低空轻小型无人机遥感图像快速拼接关键技术研究

发布时间：2017-10-11 00:35

  本文关键词：低空轻小型无人机遥感图像快速拼接关键技术研究

  更多相关文章： 无人机图像 GPU-Sift Ransac 多图像相对定向

【摘要】：因无人机平台在获取数据时拥有简单、快速和方便的特点,其适用于不同的领域的图像获取。目前利用无人机飞行平台搭载的传感器包括卡片相机、微单相机、量测型相机、小型LIDAR和高光谱相机等,但相比于传感器硬件与平台的快速发展,后期处理软件的效率和处理能力明显不足,特别是软件的现场处理能力。同时,对于低空轻小型无人机图像来说,其在获取图像时平台的稳定性较差,易受外界天气条件的影响,使获取的图像三个旋转角变化相对较大,从而几何变形对地面高程变化特别敏感,当测区图像规模特别大的时候,近似的多项式校正模型等所产生的几何校正误差会被放大,很难满足图像拼接时对图像几何校正精度的要求。目前轻小型无人机平台无法获取准确图像拍摄时的外方位元素,所以在使用共线方程作为无人机图像几何校正模型时,需要考虑如何计算出图像的外方位元素。本文基于上述低空轻小型无人机图像所具有的特点,同时结合硬件性能加速无人机图像后期处理的速度,使无人机图像快速拼接软件拥有现场处理的能力,论文主要内容如下:1.GPU-Sift特征描述符提取;在已有Sift特征提取流程中各个环节的性能基础上,针对无人机高分辨率图像的特点,讨论Sift算法中部分参数设置,在保证不影响匹配精度的基础上,通过限制Sift算法构建高斯金字塔的数量,控制提出特征点的数量,提高运算的性能。同时利用GPU的并行性能,进一步加速特征点提取,评价GPU-Sift运算时间。2.构建潜在图像匹配对;针对大规模图像集中存在的大量无效图像匹配关系,利用相机GPS信息的欧氏空间距离关系,快速构建潜在图像匹配对,以加速后期图像匹配,从而改善整体的运算性能。同时考虑在无几何约束的情况下,通过研究以词汇树的方式快速检索可能的图像匹配对,并评价其结果的可靠性。3.GPU-Sift特征匹配;此阶段采用GPU的并行处理化KD树检索环节,而通过CPU运算构建KD树,并通过实验评价时间性能的改善情况。4.Ransac算法;针对最近邻与次近邻比值剔除误匹配后的Sift匹配点对,结合Ransac中三个影响性能和迭代次数的参数,分析基于Ransac剔除粗差的5点法解算本质矩阵的问题,给出适合高分辨率无人机图像Sift特征匹配关系的Ransac参数。5.多图像相对定向;利用已知相机标定参数(包括相机镜头畸变参数和内方位元素),建立基于本质矩阵的多图像相对定向模型,利用全局光束法平差方法解算整个测区图像间相对定向关系和测区的物方点坐标。
【关键词】：无人机图像 GPU-Sift Ransac 多图像相对定向
【学位授予单位】：中国地质大学(北京)
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP751
【目录】：

• 摘要5-7
• Abstract7-11
• 第1章 引言11-18
• 1.1 研究背景与意义11-12
• 1.2 国内外研究现状12-15
• 1.3 本文研究内容15-16
• 1.4 本文结构安排16-18
• 第2章 Sift特征点提取18-29
• 2.1 基本原理18-24
• 2.1.1 构建DoG尺度空间19-21
• 2.1.2 检测DoG尺度空间极值点21
• 2.1.3 精确定位特征点，同时去除不稳定的特征点21-23
• 2.1.4 确定每个特征点的主方向参数23
• 2.1.5 生成特征点描述符23-24
• 2.2 优化参数Sift特征提取24-26
• 2.3 GPU-Sift特征提取26-29
• 第3章 大规模多图像Sift特征匹配29-37
• 3.1 构建潜在图像匹配对29-30
• 3.1.1 基于GPS信息构建潜在图像匹配对29-30
• 3.1.2 基于词汇树构建潜在图像匹配对30
• 3.2 GPU-Sift特征匹配30-32
• 3.3 基于Ransac的Sift特征匹配32-37
• 3.3.1 Ransac算法33
• 3.3.2 5 点法估算本质矩阵33-35
• 3.3.3 实验35-37
• 第4章 多图像相对定向37-53
• 4.1 相机模型37-40
• 4.1.1 基本成像模型37-38
• 4.1.2 CCD和透镜相机模型38-39
• 4.1.3 相机矩阵的一般形式39-40
• 4.2 两视几何40-41
• 4.3 三视几何41-43
• 4.4 多视几何43-45
• 4.5 实验45-53
• 4.5.1 实验一46-48
• 4.5.2 实验二48-50
• 4.5.3 实验三50-51
• 4.5.4 实验分析51-53
• 第5章 总结与展望53-55
• 5.1 本文工作总结53-54
• 5.2 需进一步研究的问题54-55
• 致谢55-57
• 参考文献57-60
• 附录60

【相似文献】

中国期刊全文数据库 前10条

1 范丽京;;美国、以色列小型无人机发展概览[J];航空科学技术;2007年03期

2 付鹏伟;;小型无人机对地目标盘旋跟踪仿真[J];通信技术;2012年01期

3 更云;;波音公司联合谢菲尔德大学利用3D打印技术制造小型无人机[J];轻兵器;2014年09期

4 云超;李小民;郑宗贵;刘品;;中小型无人机建模分析与仿真研究[J];计算机仿真;2013年11期

5 陆佩华;小型无人机作用不小[J];科学启蒙;1996年06期

6 侯帅;李文杰;;美陆军正评估小型无人机系统[J];飞航导弹;2005年11期

7 张元明,赵鹏飞,何颖,赵景丽;热压罐成型小型无人机机体结构用复合材料[J];玻璃钢/复合材料;2005年02期

8 文苏丽;阿雯;;小型无人机将成为美国新无人飞行系统项目的主力[J];飞航导弹;2008年11期

9 孙晓媛;;某小型无人机空中风干扰模拟的简易算法与实现[J];大众科技;2008年05期

10 何煦虹;蒋琪;;雷锡恩公司为小型无人机提供重油发动机[J];飞航导弹;2008年09期

中国重要会议论文全文数据库 前6条

1 李晓宇;蒲立;唐小虎;;小型无人机的图像采集系统及目标识别[A];2004中国空中机器人大赛论文汇编[C];2004年

2 赵欣欣;刘培志;王晋华;瞿蓉;;微小型无人机飞行信息在电子地图上的实时处理[A];全国第二届信号处理与应用学术会议专刊[C];2008年

3 辛哲奎;方勇纯;张玉东;申辉;张葛;;基于视觉的小型无人机地面目标状态估计[A];第二十九届中国控制会议论文集[C];2010年

4 蒲立;李晓宇;王挺;唐小虎;韩志杰;;简化配置小型无人机系统及其模糊PID控制[A];2004中国空中机器人大赛论文汇编[C];2004年

5 潘倩兮;赵龙;张常云;;自适应Kalman滤波算法在小型无人机自主导航中的应用[A];第二届中国卫星导航学术年会电子文集[C];2011年

6 王刚;胡峪;宋笔锋;;基于正弯度翼型的手掷飞翼布局小型无人机优化设计[A];探索 创新 交流——第五届中国航空学会青年科技论坛文集(第5集)[C];2012年

中国重要报纸全文数据库 前3条

1 记者 俞慧友 通讯员 周威;国防科大学员自主研发新型救灾小型无人机[N];科技日报;2013年

2 ;俄罗斯利用无人机查找非法移民有收获[N];新华每日电讯;2009年

3 吴蔚;FAA公布小型无人机空域飞行取证基本规定[N];中国航空报;2008年

中国硕士学位论文全文数据库 前10条

1 李建明;低空轻小型无人机遥感图像快速拼接关键技术研究[D];中国地质大学(北京);2015年

2 刘慧;基于超声波测距技术的小型无人机高度测量方法研究[D];内蒙古工业大学;2015年

3 乌仁格日乐;小型无人机自驾仪传感器子系统的研究与设计[D];内蒙古工业大学;2009年

4 聂志彪;小型无人机导航与制导关键技术研究[D];南京航空航天大学;2009年

5 龚晓莉;小型无人机自驾仪通信子系统设计[D];内蒙古工业大学;2007年

6 刘宇清;小型无人机综合性能测试台的设计与优化[D];西安建筑科技大学;2009年

7 马少瑛;小型无人机地面站的研究与设计[D];内蒙古工业大学;2009年

8 刘娟;小型无人机地面站电子地图子系统研究与设计[D];内蒙古工业大学;2009年

9 邢向亮;小型无人机发动机支撑系统优化设计[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2012年

10 孙雨;小型无人机通信系统的研究与构建[D];华南理工大学;2011年

，

本文编号：1009543