[發(fā)明專利]高精度航測(cè)的魯棒圖像稀疏匹配方法、存儲(chǔ)介質(zhì)及無(wú)人機(jī)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010979531.5
• 申請(qǐng)日: 2020-09-17
• 公開(kāi)（公告）號(hào): CN112101384A
• 公開(kāi)（公告）日: 2020-12-18
• 發(fā)明（設(shè)計(jì)）人: 李明;張衛(wèi)龍;林好;陳麗凡;李壽年;王磊
• 申請(qǐng)（專利權(quán)）人: 武漢大學(xué)
• 主分類號(hào): G06K9/46
• 分類號(hào): G06K9/46;G06K9/62;G06T7/11;G06T7/136
• 代理公司: 北京金智普華知識(shí)產(chǎn)權(quán)代理有限公司 11401
• 代理人: 楊采良

本發(fā)明屬于無(wú)人機(jī)技術(shù)領(lǐng)域，公開(kāi)了一種高精度航測(cè)的魯棒圖像稀疏匹配方法、存儲(chǔ)介質(zhì)及無(wú)人機(jī)，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?cái)?shù)量和梯度幅值兩者之間的相互干擾，并分別增強(qiáng)對(duì)主方向的貢獻(xiàn)，限制透視變換中的影響；利用圖像結(jié)構(gòu)信息增強(qiáng)描述子，并使用各向異性的測(cè)地距離加權(quán)方法對(duì)局部遮擋的圖像進(jìn)行處理；利用BBF(Best Bin First)算法和參數(shù)模型方法進(jìn)行特征點(diǎn)匹配和誤匹配剔除，并通過(guò)稀疏光束法平差獲得最終的稀疏匹配點(diǎn)云。本發(fā)明不僅獲得的正確匹配數(shù)量顯著高于原始SIFT，分布密度均勻，通過(guò)增加特征匹配算子對(duì)局部仿射、透視變形的抵抗性能有效提高低空無(wú)人機(jī)大視角圖像稀疏匹配效果。

技術(shù)領(lǐng)域

本發(fā)明屬于無(wú)人機(jī)技術(shù)領(lǐng)域，尤其涉及一種高精度航測(cè)的魯棒圖像稀疏匹配方法、存儲(chǔ)介質(zhì)及無(wú)人機(jī)。

背景技術(shù)

目前，在低空無(wú)人機(jī)遙感高精度航測(cè)中，遙感圖像稀疏匹配是一項(xiàng)核心技術(shù)，它的精度直接影響了低空無(wú)人機(jī)航測(cè)空中三角測(cè)量的精度，決定了后續(xù)的數(shù)字等高線模型(DEM)和數(shù)字正射影像(DOM)等產(chǎn)品的質(zhì)量。遙感圖像稀疏匹配是從具有相同重疊區(qū)的不同圖像中提取同名匹配點(diǎn)的過(guò)程，這些無(wú)人機(jī)遙感圖像可以是從不同角度、不同相機(jī)傳感器、不同光照條件、不同時(shí)間和距離進(jìn)行拍攝的。圖像稀疏匹配也是計(jì)算機(jī)視覺(jué)應(yīng)用中最基礎(chǔ)的數(shù)據(jù)處理工作之一，是運(yùn)動(dòng)結(jié)構(gòu)恢復(fù)技術(shù)SfM(structure from motion)、實(shí)時(shí)制圖與定位技術(shù)(SLAM)、目標(biāo)檢測(cè)與識(shí)別等應(yīng)用的基礎(chǔ)。

圖像稀疏匹配一般分為三個(gè)步驟：首先，提取特征顯著點(diǎn)；然后，對(duì)特征點(diǎn)進(jìn)行描述；最后，進(jìn)行同名特征匹配。從圖像稀疏匹配的技術(shù)角度一般可以分為：(1)基于灰度的匹配，它利用待匹配窗口和匹配窗口內(nèi)的像素值，通過(guò)合適的相關(guān)函數(shù)來(lái)實(shí)現(xiàn)模板匹配；(2)基于關(guān)系的匹配，它把圖像中的點(diǎn)、線、面或其他特征抽象為一個(gè)控制點(diǎn)，對(duì)這些點(diǎn)進(jìn)行匹配的前提是這些點(diǎn)中的對(duì)應(yīng)點(diǎn)對(duì)是否滿足已知的某個(gè)模型關(guān)系；(3)基于語(yǔ)義的匹配，它更接近自然語(yǔ)言描述，直接從圖像中提取對(duì)象，用類似自然語(yǔ)言的方式對(duì)其進(jìn)行描述，是一種高級(jí)匹配方式，多出現(xiàn)在機(jī)器學(xué)習(xí)的深度學(xué)習(xí)中，借助建立的神經(jīng)網(wǎng)絡(luò)模型對(duì)初級(jí)特征進(jìn)行抽象，最終提取到魯棒性更高的全局對(duì)象描述子，存在計(jì)算量大和泛化能力弱的問(wèn)題；(4)基于特征的匹配,是目前無(wú)人機(jī)遙感高分辨率圖像稀疏匹配中使用最多的算法。其中最出名、應(yīng)用最為廣泛的是Lowe D.G.于2004年提出的SIFT(Scale Invariant FeatureTransform)匹配算法，它是一種具有尺度不變性的局部特征描述子。

具有代表性的圖像稀疏匹配算法目前至少有數(shù)十種以上，其中還不包含各自的變種算法。但是它們?nèi)匀粺o(wú)法做到高效的仿射不變性，在實(shí)際使用中，經(jīng)常存在誤匹配或者無(wú)法匹配的現(xiàn)象，尤其應(yīng)用于低空無(wú)人機(jī)遙感高精度空中三角測(cè)量中，已有圖像稀疏匹配的特征提取算法還存在對(duì)仿射變換和透視變換抵抗性差的問(wèn)題。這是由于低空無(wú)人機(jī)遙感高精度航測(cè)中，往往會(huì)通過(guò)增加拍攝圖像的重疊度和圖像間的交會(huì)角來(lái)獲得更高的測(cè)圖精度，它相比于一般小交會(huì)角圖像具有局部透視變換大或局部平面仿射變形嚴(yán)重的特點(diǎn)，這將導(dǎo)致使用非透視不變的主方向探測(cè)函數(shù)在圖像同名局部區(qū)域內(nèi)偏離真實(shí)主方向，尤其在弱紋理、結(jié)構(gòu)信息不顯著的區(qū)域內(nèi)。例如著名的SIFT及其眾多改進(jìn)算法使用方向梯度直方圖統(tǒng)計(jì)計(jì)算二次曲線極值，尋找局部顯著方向，它嚴(yán)重依賴其尺度影響范圍內(nèi)某一方向的像素?cái)?shù)量和梯度大小。這種方式在較大交會(huì)角的物方平面或曲面情況下，梯度主導(dǎo)信息不一定顯著。而且，當(dāng)圖像局部區(qū)域內(nèi)某一方向梯度的像素?cái)?shù)量因透視變換增加，也會(huì)干擾主方向的尋找。

其次，在建立關(guān)鍵點(diǎn)的描述子時(shí)，幾乎所有的SIFT及其變種算子都使用了高斯各向同性加權(quán)方式，它通過(guò)直接使用在某一尺度的相對(duì)距離為加權(quán)距離，然后把種子點(diǎn)的描述向量串聯(lián)起來(lái)形成最終的描述子，只是一種平移、旋轉(zhuǎn)和尺度變換的不變量，非仿射及其以上層次變換函數(shù)的不變量。因此，這類算子的主要問(wèn)題是圖像稀疏匹配中特征提取的主方向探測(cè)函數(shù)和描述子建立函數(shù)非抗高級(jí)變換的不變量，難以很好地解決這個(gè)問(wèn)題對(duì)低空無(wú)人機(jī)城鎮(zhèn)大比例尺測(cè)圖的問(wèn)題。

通過(guò)上述分析，現(xiàn)有技術(shù)存在的問(wèn)題及缺陷為：