近景光学影像和三维激光扫描点云自动配准

针对近景光学影像和三维激光扫描点云配准,采取先粗配准再精配准的策略,实现了近景光学影像和三维激光点云的自动配准.首先将具有一定重叠度的影像通过自由网平差获取相机内外方位元素,然后利用加入尺度因子的4PCS(4-points congruent sets)算法进行粗配准;最后基于空三点云与对应三维激光扫描点云切平面距离最...     

基于工作流的遥感影像自动分块与配准方法

基于工作流技术提出了一种遥感影像与矢量地图的自动化分块与配准方法.首先扩展影像的元数据使之具有地理域信息,并根据目标影像的地理信息获取对应的矢量地图区块;然后基于数据内容的关注系数对影像和地图进行自动化分块,采用Harris算子进行特征提取后获得多组匹配点对;最后依据差值收敛准则对匹配点集进行筛选,并解算出全局变换函数,实现配准.以上过程的各关键节点由工作流管理模块进行统一调度,实现了矢量地图与影像的自动化配准流程.实验结果表明该方法可有效提高影像配准的自动化水平.     

耦合相位一致性与互信息的光学影像与SAR影像配准方法

针对光学和SAR影像间非线性辐射差异和乘性噪声导致匹配效果不佳的问题,提出了一种耦合相位一致性与互信息的光学影像与SAR影像自动配准方法。首先,基于相位一致性矩特征图在参考影像上检测均匀分布稳定的特征点。其次,构建一种新的相似性测度最大索引图互信息,采用模板匹配策略实现同名点快速识别。最后,通过边缘化样本共识算法剔除外点,并利用分段线性变换模型几何纠正,实现光学-SAR影像间的精配准。对4组中高分辨率光学与SAR影像进行了实验,实验结果表明,所提方法相较于其他先进方法具有更高的配准精度。     

点云与CAD模型配准预处理技术的研究

文章提出了点云数据与CAD模型配准的三个预处理步骤：点云噪声过滤,CAD模型点云化和数据重采样。采用张量投票算法对原始点云数据过滤噪声,选用STL格式将CAD模型离散为点云格式,在CAD模型点云化和点云噪声过滤后,基于八叉树数据对两个数据集进行重采样,获得一个通用的解决方案。实验结果验证了文中算法的有效性。     

车载激光雷达三维点云重构与漫游方法

针对车载激光雷达系统,建立了由激光扫描仪数据、载车GPS数据、载车姿态数据进行激光点云解算与重构的数学模型,得到道路及两侧景物的三维点云场景。根据载车行进轨迹,用OpenGL三维引擎技术,实现对道路两侧景物的三维漫游。研究将激光雷达应用于车辆和飞行器的防撞预警,此技术具有快速、主动获取障碍物的高精确度三维坐标,探测距离远,受天气影响小的优势。为能见度低、障碍物较多情况下的车辆和飞行器的防撞提供了一个可行的技术途径。     

多源遥感影像高精度自动配准方法研究

针对遥感影像本身存在纹理差异,特征点提取不均匀的自动配准问题,提出了一种新的多源遥感影像高精度自动配准方法。首先,对Harris算子进行了改进,使其提取特征点覆盖范围更广;然后,对影像进行分块处理,对每块用文章改进的Harris算子进行特征点提取,并采用分块迭代剔除策略,保证了特征点在整幅影像中的均匀分布和非冗余分布;其次提出了金字塔-双向-最小二乘多匹配算法进行影像匹配,完成了最终同名点选取;最后利用小三角形面元TIN对影像进行了精确纠正。实验结果表明本文方法获取同名点均匀合理,能够更好地实现多源遥感影像的高精度配准,具有一定实际意义。     

面向城市场景异源多时相点云的自动配准

异源多时相点云数据是建设数字城市和智慧社会的关键空间数据支撑,其准确配准是开展各类后续应用的前提。针对异源多时相点云配准任务中数据规模大、结构差异大、场景变化大的难点,本文提出了一种自动的无控配准方法。首先将城市场景的整体点云数据过分割为平面区块,交汇相邻的平面生成稳定而特异的对象级虚拟关键点;然后将关键点间的刚体几何空间关系编码为图结构间的距离约束,匹配获取待配点云与目标点云间的同名点对;最后利用同名点对求取刚体转换参数,并应用转换参数将待配点云转换至目标点云的坐标系中。选择荷兰鹿特丹市某一典型城市场景地块的异源多时相点云数据验证了所提方法的有效性。实验结果表明,本文方法能够自动、准确、高效地实现城市场景异源多时相点云的无控配准,具有较高的工程应用价值。     

基于特征点的高分辨率卫星遥感影像自动配准方法

在高分辨率卫星遥感影像配准中,由于数据量的迅猛增长以及分辨率的提升,使配准精度逐渐下降,配置工作越堆越多。为此,文中设计一种基于特征点的高分辨率卫星遥感影像自动配准方法。对高分辨率卫星遥感影像数据实施云层二值化、灰度拉伸这两种预处理。云层二值化的处理主要通过OSTU算法实现,灰度拉伸处理使用的方法是直方图均衡。基于影像特征点,通过SURF算法实施高分辨率卫星遥感影像的特征点提取。通过提取的特征点在遥感影像上构建多个小面元区域,利用小面元微分纠正的方式对2幅影像实施精确配准。为实验配置硬件环境与软件环境,使用2种影像数据测试设计方法的配准性能。测试结果表明：所设计方法对于白天非雪天拍摄的图像与白天雪天拍摄的图像的配准精度都很高,二者差异较小;对于相同场景、不同传感器拍摄的影像以及不同场景、同一传感器拍摄的影像,设计方法的配准精度均较高。说明设计方法能够克服不同因素的影响,实现较为精准的自动配准。     

一种动态特征匹配的部分重叠点云配准方法

点云配准方法能够有效地完成对不同重叠率、不同规模点云间的配准,可确保三维重建模型的精度。针对该问题,提出一种动态特征匹配的部分重叠点云配准方法,首先基于欧氏距离分割法将点云分割为子点云;然后提取子点云特征,考虑到不同点云的规模不同,提取的特征规模也是不同的,提出利用动态时间规整算法(DTW)完成子点云间的映射;最后利用迭代配准算法求取拼接点云间的平移、旋转矩阵,利用该矩阵完成点云间的配准和拼接。实验结果表明,提出的方法能够有效地解决部分重叠点云和不同规模点云的配准问题。     

基于特征的自动图像配准算法

提出了一种基于特征的自动图像配准算法，它利用角点检测和相关运算在给定源图像和目标图像上自动寻找侯选匹配点，利用松驰过程确定对应特征点。算法在大多数情况下能自动完成。从实验结果看，该算法获得了理想的拼合效果。     

基于相位相关滤波与点云特征的激光点云配准方法

文中针对激光点云配准效率低和处理时间长的问题,提出一种基于相位相关滤波结合特征的扫描配准方法。扫描配准算法被解耦为旋转匹配与平移匹配两个步骤。在旋转匹配中,霍夫描述符提取的线段特征结合相位相关滤波得到具体的旋转量。平移匹配主要基于点云的边界特征,使用相位相关滤波处理提取到的特征,得到准确的x和y方向的平移量。与传统的迭代最近点(ICP)相比,提出的配准策略在处理静态数据时错误率降低了89.2%,处理时间降低了91.6%。同时,动态数据实验表明提出的方法具有较低的中位数和更好地一致性。     

一种改进的ICP激光点云精确配准方法

传统迭代最近点(Iterative Closest Point,ICP)算法在进行点云配准时,若点云初始位置相差较大时,容易陷入局部最优,同时,该算法无法解决部分重叠的点云的配准问题.鉴于此,提出了一种改进的ICP 激光点云精确配准方法.首先通过对两片点云的主成分分析并矫正主轴方向以完成初始配准,获得一个较好的初始位置...     

基于改进ICP的复杂机械零件测量点云配准方法

点云配准是基于机器视觉进行复杂机械零件三维非接触精密测量的关键环节。针对传统迭代最近点(iterative closest point, ICP)算法对初始位置依赖性强,迭代收敛速度慢,错误对应点对多,难以满足大批量复杂机械零件测量点云配准效率和精度要求的问题,提出了一种基于ISS-FPFH(intrinsic shape signature-fast point feature histogram)特征结合改进ICP的复杂机械零件测量点云配准方法。为了减少点云配准数量,并保留点云表面原来的细微特征,提出了基于重心邻近点的体素滤波器对点云进行下采样预处理。为解决传统ICP算法因合适初始位置难以确定而导致多视角测量点云配准失败的问题,采用了基于ISS-FPFH特征的采样一致性初始配准(sample consensus intial alignment, SAC-IA)算法进行粗配准。为解决传统ICP算法迭代收敛速度慢、错误对应点对多的问题,提出结合法向量夹角约束的点到平面ICP算法进行精配准。以斯坦福大学的bunny点云模型为对象,验证了本文提出方法对噪声点云的鲁棒性。以常见的复杂机械零...     

基于有向包围盒的尺度点云配准算法

为了提高激光点云的配准精度和效率,解决两片点云之间存在尺度变换的配准问题,提出了一种基于有向包围盒的尺度点云配准算法.首先,分别生成两片点云的空间有向包围盒,利用两个包围盒对应边的比值计算尺度因子.然后,将目标点云包围盒进行尺度放缩,再利用包围盒对应顶点的关系计算旋转矩阵.同时,引入点云的单位向量和,以单位向量和之间余...     

一种多模式融合的激光点云配准算法

针对经典迭代最邻近点(iterative closest point,ICP)算法在三维激光点云配准领域内,存在收敛速度慢、配准误差大、配准效率低的问题,提出了一种基于法向量夹角特征和边界旋转角相融合的改进ICP算法。利用点云区域层划分将点云分成若干独立单元方格,搜寻方格的法向量夹角特征关键点,结合点面曲率对应关系形成初始匹配点对,随后引入距离约束函数,估算边界旋转角和相关动态迭代系数,自动优化刚性变换参数。实验结果表明,与传统ICP算法相比,改进后的算法配准误差降至0.3%以下,配准时间减少50%以上,有效提升点云配准效率。     

高精度机载可见光图像定位方法

针对现有技术不能解决机载可见光图像快速自动定位的问题,提出了一种定位精度高、处理速度快、可扩展性好的机载可见光图像定位方法.该方法以传感器共线成像模型为中心,将实时图像和传感器成像参数送入共线模型进行正射校正,校正后的图像与相应的基准图像进行图像配准,使用配准同名点信息更新传感器成像参数,最后再次通过共线模型获取实时图地理坐标定位信息.这种通过图像配准再计算成像模型的间接定位方法,不仅减少了计算量,而且使自动配准算法稳定,较传统的直接定位方法或图像配准方法有突出的优势.此外,该方法具有严格的误差传递计算公式,能计算定位结果的误差.仿真实验表明即使在大倾斜角条件下,该方法也能获得优于100 m的定位精度.     

基于梯度结构的星载红外图像和全色图像配准方法

针对红外图像与全色图像的不同的成像特性,提出了一种基于图像的梯度结构信息的匹配算法.首先对原始的红外和全色图像分别进行梯度计算,得到图像的梯度强度图;对梯度图进行结构相似性度量,获得图像间同名点对.然后采用RANSAC算法剔除误匹配的同名点.最后利用同名点对构建三角网小面元,并进行变换而得到配准图像.实验结果表明,算法可以有效地利用红外图像中地物的结构信息,匹配精度高.