[发明专利]一种基于无人机的快速正射影像生成方法

权利要求书

1.一种基于无人机的快速正射影像生成方法，其特征在于，包括以下步骤：

S1、综合场景内容和空间上的相似性对图像进行聚类，具体包括：基于尺度不变特征变换算法提取每张图像的视觉词汇；基于视觉词汇以及位置信息，利用K均值算法对图像进行聚类；

S2、在场景聚类的基础上快速生成每组的稀疏三维重建结果，具体包括：基于视觉词汇以及位置信息进行图像匹配；基于运动恢复结构算法进行稀疏三维重建，每组的稀疏三维重建并行执行；

S3、在无地面控制点情况下进行地理配准，并将各组的配准结果融合起来，具体包括：通过去除质心计算相似变换矩阵的旋转矩阵以及尺度因子，再计算平移矩阵；在融合阶段执行一次整体光束法平差减小组间误差；其中，通过去除质心计算相似变换矩阵的旋转矩阵以及尺度因子，再计算平移矩阵包括：将图像坐标系下的相机位置表示为P＝{p₁,...,p_n}，真实地理坐标系下的相机位置表示为P'＝{p₁',...,p'_n}，首先计算出两个坐标系下相机的质心位置p和p’；然后计算每个点的去质心坐标q_i＝p_i-p和q'_i＝p'_i-p'；接着计算去除质心后两个坐标系下的点集所处的包围框的比例，该比例即为尺度因子s；然后利用最小二乘法计算旋转矩阵，即R为旋转矩阵，最后计算平移矩阵，即t^*＝p-sR^*p'；

S4、利用相似变换计算每张图像对应的正射影像，最终叠加成整体的正射影像。

2.如权利要求1所述的基于无人机的快速正射影像生成方法，其特征在于，所述步骤S1具体包括：

S11、构建所有图像的视觉表示模型，利用SIFT算法，从所有图像中提取视觉词汇，利用K-Means算法将所有视觉单词进行聚类构造词表，并将所有图像分别用对应的单词集合表示；

S12、根据提取出来的视觉词汇以及获取到的POS信息，再次利用K-means算法对所有图像进行聚类，从而将大场景划分成多个子集表示的小场景。

3.如权利要求1或2所述的基于无人机的快速正射影像生成方法，其特征在于，所述步骤S2具体包括：

S21、利用SIFT算法对图像进行匹配，对于每一张待匹配图像，选取其周围N张图像与其进行匹配，N为预设值；

S22、选取匹配点数最多的一对图像作为初始待重建图像，并进行初始重建；

S23、向初始重建结果中加入新的待重建图像，利用有效的透视n点定位算法求解出新的图像的相机位姿；

S24、计算得到新的图像的相机位姿之后，再结合该图像与其他图像的特征匹配关系，利用三角测量将新的特征点投影到三维空间中；

S25、对相机位姿以及重建出来的三维点云进行非线性列文伯格优化，使重投影误差达到最小，进一步提高重建精度；重复执行步骤S23至S25直到所有待重建图像都被加入到重建结果之中。

4.如权利要求3所述的基于无人机的快速正射影像生成方法，其特征在于，所述步骤S21中对于每一张待匹配图像，选取其周围N张图像与其进行匹配，具体为：

对于每一张待匹配图像，先根据无人机POS信息选取M张与待匹配图像空间位置最近的图像，再根据之前提取到的视觉词汇从中选取N张与待匹配图像视觉信息最近的图像，其中M为预设值，M大于N。

5.如权利要求3所述的基于无人机的快速正射影像生成方法，其特征在于，所述步骤S22中的初始重建具体包括：

根据之前计算得到的匹配结果，利用直接线性变换算法计算得出基础矩阵E，其中基础矩阵E表示为E＝t^R，其中t为两个相机间的平移矩阵，R为旋转矩阵；

利用支持向量机分解得到这两个矩阵；

利用三角测量将匹配点投影到三维空间中得到初始的三维点云。