[发明专利]一种近景摄影测量的快速密集匹配法

说明书

技术领域

本发明涉及一种近景摄影测量技术领域，特别是关于一种近景摄影测量的快速密集匹配法。

背景技术

近景摄影测量包括近景摄影和图像处理两个过程。影像的匹配是图像处理中的关键技术，所谓影像匹配，就是找到立体像对中的两张照片里的同名点。传统的近景摄影测量采用直接线性变换(Direct Linear Transformation，英文缩写为DLT)通过两张影像上的6个以上公共点的三维坐标，直接解求影像外方位元素初值，然后通过对极约束，在核线上进行一维影像匹配。该方法要求人工量测较多的像控点，而且外方位元素初值误差较大，匹配效果往往不理想。在匹配的自动化方面，有人提出用HARRIS角点检测算子提取特征点，再用最小二乘模板匹配进行同名点的匹配，但初始匹配对往往需要手动指定种子点，不能达到自动化。也有人采用SIFT匹配算法，但是SIFT算法提取的特征点往往不是自然的纹理特征点，而且在大影像匹配时速度很慢，匹配出来的点也达不到密集程度。

有鉴于此，任何设计一种影像匹配方法以快速自动地建立立体像对的密集匹配关系是业内人士亟需解决的问题。

发明内容

本发明目的在于提供一种近景摄影测量的快速密集匹配法，以快速自动地建立立体像对的密集匹配关系。

为达到上述优点，本发明提供一种近景摄影测量的快速密集匹配法，其中，包括以下步骤：

特征提取，对原始图像建立影像金字塔，对所述影像金字塔中的每一层影像计算HARRIS角点响应值，并确定特征点方向以生成特征点描述；

稀疏匹配，针对所述特征提取步骤中的特征点进行抽稀形成强特征点，对所述强特征点进行SIFT匹配；

密集匹配，用所述稀疏匹配步骤中SIFT匹配生成的一致点，采用在平面三角网上内插视差的方法求初始左右视差及左右影像初始匹配坐标，遍历左影像特征点在右影像上寻找匹配点，再遍历右影像特征点在左影像上寻找匹配点，匹配方法采用最小二乘模板匹配。

在本发明的一个实施例中，在所述特征提取步骤中生成影像金字塔过程中，在简单降采样的基础上加入高斯滤波，对于金字塔的每一级，采用不同的参数做高斯模糊。

在本发明的一个实施例中，在所述稀疏匹配步骤中SIFT匹配采用KD树，从左影像特征点出发，找寻右影像中的同名特征点，判断方法是特征描述向量欧氏距离最短，当次短距离和最短距离比值大于预先设定的第一阈值时，标记为匹配成功，则生成匹配对，根据生成的所述匹配对，进行RANSAC的一致性检验。

在本发明的一个实施例中，所述第一阈值为1.5。

在本发明的一个实施例中，所述进行RANSAC的一致性检验过程为，先任取8点通过8点法求解F距阵，再用其余点根据所述F矩阵计算点的对极线方程，判断所述其余点到对极线的距离是否小于第二阈值，同时进行计数，每验证通过一点，所述计数加1，当所述计数达到预设值时，认为整个RANSAC检验完成，如果没有达到所述预设值，则重新选取8点重复这个过程，如果遍历完所有情况还没达到所述预设值，则取通过的点数最多的一组作为最后结果。

在本发明的一个实施例中，所述第二阈值为3-5像素。

在本发明的一个实施例中，所述预设值为70％-100％中的任意一个值。

在本发明的一个实施例中，在所述密集匹配步骤具体为对左右影像进行最小二乘法模板匹配，计算其最佳匹配坐标，根据所述最佳匹配坐标判断是否达到一致性约束的满足度，如满足则匹配成功。

在本发明的一个实施例中，所述一致性的满足度为80％-100％。

在本发明的一个实施例中，在所述特征提取步骤前还包括影像分块步骤，先对近景摄影中的大影像进行分块形成若干个大小相等的方块。

综上所述，本发明具有如下有益效果：

1.特征提取时，先对大影像进行分块，显著减少内存分配，提高提取速度；

2.采用多尺度HARISS角点检测算子检测角点，使特征点具有自然纹理特征；

3.采用SIFT描述子对特征点进行描述，用欧氏距离最短方法判断匹配成功，实现自动初始匹配；

4.在稀疏匹配前对特征点进行抽稀，保留强特征点，在不影响匹配精度的前提下显著提高匹配速度；

5.通过8点法计算F矩阵，采用RANSAC方法作一致性检测，剔除粗差；

6.采用视差三角网获取右影像初始坐标，遍历左影像特征点在右影像上寻找匹配点，再遍历右影像特征点在左影像上寻找匹配点的方法，最大限度提高匹配数量；