CN116681590A - 一种无人机航拍图像快速拼接方法 - Google Patents

一种无人机航拍图像快速拼接方法 Download PDF

Info

Publication number
CN116681590A
CN116681590A CN202310669797.3A CN202310669797A CN116681590A CN 116681590 A CN116681590 A CN 116681590A CN 202310669797 A CN202310669797 A CN 202310669797A CN 116681590 A CN116681590 A CN 116681590A
Authority
CN
China
Prior art keywords
image
aerial
block
sample
pixel
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.)
Granted
Application number
CN202310669797.3A
Other languages
English (en)
Other versions
CN116681590B (zh
Inventor
王钟
黄伟强
吴耀鹏
李伟明
李青
郭浩
余光烁
毛志军
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.)
CCCC Guangzhou Dredging Co Ltd.
Original Assignee
CCCC Guangzhou Dredging Co Ltd.
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 CCCC Guangzhou Dredging Co Ltd. filed Critical CCCC Guangzhou Dredging Co Ltd.
Priority to CN202310669797.3A priority Critical patent/CN116681590B/zh
Publication of CN116681590A publication Critical patent/CN116681590A/zh
Application granted granted Critical
Publication of CN116681590B publication Critical patent/CN116681590B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features
    • 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
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种无人机航拍图像快速拼接方法，涉及图像拼接技术领域，将航拍区域平等划分为航拍区块；分别对航拍区块进行航拍，获取航拍图像，生成航拍图像集；通过航拍图像集获取主体图像和样本图像集；根据主体图像建立二维坐标系后，获取图像块；在图像块中选取主像素块；设定辐射函数，根据辐射函数获取辐射像素块；由主像素块和辐射像素块构成判定像素；获取样本图像中的判定像素个数，判断主体图像是否能与该样本图像进行拼接；若可以拼接，则拼接生成新的主体图像；再将新的主体图像依次与剩余的样本图像进行比对拼接，生成区块图像；获取所有航拍区块的区块图像，将区块图像集拼接成区域图像，即航拍区域的整体图像。

Description

一种无人机航拍图像快速拼接方法
技术领域
本发明涉及图像拼接技术领域，具体是一种无人机航拍图像快速拼接方法。
背景技术
近年来，随着无人机技术的发展，无人机被广泛应用于各种地理信息数据采集，在吹填项目的应用也有很多先例，说明其作业有着明显的优势；但受航空相机传感器尺寸的限制，存在着视场与分辨率间的矛盾。单张无人机航拍图像的覆盖范围较小，不能满足实际应用需求，因此如何快速高效的将多幅无人机航拍图像拼接成一幅过渡自然的无缝图片成为了近年来研究的热点。
现有技术中，直接对无人机获取的航拍图像进行拼接，容易产生无效拼接，为此，现提供一种无人机航拍图像快速拼接方法。
发明内容
本发明的目的在于提供一种无人机航拍图像快速拼接方法。
本发明的目的可以通过以下技术方案实现：一种无人机航拍图像快速拼接方法，包括以下步骤：
步骤S1：将航拍区域平等划分为航拍区块，对航拍区块进行遍历检测，检测航拍区块是否存在相邻的航拍区块，若不存在相邻的航拍区块则无需对航拍区块进行处理，若存在相邻的航拍区块，则随机挑选其中一个航拍区块进行扩充处理，使相邻的两个航拍区块之间存在重合区域；
步骤S2：分别对航拍区块进行航拍，获取航拍图像，生成航拍图像集；每一个航拍区块都有其对应的航拍图像集；
步骤S3：获取航拍图像集中的一个航拍图像，作为主体图像，再将航拍图像集中除主体图像以外航拍图像标记为样本图像，并生成样本图像集；
步骤S4：根据主体图像建立二维坐标系，通过二维坐标系对主体图像进行分割，生成图像块；在图像块中选取主像素块；设定辐射函数，根据辐射函数获取主像素块的辐射像素块；由主像素块和辐射像素块构成判定像素；获取多个判定像素，生成判定像素集；
步骤S5：将主体图像依次跟样本图像集中的样本图像进行比对，获取样本图像中的判定像素个数；并根据样本图像中的判定像素个数判断主体图像是否能与该样本图像进行拼接；若判断主体图像与该样本图像可以进行拼接，则将该样本图像与主体图像进行拼接，生成新的主体图像；再将新的主体图像依次与样本图像集中的样本图像进行比对，若符合条件，则进行拼接，直至样本图像集变为空集，生成区块图像；获取所有航拍区块的区块图像，生成区块图像集；
步骤S6：依照生成区块图像的拼接方法，将区块图像集拼接成区域图像，即航拍区域的整体图像。
进一步的，划分航拍区域的过程包括：
获取航拍区域的长度和宽度，将长度和宽度分别等分为N份，获得N*N个航拍区块；
设置扩充百分比；对航拍区块进行遍历检测，若检测到航拍区块存在相邻的航拍区块，则随机挑选其中一个航拍区块，作为扩充区块，将扩充区块与相邻航拍区块接触边的邻边长度增添扩充长度。
进一步的，生成航拍图像集的过程为：
将航拍区块范围制作成KML文件提前导入飞控软件，飞控软件根据相关飞行参数，自动规划出航线后，无人机执行航拍，获取航拍图像，生成航拍图像集。
进一步的，获取主体图像和样本图像集的过程包括：
获取航拍图像集中的一个航拍图像，作为主体图像，再将航拍图像集中除主体图像以外航拍图像标记为样本图像，并生成样本图像集。
进一步的，生成判定像素集的过程为：
以主体图像左下角为原点，建立二维坐标系；
设置分辨值R，设定R个像素点为一个单位；
设定切割值，根据切割值生成切割函数对二维坐标系进行切割，获取图像块；
设定间隔值，根据间隔值生成间隔集；通过Random函数随机获取间隔集中的数值依次作为x值和y值，生成坐标；
将生成坐标操作循环u次后，获得u个坐标，生成坐标集；
依次将坐标集中的坐标所在图像块标记为主像素块；
根据坐标设定辐射函数，根据辐射函数获取主像素块的辐射像素块，再由主像素块和辐射像素块构成判定像素，生成判定像素集；
将主像素块及其辐射像素块标记为判定像素，生成判定像素集。
进一步的，判断样本图像是否能与主体图像进行拼接的过程包括：
建立样本图像的二维坐标系，对样本图像进行分割，获取样本图像块；
将位于样本图像块中心的坐标标记为中心坐标；
依次将样本图像块作为样本主像素块，再根据中心坐标、辐射函数和范围值获取辐射坐标，并将辐射坐标所在的样本图像块标记为样本辐射像素块；将样本主像素块及其样本辐射像素块标记为像素组，生成像素组集；
设置阈值；分别获取判定像素集中判定像素的像素值和像素组集中像素组的像素值，进行比对，若二者的像素值相差小于或等于阈值，则将该像素组标记为判定像素，若二者的像素值相差大于阈值，则不标记；
设定合格值；获取像素组集中被标记为判定像素个数；
若像素组集中被标记为判定像素个数小于合格值，则判定主体图像与该样本图像不可进行拼接；若像素组集中被标记为判定像素个数大于或等于合格值，则判定主体图像与该样本图像可以进行拼接。
进一步的，生成区块图像的过程为：
通过SURF特征点检测算法提取主体图像和样本图像中的特征点并进行匹配，再通过SDD算法对主体图像和样本图像进行图像配准，并使用RANSAC为图像计算单应性矩阵，使主体图像和样本图像转化为同一坐标下，再通过羽化，使样本图像和主体图像融合为新的主体图像，再将新的主体图像依次与样本图像集中的样本图像进行比对，符合条件后进行拼接，直至样本图像集变为空集，生成区块图像。
进一步的，生成航拍区域的整体图像过程为：
获取各个航拍区块的区块图像，生成区块图像集，依照生成区块图像的方法，将区块图像集中的区块图像拼接成区域图像，即航拍区域的整体图像。
与现有技术相比，本发明的有益效果是：本方法通过对航拍区域的切割，获取多个航拍区块，使多台无人机同时作业，获取航拍图像，极大程度上提高了航拍效率，同时，在划分航拍区块时添加了扩充区域，防止后续图像拼接过程中发生相邻航拍区块间不存在相同特征点的情况；且在航拍图像拼接前，根据航拍图像集生成主体图像和样本图像集，获取主体图像的主像素块和辐射像素块，生成判定像素；将主体图像依次跟样本图像集中的样本图像进行比对，获取样本图像中存在的判定像素个数；并根据样本图像中的判定像素个数判断主体图像是否能与该样本图像进行拼接；当判断主体图像与该样本图像可以进行拼接时，再将该样本图像与主体图像进行拼接，生成新的主体图像；当判断主体图像与该样本图像不可以进行拼接时，则不予拼接操作；如此，在图像拼接前通过判定像素判断两个图像是否存在拼接的可能，提高了图像拼接的效率，避免图像的无效拼接。
附图说明
图1为本发明的流程图。
具体实施方式
如图1所示，一种无人机航拍图像快速拼接方法，包括以下步骤：
步骤S1：将航拍区域平等划分为航拍区块，对航拍区块进行遍历检测，检测航拍区块是否存在相邻的航拍区块，若不存在相邻的航拍区块则无需对航拍区块进行处理，若存在相邻的航拍区块，则随机挑选其中一个航拍区块进行扩充处理，使相邻的两个航拍区块之间存在重合区域；
步骤S2：分别对航拍区块进行航拍，获取航拍图像，生成航拍图像集；每一个航拍区块都有其对应的航拍图像集；
步骤S3：获取航拍图像集中的一个航拍图像，作为主体图像，再将航拍图像集中除主体图像以外航拍图像标记为样本图像，并生成样本图像集；
步骤S4：根据主体图像建立二维坐标系，通过二维坐标系对主体图像进行分割，生成图像块；在图像块中选取主像素块；设定辐射函数，根据辐射函数获取主像素块的辐射像素块；由主像素块和辐射像素块构成判定像素；获取多个判定像素，生成判定像素集；
步骤S5：将主体图像依次跟样本图像集中的样本图像进行比对，获取样本图像中的判定像素个数；并根据样本图像中的判定像素个数判断主体图像是否能与该样本图像进行拼接；若判断主体图像与该样本图像可以进行拼接，则将该样本图像与主体图像进行拼接，生成新的主体图像；再将新的主体图像依次与样本图像集中的样本图像进行比对，若符合条件，则进行拼接，直至样本图像集变为空集，生成区块图像；获取所有航拍区块的区块图像，生成区块图像集；
步骤S6：依照生成区块图像的拼接方法，将区块图像集拼接成区域图像，即航拍区域的整体图像；
需要进一步说明的是，在具体实施过程中，划分航拍区域的过程包括：
获取航拍区域的长度和宽度，将长度和宽度分别等分为N份，获得N*N个航拍区块；
设置扩充百分比K；
对航拍区块进行遍历检测，若检测到航拍区块存在相邻的航拍区块，则随机挑选其中一个航拍区块，作为扩充区块，将扩充区块与相邻航拍区块接触边的邻边长度增添扩充长度，所述扩充长度为领边原本长度*扩充百分比K；
若航拍区块A和航拍区块B相邻；
设定航拍区块A东方向的边为LAE，南方向的边为LAS，西方向的边为LAW，北方向的边为LAN；
设定航拍区块B东方向的边为LBE，南方向的边为LBS，西方向的边为LBW，北方向的边为LBN；
航拍区块A与航拍区块B的接触边为LAE，航拍区块B与航拍区块A的接触边为LBW；
LAE的邻边为LAN和LAs，LBW的邻边为LBN和LBs；
设定LAN、LAS、LBN和LBS的长度分别为CAN、CAS、CBN和CBS；
若选择航拍区块A作为扩充区块，则将CAN和CAS分别乘扩充百分比，作为扩充长度，再将扩充长度增添至原有长度；即LAN的长度变为CAN+CAN*K，LAS的长度变为CAS+CAS*K；
若选择航拍区块B作为扩充区块，则将CBN和CBS分别乘扩充百分比，作为扩充长度，再将扩充长度增添至原有长度；即LBN的长度变为CBN+CBN*K，LBS的长度变为CBS+CBS*K；
通过在原有长度的基础上增添扩充长度，使航拍区块的原有区域增添扩充区域，从而使相邻的航拍区块间存在重叠区域，以便后续无人机获取航拍区域图像的拼接；
需要进一步说明的是，在具体实施过程中，生成航拍图像集的过程为：
将航拍区块范围制作成KML文件提前导入飞控软件，同时按照地面分辨率GSD＝2.74cm/pix进行技术设计，影像数据满足1：1000比例尺的线画图、正射影像图的成图精度要求，航线按照平行于测区长边一侧布设，航摄相对航高100米，航向重叠度80％、旁向重叠度70％，保障相片有足够的重叠度；飞控软件根据相关飞行参数，自动规划出航线，飞行前再检查无人机设备正常，起飞区域安全后，无人机执行航拍，获取航拍图像p，生成航拍图像集P。
需要进一步说明的是，在具体实施过程中，获取主体图像和样本图像集的过程为：
获取航拍图像集中的一个航拍图像，作为主体图像，再将航拍图像集中除主体图像以外航拍图像标记为样本图像，并生成样本图像集；
设定航拍图像集P＝{p1，p2，......，pn}，其中，n为正整数；
通过Random函数获取1至n之间的随机数i，设定i＝1，则p1为主体函数，样本图像集为S＝{p2，p3，.....，pn}，其中，n为正整数；
需要进一步说明的是，在具体实施过程中，生成判定像素集的过程为：
以主体图像左下角为原点，建立二维坐标系；
设置分辨值R，设定R个像素点为一个单位，即一个单位平方里存在R*R个像素点；
设定切割值Q，根据切割值Q生成切割函数x＝mQ和y＝mQ对二维坐标系进行切割，获取图像块，其中，m＝1，2，……，n；
设定间隔值j，根据间隔值生成间隔集J＝{num1，num2，......，numn}，其中，numi＝ij，且n为正整数；
通过Random函数随机获取间隔集中的数值依次作为x值和y值，生成坐标(x，y)；
将生成坐标操作循环u次后，获得u个坐标，生成坐标集D＝{d1，d2，......，du}，di＝(xi，yi)；
依次将坐标集D中的坐标di所在图像块标记为主像素块，其中i∈[1，u]且i为整数；
根据坐标设定辐射函数，根据辐射函数获取主像素块的辐射像素块，再由主像素块和辐射像素块构成判定像素；
当坐标为di＝(xi，yi)时，则辐射函数为y＝yi，x＝xi，y＝x+yi-xi和y＝-x+xi+yi；
设定范围值f，分别获取x＝xi+f和x＝xi-f在辐射函数y＝yi、y＝x+yi-xi和y＝-x+xi+yi上的y值，y＝yi+f和y＝yi-f在辐射函数x＝xi上的x值，生成辐射坐标，将辐射坐标所在图像块标记为辐射像素块；
若发生多个辐射坐标位于同一个图像块中，则重新设定范围值f，直至辐射坐标分别位于不同的图像块中；
将主像素块及其辐射像素块标记为判定像素，生成判定像素集；
需要进一步说明的是，在具体实施过程中，判断样本图像是否能与主体图像进行拼接的过程为：
依照对主体图像建立二维坐标系和生成图像块的原理，对样本图像进行相同操作，建立样本图像的二维坐标系，对样本图像进行分割，获取样本图像块；
将位于样本图像块中心的坐标标记为中心坐标，作为代表该样本图像块的坐标；
依次将样本图像块作为样本主像素块，再根据中心坐标、辐射函数和范围值获取辐射坐标，并将辐射坐标所在的样本图像块标记为样本辐射像素块；
将样本主像素块及其样本辐射像素块标记为像素组，生成像素组集；
设置阈值z；
分别获取判定像素集中判定像素的像素值和像素组集中像素组的像素值，进行比对，若二者的像素值相差小于或等于z，则将该像素组标记为判定像素，若二者的像素值相差大于z，则不标记；
设定合格值H；
获取像素组集中被标记为判定像素个数h；
若h小于H，则判定主体图像与该样本图像不可进行拼接；
若h大于或等于H，则判定主体图像与该样本图像可以进行拼接；
需要进一步说明的是，在具体实施过程中，样本图像和主体图像进行拼接，生成区块图像的过程为：
当判定主体图像和样本图像可以进行拼接后，通过SURF特征点检测算法提取主体图像和样本图像中的特征点并进行匹配，再通过SDD算法对主体图像和样本图像进行图像配准，并使用RANSAC为图像计算单应性矩阵，使主体图像和样本图像转化为同一坐标下，再通过羽化，使样本图像和主体图像融合为新的主体图像，再将新的主体图像依次与样本图像集中的样本图像进行比对，符合条件后进行拼接，直至样本图像集变为空集，生成区块图像；
需要进一步说明的是，在具体实施过程中，生成航拍区域的整体图像过程为：
获取各个航拍区块的区块图像，生成区块图像集，依照生成区块图像的方法，将区块图像集中的区块图像拼接成区域图像，即航拍区域的整体图像；
在区块图像集中选取一张区块图像作为主体区块图像，剩余的区块图像则标记为样本区块图像，生成样本区块图像集，将主体区块图像与样本区块图像集中的样本区块图像进行一一比对，符合条件后，再进行拼接。
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 (8)

1.一种无人机航拍图像快速拼接方法，其特征在于，包括以下步骤：
步骤S1：将航拍区域平等划分为航拍区块，对航拍区块进行遍历检测，检测航拍区块是否存在相邻的航拍区块，若不存在相邻的航拍区块则无需对航拍区块进行处理，若存在相邻的航拍区块，则随机挑选其中一个航拍区块进行扩充处理，使相邻的两个航拍区块之间存在重合区域；
步骤S2：分别对航拍区块进行航拍，获取航拍图像，生成航拍图像集；每一个航拍区块都有其对应的航拍图像集；
步骤S3：获取航拍图像集中的一个航拍图像，作为主体图像，再将航拍图像集中除主体图像以外航拍图像标记为样本图像，并生成样本图像集；
步骤S4：根据主体图像建立二维坐标系，通过二维坐标系对主体图像进行分割，生成图像块；在图像块中选取主像素块；设定辐射函数，根据辐射函数获取主像素块的辐射像素块；由主像素块和辐射像素块构成判定像素；获取多个判定像素，生成判定像素集；
步骤S5：将主体图像依次跟样本图像集中的样本图像进行比对，获取样本图像中的判定像素个数；并根据样本图像中的判定像素个数判断主体图像是否能与该样本图像进行拼接；若判断主体图像与该样本图像可以进行拼接，则将该样本图像与主体图像进行拼接，生成新的主体图像；再将新的主体图像依次与样本图像集中的样本图像进行比对，若符合条件，则进行拼接，直至样本图像集变为空集，生成区块图像；获取所有航拍区块的区块图像，生成区块图像集；
步骤S6：依照生成区块图像的拼接方法，将区块图像集拼接成区域图像，即航拍区域的整体图像。
2.根据权利要求1所述的一种无人机航拍图像快速拼接方法，其特征在于，划分航拍区域的过程包括：
获取航拍区域的长度和宽度，将长度和宽度分别等分为N份，获得N*N个航拍区块；
设置扩充百分比；对航拍区块进行遍历检测，若检测到航拍区块存在相邻的航拍区块，则随机挑选其中一个航拍区块，作为扩充区块，将扩充区块与相邻航拍区块接触边的邻边长度增添扩充长度。
3.根据权利要求2所述的一种无人机航拍图像快速拼接方法，其特征在于，生成航拍图像集的过程为：
将航拍区块范围制作成KML文件提前导入飞控软件，飞控软件根据相关飞行参数，自动规划出航线后，无人机执行航拍，获取航拍图像，生成航拍图像集。
4.根据权利要求3所述的一种无人机航拍图像快速拼接方法，其特征在于，获取主体图像和样本图像集的过程包括：
获取航拍图像集中的一个航拍图像，作为主体图像，再将航拍图像集中除主体图像以外航拍图像标记为样本图像，并生成样本图像集。
5.根据权利要求4所述的一种无人机航拍图像快速拼接方法，其特征在于，生成判定像素集的过程为：
以主体图像左下角为原点，建立二维坐标系；
设置分辨值R，设定R个像素点为一个单位；
设定切割值，根据切割值生成切割函数对二维坐标系进行切割，获取图像块；
设定间隔值，根据间隔值生成间隔集；通过Random函数随机获取间隔集中的数值依次作为x值和y值，生成坐标；
将生成坐标操作循环u次后，获得u个坐标，生成坐标集；
依次将坐标集中的坐标所在图像块标记为主像素块；
根据坐标设定辐射函数，根据辐射函数获取主像素块的辐射像素块，再由主像素块和辐射像素块构成判定像素，生成判定像素集；
将主像素块及其辐射像素块标记为判定像素，生成判定像素集。
6.根据权利要求5所述的一种无人机航拍图像快速拼接方法，其特征在于，判断样本图像是否能与主体图像进行拼接的过程包括：
建立样本图像的二维坐标系，对样本图像进行分割，获取样本图像块；
将位于样本图像块中心的坐标标记为中心坐标；
依次将样本图像块作为样本主像素块，再根据中心坐标、辐射函数和范围值获取辐射坐标，并将辐射坐标所在的样本图像块标记为样本辐射像素块；将样本主像素块及其样本辐射像素块标记为像素组，生成像素组集；
设置阈值；分别获取判定像素集中判定像素的像素值和像素组集中像素组的像素值，进行比对，若二者的像素值相差小于或等于阈值，则将该像素组标记为判定像素，若二者的像素值相差大于阈值，则不标记；
设定合格值；获取像素组集中被标记为判定像素个数；
若像素组集中被标记为判定像素个数小于合格值，则判定主体图像与该样本图像不可进行拼接；若像素组集中被标记为判定像素个数大于或等于合格值，则判定主体图像与该样本图像可以进行拼接。
7.根据权利要求6所述的一种无人机航拍图像快速拼接方法，其特征在于，生成区块图像的过程为：
通过SURF特征点检测算法提取主体图像和样本图像中的特征点并进行匹配，再通过SDD算法对主体图像和样本图像进行图像配准，并使用RANSAC为图像计算单应性矩阵，使主体图像和样本图像转化为同一坐标下，再通过羽化，使样本图像和主体图像融合为新的主体图像，再将新的主体图像依次与样本图像集中的样本图像进行比对，符合条件后进行拼接，直至样本图像集变为空集，生成区块图像。
8.根据权利要求7所述的一种无人机航拍图像快速拼接方法，其特征在于，生成航拍区域的整体图像过程为：
获取各个航拍区块的区块图像，生成区块图像集，依照生成区块图像的方法，将区块图像集中的区块图像拼接成区域图像，即航拍区域的整体图像。
CN202310669797.3A 2023-06-07 2023-06-07 一种无人机航拍图像快速拼接方法 Active CN116681590B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310669797.3A CN116681590B (zh) 2023-06-07 2023-06-07 一种无人机航拍图像快速拼接方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310669797.3A CN116681590B (zh) 2023-06-07 2023-06-07 一种无人机航拍图像快速拼接方法

Publications (2)

Publication Number Publication Date
CN116681590A true CN116681590A (zh) 2023-09-01
CN116681590B CN116681590B (zh) 2024-03-12

Family

ID=87781883

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310669797.3A Active CN116681590B (zh) 2023-06-07 2023-06-07 一种无人机航拍图像快速拼接方法

Country Status (1)

Country Link
CN (1) CN116681590B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106530389A (zh) * 2016-09-23 2017-03-22 西安电子科技大学 基于中波红外人脸图像的立体重构方法
CN110520760A (zh) * 2017-03-13 2019-11-29 通用电气公司 用于辐射检测器的像素设计
CN113313659A (zh) * 2021-04-25 2021-08-27 中国人民解放军火箭军工程大学 一种多机协同约束下高精度图像拼接方法
US20220044356A1 (en) * 2019-12-17 2022-02-10 Dalian University Of Technology Large-field-angle image real-time stitching method based on calibration
CN115331130A (zh) * 2022-10-14 2022-11-11 南京瑞蓝世光电传感技术研究院有限公司 基于地理标志物辅助导航的无人机巡检方法和无人机

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106530389A (zh) * 2016-09-23 2017-03-22 西安电子科技大学 基于中波红外人脸图像的立体重构方法
CN110520760A (zh) * 2017-03-13 2019-11-29 通用电气公司 用于辐射检测器的像素设计
US20220044356A1 (en) * 2019-12-17 2022-02-10 Dalian University Of Technology Large-field-angle image real-time stitching method based on calibration
CN113313659A (zh) * 2021-04-25 2021-08-27 中国人民解放军火箭军工程大学 一种多机协同约束下高精度图像拼接方法
CN115331130A (zh) * 2022-10-14 2022-11-11 南京瑞蓝世光电传感技术研究院有限公司 基于地理标志物辅助导航的无人机巡检方法和无人机

Also Published As

Publication number Publication date
CN116681590B (zh) 2024-03-12

Similar Documents

Publication Publication Date Title
Maurer et al. Tapping into the Hexagon spy imagery database: A new automated pipeline for geomorphic change detection
JP2008298631A (ja) 地図変化検出装置、地図変化検出方法およびプログラム
JP2017182695A (ja) 情報処理プログラム、情報処理方法および情報処理装置
CN103985133A (zh) 基于图割能量优化的影像间最优拼接线寻找方法及系统
CN111996883B (zh) 一种检测公路路面宽度的方法
CN109146791B (zh) 一种基于面阵ccd成像的隧道展布图生成方法
CN102496147A (zh) 图像处理装置、图像处理方法和图像处理系统
JP3618649B2 (ja) 不定形窓を用いた画像間拡張イメージマッチング方法
CN116030194A (zh) 一种基于目标检测规避的空地协同实景三维建模优化方法
Yoo et al. True orthoimage generation by mutual recovery of occlusion areas
CN113034347A (zh) 倾斜摄影图像处理方法、装置、处理设备及存储介质
CN116681590B (zh) 一种无人机航拍图像快速拼接方法
US10580208B2 (en) Ceiling map building method, ceiling map building device, and ceiling map building program
CN114092771A (zh) 多传感数据融合方法、目标检测方法、装置和计算机设备
CN111738061A (zh) 基于区域特征提取的双目视觉立体匹配方法及存储介质
CN116051742A (zh) 一种基于倾斜摄影数据与点云数据融合的建模方法及系统
Fritsch et al. Photogrammetric point cloud collection with multi-camera systems
US11747141B2 (en) System and method for providing improved geocoded reference data to a 3D map representation
CN110634136B (zh) 一种管道壁破损检测方法、装置及系统
CN114387532A (zh) 边界的识别方法及其装置、终端、电子设备和无人设备
Wang et al. Performance tests for automatic 3D geometric data registration technique for progressive as-built construction site modeling
CN110940318A (zh) 航空遥感实时成像方法、电子设备以及存储介质
Oniga Comparative study on methods for 3D modelling of urban areas
Ruzgienė et al. Scanning aerial photos using a non-professional scanner
CN112598010B (zh) 一种双目视觉的非结构化地形实时感知与重构方法

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