大旋角无人机影像全自动拼接方法研究

低空无人机抗风能力弱、稳定性差,影像旋偏角大且存在突变,无法按照常规正射影像镶嵌方法获得全区域拼接影像。为此,提出一种基于尺度不变特征变换(SIFT)特征匹配与多分辨率样条融合的低空无人机影像全自动拼接方法。对非量测影像进行畸变校正,利用查找表设计多幅影像快速畸变校正算法。采用SIFT特征的单应约束影像匹配算法,计算相邻影像的最优变换矩阵。给出最优变换矩阵的多分辨率样条融合影像拼接算法。实验结果表明,该方法能够获得大量稳定的匹配点对,影像间几何变换关系稳定,得到的拼接影像无缝清晰,适用于大旋角、低稳定性的低空无人机影像非摄影测量快速拼接。     

无人机影像密集匹配方法

针对无人机航摄影像存在的像幅小、影像倾角过大且倾斜方向没有规律等特点研究了一种基于尺度不变特征变换算法(Scale Invariant Feature Transform,SIFT)特征点匹配结果的无人机航摄影像密集匹配方法。在SIFT特征点匹配结果的基础上,根据立体像对的同名影像相似性原理,结合Moravec特征点提取算法、灰度相关匹配算法和最小二乘匹配算法来获取无人机影像的密集匹配结果,再利用影像密集点匹配结果生成影像覆盖区域的DSM进行精度分析。实验结果表明,基于SIFT特征匹配算法的无人机影像密集匹配方法能够获取可靠的密集匹配结果。     

采用遥感影像的林地建模研究

提出了一种全新的林地建模方法,对生长着树木的林地获取地面序列影像,利用影像分割实现树木信息的自动识别,通过基于地面区域约束的点云提取算法获得地面高精度密集点云,最后应用三次Beta样条曲线插值模型实现了林地等高线的建模。该方法将摄影测量技术应用于林地建模,解决了无法对有树木遮挡的地面进行建模的难题,提高了林地建模的效率。     

基于改进AKAZE特征的无人机影像拼接算法研究

针对目前无人机影像拼接时间效率较低,效果较差的问题,提出一种改进的AKAZE特征的无人机影像拼接算法。算法在影像匹配阶段利用BRISK描述符来代替M LDB描述符;采用特征点尺度信息和均方根误差作为约束条件剔除错误匹配;另外,将并行运算的思想应用于特征点提取和特征描述符的计算中来提升算法的时间效率。在影像融合阶段,利用RANSAC算法与LM算法相结合进行单应矩阵计算,以提高其计算精度,并采用多频段融合算法实现影像拼接。实验表明：通过改进算法在有效提升时间效率的同时,可以获得较高准确率和较高精度的匹配结果,实现无人机影像的快速无缝拼接。     

基于ASIFT算法的低重叠度无人机影像拼接方法

在无人机平台上采用低重叠方式成像能够大大提高数据获取效率,可满足包括应急救援和航空侦察等时效性要求很高的特殊领域应用需求。然而,此类影像具有重叠度低和旋转角大的特点,利用常规正射影像镶嵌的方法进行拼接往往带来较大的拼接误差。提出了基于ASIFT算法的低重叠图像配准方法,并对序列影像做光束法平差处理,得到最优变换矩阵后,结合多分辨率样条融合算法进行全景影像输出。实验结果表明:该方法可以获取足够数量稳定的匹配点对,较好地约束了序列影像之间的几何关系,得到的拼接影像无缝清晰,适应于低重叠度无人机影像的快速拼接。     

乡村振兴背景下海绵城市虚拟全景影像快速重建研究

针对传统三维重建技术存在稀疏点云数据特征提取精度低，导致对海绵城市虚拟全景影像无法快速重建的问题。提出一种基于乡村振兴背景下的海绵城市虚拟全景影像快速重建方法。此方法采用基于无人机影像的分段式恢复结构算法进行影像特征提取和场景稀疏点云重建；之后根据无人机影像分组顺序对各分组重建结果进行拼接合并，以实现三维空间点和相机位姿优化，最终构建更精准的场景点云，实现全景影像快速重建。实验结果表明，相较于传统的openMVG点云重建方法，本方法的点云重建数量为openMVG的4倍，且重建时间比openMVG方法快了2.91倍。采用两种方法对海绵城市真实场景进行全景影像重建后可知，本方法的残差平均值为0.67px,比openMVG方法的残差减小了0.12px,精度提升了15.19%。综合分析可知，本方法具备较高的重建精度，可有效减少误差累积，消除漂移，从而精准进行海绵城市虚拟全景影像快速重建。     

基于双判定因子的道路绿化带分割

以高速公路的无人机影像点云数据为研究对象, 提出一种基于双判定因子的道路绿化带分割算法. 首先对点云数据进行串行下采样, 在降低点云数目的同时尽可能多地保留点云特征点; 其次, 对降采样后的点云数据进行正射影校正; 最后, 提出一种结合法向量夹角与 RANSAC 平面分割双判定的点云分割算法, 实现了对高速公路中绿化带的准确分割, 采用绿化带边界提取算法最终实现高速公路环境信息的分割. 以G85高速凤翔段的无人机影像点云作为实验数据, 分别采用本文算法、基于法向量夹角的分割算法、基于RANSAC平面拟合分割算法进行验证. 实验结果表明基于双判定因子的道路绿化带分割算法对环境噪点及离群点有较好的抗干扰性, 可以有效过滤路面高曲率点, 提取结果较好.     

基于无人机POS信息的拼接方法

针对无人机航拍图像的特点,提出了一种基于无人机POS（Position and Orientation System）信息的拼接方法.首先根据POS参数计算出影像的四角点地理坐标,同时提取到相邻影像重叠区域的SURF特征,根据特征点的位置关系修正后面影像的地理坐标,然后按照影像地理坐标进行拼接,最后利用渐入渐出自适应权重策略对图像进行融合,得到了一副视觉效果良好的全景图像.     

基于特征的机载激光点云与影像数据的融合

影像数据具有连续、直观、容易判别、高分辨率的特点,能够反映出地表的真实纹理信息,与离散的激光点云数据配合可以相互补充;因此将点云与图像数据进行融合,具有很强的现实意义;首先介绍了整套无人机激光数据采集系统,讨论了具有尺度不变性的sift图像拼接算法,接着提出了一种基于点特征的直接线性变换方法;经实验证明,该方法实现了三维点云与二维影像数据的融合,使每个点云数据都具有真实的RGB颜色信息,并且取得了良好的效果。     

基于Wallis与距离权重增强的无人机影像拼接缝消除

针对无人机影像拼接缝消除困难的问题,提出了一种基于Wallis匀光和距离权重增强的拼接缝消除算法。首先,应用Wallis匀光消除亮度差异,给出Wallis参数设置方法。然后,提出了一种基于空间相关性的距离权重分配方法,通过增强距离对权重的影响,对拼接缝处的局部纹理错位进行全局优化,起到渐入渐出的平滑过渡效果,消除纹理拼接缝。最后,选取7种不同类型影像对本文方法和其他4种经典算法进行对比,并对8条行带影像进行拼接。实验结果表明：本文算法能高效地消除由于曝光差异与几何变形引起的拼接缝,适用于无人机影像快速处理。