基于低空无人机影像特征的匹配策略研究

论文摘要

低空无人机及计算机视觉技术的迅速发展,给传统的航空摄影测量带来了巨大的改变,无人机凭借着机动性强、低空飞行、可靠性好、安全性高、成本低等一系列优点,使得在短时间内迅速获取测区的影像数据成为可能,而这些是传统航空摄影测量平台所无法具备的。低空无人机摄影测量目前已经在相关行业的各个领域得到了广泛应用,但低空无人机影像有着自身的特点,其低飞以及像幅范围小,使得单幅影像的覆盖地物少且易受到外在因素影响等问题。这些问题导致传统的影像匹配方法,在低空无人机影像数据的匹配应用中,存在一定的局限性。因此,本文主要对特征匹配方法进行了改进,使得在影像匹配中兼顾时效性和鲁棒性,同时对适用于不同区域影像数据的匹配策略展开研究。1、在目前已有的影像匹配方法中,选取三种常用的特征匹配方法对比分析,并进行了低空无人机影像数据的试验探讨。结果表明,现有传统的匹配方法难以较好的兼顾低空无人机影像匹配的鲁棒性与实时性。2、针对现有特征描述符的局限性,在SURF特征检测的基础上,采用了结合三重样本的浅卷积神经网络的特征学习型描述符进行影像匹配的方法。在三种不同区域的低空无人机影像实验数据中,采用合适数据样本训练方法得到适应较好的模型,经验证后,得出改进方法在低空无人机影像的匹配率方面,相比传统方法至少提高了6%左右。3、在弱纹理环境下误匹配数量多的情况下,针对匹配结果存在影像特征点分布不均匀,弱纹理条件下无特征点的问题,引入了基于分块的多层次组合影像匹配策略,为影像匹配过程中提供一定的特征匹配的约束和优化。通过实验发现,采取本文的策略在一定的程度上,提高了弱纹理区域的特征点分布,改善了特征的均匀分布性,且减少了像方匹配残差和中误差。

论文目录

• 摘要
• abstract
• 1 绪论
•   1.1 研究背景及目的
•   1.2 国内外研究现状
•     1.2.1 特征点提取现状
•     1.2.2 局部特征描述符的现状
•     1.2.3 特征匹配的现状
•   1.3 研究的主要内容
•   1.4 论文的内容架构
• 2 影像匹配理论基础
•   2.1 摄影测量常用坐标系
•   2.2 相机模型
•     2.2.1 中心投影成像模型
•     2.2.2 镜头畸变
•   2.3 影像匹配
•     2.3.1 匹配测度
•     2.3.2 约束条件
•     2.3.3 匹配策略
•   2.4 本章小结
• 3 影像局部不变特征的匹配算法分析
•   3.1 特征匹配算法
•     3.1.1 SIFT算法
•     3.1.2 SURF算法
•     3.1.3 ORB算法
•   3.2 基于神经网络描述符改进的匹配算法
•   3.3 匹配验证和误匹配点的剔除
•   3.4 特征算法归纳分析
•   3.5 本章小结
• 4 低空无人机影像匹配策略
•   4.1 影像初始关系的构建
•     4.1.1 利用POS数据构建初始关系
•     4.1.2 无定位等辅助信息数据的影像初始关系构建
•   4.2 几何纠正和分块策略
•     4.2.1 几何纠正
•     4.2.2 分块策略
•   4.3 基于分块的多层次的组合匹配策略
•   4.4 本章小结
• 5 实验验证与分析
•   5.1 实验数据介绍
•   5.2 特征检测算法匹配实验与分析
•     5.2.1 旋转不变性实验
•     5.2.2 尺度不变性实验
•   5.3 匹配策略的适应性评判实验
•   5.4 本章小结
• 6 总结与展望
•   6.1 总结
•   6.2 展望
• 致谢
• 参考文献
• 附录

文章来源

类型: 硕士论文

作者: 张小宇

导师: 龚云

关键词: 无人机影像,匹配方法,卷积神经网络,匹配策略,匹配残差

来源: 西安科技大学

年度: 2019

分类: 基础科学

专业: 自然地理学和测绘学

单位: 西安科技大学

分类号: P231

总页数: 67

文件大小: 8223K

下载量: 218