无人机影像拼接关键技术研究

• 作 者: 李婷
• 机 构: 中国矿业大学
• 出 处: 中国矿业大学
• 发表日期: 2014年期
• 关键词: 无人机影像拼接 地理坐标 局部不变特征匹配 投影不变多边形

遥感卫星对地观测技术宏观性强,便于获取大范围遥感影像,但受回访周期的限制,无法在第一时间为突发灾害提供影像。与卫星相比,无人机(UAV:Unmanned Aerial Vehicle)机动性强、灵活性高,可以在紧急事件中快速获取地面影像。但是,UAV影像相幅小,重叠度高,需要对数百上千幅影像进行拼接才能获得整个目标区域的信息。针对无人机影像拼接的特点,本文提出一种无人机影像快速拼接、定位的方法,主要工作如下:　　(1)对 SIFT、SURF、ASIFT三种算法的基本原理做了详细阐述,通过实验对三种算法在分辨率相近影像匹配(UAV影像之间)和不同分辨率影像匹配(UAV影像和Google Map影像,二者分辨率相差近6倍)中的优缺点进行比较分析。在此基础上指出,SURF算法较适于UAV影像的匹配,ASIFT较适于UAV影像和Google Map高分辨率影像的匹配。　　(2)针对利用RANSAC算法对匹配特征点对提纯时误配点不能完全剔除,且容易导致特征点“扎堆”的问题,提出一种结合搜索范围与投影不变多边形约束的特征点匹配方法。首先,在特征点提取中引入 ANMS,使特征点的数量和空间分布更加合理化。然后,在大尺度特征点匹配的基础上对后续特征点匹配的搜索范围进行约束,利用平面内五边形及其对应的透视等价多边形构造的具有投影不变性的7维特征向量对各阶段特征点匹配结果进行提纯。该方法不仅能够保证特征点匹配精度,还能剔除位于高大地物上的特征点,一定程度上避免高大地物上特征点对影像变换模型的误导。　　(3)针对多幅影像拼接中误差累积以及快速地理定位、定向问题,提出一种坐标约束的UAV影像拼接方法。首先,计算UAV影像的重叠度并据此对其进行裁剪。然后,通过UAV影像与Google Map影像的配准获取实现UAV影像的地理定位与定向。最后,根据获取的UAV影像的地理坐标信息将其拼接与融合。该方法可保证每幅UAV影像配准误差的独立性,避免误差传递与积累问题,获得拼接图误差分布更均匀,视觉效果良好,并能快速获得地理坐标信息。　　以中国矿业大学南湖校区的UAV影像为数据的特征点匹配与影像拼接实验验证了上述算法的有效性。