[發明專利]基于人工智能的城市測繪無人機滾動快門成像方法與系統

有效

• 申請號: 202110070839.2
• 申請日: 2021-01-19
• 公開（公告）號: CN112906475B
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 楊慧
• 申請（專利權）人: 鄭州凱聞電子科技有限公司
• 主分類號: G06V20/00
• 分類號: G06V20/00;G06V10/44;G06T7/62;H04N5/232
• 代理公司: 鄭州芝麻知識產權代理事務所(普通合伙) 41173
• 代理人: 陳長山

1.一種基于人工智能的城市測繪無人機滾動快門成像方法，其特征在于，該方法包括：

利用圖像采集設備采集城市建筑圖像和所述城市建筑圖像的深度圖像，將所述城市建筑圖像利用關鍵點檢測網絡獲取建筑物剛體的關鍵點，所述關鍵點為所述建筑物剛體的各角點和錨框；

結合所述關鍵點和所述深度圖像得到關鍵點三維點云，通過所述關鍵點三維點云在CIM模型中匹配到所述城市建筑圖像相應的模型幀；

將所述城市建筑圖像和所述模型幀都相對應的劃分為個宏塊圖像，計算所述城市建筑圖像中每個所述宏塊圖像與所述模型幀中對應位置的所述宏塊圖像之間關鍵點高斯熱斑的面積交并比，所述關鍵點高斯熱斑是利用高斯核對所述關鍵點進行處理得到的，當所述面積交并比小于面積閾值時，對所述城市建筑圖像的所述宏塊圖像進行偏移補償以得到初始宏塊補償圖像；否則，將所述城市建筑圖像的所述宏塊圖像存儲在圖像緩沖區；

當最鄰近的幀的所述初始宏塊補償圖像都能匹配到相應的參考宏塊圖像時，獲取所述初始宏塊補償圖像的運動矢量，所述參考宏塊圖像是指參考幀中與當前初始宏塊補償圖像最相似的宏塊圖像，且參考幀是由大于或等于面積閾值的城市建筑圖像中的宏塊圖像組成；否則，當所述最鄰近的幀的所述初始宏塊補償圖像都不能匹配到相應的所述參考宏塊圖像時，在所述圖像緩沖區中搜索與所述初始宏塊補償圖像相鄰的相鄰宏塊圖像，計算所述相鄰宏塊圖像的所述運動矢量，以得到所述初始宏塊補償圖像的所述運動矢量；

利用所述運動矢量相對應地對所述初始宏塊補償圖像進行補償優化。

2.如權利要求1所述的方法，其特征在于，當所述CIM模型中不能匹配到新建筑圖像的所述模型幀時，對所述新建筑圖像的補償方法包括：

利用所述新建筑圖像出現的當前幀的前幀的所述宏塊圖像預測所述當前幀的正向運動矢量；

利用所述當前幀的后幀的所述宏塊圖像反向預測所述當前幀的反向運動矢量；

結合所述正向運動矢量和所述反向運動矢量對所述當前幀進行圖像補償。

3.如權利要求1所述的方法，其特征在于，所述偏移補償的方法包括：

根據所述城市建筑圖像中所述宏塊圖像內的所述關鍵點的三維坐標和所述模型幀中相對應的所述宏塊圖像內的所述關鍵點的三維坐標，得到所述宏塊圖像的偏移矢量，并利用所述偏移矢量對所述宏塊圖像進行所述偏移補償。

4.如權利要求1所述的方法，其特征在于，所述當最鄰近的幀的所述初始宏塊補償圖像都能匹配到相應的參考宏塊圖像時，通過運動估計的搜索算法獲取所述初始宏塊補償圖像的運動矢量。

5.如權利要求1所述的方法，其特征在于，所述當最鄰近的幀的所述初始宏塊補償圖像都不能匹配到相應的所述參考宏塊圖像時，所述獲取所述初始宏塊補償圖像的所述運動矢量的方法，包括：

通過運動估計的搜索算法得到每一個所述相鄰宏塊圖像的所述運動矢量；

計算所述相鄰宏塊圖像的平均運動矢量，將所述平均運動矢量作為所述初始宏塊補償圖像的所述運動矢量。