【技术实现步骤摘要】
一种稀疏点云重建方法
[0001]本专利技术涉及无人机三维重建领域，具体涉及一种稀疏点云重建方法。
技术介绍
[0002]稀疏点云重建技术主要包含多视角影像获取、多视角影像的特征点提取，基于特征点的三角测量和捆绑调整获取稀疏点云三维坐标的步骤，最终将真实目标场景转换为计算机能够显示的数学模型。三维模型的完整性和精确度严重依赖于特征匹配的精度，如果特征匹配精度低，则会破坏三维模型与真实场景的几何一致性，即通过现有技术构建的三维模型与待重建场景的真实信息可能存在偏差，难以保证三维模型的质量，甚至导致三维重建过程失败。
[0003]在稀疏点云重建过程中，如果多视角影像的特征点数量过多，即使重建的完整度较好，但是过多数量特征点的提取会花费大量的时间，而且过量提取的特征点一般质量较差，而质量较差的特征点对会影响三维重建的效果。如果多视角影像的特征点数量过少，可以减少计算量，但无法充分发挥多视角卫星影像的信息优势，无法确保重建的完整性和精细程度，影响三维重建的效果。
技术实现思路
[0004]本专利技术提供一种稀...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种稀疏点云重建方法，其特征在于，该方法包括：基于空间重叠度从无人机图像库中筛选出第一图像，并获取第一图像对应的相机参数，所述第一图像包括重叠区域；对第一图像的重叠区域进行多维特征的提取和匹配，得到第一匹配参数；基于第一匹配参数的分布参数对第一匹配参数进行整体筛选，得到第二匹配参数；通过维度融合策略对第二匹配参数进行特征融合，得到第三匹配参数；基于第三匹配参数进行三角测量，计算得到稀疏点云，并对稀疏点云进行捆绑调整，得到优化的稀疏点云。2.根据权利要求1所述的方法，其特征在于，所述第二匹配参数包括第二匹配点、第二匹配线、第二匹配面，所述第三匹配参数包括第三匹配点，所述维度融合策略包括：通过价值取点策略对第二匹配线和第二匹配面进行去冗降维，得到降维点；将第二匹配点和降维点的并集作为第三匹配点，并将第三匹配点作为第三匹配参数。3.根据权利要求2所述的方法，其特征在于，所述价值取点策略包括：基于第二匹配参数的相关度对第二图像进行背景分离，得到前景、第一背景和第二背景；通过网格切分法将背景分离的第二图像进行切分，得到子网格；通过特征提取网络分别对子网格的前景、子网格的第一背景、子网格的第二背景提取特征，得到子网格的前景特征、子网格的第一背景特征、子网格的第二背景特征；将子网格的第一背景特征与子网格的第二背景特征按照预设权重以add方式进行特征融合，得到子网格的高维背景特征；将子网格的高维背景特征和子网格的前景特征以concat方式进行特征融合输入离群值输出网络，得到子网格的离群值；基于子网格的离群值对子网络进行离群等级划分，得到不同离群等级的子网格；基于连通域算法将相邻的且属于同一离群等级的子网格连通，得到连通域，并将连通域内的子网格的离群等级赋予该连通域，得到连通域的离群等级；基于不同等级的连通域设定等级距离，所述等级距离与不同等级连通域一一对应，并形成连通域
‑
技术研发人员：杜慧丽，董铱斐，邹圣兵，
申请(专利权)人：北京数慧时空信息技术有限公司，
类型：发明
国别省市：
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。