基于影像分割的无人机影像密集匹配算法分析与实现-analysis and implementation of uav image dense matching algorithm based on image segmentation.docxVIP

目录1绪论11.1研究背景与意义11.2国内外研究现状21.3研究内容41.4论文结构安排42密集匹配流程及常用方法概述62.1密集匹配基本流程62.1.1匹配代价计算72.1.2代价聚合92.1.3视差估计92.1.4视差精化122.2基于影像分割的密集匹配流程152.2.1影像分割162.2.2局部方法匹配172.2.3视差平面拟合172.2.4视差平面分配192.3无人机影像的密集匹配192.3.1无人机影像的特点202.3.2无人机影像密集匹配存在的问题203基于影像分割的密集匹配算法设计与实现223.2.28方向动态规划243.2.3视差后处理263.3视差平面拟合263.3.1平面拟合的合理性论证273.3.2平面拟合方法选择293.4视差平面精化323.4.1视差平面分组323.4.2视差平面更新33I3.5视差平面分配333.6视差精化353.7无人机影像匹配策略364实验与分析404.1不同地貌类型的数据测试404.1.1连续地表404.1.2城市地区444.2标准航空影像测试484.2.1数据说明484.2.2精度评价515结论与展望575.1总结575.2展望57致谢58参考文献59附录63攻读硕士学位期间取得的成果631绪论1.1研究背景与意义随着科学技术的发展和社会的进步，信息科学尤其是地理空间信息在生产生活中发挥着越来越重要的作用。城市化进程速度的加快，使得各行各业对精细航测遥感的需求量不断增大，传统的二维空间数据逐渐体现出其在应用中的不足，三维空间信息应运而生，逐渐成为人们需求的一种重要信息。立体匹配是基于二维影像恢复三维信息的关键技术之一，同时也是摄影测量和计算机视觉领域的热点问题。立体匹配通过比较在不同位置对同一视场的不同成像，根据场景点在两幅影像上的同名点所表达的不同位置，得到场景点相对于相机的深度，利用双目视觉原理从二维图像信息中恢复三维场景信息[1]。传统摄影测量的匹配多是基于特征提取和匹配技术的稀疏匹配，目的是利用自动的同名点识别技术，通过空中三角测量的解算，获取影像对的之间的相对位置关系和影像在物方空间的位置，即序列影像的外方位元素，这也是恢复三维信息的先决条件之一[2]。密集匹配算法是在恢复影像序列方位元素的基础上，通过逐像素的匹配建立对应关系，获取可以描述左右影像像素之间匹配关系的视差图。在此基础上，可以根据已知的方位元素，对匹配像素进行前方交会，恢复三维位置信息，生成密集的三维点云。同时，还可以根据影像的彩色信息生成彩色点云，为点云的分类提供可靠的初始信息，方便DSM和DEM的获取以及地物模型的建立[3]。如果利用高空间分辨率的影像进行计算，就可以计算出足够多的匹配点，生成密集的三维彩色点云。近年来，发展迅速的LIDAR激光扫描系统在获取地物三维信息中得到了广泛的关注和研究。但是，作为一种新兴的遥感方式，LIDAR系统价格比较昂贵，短时间内难以大范围普及使用。而采用影像密集匹配方法来获得地物三维信息、重建三维空间模型的方式，成本更低，并且具有激光点云所欠缺的颜色信息[4]。因此，选取航空影像数据通过密集匹配方法生成三维彩色点云数据是一种比较理想的方式。作为精细航测数据获取的主要来源之一，无人机以其方便快捷、费用低廉的优势，取得了迅猛的发展，拥有着广阔的市场发展空间。无人机的机动性、灵活性和安全性，使它可以及时响应在高危环境下或者人类无法进入的特定区域作业，而不会有人员的伤亡。近几年来，无人机摄影测量系统在救灾应急数据采集以及正射影像图制作中发挥了重要的作用。无人机与传统的大飞机相比，本身造价费用要低很多，而且由于不需要支付高额的飞行员费用，操作费用也很低。无人机在低空区域飞行，决定了其成像系统可以更靠近被摄物体，获取大比例尺、高分辨率、纹理丰富的序列影像。利用无人机影像进行密集匹配从而恢复被摄物体的三维信息，具有建模速度快、自动化程度高、成本低廉的特点。综上所述，选取无人机影像作为恢复地物三维信息的数据来源，是一种成本低廉，并且效果更为理想的方式。但是，由于无人机体积小质量轻，飞行高度相对较低，飞行过程中容易受到气流的影响，导致飞行姿态不稳定、影像重叠度变化范围大且倾斜方向没有规律。同时，由于目前大多数无人机摄影测量系统采用非量测相机对地拍摄，像片像幅较小、序列影像数量较多。在城市地区进行低空摄影时，由于无人机飞行航高低，姿态不稳定，导致高层建筑物在无人机影像上存在较大变形。无人机影像的这些特点使它区别于传统的航空影像，给无人机影像的密集匹配带来了一定的困难和挑战。基于影像分割的密集匹配算法是近年来应用比较广泛的一种密集匹配算法，很多国内外专家学者(如A.Klausal.[36]，Z.Wangal.[45]，Q.Yangal.[34]）采用基于影像分割的密集匹配算法都取得了较好