CN114998397B - 一种多视角卫星影像立体像对优化选择方法 - Google Patents
一种多视角卫星影像立体像对优化选择方法 Download PDFInfo
- Publication number
- CN114998397B CN114998397B CN202210550358.6A CN202210550358A CN114998397B CN 114998397 B CN114998397 B CN 114998397B CN 202210550358 A CN202210550358 A CN 202210550358A CN 114998397 B CN114998397 B CN 114998397B
- Authority
- CN
- China
- Prior art keywords
- image
- stereopair
- images
- stereo
- angle
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/35—Determination of transform parameters for the alignment of images, i.e. image registration using statistical methods
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明属于摄影测量与遥感领域,公开了一种多视角卫星影像立体像对优化选择方法,包括基于重叠度的像对初选、基于交会角和特征匹配数量的像对优选、基于测区分块的像对精选,构建了完善的两级三类优化选择策略,两级包括整景影像和测区分块两种尺度,三类策略包括影像重叠度、交会角和特征匹配数量。该发明能够综合考虑匹配效果和交会精度的要求,在整景影像优化选择的基础上,考虑测区分块的实际覆盖情况,在更小的测区影像块范围内实现了立体像对的二次精选排序,得到针对每个测区分块对应的若干优化像对组合,在保证重建精度和完整度的同时,显著缩短了三维重建时间。
Description
技术领域
本发明属于摄影测量与遥感领域,公开了一种多视角卫星影像立体像对优化选择方法。
背景技术
多视角光学遥感卫星影像三维重建是一种根据多张(至少两张)不同视角的光学卫星影像,利用高精度定位和密集匹配技术,生成三维点云并通过纹理映射重建三维模型表面的技术。对多视角卫星影像三维重建,通常采用如下成像模式:相邻三条轨道三视立体(通常称为三像对)附加沿着轨道方向前后拍摄的两景单片影像,共11景影像。这11景影像两两之间均可以构成立体,如果没有任何约束,则有55种立体像对的组合。多视角光学遥感卫星影像三维重建的时间、精度和完整度与立体像对的数量紧密相关。如果立体像对数量过多,可能重建的完整度较好,但是三维重建会花费大量的时间,并且质量较差的立体像对会影响三维重建精度的效果。如果像对数量过少,可以减少计算量,但无法充分发挥多视角卫星影像的信息优势,无法确保重建的完整性和精细程度,影响三维重建的效果。
现有的立体像对优化选择主要是针对多视角航空影像,主要基于传统交会角的方式来进行立体像对的选择。多视角航空相机通常附带5个不同角度的镜头:一个垂直下视、四个前后左右各侧摆45度的镜头,在立体像对构成中,通常采用同一镜头的两张影像构成立体,它们摄影角度基本一致,辐射和几何特性基本一致,重叠度、交会角基本固定不变。因此单纯利用交会角的优化选择就能满足实际的应用需求。对多视角卫星影像立体像对的构成,可以是同轨的两张影像,也可能是异轨的两张影像,也有可能是两种不同类型卫星影像,它们之间差别比较大,包括重叠度、辐射和几何差异以及交会角度等因素。这些因素都会对后续的三维重建造成影响。因此必须针对多视角卫星影像,综合考虑多种因素,进行立体像对的优化选择才能满足后续三维重建的需求。
发明内容
本发明的目的在于提供一种多视角卫星影像立体像对优化选择方法,旨在通过最优立体像对自动选择技术,能够从多视角卫星影像中选择适合匹配和质量较好的立体像对,有效兼顾处理效率和三维重建效果,在保证重建精度和重建完整度的同时,显著缩短三维重建时间,进而满足三维重建对影像数据的实际需求。
为了实现上述技术效果,本发明采用的技术方案是:
一种多视角卫星影像立体像对优化选择方法,包括如下步骤:
S1、输入若干景卫星影像,计算任意两张影像之间的重叠度,根据重叠度的阈值,筛选出一系列重叠度大于阈值的初始立体像对;
S2、对初始立体像对进行基于交会角和特征匹配数量的像对优选;具体包括如下步骤:
a1、选择初始立体像对的左像中心像点坐标q,通过左像RPC参数确定出通过q和左像投影中心的一条物方直线l,并利用平均高程求出该直线上一物方点,将该点投影到立体像对的右像上的像点为q′;然后通过右像RPC参数确定出通过q′和右像投影中心的一条物方直线l′;最后计算两条共面直线的夹角作为两景影像的交会角;
a2、对初始像对的左像和右像采用SIFT特征匹配获取大量的同名点,并统计同名点数量作为特征匹配数量;
a3、根据交会角和特征匹配数量进行综合评价,将匹配点数量与交会角分值通过数学模型进行计算,得到该像对的最终分值;评价采用数学模型为:
式中,i,j表示影像ID;nummatch表示特征匹配点数量;angle表示交会角;sangle表示跟交会角相关的分值;σ1和σ2表示与交会角相关的平滑项因子,其中σ1表示小于10度时的平滑因子;σ2表示大于45度时的平滑因子;
a4、针对于每一个初始立体像对,都执行步骤a1-a3的处理,以获得每一个初始立体像对评价分值,按照最终分值由大到小进行排序,取前M项立体像对作为筛选后立体像对;
S3、基于测区分块的像对精选
①对整个测区按照物方空间进行分块,根据分块找出经过S2筛选后立体像对对应的影像块,每一个物方分块得到若干立体像对影像块;
②对每一个物方分块区域,采用与S2中a1-a3同样方法,对若干立体像对影像块进行基于交会角和特征匹配数量的评价;
③根据评价结果对每一个物方分块找出若干优化的立体像对,选择前N项的立体像对作为每个测区分块对应的最优立体像对组合,其中N≤M。
进一步地,步骤S1中初始立体像对筛选流程具体包括:
1)对输入的若干景卫星影像的每一种立体像对组合,利用其定向参数将其左右影像四个角点按照测区平均高度投影到地面,获得对应的物方重叠范围;
2)根据物方重叠范围再投影到左右影像,计算重叠区域与原始影像的区域像素个数比例,得到左右影像各自的重叠度,选择左右影像中重叠度的较小值作为立体像对的重叠度指标;
3)根据设置阈值进行筛选,如果重叠度指标大于阈值,则将对应的立体像对列入候选初始像对,否则排除该像对;
4)完成所有立体像的重叠度筛选,得到筛选后的一系列立体像对。
与现有技术相比,本发明所具备的有益效果是:
1.将重叠度、交会角、匹配特征点数量作为评价度量引入卫星像对优化选择中,构建了完善的两级三类优化选择策略;两级包括整景影像和测区分块两种尺度,三类策略包括影像重叠度、交会角和特征匹配数量的评价策略。
2.能够综合考虑匹配效果和交会精度的要求,为每块区域选出足够数量的最优立体像对覆盖,在更小的测区影像块范围内实现了立体像对的二次精选排序,得到针对每个测区分块对应的若干优化像对组合,在保证重建精度和重建完整度的同时,显著缩短三维重建时间。
附图说明
图1为实施例中一种多视角卫星影像立体像对优化选择方法流程图。
具体实施方式
下面结合实施例及附图对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例,凡基于本发明内容所实现的技术均属于本发明的范围。
实施例
参见图1,一种多视角卫星影像立体像对优化选择方法,包括如下步骤:
S1、输入若干景卫星影像,计算任意两张影像之间的重叠度,根据重叠度的阈值,筛选出一系列重叠度大于阈值的初始立体像对。
作为可实施方式的举例,本步骤通过以下处理过程实现:
①对输入的若干景卫星影像的每一种立体像对组合,利用其定向参数将其左右影像四个角点按照测区平均高度投影到地面,获得对应的物方重叠范围;
②根据物方重叠范围再投影到左右影像,计算重叠区域与原始影像的区域像素个数比例,得到左右影像各自的重叠度,选择左右影像中重叠度的较小值作为立体像对的重叠度指标;
③根据设置阈值进行筛选,如果重叠度指标大于阈值,则将对应的立体像对列入候选初始像对,否则排除该像对;
④完成所有立体像的重叠度筛选,得到筛选后的一系列立体像对。
在多视角卫星大范围三维重建的情况下,随机组合的立体像对,可能重叠少甚至无重叠。本步骤可以排除一些无重叠或重叠比较少的像对,实现快速立体像对选择,显著缩短三维重建时间。
S2、基于交会角和特征匹配数量,对初始立体像对进行优选。
作为举例,本步骤包括以下处理过程:
a1、选择初始立体像对的左像中心像点坐标q,通过左像RPC参数确定出通过q和左像投影中心的一条物方直线l,并利用平均高程求出该直线上一物方点,计算方法为:可以利用卫星影像的定向参数,由q点像点坐标(x,y)和平均高程(H),计算出物方点的(X,Y)。将该物方点投影到立体像对的右像上的像点为q′;然后通过右像RPC参数确定出通过q′和右像投影中心的一条物方直线l′;最后计算两条共面直线的夹角作为两景影像的交会角;
a2、对两景影像采用SIFT特征匹配获取大量的同名点,并统计同名点数量作为特征匹配数量;
a3、根据交会角和特征匹配数量进行综合评价,将匹配点数量平方乘以交会角分值,得到该像对的最终分值;评价采用数学模型为:
式中,i,j表示影像ID;表示特征匹配点数量;angle表示交会角;sangle表示跟交会角相关的分值;σ1和σ2表示与交会角相关的平滑项因子,其中σ1表示小于10度时的平滑因子;σ2表示大于45度时的平滑因子。本实施例中σ1缺省3,σ2缺省6。
a4、针对于每一个初始立体像对,都执行步骤a1-a3的处理,以获得每一个初始立体像对评价分值,按照最终分值由大到小进行排序,取前M项立体像对作为筛选后立体像对。
特征匹配点数量反映两景影像特征匹配的效果,交会角在基线确定的情况下,直接决定了基高比的大小,这两者都与最终的三维重建效果有直接的联系。特征匹配点数量多,会提升三维重建的完整度;适当的交会角大小能够提升交会图形的稳健性,会提升三维重建的精度。因此,本实施例重点采用立体像对交会角和特征匹配点数量,作为判断像对质量的重要依据,并根据交会角和特征匹配点数量,设置一定的评价机制为每一组立体像对打分、排序,进行优选,使得选择出的像对质量更高。本实施例取前30项立体像对作为筛选后立体像对。
S3、基于测区分块的像对精选。
作为举例,本步骤包括以下处理过程:
①对整个测区按照物方空间进行分块,根据分块找出经过S2筛选后立体像对对应的影像块,每一个物方分块得到若干立体像对影像块;
②针对每一个物方分块区域,采用与S2中a1-a3同样方法,对若干立体像对影像块进行基于交会角和特征匹配数量的评价,具体为:
选择一立体像对影像块的左像中心像点坐标q,通过左像RPC参数确定一条通过q和左像投影中心的一条物方直线l,并利用平均高程求出该直线上一物方点,将该点投影到立体像对影像块的右像上的像点为q′;然后通过右像RPC参数确定一条通过q′和右像投影中心的一条物方直线l′;最后计算两条共面直线的夹角作为立体像对影像块的两景影像的交会角;
对立体像对影像块采用SIFT特征匹配获取大量的同名点,并经过筛选统计同名点数量作为特征匹配数量;
根据交会角和特征匹配数量进行综合评价,将匹配点数量平方乘以交会角分值,得到该立体像对影像块的最终分值;评价采用数学模型为:
式中,i,j表示影像ID;nummatch表示特征匹配点数量;angle表示交会角;sangle表示跟交会角相关的分值;σ1和σ2表示与交会角相关的平滑项因子,其中σ1表示小于10度时的平滑因子;σ2表示大于45度时的平滑因子。
完成所有立体像对影像块的评价。
③根据评价结果对每一个物方分块找出若干优化的立体像对,选择前N项的立体像对作为每个测区分块对应的最优立体像对组合,其中N≤M。
本实施例选择前25项的立体像对作为每个测区分块对应的最优立体像对组合。
本实施例能够综合考虑匹配效果和交会精度的要求,在整景影像优化选择的基础上,考虑测区分块的实际覆盖情况,在更小的测区影像块范围内实现了立体像对的二次精选排序,得到针对每个测区分块对应的若干优化像对组合,在保证重建精度和重建完整度的同时,显著缩短三维重建时间。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种多视角卫星影像立体像对优化选择方法,其特征在于,包括如下步骤:
S1、输入若干景卫星影像,计算任意两张影像之间的重叠度,根据重叠度的阈值,筛选出一系列重叠度大于阈值的初始立体像对;
S2、对初始立体像对进行基于交会角和特征匹配数量的像对优选;具体包括如下步骤:
a1、选择初始立体像对的左像中心像点坐标q,通过左像RPC参数确定出通过q和左像投影中心的一条物方直线l,并利用平均高程求出该直线上一物方点,将该点投影到立体像对的右像上的像点为q′;然后通过右像RPC参数确定出通过q′和右像投影中心的一条物方直线l′;最后计算两条共面直线的夹角作为两景影像的交会角;
a2、对初始像对的左像和右像采用SIFT特征匹配获取大量的同名点,并统计同名点数量作为特征匹配数量;
a3、根据交会角和特征匹配数量进行综合评价,将匹配点数量与交会角分值通过数学模型进行计算,得到该像对的最终分值;评价采用数学模型为:
式中,i,j表示影像ID;nummatch表示特征匹配点数量;angle表示交会角;sangle表示跟交会角相关的分值;σ1和σ2表示与交会角相关的平滑项因子,其中σ1表示小于10度时的平滑因子;σ2表示大于45度时的平滑因子;
a4、针对于每一个初始立体像对,都执行步骤a1-a3的处理,以获得每一个初始立体像对评价分值,按照最终分值由大到小进行排序,取前M项立体像对作为筛选后立体像对;
S3、基于测区分块的像对精选
①对整个测区按照物方空间进行分块,根据分块找出经过S2筛选后立体像对对应的影像块,每一个物方分块得到若干立体像对影像块;
②对每一个物方分块区域,采用与S2中a1-a3同样方法,对若干立体像对影像块进行基于交会角和特征匹配数量的评价;
③根据评价结果对每一个物方分块找出若干优化的立体像对,选择前N项的立体像对作为每个测区分块对应的最优立体像对组合,其中N≤M。
2.根据权利要求1所述的一种多视角卫星影像立体像对优化选择方法,其特征在于,步骤S1中初始立体像对筛选流程具体包括:
1)对输入的若干景卫星影像的每一种立体像对组合,利用其定向参数将其左右影像四个角点按照测区平均高度投影到地面,获得对应的物方重叠范围;
2)根据物方重叠范围再投影到左右影像,计算重叠区域与原始影像的区域像素个数比例,得到左右影像各自的重叠度,选择左右影像中重叠度的较小值作为立体像对的重叠度指标;
3)根据设置阈值进行筛选,如果重叠度指标大于阈值,则将对应的立体像对列入候选初始像对,否则排除该像对;
4)完成所有立体像的重叠度筛选,得到筛选后的一系列立体像对。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210550358.6A CN114998397B (zh) | 2022-05-20 | 2022-05-20 | 一种多视角卫星影像立体像对优化选择方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210550358.6A CN114998397B (zh) | 2022-05-20 | 2022-05-20 | 一种多视角卫星影像立体像对优化选择方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114998397A CN114998397A (zh) | 2022-09-02 |
CN114998397B true CN114998397B (zh) | 2023-04-11 |
Family
ID=83028164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210550358.6A Active CN114998397B (zh) | 2022-05-20 | 2022-05-20 | 一种多视角卫星影像立体像对优化选择方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114998397B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116704031B (zh) * | 2023-06-13 | 2024-01-30 | 中国人民解放军61540部队 | 一种卫星影像连接点快速获取方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10325370B1 (en) * | 2016-05-31 | 2019-06-18 | University Of New Brunswick | Method and system of coregistration of remote sensing images |
CN111739079A (zh) * | 2020-06-18 | 2020-10-02 | 东华理工大学 | 一种基于语义特征多源低空立体像对快速匹配方法 |
CN113345072A (zh) * | 2021-06-01 | 2021-09-03 | 兰州交通大学 | 一种多视角遥感地形影像点云重建方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103390102B (zh) * | 2013-07-16 | 2018-11-30 | 中交第二公路勘察设计研究院有限公司 | 一种卫星图像立体交会角的计算方法 |
CN103606151B (zh) * | 2013-11-15 | 2016-05-04 | 南京师范大学 | 基于影像点云的大范围虚拟地理场景自动构建方法 |
CN105205808B (zh) * | 2015-08-20 | 2018-01-23 | 武汉大学 | 基于多特征多约束的多视影像密集匹配融合方法及系统 |
JP6606748B2 (ja) * | 2015-09-03 | 2019-11-20 | 国際航業株式会社 | ステレオペア画像表示装置 |
CN108053467B (zh) * | 2017-10-18 | 2020-12-04 | 武汉市工程科学技术研究院 | 基于最小生成树的立体像对选择方法 |
CN113358091B (zh) * | 2021-06-02 | 2021-11-16 | 自然资源部国土卫星遥感应用中心 | 一种利用三线阵立体卫星影像生产数字高程模型dem的方法 |
-
2022
- 2022-05-20 CN CN202210550358.6A patent/CN114998397B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10325370B1 (en) * | 2016-05-31 | 2019-06-18 | University Of New Brunswick | Method and system of coregistration of remote sensing images |
CN111739079A (zh) * | 2020-06-18 | 2020-10-02 | 东华理工大学 | 一种基于语义特征多源低空立体像对快速匹配方法 |
CN113345072A (zh) * | 2021-06-01 | 2021-09-03 | 兰州交通大学 | 一种多视角遥感地形影像点云重建方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114998397A (zh) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110378879B (zh) | 一种桥梁裂缝检测方法 | |
CN110211043B (zh) | 一种用于全景图像拼接的基于网格优化的配准方法 | |
Skarlatos et al. | Comparison of laser scanning, photogrammetry and SFM-MVS pipeline applied in structures and artificial surfaces | |
EP2568253B1 (en) | Structured-light measuring method and system | |
CN111583110A (zh) | 一种航拍图像的拼接方法 | |
CN106651942A (zh) | 基于特征点的三维旋转运动检测与旋转轴定位方法 | |
CN110223389B (zh) | 融合图像与激光数据的场景建模方法、系统、装置 | |
CN105069843A (zh) | 一种面向城市三维建模的密集点云的快速提取方法 | |
CN110533774B (zh) | 一种基于智能手机的三维模型重建方法 | |
CN104966281A (zh) | 多视影像的imu/gnss引导匹配方法 | |
CN113358091B (zh) | 一种利用三线阵立体卫星影像生产数字高程模型dem的方法 | |
Ahmadabadian et al. | Image selection in photogrammetric multi-view stereo methods for metric and complete 3D reconstruction | |
CN101419709A (zh) | 一种用于摄像机标定的平面靶标特征点的自动匹配方法 | |
CN114998397B (zh) | 一种多视角卫星影像立体像对优化选择方法 | |
CN108876861B (zh) | 一种地外天体巡视器的立体匹配方法 | |
CN103927785A (zh) | 一种面向近景摄影立体影像数据的特征点匹配方法 | |
CN104318566B (zh) | 可返回多个高程值的新型多视影像铅垂线轨迹匹配方法 | |
CN113538501A (zh) | 低空图像dsm生成建筑物边缘精细化方法 | |
Aati et al. | Comparative study of photogrammetry software in industrial field | |
CN108444451A (zh) | 一种行星表面影像匹配方法与装置 | |
CN114663298A (zh) | 基于半监督深度学习的视差图修补方法及系统 | |
Hosseininaveh et al. | Automatic image selection in photogrammetric multi-view stereo methods | |
CN117392237A (zh) | 一种鲁棒的激光雷达-相机自标定方法 | |
CN107563991A (zh) | 零件表面断裂激光光条的提取与匹配方法 | |
CN114742876B (zh) | 一种土地视觉立体测量方法 |
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 |