【技术实现步骤摘要】
一种无人机影像匹配像对提取方法、三维稀疏重建方法
本专利技术属于低空无人机摄影测量
,具体涉及一种无人机影像匹配像对提取方法。
技术介绍
无人机低空摄影测量具有现势性强、分辨率高、采集方式灵活、传感器多样化等优点，近年来得到了越来越广泛的应用。由于新的仿地飞行、环绕飞行、贴近飞行等航线设计，造成获取的无人机影像尺度不一致、数据量庞大、无法基于先验知识计算影像相互关系，使传统的匹配像对提取方法难以满足应用需求。无人机影像匹配像对选择是基于影像进行三维自动重建的基础环节，其效率和完整性直接决定重建结果的精度和完整性。现有的匹配像对提取方法主要存在两方面不足：一方面，对测区及传感器先验知识的准确度有较高要求；另一方面，基于影像检索的匹配像对提取方法效率和可靠性较低。
技术实现思路
针对现有技术所存在的上述缺陷，本专利技术提供了一种无人机影像匹配像对提取方法，本专利技术的方法能快速完整的得到无人机影像数据集的候选匹配像对，且对传感器设计、地形信息、航线设计均没有要求，获得了更高的处理效率及更全面的三
【技术保护点】
1.一种无人机影像匹配像对提取方法，所述方法用于对无人机影像集提取匹配像对，其特征在于，包括以下步骤：/n步骤1：对无人机影像集提取SIFT特征向量；/n步骤2：对SIFT特征向量进行降维：/n步骤2.1，从无人机影像集中任意抽取部分无人机影像，以抽取的该部分无人机影像对应的SIFT特征向量组成特征矩阵；/n步骤2.2，对步骤2.1得到的特征矩阵进行降维；/n步骤3：构建视觉词典：/n步骤3.1，对降维后的特征矩阵进行聚类得到多个聚类中心，每一个聚类中心作为一个视觉单词，获取每一个视觉单词对应的权值；/n步骤3.2，将所有视觉单词及对应的权值采用二叉树形式构建视觉词典；/n...
【技术特征摘要】
1.一种无人机影像匹配像对提取方法，所述方法用于对无人机影像集提取匹配像对，其特征在于，包括以下步骤：
步骤1：对无人机影像集提取SIFT特征向量；
步骤2：对SIFT特征向量进行降维：
步骤2.1，从无人机影像集中任意抽取部分无人机影像，以抽取的该部分无人机影像对应的SIFT特征向量组成特征矩阵；
步骤2.2，对步骤2.1得到的特征矩阵进行降维；
步骤3：构建视觉词典：
步骤3.1，对降维后的特征矩阵进行聚类得到多个聚类中心，每一个聚类中心作为一个视觉单词，获取每一个视觉单词对应的权值；
步骤3.2，将所有视觉单词及对应的权值采用二叉树形式构建视觉词典；
步骤4：以无人机影像集中的第i个影像作为当前查询影像Ii，通过视觉词典在无人机影像集中查询与当前查询影像Ii最相似的影像形成相似影像列表，i为自然数；
步骤5：计算相似影像列表的综合查询因子：
步骤5.1，分别计算当前查询影像Ii与相似影像列表内每一个影像的空间距离指数和相似指数，将空间距离指数与相似指数的乘积作为综合查询因子，相似影像列表内每一个影像对应一个综合查询因子；
步骤5.2，对综合查询因子降序排序，前q个综合查询因子对应的相似影像列表内的影像数量为查询深度,q为自然数；
步骤6：根据查询深度界定查询深度阈值t取值为0<t≤q，以查询深度阈值t为界，将相似影像列表分为查询深度阈值t之上的影像和查询深度阈值t之下的影像两部分；
步骤7：将查询深度阈值t之上的影像与当前查询影像Ii组成Ii的候选匹配像对；
步骤8：将无人机影像集中除Ii以外的其他影像分别作为当前查询影像，重复步骤4-7，得到无人机影像集中所有影像的候选匹配像对，剔除重复的候选匹配像对，最终得到从无人机影像集提取的匹配像对。
2.根据权利要求1所述的无人机影像匹配像对提取方法，其特征在于：步骤1中，利用GPU并行方法对无人机影像集提取128维SIFT特征向量。
3.根据权利要求2所述的无人机影像匹配像对提取方法，其特征在于：步骤2.2中的降维采用的无人机影像数量为无...
【专利技术属性】
技术研发人员：任超锋，杨帅，张福强，蒲禹池，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西;61
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。