申请/专利权人：中山大学

申请日：2020-09-07

公开（公告）日：2024-06-21

公开（公告）号：CN112163995B

主分类号：G06T3/4038

分类号：G06T3/4038;G06T5/73;G06T5/80;G06T7/33;G06V20/17;G06V10/10;G06V10/75;G06V10/74;G06V10/46;G06V10/25

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2021.01.19#实质审查的生效;2021.01.01#公开

摘要：本发明公开了一种超大航拍条带图像的拼接生成方法及装置。所述方法包括：接收无人机航拍图像和所述无人机航拍图像对应的传感器数据，并根据所述传感器数据对所述无人机航拍图像进行预处理，得到待拼接图像；以不同所述待拼接图像作为参考图像和待配准图像，提取所述参考图像和所述待配准图像中最相似的两块感兴趣区域；对两块所述感兴趣区域进行特征点提取和匹配，得到所述参考图像和所述待配准图像之间的仿射变换矩阵以及相对的像素坐标；根据所述传感器数据将所述像素坐标转换为经纬度坐标，并根据所述经纬度坐标拼接所述参考图像和所述待配准图像，得到航拍条带图像。本发明能够快速拼接无人机航拍图像生成超大分辨率的航拍条带图像。

主权项：1.一种超大航拍条带图像的拼接生成方法，其特征在于，包括：接收无人机航拍图像和所述无人机航拍图像对应的传感器数据，并根据所述传感器数据对所述无人机航拍图像进行预处理，得到待拼接图像；以不同所述待拼接图像作为参考图像和待配准图像，提取所述参考图像和所述待配准图像中最相似的两块感兴趣区域；对两块所述感兴趣区域进行特征点提取和匹配，得到所述参考图像和所述待配准图像之间的仿射变换矩阵以及相对的像素坐标；根据所述传感器数据将所述像素坐标转换为经纬度坐标，并根据所述经纬度坐标拼接所述参考图像和所述待配准图像，得到航拍条带图像；所述对两块所述感兴趣区域进行特征点提取和匹配，得到所述参考图像和所述待配准图像之间的仿射变换矩阵以及相对的像素坐标，包括：计算前后帧匹配图像的SURF特征，根据下式计算得到每个待匹配特征点F0的最近邻点与次近邻点F1和F2： ； ；其中，D为欧式距离，η为起始阈值，（x1,y1）和（x1’,y1’）为一对待匹配的特征向量，F1、F2与待配点F0对应的欧氏距离分别为Dnear和Dsub_near；以待匹配的SURF特征点F0为圆心，特征点主方向对应的尺度为半径，建立平行于特征点的主方向为Y轴，垂直于特征点的主方向为X轴的正交系，分别统计圆内四个象限中灰度级大于特征点灰度的像素个数{N1，N2，N3，N4}，若统计得到的像素数为0，则将该待匹配点剔除，对统计结果做归一化处理；依据最近邻欧氏距离比率法进行粗匹配，将起始阈值设为η1，筛选出特征点；根据下式计算当前匹配帧中与之对应最近邻点邻域灰度分布的Pearson相关系数： ；其中，P0为点F0四个方向邻域的灰度分布，P1为点F1四个方向邻域的灰度分布；对符合粗匹配要求的特征点求取近邻灰度分布相关系数比，若所述近邻灰度分布相关系数比大于系数阈值，则确定此时得到的最近邻点为正确匹配点，否则，剔除此对匹配；根据下式对特征点匹配对进行仿射变换： ；其中，（tx,ty）表示平移量，参数ai用于反映图像的变化，i=1~4；求解参数tx，ty和ai得到所述参考图像和所述待配准图像之间的坐标变换关系；所述根据所述传感器数据将所述像素坐标转换为经纬度坐标，并根据所述经纬度坐标拼接所述参考图像和所述待配准图像，得到航拍条带图像，包括：根据下式将所述像素坐标转换为经纬度坐标： ； ；其中，（dGeoTrans[0]，dGeoTrans[3]）表示图像左上角点经纬度坐标，dGeoTrans[1]表示影像在宽度上的分辨率，dGeoTrans[5]表示影像在高度上的分辨率，当影像指北时，dGeoTrans[2]和dGeoTrans[4]均为0；将所述经纬度坐标通过gdal指令，对应赋给相应图像，随后通过gdalbuildvrt指令对图像进行拼接，得到航拍条带图像。

全文数据：

权利要求：

百度查询： 中山大学 一种超大航拍条带图像的拼接生成方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD