一种倾斜摄影三维重建匹配方法组成比例

本发明专利技术涉及无人机倾斜摄影三维重建领域，公开了一种倾斜摄影三维重建匹配方法，包括提取图像位置与位姿特征分量；提取图像颜色特征分量；提取纹理特征分量；对3种分量进行标准化处理后组合得到融合特征向量；构造哈希函数对得到的融合特征向量进行映射；进一步计算欧氏距离后排序形成待匹配图像集合，之后的运动恢复结构过程中的单幅图像匹配对象从待匹配图像集合中选取。与现有技术相比，本发明专利技术融合无人机影像POS信息与颜色纹理信息，根据无人机图像特点对重建前图像进行聚类，避免了传统重建算法的全局匹配过程，在倾斜摄影图像三维重建中显著提高了效率，在提升重建效率的同时，本发明专利技术的重建密集点云能够保持良好的精度。

A 3D reconstruction matching method for oblique photography

【技术实现步骤摘要】
一种倾斜摄影三维重建匹配方法
本专利技术涉及无人机倾斜摄影三维重建
，特别涉及一种倾斜摄影三维重建匹配方法。
技术介绍
近年来，随着特征点检测和匹配算法、自标定算法、运动恢复结构重建算法(Structurefrommotion，SFM)以及多视图立体匹配算法(Multi-viewstereopsis，MVS)等技术的不断进步和完善，基于图像的三维重建技术有了突飞猛进的发展，已广泛应用于林业资源调查、林分研究及立木三维重建。由于无人机的低空飞行特性使其具有视角灵活、时效性强等优势，利用无人机可以获取同一场景大量连续视角的无标定图像序列，同时结合SFM技术即可获取场景的三维信息。然而由于无人机获取图像分辨率高，重叠度大，在SFM处理过程中效率低下，为解决无人机序列影像三维重建的时效性问题，亟需新的解决方法。SFM过程中的图像特征匹配和光束平差(BundlerAdjustment)是无人机序列图像三维重建过程中耗时最长的步骤，SFM三维重建框架下为尽可能多的恢复细节，其在计算序列图像的约束关联过程中采用了穷尽列举两两匹配的策略，可得其时本文档来自技高网...

【技术保护点】
1.一种倾斜摄影三维重建匹配方法，其特征在于，包括图像位置与位姿特征提取、颜色特征提取、纹理特征提取、特征融合和待匹配图像集合生成几个步骤，详细步骤如下：/nS1对航拍序列图像提取GPS/IMU值，得到6维位置与位姿特征分量；/nS2将航拍序列图像进行4×4分块提取颜色不变量分量的16维颜色特征分量；/nS3对航拍序列图像进行8倍降采样处理，提取4方向32维纹理特征描述子；/nS4对S1-S3中位置与位姿特征分量、颜色特征分量、纹理特征分量分别进行数据标准化处理后组合得到无人机序列图像54维融合特征向量；/nS5构造L个函数，g

【技术特征摘要】
1.一种倾斜摄影三维重建匹配方法，其特征在于，包括图像位置与位姿特征提取、颜色特征提取、纹理特征提取、特征融合和待匹配图像集合生成几个步骤，详细步骤如下：
S1对航拍序列图像提取GPS/IMU值，得到6维位置与位姿特征分量；
S2将航拍序列图像进行4×4分块提取颜色不变量分量的16维颜色特征分量；
S3对航拍序列图像进行8倍降采样处理，提取4方向32维纹理特征描述子；
S4对S1-S3中位置与位姿特征分量、颜色特征分量、纹理特征分量分别进行数据标准化处理后组合得到无人机序列图像54维融合特征向量；
S5构造L个函数，gi(·)＝(h1i(·),h2i(·),···,hki(·))(i＝1,2,···,L)，其中，h1(·),h2(·),···,hk(·)是P-Stable分布LSH函数簇中独立随机选取的哈希函数；
S6将S4中无人机序列图像54维特征向量集分别利用LSH函数gi(v)＝(h1i(v),h2i(v),···,hki(v))进行映射，将相似度高的图像映射到一个哈希桶内；
S7对S6中哈希桶内向量逐一计算欧式距离，按照距离计算结果排序并取前k个构成待匹配图像集合；
S8根据哈希值计算查询图像与待匹配图像集合匹配关系，记录匹配关系并代入重建匹配运算过程。


2.根据权利要求1所述的一...

【专利技术属性】
技术研发人员：孙铁波，刘晋浩，阚江明，黄青青，李江，
申请(专利权)人：北京林业大学，江苏食品药品职业技术学院，
类型：发明
国别省市：北京;11