[发明专利]基于最小生成树的立体像对选择方法

摘要

本发明涉及一种基于最小生成树的立体像对选择方法它包括如下步骤：1、根据输入的影像集合以及每张影像对应的相机参数和外方位元素POS，自动构建合适的候选立体影像集合；2、构建一张图G(V,E)，根据每个候选立体像对重叠区域的平面覆盖情况，计算对应边的权值；3、采用最小生成树算法，选择权值最小的边集合，作为立体像对选择的结果。本发明能够在保证重建精度和重建完整度的同时，大幅度缩短重建时间，能够用于国土测绘、大范围三维建模、虚拟现实等应用。

主权项

1.一种基于最小生成树的立体像对选择方法，其特征在于，它包括如下步骤：步骤1：根据输入的影像集合以及影像集合中每张影像对应的相机参数和外方位元素POS，所述相机参数包括相机焦距、像素大小以及相机畸变改正参数；采用基线约束、像平面法向量约束、特征匹配约束和交会角约束，在输入的影像集合中，为每张影像选择合适的候选待匹配影像，构成候选立体影像集合，具体方法为：首先，根据基线约束，为每张影像选择候选待匹配影像，如下式所示：Sb(Ii)＝{Ij|Baseline(Ii,Ij)≤λ∩Ij∈S-Ii}式中，Ii表示当前影像；S表示所有影像集合；S-Ii表示除了影像Ii以外，其余所有影像集合；Ij表示除了影像Ii以外，其余所有影像集合中的任意一张影像；Baseline(Ii,Ij)表示计算影像Ii和Ij之间基线长度的函数；λ表示基线长度的阈值；Sb(Ii)表示经过基线约束后，影像Ii的候选待匹配影像集合，符号∩表示取交集操作；其次，根据影像Ii的候选待匹配影像集合Sb(Ii)，采用像平面法向量约束，进一步选择与影像Ii之间像平面法向量夹角小于等于给定夹角阈值的影像，作为新的候选待匹配影像，如下式所示：SN(Ii)＝{Ij1|Normal(Ii,Ij1)≤α∩Ij1∈Sb(Ii)}式中，Ii表示当前影像；Sb(Ii)表示经过基线约束后，影像Ii的候选待匹配影像集合；Ij1表示集合Sb(Ii)中的任意一张影像；Normal(Ii,Ij1)表示计算影像Ii和Ij1之间像平面法向量夹角的函数；α表示夹角的阈值，小于该阈值的影像保留，大于该阈值的影像剔除；SN(Ii)表示经过像平面法向量约束后，影像Ii的新的候选待匹配影像集合；符号∩表示取交集操作；然后，将影像Ii依次与候选待匹配影像集合SN(Ii)中的所有影像，组成立体像对，计算每个立体像对的特征匹配点数目，保留特征匹配点数目大于等于特征匹配点数目阈值的立体像对集合，作为新的候选待匹配影像，如下式所示：SF(Ii)＝{Ij2|FeaNum(Ii,Ij2)≥β∩Ij2∈SN(Ii)}式中，Ii表示当前影像；SN(Ii)表示经过像平面法向量约束后，影像Ii的新的候选待匹配影像集合；Ij2表示集合SN(Ii)中的任意一张影像；FeaNum(Ii,Ij2)表示计算影像Ii和Ij2之间特征匹配点数目的函数；β表示特征匹配点数目的阈值；SF(Ii)表示经过特征匹配点数目约束后，影像Ii的新的候选待匹配影像集合；符号∩表示取交集操作；最后，依次计算影像Ii与候选待匹配影像集合SF(Ii)中的所有影像之间的交会角；保留交会角大于等于阈值的立体像对，剔除交会角小于阈值的立体像对，生成新的候选待匹配影像集合，如下式所示：SI(Ii)＝{Ij3|Intersection(Ii,Ij3)≥κ∩Ij3∈SF(Ii)}式中，Ii表示当前影像；SF(Ii)表示经过像平面法向量约束后，影像Ii的候选待匹配影像集合；Ij3表示集合SF(Ii)中的任意一张影像；Intersection(Ii,Ij3)表示计算影像Ii和Ij3之间交会角的函数，根据余弦函数来计算；κ表示交会角的阈值；SI(Ii)表示经过交会角约束后，影像Ii的新的候选待匹配影像集合；符号∩表示取交集操作；步骤2：构建一张图G(V,E)，根据每个候选立体像对重叠区域的平面覆盖情况，计算对应边的权值，具体方法为：将输入的影像集合中的所有影像作为节点，组成一个节点集合V；根据节点集合V中每张影像Ii的候选待匹配影像集合SI(Ii)，依次组成影像Ii与待匹配影像之间的候选立体像对；所有的候选立体像对组成一个边集合E；最终，构成一张包含节点集合V和边集合E的一张图G(V,E)；在图G(V,E)中，计算每条边的权值；根据每个候选立体像对在平面的覆盖范围，来计算对应边的权值，如下式所示： W e i g h t ( e ( I i , I t ) ) = 1 - S o v e r l a p ( I i , I t ) S ′ I t ∈ S I ( I i ) ]]>式中，Weight(e(Ii,It))表示候选立体像对(Ii,It)所对应边的权值；Soverlap(Ii,It)表示候选立体像对(Ii,It)的重叠区域对应水平面的覆盖范围；S'表示测区未被立体像对覆盖的总面积；It表示影像Ii的候选待匹配影像集合SI(Ii)中的任意一张影像；步骤3：采用最小生成树算法，在保证重建精度和重建完整度的情况下，从海量边集合E中，选择权值最小的边集合，作为三维重建的立体像对集合，具体方法为：首先，初始化顶点集合Vnew和边集合Enew：Vnew＝{vmin}Enew＝φ式中，vmin表示边集合E中最小权的边所对应的节点；φ表示空集；然后，在边集合E中，选择权值最小的边e(u,v)，其中，u∈Vnew表示顶点集合Vnew中的任意一个节点，v∈V-Vnew表示除了集合Vnew补集中，任意一个节点，V为节点集合；将节点v加入顶点集合Vnew中，将边e(u,v)加入边集合Enew中；在加入边后，边集合Enew已经不是空集；因此，测区未被立体像对覆盖的总面积S'需要进行相应的更新，即：S'(i)＝S'-Soverlap(u,v)式中，i表示当前算法迭代的次数；S'(i)表示在第i次迭代中，测区未被立体像对覆盖的总面积；(u,v)表示边集合Enew中的一条边；Soverlap(u,v)表示边(u,v)对应平面的覆盖范围；在测区未被立体像对覆盖的总面积S'更新后，重新计算边集合E中所有边所对应的权值；重复步骤2，直至Vnew＝V，此时边集合Enew中的边，即为最小生成树的选择结果；由于边集合Enew中的每条边，对应一个立体像对，因此，最小生成树结果即为最优立体像对选择结果。