[发明专利]密集点云生成方法及系统

权利要求书

1.一种密集点云生成方法，其特征在于，包括如下步骤：

读取无人机拍摄采集到的多张影像，通过GPU由多张影像中提取出同名特征和同名像点，并基于所述同名特征和所述同名像点进行特征点匹配，获取相应的匹配点对信息；

采用光束法平差原理，以共线条件方程式作为平差的基础方程，根据所述匹配点对信息，利用多视几何原理求解出各个所述影像的相对方位元素，并基于所述相对方位元素恢复得到无人机影像立体像对在空间坐标系中的位置姿态信息；

基于恢复得到的所述无人机影像立体像对在空间坐标系中的所述位置姿态信息，将基准影像上像点反算至重叠影像并寻找所述同名像点，利用所述同名像点通过空间前方交会生成相应的密集点云；

其中，所述读取无人机拍摄采集到的多张影像，通过GPU由多张影像中提取出同名特征和同名像点，并基于所述同名特征和所述同名像点进行特征点匹配，获取相应的匹配点对信息，包括如下步骤：

读取无人机拍摄采集到的多张影像，使用GPU并行计算方式建立每张影像的特征描述符；

根据建立的所述特征描述符进行特征点匹配处理，获得多个所述匹配点对信息；

采用RANSAC方法由多个所述匹配点对中获取最优匹配点对信息，剔除误配点对信息；

其中，根据建立的所述特征描述符进行特征点匹配处理，获得多个所述匹配点对信息时，包括：

计算不同特征点描述符的欧式距离，对每张待匹配影像上的不同特征点，计算其描述符的差平方和测度作为匹配的相似度测度，以测度最小的点对作为候选匹配点对；

确定匹配点对：对每个待匹配特征点，通过K-D树优先搜索得到与其描述符的欧氏距离最邻近和次邻近的两个特征点，将最近邻和次近邻的欧氏距离之比与阈值比较，剔除不可靠的点对；

其中，采用RANSAC方法由多个所述匹配点对中获取最优匹配点对信息，剔除误配点对信息，包括：

从以求得的匹配点对中抽取几对配准点，计算变换矩阵，并将这几对点记录为“内点”继续寻找匹配点对中的非内点，若这些匹配点对符合矩阵，则将其添加到内点；

当内点中的点对数大于样本总点对的25％时，则判定此矩阵为精确的变换矩阵；

依照上述变换矩阵的判定方式，随机采样N次，选取内点数最大集合，剔除非内点等误配点对。

2.根据权利要求1所述的密集点云生成方法，其特征在于，所述采用光束法平差原理，以共线条件方程式作为平差的基础方程，根据所述匹配点对信息，利用多视几何原理求解出各个所述影像的相对方位元素，并基于所述相对方位元素恢复得到无人机影像立体像对在空间坐标系中的位置姿态信息，包括如下步骤：

读取匹配点对信息以及用于拍摄采集多张影像的相机参数；

根据读取到的所述匹配点对信息和所述相机参数，利用多视几何原理对各个所述影像进行相对定向处理，求解出各个所述影像的相对方位元素；

对求解得到的所述相对方位元素进行粗差探测与剔除处理，以及多视角联合平差处理，得到并输出相应的平差结果；

其中，所述平差结果包括所述无人机影像立体像对在空间坐标系中的位置姿态信息。

3.根据权利要求2所述的密集点云生成方法，其特征在于，所述根据读取到的所述匹配点对信息和所述相机参数，利用多视几何原理对各个所述影像进行相对定向处理，求解出各个所述影像的相对方位元素，包括如下步骤：

判断当前正在处理的影像中是否存在控制点或GPS数据；

若是，则利用所述控制点或所述GPS数据对所述相对方位元素进行绝对定向处理后，再执行所述对求解得到的所述相对方位元素进行粗差探测与剔除处理，以及多视角联合平差处理的步骤；

若否，则直接执行所述对求解得到的所述相对方位元素进行粗差探测与剔除处理，以及多视角联合平差处理的步骤。