基于改進(jìn)SFM方法的航空攝影測量應(yīng)用研究.pdf

1、SFM(Structure From Motion)是通過運(yùn)動的相機(jī)獲取的多視圖像集來估計(jì)相機(jī)位姿(Motion)和重建場景結(jié)構(gòu)(Structure)的過程。由于計(jì)算機(jī)視覺與攝影測量技術(shù)相近,許多研究將 SFM流程引入到航空攝影測量中進(jìn)行空中三角解算,從而提高航空攝影測量的自動化程度。然而攝影測量領(lǐng)域?qū)纫蠓浅８?傳統(tǒng) SFM方法的三維重建結(jié)果精度依賴于兩幅圖像特征點(diǎn)的精確匹配。另一方面,傳統(tǒng)SFM方法使用RANSAC(Random

2、 Sample Consensus)算法來魯棒地估計(jì)基礎(chǔ)矩陣及相機(jī)位姿,而該算法的閾值使用的是固定經(jīng)驗(yàn)值,不能保證對所有的數(shù)據(jù)集都能估計(jì)出高精確度的模型參數(shù),閾值選取不恰當(dāng)會影響重建結(jié)果。因此,傳統(tǒng)的SFM三維重建結(jié)果的精度難以達(dá)到攝影測量規(guī)范的要求。
　　針對以上問題,本文提出一種改進(jìn)的SFM方法,旨在提高三維重建的精度。本文主要的工作歸納如下:
　　1)提出將基于特征的匹配(FBM,Feature Based Match

3、ing)方法和帶有NCC(Normalized Cross Correlation)和LSM(Least Squares Image Matching)的基于區(qū)域的匹配(ABM,Area Based Matching)方法相結(jié)合。該方法采用分層匹配的方式,在圖像金字塔頂層進(jìn)行基于特征點(diǎn)的匹配(FBM),然后采用帶有改進(jìn)的NCC和LSM的基于區(qū)域匹配(ABM)方法逐層對匹配點(diǎn)位置進(jìn)行調(diào)整,最終得到高精確度的匹配位置。將修正后的匹配點(diǎn)用于基