基于GPU的无人机遥感影像快速拼接.pdf

2017 年 2 月 地 理 空 间 信 息 Feb.,2017 第 15 卷第 2 期 GEOSPATIAL INFORMATION V〇l.15,No.2 d 〇i :10.3969/j .issn .1672-4623.2017.02.003 基于 G PU 的无人机遥感影像快速拼接 孙 和 利 \ 彭 政 杰 2 ，李 娟 3 ，陈 镇 4 (1.武 汉 大学遥感信息工程学院，湖 北 武 汉 430079;2.武 汉 市 黄 陂 区 木 兰 房 产 测 绘 队 ，湖 北 武 汉 430300 ； 3.武汉市黄陂区木兰房产测绘队，湖 北 武 汉 430300;4.武 汉 市 房 产 测 绘 中 心 ，湖 北 武 汉 430015) 摘 要 ：近 年 来 ，无人机遥感技术得到较快的发展，无人机遥感技术有着实时性强、灵活性强、低成本以及获取影像分辨率高 的 特 点 ，在处理应急响应任务时，运用无人机遥感技术，优势极为明显。在无人机进行对地航拍时，所获取的是单张影像，由 于像幅的限制，影像并不能覆盖完整的目标区域，相邻的多张影像都有着一定的重叠度，利用重叠区域来将多幅影像依次拼接， 获得目标区域的一幅完整影像。随着各种传感器技术的提升，无人机上的相机所获取到的影像的分辨率越来越高，这对影像拼 接的速度提出了新的要求。基于无人机遥感影像的特点，采 用 S IF T 算子对无人机遥感影像进行拼接工作，并 在 C U D A 平台下 对配准算法进行加速处理，从而提高影像拼接的速度。 关 键 词 ：无 人 机 遥 感 ；影 像 拼 接 ；C P U ;G P U ;C U D A ；影像配准 中 图 分 类 号 ：P237 文 献 标 志 码 ：B 文 章 编 号 ：1672-4623 (2017) 02-0009-03 目前，根据无人机遥感技术的研究状况分析来看， 度空间，得到高斯金字塔影像，然后将相邻高斯影像 无人机遥感影像的像幅较小，需要大量的单幅影像才 相减得到高斯差分尺度空间，在高斯差分尺度空间内， 能完整地覆盖整个研究区域，另外，如果要得到完整 将每个点与相邻所有点进行比较，从而得到备选的特 的正射影像，需要在拼接的过程中花费大量时间，所以， 征点[1]，通过三维二次函数对关键点位置进行精确定位， 研究如何提高无人机遥感影像的拼接速度，对于各种 把 一 个 128维的特征向量作为特征点的描述符，从而 灾害的应急响应有着非常重要的意义。 提高了匹配的稳健性。 1 . 2 几何变换模型求解 1 无人机遥感影像拼接原理及实现 完成特征点匹配之后，就可以解算出影像之间的 i .i 影像特征匹酉己 几何变换模型。几何变换模型的实质是单应矩阵。解 影像匹配是进行影像拼接的前提，按照提取特征 算单应矩阵主要分为两部分，一是解算相对单应矩阵， 的层次来看，可以分为三大类：基于灰度，基于特征 二是解算绝对单应矩阵。相对单应矩阵是指计算出相 以及基于解译的影像匹配[1]。无人机影像有几个突出 邻两幅影像的几何变换模型，绝对单应矩阵是指得到 特 点 ：很难精确计算相邻两幅影像之间的空间位置关 每一幅影像在一个统一的坐标系中的几何变换模型[4]。 系，各影像之间重叠度大小不一致，旋转角变化没有 2 基于 GPU加速影像拼接原理及实现 明显规律，影像特征经常出现断开情况，因此，基于 尺度特征提取的影像匹配算法是相对而言最适合无人 2.1 C U D A 平台下