一种基于PMVS改进的多视角影像匹配方法组成比例

本发明专利技术涉及无人机影像技术领域，具体涉及一种基于PMVS改进的多视角影像匹配方法，首先采用Harris+DoG算子对无人机图像进行特征点检测，在图像匹配阶段引入渐近一致采样法进行误匹配消除，提高了图像匹配的准确性，同时在面片生成上结合正态分布空间阈值选择空间点云，减少了面片生成的盲目性，最后在面片优化阶段采用改进的拟牛顿算法优化面片参数，在保证算法全局收敛性的情况下，提高了面片中心和法向量等相关参数的准确性，本发明专利技术能够有效解决PMVS算法图像匹配中的误匹配问题，选取正确率较高的匹配点集合，同时提高了算法中面片初始化和面片优化的效率，为面片扩散提高置信度较高的面片。较高的面片。较高的面片。

【技术实现步骤摘要】
一种基于PMVS改进的多视角影像匹配方法


[0001]本专利技术涉及无人机影像
，具体涉及一种基于PMVS改进的多视角影像匹配方法。

技术介绍

[0002]随着无人机倾斜摄影技术的发展，基于无人机航拍的多视角影像三维重建技术成为了倾斜摄影的热点研究方向。此技术是通过解算相机之间相对旋转和平移的空间位置关系，生成目标场景的稀疏点云，再基于多视角立体几何(MVS)计算空间像素点深度，并以此对稀疏点云进行稠密重建。Martin和Aggarwal提出了基于体素的MVS算法，该算法将三维场景看作一个立体方格，通过像素标定得到三维场景。
[0003]Furukawa，Y提出了基于空间面片扩散的PMVS算法，通过不断将稀疏点云向周围扩散得到稠密点云，但是该方法存在重建效率慢，模型空洞较多的问题，尤其在输入图片较少，重建场景纹理不明显的情况下较为严重。

技术实现思路

[0004]本专利技术的目的在于提供一种基于PMVS改进的多视角影像匹配方法，旨在解决现有的PMVS算法图像匹配中的误匹配问题，提高无人机影像三维重建的效率，减少模型空洞。
[0005]为实现上述目的，本专利技术提供了一种基于PMVS改进的多视角影像匹配方法，包括下列步骤：
[0006]无人机影像读取，特征点提取和匹配；
[0007]种子点面片生成；
[0008]光度差异函数计算，判断面片是否构建成功；
[0009]面片优化；
[0010]面片扩散；
[0011]面片过滤；
[0012]输出相关结果和模型。
[0013]其中，在特征点提取和匹配的过程中，采用Harris+DoG算子对图像进行特征点检测，再使用欧氏距离逐一计算无人机图像之间所有待匹配点的相似度。
[0014]其中，使用欧氏距离逐一计算无人机图像之间所有待匹配点的相似度后，再使用渐近一致采样法来剔除错误的图像特征点对。
[0015]其中，种子点面片生成的过程，具体为对于每个图像中的特征点，在其他图像上找到对应的特征点集合，通过空间三角化依次生成三维空间点，结合正态分布空间阈值判断来选取正确的点生成。
[0016]其中，在面片优化的过程中，采用改进的拟牛顿算法进行面片优化，对矫正公式进行修改，使模拟矩阵接近于Hessian矩阵。
[0017]其中，在面片扩散的过程中，通过计算面片对应单元格的领域范围内是否存在面
片进行扩散，让所有图像单元格至少有一个面片与之对应。
[0018]其中，面片过滤的目的在于滤除因面片扩散后由于光度、场景纹理和摄像机内外参数误差的影响使得面片集合中存在的错误点。
[0019]本专利技术提供了一种基于PMVS改进的多视角影像匹配方法，首先采用Harris+DoG算子对无人机图像进行特征点检测，在图像匹配阶段引入渐近一致采样法进行误匹配消除，提高了图像匹配的准确性，同时在面片生成上结合正态分布空间阈值选择空间点云，减少了面片生成的盲目性，最后在面片优化阶段采用改进的拟牛顿算法优化面片参数，在保证算法全局收敛性的情况下，提高了面片中心和法向量等相关参数的准确性，本专利技术能够有效解决PMVS算法图像匹配中的误匹配问题，选取正确率较高的匹配点集合，同时提高了算法中面片初始化和面片优化的效率，为面片扩散提高置信度较高的面片。
附图说明
[0020]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0021]图1是本专利技术的一种基于PMVS改进的多视角影像匹配方法的流程示意图。
[0022]图2是本专利技术的具体实施例的图像误匹配滤除比较图。
[0023]图3是本专利技术的具体实施例的种子点空间分布示意图。
[0024]图4是本专利技术的具体实施例的面片模型示意图。
[0025]图5是本专利技术的面片扩散流程图。
[0026]图6是本专利技术的具体实施例的异常点分布模型示意图。
[0027]图7是本专利技术的具体实施例的三维点云重建结果图。
具体实施方式
[0028]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。
[0029]请参阅图1，本专利技术提供了一种基于PMVS改进的多视角影像匹配方法，包括下列步骤：
[0030]S1：无人机影像读取，特征点提取和匹配；
[0031]S2：种子点面片生成；
[0032]S3：光度差异函数计算，判断面片是否构建成功；
[0033]S4：面片优化；
[0034]S5：面片扩散；
[0035]S6：面片过滤；
[0036]S7：输出相关结果和模型。
[0037]以下结合具体实施例和执行步骤作进一步说明：
[0038]步骤S1：无人机影像读取，特征点提取和匹配；
[0039]读取无人机图像集合I
i
(i＝1,2
…
n)，对应的镜头光心为O(I
i
)，尺寸大小为640
×
480。采用Harris+DoG算子提取所有图像的特征点。采用PROSAC算法进行误匹配消除，PROSAC算法的主要具体步骤如下:
[0040](1)计算特征点匹配点对按欧氏距离降序排序；
[0041](2)根据之前设定的采样次数t，选择其中的前N个点对作为假设集合；
[0042](3)在假设集合中，从前N
‑
1个点对中任取7个点对和第N的点对组成样本，之后利用8点法结合式(1)计算基础矩阵F；
[0043]p'Fp＝0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0044]其中p，p'是两幅无人机图像中的一组匹配对。
[0045](4)利用(3)求出的基础矩阵，来计算对应匹配的特征点对的极限距离平方和M，并设置一个阈值T，将满足M＜T的点对作为内点，并统计内点数量；
[0046](5)循环重复执行(2)
‑
(4)，当所有抽样得到的内点数量停止增加，误差和没有变小时终止循环，结果如图2所示。
[0047]步骤S2：种子点面片生成；
[0048]对于图像I
i
中的任何一个特征点f，在其他图像上找到对应的特征点集合f'，三维空间点到点f所在图像光心的距离Lp从小到大进行排序，分布如图3和图4所示，计算所有距离的平均值L
f
。实际面片生成中，所有面片生成的点处于正态分布峰值的周围，因此由峰值选取点向两边依次尝试生成面片，同时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于PMVS改进的多视角影像匹配方法，其特征在于，包括下列步骤：无人机影像读取，特征点提取和匹配；种子点面片生成；光度差异函数计算，判断面片是否构建成功；面片优化；面片扩散；面片过滤；输出相关结果和模型。2.如权利要求1所述的基于PMVS改进的多视角影像匹配方法，其特征在于，在特征点提取和匹配的过程中，采用Harris+DoG算子对图像进行特征点检测，再使用欧氏距离逐一计算无人机图像之间所有待匹配点的相似度。3.如权利要求2所述的基于PMVS改进的多视角影像匹配方法，其特征在于，在使用欧氏距离逐一计算无人机图像之间所有待匹配点的相似度后，再使用渐近一致采样法来剔除错误的图像特征点对。4.如权利要求1所述的基于PMVS改进的多视角影像匹配方法，其特征在于，种子点面片生成的过程，具体为...

【专利技术属性】
技术研发人员：孙希延，刘博，纪元法，白杨，梁维彬，贾茜子，付文涛，李晶晶，李龙，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：