[發明專利]高精度航測的魯棒圖像稀疏匹配方法、存儲介質及無人機

在審

• 申請號: 202010979531.5
• 申請日: 2020-09-17
• 公開（公告）號: CN112101384A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 李明;張衛龍;林好;陳麗凡;李壽年;王磊
• 申請（專利權）人: 武漢大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06T7/11;G06T7/136
• 代理公司: 北京金智普華知識產權代理有限公司 11401
• 代理人: 楊采良

1.一種低空無人機高精度航測的魯棒圖像稀疏匹配方法，其特征在于，所述低空無人機高精度航測的魯棒圖像稀疏匹配方法包括：

采用高低頻圖像信息分離的方法弱化原始SIFT匹配算法中像素數量和梯度幅值兩者之間的相互干擾，并分別增強對主方向的貢獻，限制透視變換對其的影響；

利用圖像結構信息增強描述子，并使用各向異性的測地距離加權方法對局部遮擋的圖像進行處理；

利用BBF算法和參數模型結合的方法，進行特征匹配和誤匹配消除，并利用兩兩匹配一致性檢測和稀疏光束法，解算出相機方位元素和稀疏點云。

2.如權利要求1所述的低空無人機高精度航測的魯棒圖像稀疏匹配方法，其特征在于，所述采用高低頻圖像信息分離的方法弱化原始SIFT匹配算法中像素數量和梯度幅值兩者之間的相互干擾的方法包括：

將待匹配圖像轉換為灰度圖像，并使用灰度圖像的ISODATA自動閾值分割法，把局部圖像區域的高頻信息作為目標信息，低頻信息作為背景信息，從而把特征點局部圖像變為高頻通道、低頻通道和原始通道三個通道；

分別在每一個通道中使用SIFT的主方向探測函數，檢測并合并主方向相同的情況。

3.如權利要求2所述的低空無人機高精度航測的魯棒圖像稀疏匹配方法，其特征在于，為識別多個主方向對應的描述子屬于同一特征點的情況，對每一個特征點標記唯一編號ID，具有同一坐標、尺度的特征點記為同一個特征點；將同一圖像中相同特征ID的集合稱作特征點類。

4.如權利要求1所述的低空無人機高精度航測的魯棒圖像稀疏匹配方法，其特征在于，所述利用圖像結構信息增強描述子，并使用各向異性的測地距離加權方法對局部遮擋的圖像進行處理的方法包括：

利用SIFT描述子本身對亮度變化和輻射畸變的抵抗性解決同名區域的輻射畸變問題，把普通圖像空間變換到測地空間；

使用測地距離代替空間歐氏距離，把SIFT中的各向同性加權算子變為各向異性加權算子，保留圖像局部結構信息增強特征描述子的魯棒性；

使用ASIFT窮舉策略把所有穩定信息都納入到特征描述的描述空間內。

5.如權利要求4所述的低空無人機高精度航測的魯棒圖像稀疏匹配方法，其特征在于，對于距離的加權范圍，直接使用SIFT描述子中與原始尺度相關的加權局部窗口。

6.如權利要求1所述的低空無人機高精度航測的魯棒圖像稀疏匹配方法，其特征在于，所述利用BBF算法和參數模型結合的匹配與誤匹配消除，以及稀疏光束法平差的優化和空三解算方法包括：

使用BBF算法進行同名特征匹配；

利用參數模型PROSAC剔除大量的“外點”，即誤匹配點，提升同名點可靠性；

使用兩兩匹配一致性檢測進行同名點跟蹤，并利用稀疏光束法解算得到準確的相機方位元素和稀疏點云。

7.如權利要求6所述的低空無人機高精度航測的魯棒圖像稀疏匹配方法，其特征在于，所述特征匹配優化與空三解算的方法包括：對獲得的兩兩匹配點對進行同名點跟蹤，對違反唯一性約束的同名匹配利用結構樹直接舍棄，解決兩兩匹配不一致問題；然后，通過基于最小二乘(Levenberg-Marquardt)的稀疏光束法恢復每張無人機圖像的相機內外方位元素，并獲得匹配得到的物方三維稀疏點云。

8.一種計算機設備，其特征在于，所述計算機設備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述計算機程序被所述處理器執行時，使得所述處理器執行如下步驟：

采用高低頻圖像信息分離的方法弱化原始SIFT匹配算法中像素數量和梯度幅值兩者之間的相互干擾，并分別增強對主方向的貢獻，限制透視變換中的影響；

利用圖像結構信息增強描述子，并使用各向異性的測地距離加權方法對局部遮擋的圖像進行處理；

利用BBF算法和參數模型結合的精匹配方法，與稀疏光束法進行空三解算。