無人機(jī)影像拼接關(guān)鍵技術(shù)研究.pdf

1、遙感衛(wèi)星對地觀測技術(shù)宏觀性強(qiáng),便于獲取大范圍遙感影像,但受回訪周期的限制,無法在第一時(shí)間為突發(fā)災(zāi)害提供影像。與衛(wèi)星相比,無人機(jī)(UAV:Unmanned Aerial Vehicle)機(jī)動性強(qiáng)、靈活性高,可以在緊急事件中快速獲取地面影像。但是,UAV影像相幅小,重疊度高,需要對數(shù)百上千幅影像進(jìn)行拼接才能獲得整個(gè)目標(biāo)區(qū)域的信息。針對無人機(jī)影像拼接的特點(diǎn),本文提出一種無人機(jī)影像快速拼接、定位的方法,主要工作如下:
　　(1)對 SIF

2、T、SURF、ASIFT三種算法的基本原理做了詳細(xì)闡述,通過實(shí)驗(yàn)對三種算法在分辨率相近影像匹配(UAV影像之間)和不同分辨率影像匹配(UAV影像和Google Map影像,二者分辨率相差近6倍)中的優(yōu)缺點(diǎn)進(jìn)行比較分析。在此基礎(chǔ)上指出,SURF算法較適于UAV影像的匹配,ASIFT較適于UAV影像和Google Map高分辨率影像的匹配。
　　(2)針對利用RANSAC算法對匹配特征點(diǎn)對提純時(shí)誤配點(diǎn)不能完全剔除,且容易導(dǎo)致特征點(diǎn)“扎

3、堆”的問題,提出一種結(jié)合搜索范圍與投影不變多邊形約束的特征點(diǎn)匹配方法。首先,在特征點(diǎn)提取中引入 ANMS,使特征點(diǎn)的數(shù)量和空間分布更加合理化。然后,在大尺度特征點(diǎn)匹配的基礎(chǔ)上對后續(xù)特征點(diǎn)匹配的搜索范圍進(jìn)行約束,利用平面內(nèi)五邊形及其對應(yīng)的透視等價(jià)多邊形構(gòu)造的具有投影不變性的7維特征向量對各階段特征點(diǎn)匹配結(jié)果進(jìn)行提純。該方法不僅能夠保證特征點(diǎn)匹配精度,還能剔除位于高大地物上的特征點(diǎn),一定程度上避免高大地物上特征點(diǎn)對影像變換模型的誤導(dǎo)。

4、>　　(3)針對多幅影像拼接中誤差累積以及快速地理定位、定向問題,提出一種坐標(biāo)約束的UAV影像拼接方法。首先,計(jì)算UAV影像的重疊度并據(jù)此對其進(jìn)行裁剪。然后,通過UAV影像與Google Map影像的配準(zhǔn)獲取實(shí)現(xiàn)UAV影像的地理定位與定向。最后,根據(jù)獲取的UAV影像的地理坐標(biāo)信息將其拼接與融合。該方法可保證每幅UAV影像配準(zhǔn)誤差的獨(dú)立性,避免誤差傳遞與積累問題,獲得拼接圖誤差分布更均勻,視覺效果良好,并能快速獲得地理坐標(biāo)信息。