基于深度图改进的分块密集匹配方法、系统、终端及介质技术方案

本发明专利技术公开了基于深度图改进的分块密集匹配方法、系统终端及介质，涉及图像匹配技术领域，包括：图像获取步骤：获取全局场景的图像；邻域图选择步骤：利用图像关联度，选择出每张图像的邻域图像集合，同时初始化图像的重建状态对象；空间立体自动聚类步骤：对全局场景进行空间立体自动聚类完成分块，并抽取子块重建所需的匹配对图像，得到该子块的图像簇；密集匹配步骤：在子块的图像簇中获取目标图像，根据目标图像的重建状态对象估计、过滤深度图以及深度图融合生成密集点云。本发明专利技术避免子块间相同图像的重复计算，提高了密集匹配的效率和图像重建的准确性。和图像重建的准确性。和图像重建的准确性。

【技术实现步骤摘要】
基于深度图改进的分块密集匹配方法、系统、终端及介质


[0001]本专利技术涉及图像匹配
，尤其涉及基于深度图改进的分块密集匹配方法、系统、终端及介质。

技术介绍

[0002]倾斜摄影是近年来航测领域逐渐发展起来的新技术，相对于传统航测采集的垂直摄影数据，通过新增多个不同角度镜头，获取具有一定倾斜角度的倾斜影像，可获得同一位置多个不同角度的高分辨率影像，采集丰富的地物侧面纹理及位置信息。倾斜摄影技术成为快速获大范围高精度三维模型技术之一。大范围倾斜三维重建往往需要采集几千甚至上万张高分辨率影像，倾斜三维重建过程需要经过稀疏重建、多视密集匹配、几何表面重建、纹理重建等步骤，然而密集匹配属于计算密集型阶段，对算力和内存要求较高，一般单机难以完成。因此，通常采用分块密集匹配方式进行处理。
[0003]分块密集匹配方法是对稀疏重建结果进行分割，产生一定数量的子块，并对每个子块独立进行密集匹配。Mostegel等提出一种基于八叉树划分的处理海量点云的可扩展方法。但是八叉树结构需要多次重复计算以获得足够的重叠，增加了时间消耗和内存使用。韩佳丽对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度图改进的分块密集匹配方法，其特征在于，包括以下步骤：图像获取步骤：获取全局场景的图像；邻域图选择步骤：利用图像关联度，选择出每张图像的邻域图像集合，同时初始化图像的重建状态对象；空间立体自动聚类步骤：对全局场景进行空间立体自动聚类完成分块，并抽取子块重建所需的匹配对图像，得到该子块的图像簇；密集匹配步骤：在子块的图像簇中获取目标图像，根据目标图像的重建状态对象估计、过滤深度图以及深度图融合生成密集点云。2.根据权利要求1所述的基于深度图改进的分块密集匹配方法，其特征在于，图像获取步骤的具体内容为：利用倾斜摄影技术，采集全局场景的倾斜影像，作为全局场景的图像。3.根据权利要求1所述的基于深度图改进的分块密集匹配方法，其特征在于，邻域图选择步骤的具体内容为：利用图像关联算法，计算每一张图像的邻域图，基于视图夹角、重叠面积和尺度因子选择邻域图像，并对邻域图像进行打分和排序；在全局视图选择时，为每张图像创建重建状态对象并对其初始化。4.根据权利要求1所述的基于深度图改进的分块密集匹配方法，其特征在于，空间立体自动聚类步骤的具体内容为：依据重建范围和格网，对全局场景进行空间划分，计算每个子块的行列号即空间范围；依次遍历子块，将子块空间距离按照重叠距离向四周扩张，得到具有一定重叠度的空间范围，将该空间范围作为每个子块的密集匹配有效范围；利用图像中心点的投影计算得到位于子块空间范围内所有图像，组成该子块的图像簇；其中，图像中心点的投影计算公式为：式中：X，Y，Z为图像投影中心对应的世界坐标，K为相机内参，R，t为相机外参，z
depth
为投影中心深度值，u，v为图像投影中心坐标；遍历该子块图像簇中的图像，基于邻域图选择步骤中选择的图像邻域图，判断每张图像的邻域图是否在该子块的图像簇中，若不在，则将该邻域图追加到图像簇中。5.根据权利要求1所述的基于深度图改进的分块密集匹配...

【专利技术属性】
技术研发人员：吴政，刘振东，朱立宁，王飞，武鹏达，张婷婷，张帅哲，屈文虎，
申请(专利权)人：中国测绘科学研究院，
类型：发明
国别省市：