论文部分内容阅读
随着无人机与数码相机技术的发展,无人机航空影像处理成为当前研究的热点之一。无人机航空影像的姿态角较大、航线不规则,在不进行相机标定的情况下无法得到精确的相机信息,导致传统航空摄影测量方法无法满足此类影像的处理要求。递增式重建方法是计算机视觉领域中由运动恢复结构(Structure from Motion,SfM)最常用的一种,其通过特征检测与匹配、选取初始像对并估计位姿、计算点云、选取添加影像并估计位姿、平差等步骤恢复相机位姿,该算法对精确的相机参数依赖程度低、自动化程度高且精度高,将其用以恢复姿态角较大的无人机影像位姿会在一定程度上弥补传统摄影测量方法的缺陷。但经典的递增式重建方法仍然存在一些问题,从而影响重建的效率与精度。本文以经典递增式重建方法为基础,从影像对应信息确定、初始像对选取等方面进行改进,并基于改进算法实现了无人机航空影像的位姿恢复。论文主要的研究内容与成果如下:(1)研究了经典RANSAC算法和自适应RANSAC算法,分析对比了两种方法的优缺点,通过实验验证了自适应RANSAC算法优于经典自适应RANSAC算法,可以用于几何约束剔除误匹配及初始像对的位姿恢复。(2)将基于SIFT算子与词汇树的影像检索算法引入经典的递增式重建方法中,用以检索相似影像,通过对5组数据集进行影像检索验证了该算法的效率及精度,证明将该检索算法引入经典递增式重建中具有可行性。(3)通过利用多模型约束方法描述三种类型的像对,验证了多模型约束方法可以有效的描述像对模型,为递增式重建中初始像对的选取提供基础。(4)改进了递增式重建方法。以7组无人机航空影像为实验数据,分析改进方法的效率及精度。实验结果表明:改进的递增式重建方法提高了影像特征匹配的速度,有效恢复影像位姿得到稀疏点云数据,稀疏重建速度也大大提高。