本文關(guān)鍵詞：基于改進SFM方法的航空攝影測量應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：SFM (Structure From Motion)是通過運動的相機獲取的多視圖像集來估計相機位姿(Motion)和重建場景結(jié)構(gòu)(Structure)的過程。由于計算機視覺與攝影測量技術(shù)相近,許多研究將SFM流程引入到航空攝影測量中進行空中三角解算,從而提高航空攝影測量的自動化程度。然而攝影測量領(lǐng)域?qū)纫蠓浅８?傳統(tǒng)SFM方法的三維重建結(jié)果精度依賴于兩幅圖像特征點的精確匹配。另一方面,傳統(tǒng)SFM方法使用RANSAC(Random Sample Consensus)算法來魯棒地估計基礎(chǔ)矩陣及相機位姿,而該算法的閾值使用的是固定經(jīng)驗值,不能保證對所有的數(shù)據(jù)集都能估計出高精確度的模型參數(shù),閾值選取不恰當(dāng)會影響重建結(jié)果。因此,傳統(tǒng)的SFM三維重建結(jié)果的精度難以達到攝影測量規(guī)范的要求。 針對以上問題,本文提出一種改進的SFM方法,旨在提高三維重建的精度。本文主要的工作歸納如下： 1)提出將基于特征的匹配(FBM,Feature Based Matching)方法和帶有NCC(Normalized Cross Correlation)和LSM(Least Squares Image Matching)的基于區(qū)域的匹配(ABM,Area Based Matching)方法相結(jié)合。該方法采用分層匹配的方式,在圖像金字塔頂層進行基于特征點的匹配(FBM),然后采用帶有改進的NCC和LSM的基于區(qū)域匹配(ABM)方法逐層對匹配點位置進行調(diào)整,最終得到高精確度的匹配位置。將修正后的匹配點用于基礎(chǔ)矩陣F估計,從提高攝像機參數(shù)的估計精度。 2)在基礎(chǔ)矩陣估計和相機位姿估計階段,本文提出設(shè)置自適應(yīng)動態(tài)閾值的改進RANSAC方法,更加精確地估計出模型參數(shù),從而提高重建的精度。 文章最后利用實際的無人機航拍圖像序列,結(jié)合本文提出的方法完成攝像機的參數(shù)估計和場景三維信息回算。
【關(guān)鍵詞】：SFM 計算機視覺 航空攝影測量 精度
【學(xué)位授予單位】：廣西大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP391.4;P231
【目錄】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 緒論10-14
• 1.1 引言10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-12
• 1.3 選題意義12
• 1.4 本文主要內(nèi)容和主要組織形式12-14
• 第二章 立體視覺三維重建的基本理論14-27
• 2.1 坐標(biāo)系與攝像機成像模型14-19
• 2.1.1 坐標(biāo)系14-17
• 2.1.2 小孔成像模型17-19
• 2.2 圖像立體匹配19-21
• 2.2.1 基于區(qū)域的匹配19-20
• 2.2.2 基于特征的匹配20-21
• 2.3 相機標(biāo)定21-25
• 2.3.1 傳統(tǒng)的相機標(biāo)定法22
• 2.3.2 相機自標(biāo)定法22-23
• 2.3.3 基于本質(zhì)矩陣和基礎(chǔ)矩陣的攝像機標(biāo)定方法23-25
• 2.4 三維重建25-26
• 2.5 本章小結(jié)26-27
• 第三章 基于ABM與FBM結(jié)合的精確快速相機自標(biāo)定方法27-39
• 3.1 引言27-29
• 3.2 SIFT特征提取29-30
• 3.3 改進NCC算法30-31
• 3.4 LSM31-33
• 3.5 實驗結(jié)果33-38
• 3.5.1 精確匹配驗證33-35
• 3.5.2 重建精度驗證35-38
• 3.6 本章小結(jié)38-39
• 第四章 改進RANSAC算法的精確SFM方法39-54
• 4.1 引言39-41
• 4.2 改進RANSAC算法41-43
• 4.3 實驗結(jié)果43-46
• 4.3.1 改進RANSAC估計基礎(chǔ)矩陣43-44
• 4.3.2 改進RANSAC估計相機位姿44-46
• 4.4 一種新的SFM流程46-53
• 4.5 本章小結(jié)53-54
• 第五章 總結(jié)與展望54-56
• 5.1 總結(jié)54
• 5.2 展望54-56
• 參考文獻56-60
• 致謝60-61
• 攻讀所示學(xué)位期間發(fā)表學(xué)術(shù)論文情況61

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 孫卜郊;周東華;;基于NCC的存在旋轉(zhuǎn)的圖像匹配方法[J];傳感器與微系統(tǒng);2008年05期

2 黃真寶;陳陽;;圖像匹配中NCC算法的一種快速實現(xiàn)方法[J];信息化研究;2011年02期

3 徐奕,周軍,周源華;立體視覺匹配技術(shù)[J];計算機工程與應(yīng)用;2003年15期

4 鄭永斌;黃新生;豐松江;;SIFT和旋轉(zhuǎn)不變LBP相結(jié)合的圖像匹配算法[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2010年02期

5 楊長江,汪威,胡占義;一種基于主動視覺的攝像機內(nèi)參數(shù)自定標(biāo)方法[J];計算機學(xué)報;1998年05期

6 周時倫;;最小二乘影像匹配算法的實現(xiàn)與研究[J];信息通信;2013年04期

  本文關(guān)鍵詞：基于改進SFM方法的航空攝影測量應(yīng)用研究，，由筆耕文化傳播整理發(fā)布。

本文編號：378311