排序方式: 共有35条查询结果,搜索用时 15 毫秒
11.
基于对偶四元数可统一描述位置与姿态的特点,提出了利用对偶四元数求解线阵卫星遥感影像外方位元素的方法。该方法使用对偶四元数的实部描述传感器的姿态,并利用对偶部和实部共同描述成像传感器的位置。通过对位置和姿态的内插建立了基于对偶四元数的外方位元素模型。为减少运算,将球面线性插值进行化简,进而建立了基于线性插值的成像几何模型。为求解外方位元素,首先对共线条件方程进行了线性化,然后通过矩阵微分运算推导了线元素的虚拟观测方程,并根据误差传播定律确定其权值,最终采用具有约束条件的参数平差法求解外方位元素。试验结果表明本文方法正确可靠,与采用欧拉角和单位四元数的外方位元素求解方法相比,有更高的参数解算精度,同时也表明了准确的初值和虚拟观测方程对外方位元素求解的必要性。 相似文献
12.
13.
遥感影像正射纠正的GPU-CPU协同处理研究 总被引:1,自引:0,他引:1
提出了一种基于CUDA的遥感影像正射纠正GPU-CPU协同处理方法,以实现重采样操作的GPU细粒度并行化。根据GPU的并行结构和硬件特点,采用执行配置优化技术提高warp占有率,利用共享存储器优化减少对效率低下的全局存储器中坐标变换系数的重复访问,通过纹理存储器代替全局存储器优化对原始影像数据的访问。实验结果表明,并行算法能够充分发挥GPU的并行处理能力,利用GeForce 9500 GT显卡,对大小为6 000像素×6 000像素的全色影像进行多项式纠正对比实验,最邻近灰度内插重采样和双线性灰度内插重采样的最终加速比分别能够达到8倍和10倍以上。 相似文献
14.
高精度定位是遥感影像几何处理和地理空间信息获取的基础,是利用高分辨率卫星遥感影像测制各种比例尺地形图的基本保障.论文针对当前高分辨率卫星遥感影像几何处理中还存在的问题,在深入分析高分辨率卫星遥感影像成像机理的基础上,引入四元数作为描述成像传感器姿态的数学工具,对基于四元数的高分辨率卫星遥感影像定位理论与方法所涉及的外方位元素建模、成像几何模型的构建、多传感器的区域网平差等多个关键问题进行了较为深入的研究,论文完成的主要工作和创新点如下: 相似文献
15.
16.
基于多类型无人机数据的红树林遥感分类对比 总被引:2,自引:0,他引:2
使用固定翼无人机、消费级旋翼无人机和专业级旋翼无人机获取广东珠海淇澳岛红树林保护区多类型无人机遥感影像,使用基于面向对象分类的K-最近邻与随机森林分类器对研究区影像进行红树林树种精细分类和对比分析,并探讨了不同类型无人机平台在红树林资源调查应用中的优缺点。结果表明:1)固定翼无人机、消费级旋翼无人机和专业级旋翼无人机数据使用K-最近邻法的分类精度分别为:73.8%、72.8%和79.7%;使用随机森林法的分类精度分别为:81.1%、84.8%和89.3%。3种平台类型的无人机数据均适用于红树林精细分类研究,对于无人机红树林遥感数据,随机森林的分类方法优于K-最近邻方法。2)以拍摄面积与用时之比估算采集效率,固定翼无人机、消费级旋翼无人机和专业级旋翼无人机分别为0.036、0.013和0.003 km2/min。固定翼无人机的采集效率具有明显优势。3)固定翼无人机适合大范围红树林数据采集,要求较高;消费级旋翼无人机适于获取小范围精细数据,成本低且易学易用;专业级旋翼无人机适合搭载质量稍大的如成像光谱仪、LiDAR等专业传感器获取多源数据。最后给出了无人机在红树林遥感研究中的注意事项和建议。 相似文献
17.
空间后方交会是摄影测量学的基本内容,其解算的理论基础是共线条件方程及其线性化.传统的解算方法是直接以6个外方位元素为未知参数,使用泰勒级数展开进行线性化,然后迭代求解.而这里则直接以旋转矩阵为未知数进行迭代求解,这样既可直接解算出旋转矩阵,又避免欧拉角和旋转矩阵相互转换所引起的计算误差和时间耗费.试验结果表明该方法切实可行,求解精度高,而且迭代次数更少、迭代速度更快. 相似文献
18.
绝对定向在摄影测量学中具有重要的作用,惯用的迭代解法需要比较准确的迭代初值.在简要介绍对偶四元数的基础上,利用对偶四元数描述坐标系之问的旋转与平移,通过严格的数学推导得到了一种利用对偶四元数进行绝对定向的新算法.该算法将绝对定向问题转化为最优化问题进行求解,无需迭代,直接求解.实验结果表明:同惯用迭代解法进行比较,无需设置计算的初始参数,计算速度快,求解正确,且具有很好的适应性和稳定性. 相似文献
19.
SIFT算法具有较强的匹配能力,能够处理两幅影像之间在发生平移、尺度、旋转、光照、视角等变化的情况下的匹配问题.利用SIFT算法进行影像匹配,根据匹配点计算两幅影像之间的仿射参数,将左影像上的格网映射到右影像作为初始点,然后使用相关系数测度在右影像上初始点邻域范围搜索匹配点.实验结果表明,该方法能够得到很好的匹配效果. 相似文献
20.