[发明专利]一种SIFT和ORB相结合的无人机影像快速匹配方法有效
申请号: | 201710747604.6 | 申请日: | 2017-08-28 |
公开(公告)号: | CN107480727B | 公开(公告)日: | 2020-04-24 |
发明(设计)人: | 扆冰礼 | 申请(专利权)人: | 荆门程远电子科技有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06K9/46;G06T7/33 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 448000 湖北省荆门市掇刀区*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 sift orb 相结合 无人机 影像 快速 匹配 方法 | ||
1.一种SIFT和ORB相结合的无人机影像快速匹配方法,其特征在于,首先对金字塔影像进行SIFT匹配,获得粗略的匹配结果,根据匹配结果计算原始影像的旋转平移参数,然后对原始影像进行搜索范围约束的ORB匹配,并对匹配结果进行粗差剔除和质量评价,如果质量评价符合要求,则认为该像对匹配成功,如果不符合,则对该像对的原始影像再次进行SIFT匹配,所有匹配任务完成后,最后进行串点,为下一步区域网平差准备像点文件;
具体步骤如下:
第一步,生成影像列表和匹配任务;完成自动测区恢复,获得测区工程文件和预处理后的影像,工程文件记录影像的相邻位置关系,根据工程文件生成影像列表文件和匹配任务文件,影像列表文件包括每张影像的ID号和影像路径,航带内的每张影像与其后的两张影像进行匹配,与下一条航带的三张相邻影像进行匹配;
第二步,根据影像列表文件,对所有影像进行降采样和SIFT特征点提取,并将特征点的坐标转换到原始影像上,采用二进制格式保存特征点文件,特征点提取完成后,根据匹配任务文件和特征点文件进行SIFT匹配,输出匹配点数量、匹配结果和旋转平移参数;
第三步,根据影像列表文件,对原始影像分块提取ORB特征点,影像分块大小是输入参数,将提取的特征点分块保存到一个文件中,文件格式采用二进制,特征点提取完成后,根据匹配任务文件、ORB特征点文件以及金字塔匹配结果,约束搜索范围进行ORB匹配:首先读取金字塔匹配的结果,包括匹配点数量和旋转平移参数,如果匹配点数量小于阈值,则认为金字塔匹配的结果不可靠,结束该像对的匹配任务,并记录该像对;如果匹配点数量大于阈值,则分块读取两张待匹配影像的ORB特征点,根据旋转平移参数预测左影像上的某一特征点在右影像上的概略位置,判断该位置属于哪一个分块,以该位置为中心,选取一定大小的窗口,在窗口内搜索最近特征和次近特征,如果最近特征与次近特征的距离比值小于给定阈值,则该点匹配成功;像对匹配完成后,对匹配点进行粗差剔除;剔除粗差点之后,根据旋转平移参数计算重叠区域,对重叠区域划分格网,如果有多个格网内没有匹配点,则认为匹配失败,记录该像对,对于匹配成功的像对,输出匹配结果;
第四步,ORB匹配结束后,对匹配失败的任务进行SIFT匹配;具体方法为,读取匹配失败任务列表所涉及的影像,对这些影像提取SIFT特征,并保存特征点文件,对匹配失败的任务再次进行SIFT匹配,匹配完成后进行粗差剔除,构建KD-Tree进行影像匹配;
第五步,所有匹配任务结束后,将匹配点的像素坐标转换为像平面坐标,对匹配结果进行串点,生成整个测区的像点文件,为下一步区域网平差做准备。
2.根据权利要求1所述的一种SIFT和ORB相结合的无人机影像快速匹配方法,其特征在于,金字塔匹配点数的阈值为10,当匹配点数量超过10个时,金字塔匹配的结果是可靠的,当匹配点数量少于10个,则不进行ORB匹配,记录下该像对,后续进行SIFT匹配。
3.根据权利要求1所述的一种SIFT和ORB相结合的无人机影像快速匹配方法,其特征在于,影像分块长边设置为500像素,搜索范围设置为200像素。
4.根据权利要求1所述的一种SIFT和ORB相结合的无人机影像快速匹配方法,其特征在于,最近特征与次近特征的距离比阈值为0.8。
5.根据权利要求1所述的一种SIFT和ORB相结合的无人机影像快速匹配方法,其特征在于,采用基于旋转平移模型的粗差剔除方法。
6.根据权利要求1所述的一种SIFT和ORB相结合的无人机影像快速匹配方法,其特征在于,第一步中自动测区恢复包括基于序列影像的全自动航带排列和影像预处理,所述影像预处理包括影像畸变纠正,Wallis匀色,影像旋转。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于荆门程远电子科技有限公司,未经荆门程远电子科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710747604.6/1.html,转载请声明来源钻瓜专利网。