【摘 要】
：
运动恢复结构（Structure from Motion,SfM）,通过对多视立体影像,以及影像POS、相机校正参数等辅助信息进行处理,得到场景的稀疏点云及影像的位姿,是无人机倾斜摄影测量三维重建技术的核心模块之一,其处理结果的好坏将直接决定三维模型精度的高低,甚至是能否成功得到三维模型的关键。全局式SfM因具有效率高,避免了相机轨迹漂移等优点,得到了广泛的关注和研究。目前,全局式SfM研究已取得
论文部分内容阅读
运动恢复结构（Structure from Motion,SfM）,通过对多视立体影像,以及影像POS、相机校正参数等辅助信息进行处理,得到场景的稀疏点云及影像的位姿,是无人机倾斜摄影测量三维重建技术的核心模块之一,其处理结果的好坏将直接决定三维模型精度的高低,甚至是能否成功得到三维模型的关键。全局式SfM因具有效率高,避免了相机轨迹漂移等优点,得到了广泛的关注和研究。目前,全局式SfM研究已取得了长足的进步与发展,但将其应用于无人机影像数据上还存在诸多问题与挑战,无论是处理速度、重建精度还是鲁棒性仍需进一步提高。本文对基于无人机影像的全局式SfM技术进行了深入的研究与探索,目的在于进一步提高其处理速度及鲁棒性,主要包括以下工作:1)针对运动恢复结构两两匹配阶段耗时严重问题,本文改进了“基于POS辅助数据的两两匹配”方法,使得两两匹配的时间复杂度从O（9）~2)降低到了O（9）),从而大幅提升了全局式SfM的处理效率。2)针对全局式SfM鲁棒性差、且误差不易改正问题,本文改进了“迭代式三视图约束旋转平均”方法:首先基于三视图约束,采用弱关联三视图策略和三视图闭合差策略对弱关联立体像对进行剔除;然后依据保留的立体像对构建出影像极图对影像数据进行组织;接着基于四元数计算出影像的全局旋转,并基于两视图约束剔除闭合差过大的立体像对;最终通过迭代的方式不断地更新影像的全局旋转。3)采用本文所改进的“基于POS辅助数据的两两匹配”和“迭代式三视图约束旋转平均”方法对全局式SfM进行优化,并基于SIFTGPU、Open MVG成功得到了场景的稀疏点云,从而证明了本文所改进方法的有效性。通过与Open MVG Incremental SfM、Open MVG Global SfM实验结果进行对比分析,证明了本文所改进的全局式SfM无论是在处理效率还是在鲁棒性方面均有了较大提升。
其他文献
目前,InSAR是获取地表高精度形变信息的有效手段。作为其延伸的时序InSAR技术在监测地表微小形变和预测地质灾害方面有着广阔的应用前景。但是,存在许多因素制约着InSAR形变监测精度的提高,大气中对流层延迟误差是其中影响最严重的因素之一。而在对流层延迟中,大气的垂直分层变化对干涉相位又有着一阶影响,在一些地区单路径视线向延迟可达10cm。大气垂直分层影响在时间上不是随机的,且具有季节性的波动,很
青光眼是一种视神经退行性病变,是全球首位不可逆性致盲性眼病。病理性眼压（intraocular pressure,IOP）增高是青光眼的主要危险因素,视网膜神经节细胞（retinal ganglion cells,RGCs）死亡及其轴突变性是影响青光眼患者视功能的最终因素。降低IOP是目前青光眼治疗的唯一有效办法,但并不能完全阻止RGCs丢失对视功能的影响。因此,开发直接作用于RGCs及其轴突的神
生态保护红线区作为重要生态功能区,对国家生态安全起到了基础保障作用。如何准确有效地评估生态保护红线区生态质量演变以及生态保护红线的作用,对“红线”政策的进一步完善和区域可持续发展具有重要意义。基于Google Earth Engine平台,利用Landsat 5、8长时序遥感影像构建出江苏全域1985—2021年遥感生态指数RSEI,分析了生态保护红线区1985年以来的生态质量演变情况,评估了20
高光谱影像（Hyperspectral Image,HSI）分类作为一个基础的遥感数据处理技术,其在城市规划、农业评估和自然资源监测等方面具有十分重要的作用。一方面,高光谱影像由于具有丰富的光谱信息,为地物的精细分类提供了数据支持;另一方面,高光谱影像相邻波段间的波段间隔较窄,因此波段间的相关性较高,存在大量的信息冗余,为分类带来了挑战。同时,影像上存在的噪声和异常值进一步制约了分类的精度。近些年
利用无人机进行输电线路勘测、巡检,具有数据获取速度快、分辨率高的优势,针对输电塔检测的快速、精确提取问题,本文通过分析输电塔的浅层和深层特征,研究输电塔提取方法,为无人机影像中输电塔快速提取提供理论依据和技术支撑。主要研究工作如下:1.基于卷积神经网络和所设计的特征算子,针对无人机影像数据,分别提取输电塔浅层和深层次特征。分析得出:输电塔在复杂背景中灰度分布不显著,梯度特征与大部分背景差异性显著;
随着海洋活动的日益频繁和海上船只数量的迅速增加,进行船只监测对于民用领域和军事领域都具有重要的意义。合成孔径雷达（Synthetic Aperture Radar,SAR）技术的发展,使得SAR图像船只分类识别成为海洋应用领域的研究热点。传统的SAR船只分类方法需提取人工特征,方法复杂繁琐,缺乏良好的泛化性,而SAR船只样本的数量又难以满足训练深度学习网络模型进行分类的要求。本文基于深度学习技术强
地震是地球科学中的重要研究内容,由于地震自身具有复杂性高、差异性大、破坏性强等特点,使其在地学研究中备受关注。经过大量的地震前兆异常研究,人们发现地震前地震区域会出现电离层、热红外辐射、地下水、温室气体以及重力等的异常现象,这为地震预测预报奠定了基础。因此,基于热场和重力场来真实有效地提取与地震相关的前兆异常信息对地震预测预报工作至关重要。本文利用MODIS（Moderate-resolution
海雾是一种能极大降低能见度的天气现象,直接对船只海上航行和沿海地区的社会、经济和军事等活动造成重大影响,海雾的监测数据对于指导海上活动和海雾预报具有重要意义。随着遥感技术的兴起,遥感成为海雾大规模监测的有效手段,而当前遥感海雾探测方法多为阈值法等传统方法,利用深度学习进行海雾探测的研究较少。本研究采用主被动卫星数据结合的方式研究基于深度学习的海雾探测方法,实现海雾的自动化、智能化探测,为海上航行和
随钻方位电磁波测井,因其具有方位敏感性及探测范围广等优点,被广泛应用于地质导向中。与传统随钻电磁波测井仪器相比较,随钻方位电磁波测井可提供更加丰富的分量信息,可用于提取地层界面距离、地层倾角及各向异性等信息。由于实时反演对计算效率的要求,随钻电磁波测井的建模通常基于一维平行地层模型:即所有地层均为平行层状介质。然而这种一维平行地层模型在某些实际情况中不适用,如仪器在不平行的尖灭地层中行进,或抵达断
地震随机反演是地质统计学为基础,有效融合了测井信息的高分辨率特性,该方法以测井数据为硬数据,以地震数据为软约束,相较于常规反演方法,具有垂向上分辨率高,横向上地质特点精确的优势。地震随机反演首先进行空间结构分析得到变差函数,然后进行随机模拟得到初始模型,最后结合优化算法更新参数模型,满足精度需求后得到反演结果。传统的随机反演方法存在着求解精度低,计算效率低等的缺点。本文针对这些不足,研究了基于人工