论文部分内容阅读
无人机遥感平台凭借其灵活高效、成本低廉、操作简单等优点,成为摄影测量领域的研究热点,在环境监测、地图更新、灾害预测和城市规划等方面得到广泛的应用。然而,由于无人机平台稳定性较差,外界干扰会使其成像条件发生变化,导致所获取的影像之间容易存在一定的平移、旋转和视角等差异,会给后期的影像匹配处理带来较大的困难。因此,提升影像匹配算法的稳定性、获得较高精度的匹配结果成为了无人机影像处理的关键环节。在对现有影像匹配算法进行详细分析与探讨的基础上,选择无人机影像匹配作为本文的研究对象,以提升算法适应性、匹配精度和时间效率为目标,着眼于特征描述符计算、匹配策略以及粗差剔除等内容展开研究,开展的工作具体如下:1)基于特征的影像匹配算法。分析对比了基于特征的影像匹配算法,对SIFT算法、SURF算法、KAZE算法和AKAZE算法的基本原理及流程进行详细介绍,以无人机影像数据为基础,分别利用上述算法进行影像匹配实验,并对算法在时间效率,准确率和匹配精度等方面的表现进行了比较。2)基于AKAZE-OpponentFRERAK特征的无人机正射影像匹配。以AKAZE算法为基础,在特征描述符计算阶段利用具有颜色信息的Opponent-FREAK描述符来代替M-LDB描述符;在特征点匹配阶段采用粗匹配和精匹配相结合的分阶段匹配策略来获取高精度匹配结果;此外,为了提升算法的时间效率,基于OpenMP实现了特征点提取和特征描述符计算等两个阶段的并行运算。实验结果表明:算法在提升时间效率的同时可以获得较高准确率,且其精度可以达到亚像素级。3)基于Affine-AKAZE算法的倾斜影像匹配。针对视角变化较大影像,AKAZE算法匹配结果精度不高的问题,依据ASIFT算法的思想,提出具有仿射不变性的Affine-AKAZE算法,并将其应用于倾斜影像的匹配。实验结果表明:该算法针对视角变化较大影像匹配具有较好的效果。4)影像拼接和基于多视影像的三维点云提取。利用基于AKAZE-OpponentFRERAK特征的无人机正射影像匹配算法完成无人机影像的特征点提取及自动拼接,并依据运动恢复结构(Structure From Motion,SFM)的思想设计并实现了三维点云数据的生成。