共查询到10条相似文献,搜索用时 46 毫秒
1.
针对现有的无人机激光点云与影像配准方法主要基于仿射变换建立点云与影像之间的配准模型,无法描述激光点云与影像之间的复杂变换关系问题,该文提出一种基于安置参数优化的无人机激光点云与光学影像精确配准方法.以相机安置参数为优化参数,以归一化互信息作为点云特征影像与光学影像之间的相似性测度,采用改进Powell算法作为优化策略,获得最优配准参数,实现无人机激光点云与无人机影像之间的精确配准.基于实验数据与现有两种配准方法进行精度对比.实验表明,基于相机安置参数优化的配准方法优于两种常规配准方法,可以实现无人机激光点云与光学影像之间的自动化配准,并达到像素级的配准精度. 相似文献
2.
使用LiDAR单一数据进行点云分割工作时,基于斜率的严格分割LiDAR点云的方法不能很好的适应复杂地物
的分类工作。本文将LiDAR粗分割后的点云转换为高度图像和反射强度图像,并求取高度图像GLCM高度纹理。将4
种GLCM高度纹理、地面粗糙系数、平均高度和平均反射强度共7种纹理作为识别地面覆盖物的特征,并利用后向传播
神经网络(BP-ANN)方法对LiDAR数据进行地物识别。实验表明,这种方法能够从LiDAR独立数据源中有效的实现地
物分类,实验获得的精度大于90%。与传统的最大似然法进行对比,BP-ANN的分类精度高于最大似然法。当预设地
面类型能同时满足被光学影像和LiDAR数据识别的条件时,LiDAR高度纹理分类与光学影像分类结果的一致性达到
76.5%。 相似文献
3.
资源三号影像朵云识别中云雪分离研究 总被引:2,自引:0,他引:2
针对资源三号全色卫星影像在朵云识别过程中云雪不能分离的问题,提出了一种基于云雪边界特征并利用改进的平均梯度和分形维数等纹理信息的云雪分离方法。首先为了减少雪和其他地物对云的干扰进行初步云识别,本文利用灰度均值、分形维数和灰度共生矩阵计算的能量作为特征参数大体提取云区,此时云雪不分;然后再进行云雪分离,利用改进的平均梯度和分形维数特征值来剔除被误识别为云的雪。本文采用的分类方法是支持向量机分类。利用资源三号全色卫星影像测试结果表明,该方法是资源三号全色遥感影像朵云识别中一种有效的云雪分离方法。 相似文献
4.
一种顾及几何特征的云模型遥感影像分割方法 总被引:2,自引:0,他引:2
将云模型与模糊理论相结合,提出了一种基于不确定性的、顾及几何特征的遥感影像分割方法.该方法用分水岭算法对原影像进行分割获得初始分割图斑,再将图斑抽象成云模型,以云模型实现图斑对象表达;在基于云概念的光滑度、紧凑度定义的基础上,构造差异性度量准则和相应的云模型综合算法,并由云综合运算实现不同粒度空间下的区域合并,达到多尺度遥感影像分割的目的.几组实际影像数据的分割实验证明了该方法的有效性. 相似文献
5.
6.
针对单一Li DAR点云数据分类精度不高的问题,提出一种融合影像信息的激光点云多特征分类方法。该方法根据应用目的以及地物分类的需求对航空影像所提供的光谱、形状等特征和Li DAR数据提供的几何特征进行研究分析,确定参与分类器中的特征空间,并作为设定相应分类规则的先验知识,然后根据特征描述子之间的空间距离进行空间聚类,最终成功将点云分类为建筑物、树木、草地、道路以及不确定地物等5类,分类精度达到95.3%,kappa系数达0.935。此外,还分别引入基于影像的SVM分类和基于terrasolid软件的点云分类方法,以验证本文算法的有效性。 相似文献
7.
多视结构光点云的自动无缝拼接 总被引:1,自引:0,他引:1
基于视觉的单视点点云数据对纹理贫乏的工业钣金件多视角测量数据进行拼接.在三维量测系统的整体拼接中,旋转平台的转动使得每幅影像上的特征线在移动,因而影像与影像之间不存在真正意义上的同名特征线,以致所解算出的各个模型的点云之间不存在真正意义上的同名点.结合摄影测量学中基于闭合条件的独立模型法平差方法以及计算机视觉界的迭代最邻近点(iterative closest points,ICP)算法,对多视角测量数据进行拼接,实验结果验证了该算法的鲁棒性和有效性. 相似文献
8.
9.
10.
提出了一种基于流形学习的航空影像匹配方法。该方法利用同一幅影像中特征点之间的空间结构和不同影像中特征点之间的相似性作为特征点映射的约束条件,利用流形学习方法对影像的特征点进行映射,将所有影像的特征点映射到同一空间后采用最小距离方法进行特征点的匹配。利用实际的航空影像进行实验,与SIFT方法、SVD-LLE方法进行综合分析,结果表明本文方法在匹配性能方面具有明显的优越性,并且能够同时获得多幅影像之间的匹配关系。 相似文献