排序方式： 共有2条查询结果，搜索用时 62 毫秒
1
1.
图像匹配作为三维重建至关重要的环节,其精度直接影响了平差优化、正射校正等模块的精度。对于城镇、农场等特征密集型区域,特征距离小,相似性强,易于匹配图像;而针对草地、沙漠等特征不明显区域,特征距离大,如果使用特征点匹配的方法,严格阈值下难以获得足够数量的匹配对,放宽阈值又将引入较多误匹配对,这也是导致稀疏点云不够均匀的原因之一。在此场景下,本文提出了基于动态极坐标参数化的无人机正视影像匹配算法,首先对图像做极坐标参数变化,采用动态策略解决极轴方向采样不均匀的问题,使用最小二乘法对得到的极坐标影像对做位移方向上的匹配,匹配后得到的旋转量和平移量,将该结果和SIFT算法的结果做比较。本文设计了2组实验,即参数已知的解算实验和参数未知的解算实验,且每组实验进行3次。在同等配置的计算机上,对两张7360像素×5400像素,32位的影像,本文方法的位姿解算时间相比SIFT的时间减少约57%,二者求得的位姿差通常小于1%。结论表明二者的结果在精度上表现相当,在时间上明显优于SIFT算法,具有实际的应用价值。 相似文献
2.
随着摄影测量及机器视觉技术的迅速发展,对三维重构的普适性有了更高的要求。对于表面光滑、纹理单一甚至缺失的高反光非金属目标,传统的三维重构方法由于对纹理及反光特性的依赖使得此类目标的重构表面出现大面积的数据空洞。针对这一问题,本文提出了基于多光谱偏振的三维重构方法,将摄影测量与机器视觉进行融合,通过获取目标精确的偏振光谱特征实现准确的三维重构。该方法不依赖于物体表面的纹理信息,并且可以解决仅依靠菲涅尔理论无法实现天顶角和折射率同时估计的问题,最终实现天顶角和折射率的联合估计。由于杂散光和漫反射光在不同波段具有不同的偏振特性以及光谱特性,可完成对目标进行耀光去除的预处理,使得后期的三维重构的精度有较大的提高。基于偏振多光谱的目标三维重构方法是摄影测量与机器视觉融合后三维重构的引导性进展,具有更广泛的应用范围。 相似文献
1