【技术实现步骤摘要】
本专利技术涉及摄影测量与计算机视觉领域，具体涉及一种基于特征点和结构线的桥梁影像拼接方法。
技术介绍
影像拼接方法是数字图像处理、摄影测量和计算机视觉领域的重要研究课题之一，它被广泛应用于地理国情监测、医学肿瘤检查和混凝土建筑病害检测等。在混凝土桥梁底部健康检测中，为了获取高分辨率的桥梁底部影像，智能CCD相机只能覆盖桥梁底部很小的一部分，因此，即是对于一座小型桥梁，也往往需要拍摄成千上百张图才能够很好的获取整个桥梁底部信息。面对如此海量的数据，如何高效的将这些影像拼接成一张完整的桥梁底面全景图就成了桥梁健康检查中最为关键的技术。目前影像拼接方法主要有两种技术路线，一是直接影像拼接方法，另一种是基于特征的影像拼接方法。直接影像拼接方法是利用所有的影像数据直接做影像拼接，这往往能够获取较高精度的影像拼接，但是它需要一定的初始值或者较好的几何校正。该方法的主要缺陷是对于初始条件的依赖性，拼接结果的好坏很大程度上是取决于影像初始值的精度。基于特征的影像拼接方法是利用影像的特征信息来进行影像拼接的方法，这种方法比较快速和鲁棒，能够很好的配准具有重叠区域的影像集合。该方法...
【技术保护点】
一种基于特征点和结构线的桥梁影像拼接方法，其特征在于，具体包括以下步骤：步骤1：数据准备：准备数据采集路径规划数据集H、影像数据集E、影像初始姿态数据集P和桥梁3D点云数据集M，并建立3D桥梁模型；步骤2：划分航带数据集：依据所述影像初始姿态数据集P将所述影像数据集E划分成多个航带数据集S1,S2,S3,...,SN，从而构成影像集所述影像集步骤3：投影航带全景图：针对所述影像集中任一所述航带数据集Sk，k＝1,2,...N，将所述航带数据集内的影像数据进行配准并投影成一张航带全景图Wk，k＝1,2,...N，从而构成影像集η，所述影像集步骤4：投影桥梁底部全景图：将所述影...
【技术特征摘要】
1.一种基于特征点和结构线的桥梁影像拼接方法，其特征在于，具体包括以下步骤：步骤1：数据准备：准备数据采集路径规划数据集H、影像数据集E、影像初始姿态数据集P和桥梁3D点云数据集M，并建立3D桥梁模型；步骤2：划分航带数据集：依据所述影像初始姿态数据集P将所述影像数据集E划分成多个航带数据集S1,S2,S3,...,SN，从而构成影像集所述影像集步骤3：投影航带全景图：针对所述影像集中任一所述航带数据集Sk，k＝1,2,...N，将所述航带数据集内的影像数据进行配准并投影成一张航带全景图Wk，k＝1,2,...N，从而构成影像集η，所述影像集步骤4：投影桥梁底部全景图：将所述影像集η中的全部所述航带全景图进行配准，投影成一张完整的桥梁底部全景图O；步骤5：影像处理：对所述桥梁底部全景图O进行拼接线查找，并进行匀光匀色处理；步骤6：输出结果。2.根据权利要求1所述的基于特征点和结构线的桥梁影像拼接方法，其特征在于，所述步骤2具体包括以下步骤：步骤21：获取影像姿态关键点集：依据所述数据采集路径规划数据集H，得到数据采集时的影像姿态关键点集；步骤22：影像初始姿态数据集P分组：依据所述影像姿态关键点集内的位置和姿态数据，对所述影像初始姿态数据集P进行分组，每个分组分别对应数据采集时所述影像姿态关键点集内不同的影像姿态关键点；步骤23：划分航带数据集：依据所述步骤22中对所述影像初始姿态数据集P进行的分组，将所述影像数据集E划分成多个所述航带数据集S1,S2,S3,...,SN，每个所述航带数据集分别对应所述影像初始姿态数据集P的一个分组，从而构成所述影像集所述影像集3.根据权利要求1所述的基于特征点和结构线的桥梁影像拼接方法，其特征在于，所述步骤3具体包括以下步骤：步骤31：划分影像数据集：将每一所述航带数据集Sk，k＝1,2,...N进一步划分为多个影像数据集G1,G2,G3,...,GB，每个所述影像数据集Gk，k＝1,2,...B分别包含数量适中的影像，从而构成影像集δ，所述影像集步骤32：投影分组全景图：针对所述影像集δ中的每一所述影像数据集Gk，k＝1,2,...B，将其内的影像数据分别进行配准并投影成分组全景图Uk，k＝1,2,...B，从而构成影像集τ，所述影像集步骤33：投影单张航带全景图：将所述影像集τ中的所述分组全景图Uk进行配准，投影成单张所述航带全景图Wk；步骤34：投影完整航带全景图：重复所述步骤31到所述步骤33，将所述影像集中每一所述航带数据集Sk分别进行配准，投影成完整所述航带全景图Wk，k＝1,2,...N，从而构成所述影像集η，所述影像集4.根据权利要求3所述的基于特征点和结构线的桥梁影像拼接方法，其特征在于，所述步骤32具体包括以下步骤：步骤321：特征点提取和结构线提取：对每一所述影像数据集Gk，k＝1,2,...B分别进行特征点提取和结构线提取，其中特征点提取选择SIFT特征点和ShiTomasi特征点；结构线提取则利用所述桥梁3D点云数据集M提取到的3D结构线，通过相机之间的标定，找到3D结
\t构线所对应的影像上的2D结构线；步骤322：金字塔影像匹配：建立影像金字塔，利用在所述影像金字塔高层的SIFT特征点，匹配建立影像之间的单应关系；通过所述影像之间的单应关系，在低层金字塔上，利用ShiTomasi特征点进行相似性测度匹配，从而获取精度较好的影像匹配点；所述测度匹配公式表示为：其中，和是以特征点为中心选取的m×n窗口和中像素的平均值，其计算公式如下：其中，I(q)和I′(q′)是以特征点为中心选取的m×n窗口和中像素的值，ρ(p,p′)越接近于1，则像素之间的相似度越高，匹配越可靠；通过影像匹配获取的所述影像匹配点，从而建立所述影像数据集Gk内影像与影像之间的对应关系；步骤323：获取最优影像姿态：通过所述步骤321中获取的所述2D结构线和所述步骤322中获取的所述影像匹配点，以获取更加精确的影像姿态；能量优化函数包括El(θ)和Ep(θ)两项：E(θ)＝arg...
【专利技术属性】
技术研发人员：姚剑，刘康，万智，谢仁平，鲁小虎，刘亚辉，
申请(专利权)人：湖南桥康智能科技有限公司，
类型：发明
国别省市：湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。