导读:本文包含了车载序列影像论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:全景,影像,特征,序列,测量,算法,均值。
车载序列影像论文文献综述
李茹霞,朱小欢[1]（2019）在《基于KLT算法的车载序列影像匹配方法》一文中研究指出将KLT算法应用于车载序列影像匹配中,并结合金字塔分层技术和RANSAC算法剔除了错误匹配。结果表明,基于KLT的车载序列影像匹配方法是可行的,且提高了车载序列影像匹配的正确率。(本文来源于《地理空间信息》期刊2019年07期）
陈驰,杨必胜,田茂,李健平,邹响红[2]（2018）在《车载MMS激光点云与序列全景影像自动配准方法》一文中研究指出提出一种车载移动测量系统(MMS)激光点云与序列全景影像自动配准方法。首先采用层次化城市场景目标提取方法自激光点云提取天际线矢量,在全景影像中经虚拟成像与分割角点提取算法生成天际线矢量。然后,将提取结果作为几何配准基元,构建配准基元图,通过最小化配准基元图编辑距离进行匹配,组成共轭配准基元对,解算2D-3D粗配准模型,获得全景影像与LiDAR点云参考坐标系之间的初始转换关系。最后,为消除几何配准基元提取与匹配误差对配准结果的影响,自序列全景影像虚拟成像影像生成多视立体密集匹配点云,继而使用变种ICP算法优化其与激光点云数据间3D-3D配准参数,间接优化全景影像与激光点云间的配准参数,精化配准结果。试验结果表明,本文提出的自动配准方法可以实现车载MMS激光点云与序列全景影像的1.5像素级自动配准,配准成果可应用于真彩色点云生成等点云/影像数据融合应用。(本文来源于《测绘学报》期刊2018年02期）
卢秀山,俞家勇,田茂义,刘如飞,石波[3]（2018）在《车载激光点云与序列化全景影像融合方法》一文中研究指出利用车载移动测量系统采集的全景影像,建立全景球坐标系。将车载点云通过一系列的坐标转换,在全景球坐标系下利用球心、球面上像点和球面上物点叁点共线关系,实现车载移动测量系统激光点云与全景影像的融合。全景影像拍摄盲区造成真彩点云存在"黑洞",从而导致导致路面信息缺失。针对该问题利用相邻影像重迭关系对"黑洞"进行修补。通过人工采集检查点对融合精度进行评定,结果表明,该方法融合结果正确,全景影像与激光点云融合精准,修补"黑洞"后,路面信息保留完整。(本文来源于《中国激光》期刊2018年05期）
张正鹏,张强[4]（2017）在《车载全景序列影像的位姿估计优化方法》一文中研究指出针对车载全景序列影像的位姿估计问题,该文提出了一种基于角元素和线元素的位姿估计优化方法。根据全景多视几何关系,建立了角元素和线元素多视约束的优化模型,并推导完成模型的位姿求解方法。然后作为初始外方位元素,加入稀疏GPS/INS的相机控制数据约束,采用全景球模型的稀疏光束法平差对位姿估计结果进一步优化。实验选择IP-S2车载移动测量系统获取的全景序列影像,对比分析单视图、全景视图的连续位姿估计、本文方法和GPS/INS控制数据。实验结果表明,该文方法可提高位姿估计的精度,并减少连续位姿估计产生的累计误差。(本文来源于《测绘科学》期刊2017年12期）
白世晗,杨亚复,范丹[5]（2017）在《基于光流聚类的车载序列全景影像匹配》一文中研究指出结合车载序列全景影像自身特点,本文将一种光流聚类的思想应用与全景影像匹配之中。利用SIFT匹配法的到匹配点作为位臵点,以光流法得到的光流矢量作为方向矢量,并将这两个结合得到影像的特征空间,利用特征空间构建的光流图像作为聚类特征,用这一特征来大大提高匹配效率。论文详细阐述了光流聚类法的核心理论,并进行了实验验证理论的正确性,同时又对这种方法与SIFT匹配法与光流匹配法进行了实验对比与精度分析,取得了较为理想的实验结果。(本文来源于《云南省测绘地理信息学会2017年学术年会论文集》期刊2017-11-01）
张正鹏,江万寿,张靖[6]（2015）在《自适应运动结构特征的车载全景序列影像匹配方法》一文中研究指出以运动结构特征为约束条件的序列影像匹配,是基于多变量核密度函数,采用非参数均值漂移方法估计最优局部运动相似性结构特征的过程。核密度函数的带宽大小决定了匹配方法的收敛速度和精度。本文提出了一种可变带宽的自适应运动结构特征的车载全景序列影像匹配方法。首先以采样点在空间域和光流域的局部空间结构定义自适应的带宽矩阵。采用局部光流特征向量的距离加权法,描述光流域上运动相似性结构特征的松弛扩散过程。然后给出自适应多变量核密度函数的表达形式,并探讨了均值漂移向量的求解、终止条件以及种子点的选择方法。最后融合多尺度SIFT描述特征与运动结构特征,建立统一的全景影像匹配框架。试验选择车载移动测量系统获取的城市球全景序列影像,结果表明在内点率变化、物方尺度变化等情况下,本文方法可以实现自适应运动结构特征的相似性度量,提高匹配的正确点数和匹配率,算法表现出较强的稳键性。(本文来源于《测绘学报》期刊2015年10期）
徐振亮[7]（2015）在《轴角描述的车载序列街景影像空中叁角测量与叁维重建方法研究》一文中研究指出当前,我国正在推进"数字城市""智慧城市"等重大地理空间信息工程项目,车载移动测量技术(VMMT)发挥了不可或缺的作用,其具有外业数据采集速度快、自动化程度高、运行成本低廉等特点,是当前摄影测量与遥感深入发展的新领域。其强大的地面多视角可量测实景影像采集能力,为GIS数据采集与更新开辟了一条快速高效的新途径。从目前VMMT技术的发展趋势来看,测绘行业研究(本文来源于《测绘学报》期刊2015年10期）
张正鹏,江万寿,张靖[8]（2014）在《光流特征聚类的车载全景序列影像匹配方法》一文中研究指出提出一种光流特征聚类的车载全景序列影像匹配方法。采用非参数化的均值漂移特征聚类思想,以SIFT多尺度特征匹配点的位置量和光流矢量,构建了影像特征空间的空域和值域;利用特征空间中对应的显着图像光流特征为聚类条件,实现了全景序列影像的匹配;最后以全景极线几何约束为条件进行粗差的剔除。通过相同、不同内点率以及不同数据的试验对比分析,本文方法在匹配正确点数和正确率方面要优于经典的Ransac法和金字塔Lucas-Kanade光流法,尤其在场景复杂造成的低内点率情况下,算法表现较为稳定,并可较好地剔除由重复纹理、运动物体、尺度变化等产生的匹配点粗差。(本文来源于《测绘学报》期刊2014年12期）
季顺平,史云[9]（2014）在《高噪声环境下基于参考影像的车载序列影像定位方法》一文中研究指出提出一种通用随机定位模型及针对高噪声环境的蒙特卡罗解法,基于已知地理参考影像实现地面车载全景影像序列的精确定位。首先,基于贝叶斯准则和马尔可夫随机链,推导了几何、辐射两种约束条件下运动影像序列全局定位的通用随机模型。然后,顾及阴影、遮挡、动态目标等困难条件下的多源影像匹配80%的误匹配率,基于粒子滤波原理提出蒙特卡罗匹配与定位一体化求解算法,通过预测、更新的迭代策略,在剔除粗差的同时获得最佳定位结果。通过2000余张车载全景影像序列的定位试验,验证了本方法能够克服多源影像匹配中误匹配点太多导致的传统平差解法无法收敛的问题。(本文来源于《测绘学报》期刊2014年11期）
孟丽艳,张旭,常安,黄继通[10]（2014）在《基于车载CCD序列影像的建筑立面纹理映射》一文中研究指出在车载LIDAR系统中,CCD相机系统侧重于获取精度的建筑物立面信息,非常适用于城市建筑物模型的快速构建。使用二维最大熵阈值分割对最佳影像进行有效地快速分割,采用Hough算子检测纹理边界,并利用点特征对纹理轮廓和模型轮廓进行匹配纠正。实验证明,该方法简单、快速,适合于大范围城市建筑物立面纹理映射。(本文来源于《河南城建学院学报》期刊2014年04期）
车载序列影像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
提出一种车载移动测量系统(MMS)激光点云与序列全景影像自动配准方法。首先采用层次化城市场景目标提取方法自激光点云提取天际线矢量,在全景影像中经虚拟成像与分割角点提取算法生成天际线矢量。然后,将提取结果作为几何配准基元,构建配准基元图,通过最小化配准基元图编辑距离进行匹配,组成共轭配准基元对,解算2D-3D粗配准模型,获得全景影像与LiDAR点云参考坐标系之间的初始转换关系。最后,为消除几何配准基元提取与匹配误差对配准结果的影响,自序列全景影像虚拟成像影像生成多视立体密集匹配点云,继而使用变种ICP算法优化其与激光点云数据间3D-3D配准参数,间接优化全景影像与激光点云间的配准参数,精化配准结果。试验结果表明,本文提出的自动配准方法可以实现车载MMS激光点云与序列全景影像的1.5像素级自动配准,配准成果可应用于真彩色点云生成等点云/影像数据融合应用。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
车载序列影像论文参考文献
[1].李茹霞,朱小欢.基于KLT算法的车载序列影像匹配方法[J].地理空间信息.2019
[2].陈驰,杨必胜,田茂,李健平,邹响红.车载MMS激光点云与序列全景影像自动配准方法[J].测绘学报.2018
[3].卢秀山,俞家勇,田茂义,刘如飞,石波.车载激光点云与序列化全景影像融合方法[J].中国激光.2018
[4].张正鹏,张强.车载全景序列影像的位姿估计优化方法[J].测绘科学.2017
[5].白世晗,杨亚复,范丹.基于光流聚类的车载序列全景影像匹配[C].云南省测绘地理信息学会2017年学术年会论文集.2017
[6].张正鹏,江万寿,张靖.自适应运动结构特征的车载全景序列影像匹配方法[J].测绘学报.2015
[7].徐振亮.轴角描述的车载序列街景影像空中叁角测量与叁维重建方法研究[J].测绘学报.2015
[8].张正鹏,江万寿,张靖.光流特征聚类的车载全景序列影像匹配方法[J].测绘学报.2014
[9].季顺平,史云.高噪声环境下基于参考影像的车载序列影像定位方法[J].测绘学报.2014
[10].孟丽艳,张旭,常安,黄继通.基于车载CCD序列影像的建筑立面纹理映射[J].河南城建学院学报.2014
论文知识图
