一种无人机RigCamera影像的增量SfM方法及装置制造方法及图纸

本发明专利技术提供了一种无人机RigCamera影像的增量SfM方法及装置，涉及计算机视觉的技术领域，包括：获取无人机RigCamera在各个摄站拍摄的影像数据；基于影像数据，确定摄站数据；基于影像数据、摄站数据和针对RigCamera的局部区域网平差算法，采用迭代的方式构建目标模型，其中，目标模型用于求解影像数据的位姿参数和三维点坐标；基于针对RigCamera的全局区域网平差算法和针对独立相机的全局区域网平差算法，对目标模型进行优化，得到优化模型，解决了现有的无人机航拍数据的处理效率较低的技术问题。问题。问题。

【技术实现步骤摘要】
一种无人机RigCamera影像的增量SfM方法及装置


[0001]本专利技术涉及计算机视觉的
，尤其是涉及一种无人机RigCamera影像的增量SfM方法及装置。

技术介绍

[0002]摄影测量领域中的区域网空中三角测量法以及计算机视觉领域的增量式SfM方法常被应用于无人机影像数据处理领域，以根据无人机影像及相关辅助数据精确解算无人机摄影时的位姿及所观测到的大量地物点的空间三维坐标，也可同时对相机参数进行自检校。其中增量式SfM方法用于大规模无人机影像数据的处理，从由最佳影像对构成的初始模型开始逐步扩展模型，可以有效地控制模型的精度。
[0003]随着无人机航拍生成三维点云以及进一步生成三维模型的应用需求的增长，多相机捆绑倾斜摄影、多镜头倾斜摄影的大规模影像数据获取手段也得到了充分的研究以及应用。另外，多光谱无人机数据的获取与处理也在许多领域得到广泛的应用。这些无人机数据获取的趋势为数据处理带来了新的挑战，不仅镜头之间的相对几何位置关系引入的相关性让平差模型变得更加复杂，且其逐渐增大的影像数据规模也使得在控制处理成本的条件下提高处理效率变得更为迫切。
[0004]针对上述问题，还未提出有效的解决方案。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种无人机RigCamera影像的增量SfM方法及装置，以缓解了现有的无人机航拍数据的处理效率较低的技术问题。
[0006]第一方面，本专利技术实施例提供了一种无人机RigCamera影像的增量SfM方法，包括：获取无人机RigCamera在各个摄站拍摄的影像数据，其中，所述无人机RigCamera包括多个RigCamera组，一个RigCamera组包含多个相对空间位置固定的独立相机，所述影像数据包括多个RigCamera组在各个摄站拍摄到的影像数据；基于所述影像数据，确定摄站数据，其中，所述摄站数据包括：所述RigCamera组的数量，各个RigCamera组中的参考相机和映射表，所述参考相机为所述RigCamera组中的任一相机，所述映射表用于表征摄站与在该摄站拍摄的影像数据之间的一对多的对应关系；基于所述影像数据、所述摄站数据和针对RigCamera的局部区域网平差算法，采用迭代的方式构建目标模型，其中，所述目标模型用于求解所述影像数据的位姿参数和三维点坐标；基于针对RigCamera的全局区域网平差算法和针对独立相机的全局区域网平差，对所述目标模型进行优化，得到优化模型。
[0007]进一步地，基于所述影像数据、所述摄站数据和针对RigCamera的局部区域网平差算法，构建所述无人机RigCamera的初始模型，包括：第一确定步骤，基于所述摄站数据，确定出参考影像中的目标影像，其中，所述参考影像为所述影像数据中由所述参考相机拍摄的影像数据，所述目标影像为所述参考影像中匹配点数量最多且匹配点分布均匀的两张参考影像；构建步骤，基于所述目标影像的位姿参数、相对位姿解算算法和三维点坐标解算算
法，构建初始模型；第二确定步骤，确定出所述影像数据中的第一影像组，其中，所述第一影像组为所述影像数据中除所述目标影像以外的影像数据中符合预设条件影像数据；优化步骤，基于所述第一影像组和所述针对RigCamera的局部区域网平差算法，对所述初始模型进行优化，得到中间模型；将所述中间模型确定为所述初始模型，将所述影像数据中除所述目标影像和所述第一影像组以外的影像数据确定为所述影像数据，重复执行所述第二确定步骤和所述优化步骤，直至遍历所述影像数据中的所有影像，得到所述目标模型。
[0008]进一步地，基于所述第一影像组和所述针对RigCamera的局部区域网平差算法，对所述初始模型进行优化，得到中间模型，包括：基于所述摄站数据和所述初始模型中各个影像的绝对位姿参数，计算出各个RigCamera组中非参考相机和参考相机之间的相对位姿，其中，所述非参考相机为所述RigCamera组中除所述参考相机以外的相机；基于所述针对RigCamera的局部区域网平差算法、所述初始模型和共线条件方程，计算出未知参数，其中，所述未知参数包括：影像位姿参数优化值，三维点坐标优化值和相机参数优化值。所述影像位姿参数包括：参考影像的位姿参数，其参考影像未加入所述初始模型的摄站对应的非参考影像的位姿参数，所述初始模型中的参考影像与非参考影像之间的相对位姿参数，所述非参考影像为所述非参考相机拍摄的影像；基于所述未知参数，对所述初始模型中的非参考影像的位姿参数进行优化，得到所述中间模型。
[0009]进一步地，基于针对RigCamera的全局区域网平差算法和针对独立相机的全局区域网平差，对所述目标模型进行优化，得到优化模型，包括：基于所述针对RigCamera的全局区域网平差算法，对所述目标模型中各个影像数据的位姿参数进行迭代优化，直至所述目标模型中各个影像数据的位姿参数收敛或迭代次数达到第一预设次数，得到第一优化模型；将所述第一优化模型中各个影像数据的位姿参数确定为互不相关的独立参数；基于所述针对独立相机的全局区域网平差算法，对所述独立参数进行迭代优化，直至所述独立参数收敛或迭代次数达到第二预设次数，得到所述优化模型。
[0010]第二方面，本专利技术实施例还提供了一种无人机RigCamera影像的增量SfM装置，包括：获取单元，用于获取无人机RigCamera在各个摄站拍摄的影像数据，其中，所述无人机RigCamera包括多个RigCamera组，一个RigCamera组包含多个相对空间位置固定的相机，所述影像数据包括多个RigCamera组在各个摄站拍摄到的影像数据；确定单元，用于基于所述影像数据，确定摄站数据，其中，所述摄站数据包括：所述RigCamera组的数量，各个RigCamera组中的参考相机和映射表，所述参考相机为所述RigCamera组中的任一独立相机，所述映射表用于表征摄站与在该摄站拍摄的影像数据之间的一对多的对应关系；构建单元，用于基于所述影像数据、所述摄站数据和针对RigCamera的局部区域网平差算法，采用迭代的方式构建目标模型，其中，所述目标模型用于求解所述影像数据的位姿参数和三维点坐标；优化单元，用于基于针对RigCamera的全局区域网平差算法和针对独立相机的全局区域网平差，对所述目标模型进行优化，得到优化模型。
[0011]进一步地，所述构建单元，用于：第一确定步骤，基于所述摄站数据，确定出参考影像中的目标影像，其中，所述参考影像为所述影像数据中由所述参考相机拍摄的影像数据，所述目标影像为所述参考影像中匹配点数量最多且匹配点分布均匀的两张参考影像；构建步骤，基于所述目标影像的位姿参数、相对位姿解算算法和三维点坐标解算算法，构建初始模型；第二确定步骤，确定出所述影像数据中的第一影像组，其中，所述第一影像组为所述
影像数据中除所述目标影像以外的影像数据中符合预设条件影像数据；优化步骤，基于所述第一影像组和所述针对RigCamera的局部区域网平差算法，对所述初始模型进行优化，得到中间模型；将所述中间模型确定为所述初始模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机RigCamera影像的增量SfM方法，其特征在于，包括：获取无人机RigCamera在各个摄站拍摄的影像数据，其中，所述无人机RigCamera包括多个RigCamera组，一个RigCamera组包含多个相对空间位置固定的相机，所述影像数据包括多个RigCamera组在各个摄站拍摄到的影像数据；基于所述影像数据，确定摄站数据，其中，所述摄站数据包括：所述RigCamera组的数量，各个RigCamera组中的参考相机和映射表，所述参考相机为所述RigCamera组中的任一相机，所述映射表用于表征摄站与在该摄站所拍摄的影像数据之间的一对多的对应关系；基于所述影像数据、所述摄站数据和针对RigCamera的局部区域网平差算法，采用迭代的方式构建目标模型，其中，所述目标模型用于求解所述影像数据的位姿参数和三维点坐标；基于针对RigCamera的全局区域网平差算法和针对独立相机的全局区域网平差，对所述目标模型进行优化，得到优化模型。2.根据权利要求1所述的方法，其特征在于，基于所述影像数据、所述摄站数据和针对RigCamera的局部区域网平差算法，构建所述无人机RigCamera的初始模型，包括：第一确定步骤，基于所述摄站数据，确定出参考影像中的目标影像，其中，所述参考影像为所述影像数据中由所述参考相机拍摄的影像数据，所述目标影像为所述参考影像中匹配点数量最多且匹配点分布均匀的两张参考影像；构建步骤，基于所述目标影像的位姿参数、相对位姿解算算法和三维点坐标解算算法，构建初始模型；第二确定步骤，确定出所述影像数据中的第一影像组，其中，所述第一影像组为所述影像数据中除所述目标影像以外的影像数据中符合预设条件影像数据；优化步骤，基于所述第一影像组和所述针对RigCamera的局部区域网平差算法，对所述初始模型进行优化，得到中间模型；将所述中间模型确定为所述初始模型，将所述影像数据中除所述目标影像和所述第一影像组以外的影像数据确定为所述影像数据，重复执行所述第二确定步骤和所述优化步骤，直至遍历所述影像数据中的所有影像，得到所述目标模型。3.根据权利要求2所述的方法，其特征在于，基于所述第一影像组和所述针对RigCamera的局部区域网平差算法，对所述初始模型进行优化，得到中间模型，包括：基于所述摄站数据和所述初始模型中各个影像的绝对位姿参数，计算出各个RigCamera组中非参考相机和参考相机之间的相对位姿，其中，所述非参考相机为所述RigCamera组中除所述参考相机以外的相机；基于所述针对RigCamera的局部区域网平差算法、所述初始模型和共线条件方程，计算出未知参数，其中，所述未知参数包括：影像位姿参数优化值，三维点坐标优化值和相机参数优化值，所述影像位姿参数包括：参考影像的位姿参数，其参考影像未加入所述初始模型的摄站对应的非参考影像的位姿参数，所述初始模型中的参考影像与非参考影像之间的相对位姿参数，所述非参考影像为所述非参考相机拍摄的影像；基于所述未知参数，对所述初始模型中的非参考影像的位姿参数进行优化，得到所述中间模型。4.根据权利要求1所述的方法，其特征在于，基于针对RigCamera的全局区域网平差算
法和针对独立相机的全局区域网平差，对所述目标模型进行优化，得到优化模型，包括：基于所述针对RigCamera的全局区域网平差算法，对所述目标模型中各个影像数据的位姿参数进行迭代优化，直至所述目标模型中各个影像数据的位姿参数收敛或迭代次数达到第一预设次数，得到第一优化模型；将所述第一优化模型中各个影像数据的位姿参数确定为互不相关的独立参数；基于所述针对独立相机的全局区域网平差算法，对所述独立参数进行迭代优化，直至所述独立参数收敛或迭代次数达到第二预设次数，得到所述优化模型。5.一种无人机RigCamera影像的增量...

【专利技术属性】
技术研发人员：王宇翔，钟函笑，李民录，李彦，
申请(专利权)人：航天宏图信息技术股份有限公司，
类型：发明
国别省市：