排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
针对带状序列无人机影像自检校空中三角测量时存在相机参数误差累积过大的问题,提出一种分类自检校(CSC)方法.该方法首先根据影像的GPS位置信息建立KD树,并利用K-Means进行自分类;然后对每类影像分别进行自检校光束法平差,将自检校得到的多组相机参数进行加权平均;最后进行全局自检校光束法平差.多组实验表明,CSC方法与室内检校场检校参数的像点畸变不符值均方根误差为0.5像素,检查点点位均方根误差为10.1 cm,且较Smart3D,VisualSFM和COLMAP软件能更精确地表示数据的原始姿态.综上,CSC方法可为带状区域无人机影像自检校空中三角测量提供一种有效的方案,具有较强的实践应用价值. 相似文献
2.
3.
为了方便轨枕的管理和维修,根据轨枕数字编码的成像特点,提出一种基于MSER和NCC的轨枕数字编码识别方法。首先采用高斯滤波对图像进行预处理;然后使用最大极值稳定区域(MSER)算法根据数字编码与背景的灰度对比生成极值区域,实现数字编码区域的初步定位;并且利用数字编码的几何先验知识去除不符合条件的字符连通域,从而准确定位出数字编码的区域,为后续数字编码识别减少大量的搜索空间;最后通过归一化互相关(NCC)算法计算模板图像与定位区域上数字编码的相似度量值以实现数字编码的识别。实验结果表明:此方法可以准确地定位出轨枕上的数字编码并高效地对其进行识别,识别率为95.5%,识别时间为0.24 s。 相似文献
4.
1