无人机航拍影像序列的三维建筑模型库系统构建方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109978997A (zh) * 2019-04-03 2019-07-05 广东电网有限责任公司 一种基于倾斜影像的输电线路三维建模方法和系统
CN112598740A (zh) * 2020-12-29 2021-04-02 中交第二公路勘察设计研究院有限公司 一种大范围多视倾斜影像连接点快速精确匹配方法
CN112902930A (zh) * 2021-01-22 2021-06-04 中国测绘科学研究院 一种自动计算光束法区域网平差初值的方法
CN112802082A (zh) * 2021-04-13 2021-05-14 中国测绘科学研究院 一种适用于大规模场景的运动恢复结构方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Automatic orientation of large blocks of oblique images;E. Rupnik等;《International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences》;20130524;第299-304页 *
SFM的倾斜航空影像空中三角测量;吴子敬 等;《测绘科学》;20171130;第42卷(第11期);第1节 *
基于无人机倾斜摄影测量技术的三维建模及其精度分析;曹琳;《中国优秀硕士学位论文全文数据库 基础科学辑》;20170515(第2017年第05期);第48页、2.2.3节、3.2.2节 *
基于无人机影像的增量式SFM关键技术研究;江晓斌;《中国优秀硕士学位论文全文数据库 基础科学辑》;20210215(第2021年第02期);第5页 *

Also Published As

Publication number Publication date
CN113706623A (zh) 2021-11-26

Similar Documents

Publication Publication Date Title
US8953847B2 (en) Method and apparatus for solving position and orientation from correlated point features in images
JP6807639B2 (ja) 奥行きカメラを校正する方法
CN113706623B (zh) 一种适用于航空倾斜影像的空三加密方法
US8447099B2 (en) Forming 3D models using two images
EP1303839B1 (en) System and method for median fusion of depth maps
US20100054579A1 (en) Three-dimensional surface generation method
CN113048980B (zh) 位姿优化方法、装置、电子设备及存储介质
CN112270698B (zh) 基于最邻近曲面的非刚性几何配准方法
CN107014399A (zh) 一种星载光学相机‑激光测距仪组合系统联合检校方法
EP2856431A2 (en) Combining narrow-baseline and wide-baseline stereo for three-dimensional modeling
CN113393577B (zh) 一种倾斜摄影地形重建方法
CN114359476A (zh) 一种用于城市峡谷环境导航的动态3d城市模型构建方法
KR20180035359A (ko) 평면정보를 이용한 3차원 공간 모델링 및 데이터 경량화 방법
CN114494589A (zh) 三维重建方法、装置、电子设备和计算机可读存储介质
CN112598740A (zh) 一种大范围多视倾斜影像连接点快速精确匹配方法
CN114255285B (zh) 视频与城市信息模型三维场景融合方法、系统及存储介质
CN111986074A (zh) 一种真正射影像制作方法、装置、设备及存储介质
CN112712566B (zh) 基于结构参数在线校正的双目立体视觉传感器测量方法
CN117726747A (zh) 补全弱纹理场景的三维重建方法、装置、存储介质和设备
Deng et al. Automatic true orthophoto generation based on three-dimensional building model using multiview urban aerial images
CN112991525B (zh) 像方和物方混合匹配基元的数字表面模型生成方法
CN113790711B (zh) 一种无人机低空飞行位姿无控多视测量方法及存储介质
Zhang et al. Direct relative orientation with four independent constraints
CN114359389A (zh) 一种基于像面核线对的大影像分块核线制作方法
Wang et al. Depth estimation under motion with single pair rolling shutter stereo images

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