CN106023147B - 一种基于gpu的快速提取线阵遥感影像中dsm的方法及装置 - Google Patents
一种基于gpu的快速提取线阵遥感影像中dsm的方法及装置 Download PDFInfo
- Publication number
- CN106023147B CN106023147B CN201610298084.0A CN201610298084A CN106023147B CN 106023147 B CN106023147 B CN 106023147B CN 201610298084 A CN201610298084 A CN 201610298084A CN 106023147 B CN106023147 B CN 106023147B
- Authority
- CN
- China
- Prior art keywords
- image
- core line
- remote sensing
- gpu
- line image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/28—Indexing scheme for image data processing or generation, in general involving image processing hardware
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于GPU的线阵遥感影像DSM快速提取方法取方法和装置,该方法包括:获取待处理的遥感影像以及遥感影像对应的RPC参数信息;对遥感影像进行Wallis滤波处理;利用GPU以及RPC参数信息对滤波处理后的遥感影像进行核线校正,并生成遥感影像的左核线影像和右核线影像;根据左核线影像和右核线影像的第一同名像点计算出左右核线影像的视差值范围;根据第一同名像点从视差值范围中得到左核线影像和右核线影像的视差值,并根据得到的视差值计算左右核线影像的第二同名像点,并根据该第二同名像点得到原始影像的同名像点,并根据原始影像的同名像点和RPC参数信息,进行基于RPC模型的前方交会生成遥感影像DSM,以解决从线阵遥感影像中获取DSM效率低和精度低的问题。
Description
技术领域
本发明涉及遥感影像信息提取技术领域,尤其涉及一种基于GPU的快速提取线阵遥感影像中DSM的方法及装置。
背景技术
数字表面模型(Digital Surface Model,DSM)是地图产品生产过程中,生成等高线、真正射影像制作、建筑物提取与重建、数字高程模型(Digital Elevation Model,DEM)提取、地理信息更新等工作的重要信息源。DSM在城市变化监测、土地管理、交通管理、矿产资源调查、文物保护等民用领域以及作战指挥自动化控制***和精确武器制导等军事领域中都具有重要作用。
利用摄影测量的方法获取DSM其本质在于寻找立体影像中的同名像点,核心技术是影像的全自动匹配。然而,现有利用现有的影像匹配技术,从影像中获取的DSM密度与精度较低,处理效率较低,DSM粗差剔除等后续生产过程需要大量的人工编辑工作,造成DSM获取的自动化水平较低。
发明内容
本发明实施例提供一种基于GPU的快速提取线阵遥感影像中DSM的方法和装置,以至少解决现有从线阵遥感影像中获取的DSM效率低、精度低的技术问题。
为达到以上目的,本发明的技术方案为:
一方面,提供一种基于GPU的快速提取线阵遥感影像中DSM的方法,包括:
获取待处理的遥感影像以及所述遥感影像所对应的有理多项式系数RPC参数信息;对所述遥感影像进行Wallis滤波处理;利用图形处理器GPU以及所述RPC参数信息,对滤波处理后的遥感影像利用投影轨迹法进行核线校正,并通过GPU并行加速方法生成所述遥感影像的左核线影像和右核线影像;采用基于GPU的SIFT匹配算法快速提取所述左核线影像和所述右核线影像的第一同名像点,进而计算出左右核线影像的视差值范围;利用SIMD+OpenMP算法对所述第一同名像点进行并行快速逐像素半全局密集匹配分别从所述视差值范围中得到所述左核线影像和所述右核线影像的视差值;根据得到的视差值计算所述左核线影像和所述右核线影像的第二同名像点,并由所述左核线影像和所述右核线影像与原始影像的关系反算得到原始影像的同名像点;根据所述原始影像的同名像点和所述RPC参数信息,利用GPU进行基于RPC模型的前方交会生成遥感影像数字表面模型DSM。
另一方面,提供一种基于GPU的快速提取线阵遥感影像中DSM的装置,包括:获取单元,用于获取待处理的遥感影像以及所述遥感影像所对应的有理多项式系数RPC参数信息;第一处理单元,用于对所述遥感影像进行Wallis滤波处理;第二处理单元,用于利用图形处理器GPU以及所述RPC参数信息,对滤波处理后的遥感影像利用投影轨迹法进行核线校正,并通过GPU并行加速方法生成所述遥感影像的左核线影像和右核线影像;第一计算单元,用于采用基于GPU的SIFT匹配算法快速提取所述左核线影像和所述右核线影像的第一同名像点,进而计算出左右核线影像的视差值范围;匹配单元,用于利用SIMD+OpenMP算法对所述第一同名像点进行并行快速逐像素半全局密集匹配分别从所述视差值范围中得到所述左核线影像和所述右核线影像的视差值;第二计算单元,用于根据得到的视差值计算所述左核线影像和所述右核线影像的第二同名像点,并由所述左核线影像和所述右核线影像与原始影像的关系反算得到原始影像的同名像点;生成单元,用于根据所述原始影像的同名像点和所述RPC参数信息,利用GPU进行基于RPC模型的前方交会生成遥感影像数字表面模型DSM。
通过上述方法,采用逐像素匹配的策略,利用遥感影像的半全局密集匹配方法,实现了遥感影像高精度密集点匹配,获取了足够密集的匹配点,无需内插即可直接前方交会获取密集的DSM信息,从而快速获取高精度的DSM。
附图说明
图1是本发明实施例提供的一种可选地基于GPU的快速提取线阵遥感影像中DSM的方法的流程示意图;
图2是本发明实施例提供的一种可选地利用GPU快速实现基于RPC模型核线影像生成的流程示意图;
图3是本发明实施例提供的一种可选地利用基于GPU的SIFT匹配算法获取同名点对的流程示意图;
图4是本发明实施例提供的一种可选地基于GPU的快速提取线阵遥感影像中DSM的装置的结构示意图;
图5是本发明实施例提供的另一种可选地基于GPU的快速提取线阵遥感影像中DSM的装置的结构示意图;
图6是本发明实施例提供的第三种可选地基于GPU的快速提取线阵遥感影像中DSM的装置的结构示意图;
图7是本发明实施例提供的第四种可选地基于GPU的快速提取线阵遥感影像中DSM的装置的结构示意图。
具体实施方式
下面结合附图1和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下属的实施例。
如图1所示,本发明实施例提供了一种基于GPU(Graphics Processing Unit,图形处理器)的快速提取线阵遥感影像中DSM的方法,包括:
S101、获取待处理的遥感影像以及该遥感影像所对应的RPC(rationalpolynomial coefficient,有理多项式系数)参数信息。
S102、对该遥感影像进行Wallis滤波处理。
其中,通过GPU中Wallis滤波对遥感影像进行预处理,增强遥感影像对比度并且降低噪声;本步骤可以通过编写Wallis滤波算子核函数实现。
S103、利用图形处理器GPU以及该RPC参数信息,对滤波处理后的遥感影像利用投影轨迹法进行核线校正,并通过GPU并行加速方法生成该遥感影像的左核线影像和右核线影像。
在本实施例一种可能的实现方式中,如图2所示,将预处理后的遥感影像从主机端内存拷贝至GPU的全局存储器中,将RPC参数拷贝至GPU的共享存储器中,根据计算机性能参数,动态调整片上缓存;设置GPU线程块大小,确定GPU线程数目;在GPU上利用核线参数答解算子求解核线参数;将求解得到的核线参数从GPU全局存储器中拷贝回主机端内存。
其中以生成线阵影像的左像(即左核线影像)和右像(即右核线影像)对为例,基于RPC模型进行核线校正的实施过程如下:
S1031、从左像的第1列开始,选择列方向的中央像点m(0,H/2),利用投影轨迹法将m和左像投影中心S确定的光线投影到右像上,考虑运算量,投影该光线上高程为hmax和hmin的两个物方点Q1和Q2到右像上,确定两个像点q1和q2.
S1032、判断q1和q2是否在右像的像幅范围内:如果不在则返回S1031,继续从下一列开始;如果在,则根据该两点q1和q2确定一条直线l',记录该直线方程参数a'x+b'y+c'=0。
S1033、确定右像上q1和q2的中点q3,利用投影轨迹法将q3和右像投影中心S'和其确定的光线投影到右像上,考虑运算量,投影该光线上高程为hmax和hmin的两个物方点Q3和Q4到左像,确定两个像点q3和q4;
S1034、判断q3和q4是否在左像的像幅范围内:如果不在则返回S1031,继续从下一列开始;如果在,则根据该两点q3和q4确定一条直线l,记录直线方程ax+by+c=0的参数。
S1035、利用左像上的直线l,在左像内沿直线进行重采样,具体是对给定的从0到H图像的高度变化的系列yi坐标,根据直线方程计算相应的系列xi坐标,根据系列(xi,yi)坐标从原始影像通过双线性内插确定以系列的像素灰度值,所得灰度值即为左像核线影像上的第一行。
S1036、根据直线l'确定右像核线影像的第一行,返回步骤S1031重复进行,直到确定核线影像上的最后一行。
S1037、对左像,记录每一条直线方程的参数,核线有多少行,就有多少组方程参数,将这些直线参数写入一个文本参数文件,利用该参数文件完成核线影像坐标到原始影像坐标的转化;对右像执行同样的处理,也形成另一个参数文件,核线影像与原始影像的对应关系为:
其中,x和y分别表示原始影像的列方向、行方向的像素坐标值;x'和y′表示核线影像的像素坐标值,分别为列数和行数;height表示原始影像的高度;epiwidth表示核线影像的宽度,n表示核线方程的个数,i表示直线的编号,ai、bi、ci表示直线方程的参数。
对于核线影像的一个点,根据核线参数可求得其在原始影像上对应的坐标,由于坐标不是整数,采用双线性内插方法进行处理;该过程通过编写基于RPC模型的核线参数答解算子核函数实现GPU并行,设置计算每个block中thread的维度为(16,16),block的维度为(width/16+1,height/16+1),每个线程处理1个像素。S104、采用基于GPU的SIFT(Scale-invariant feature transform,尺度不变特征变换)匹配算法快速提取该左核线影像和该右核线影像的第一同名像点,进而计算出左右核线影像的视差值范围。
其中,如图3所示,为了加快后续步骤图像匹配速度,缩小视差搜索范围,同时减少对计算机内存的使用大小,可以获取视差值范围,从而在后续计算中从该视差值范围中确定视差值,具体地,可以采用基于GPU的SIFT匹配算法快速提取左右核线影像的第一同名像点,剔除粗差后保留若干可靠的同名点。
S105、利用SIMD(Single Instruction Multiple Data,单指令多数据流)+OpenMP算法对该左核线影像和该右核线影像的第一同名像点进行并行快速逐像素半全局密集匹配分别从该视差值范围中得到该左核线影像和该右核线影像的视差值。
其中,本步骤可以包括以下步骤:
S1、对该第一同名像点进行Census变换得到该同名像点的匹配代价,并根据该匹配代价建立视差空间影像DSI。
具体地,Census变换以待计算的第一同名像点为中心开辟一个矩形窗口,将窗口中除中心像素以外的其他像素变换为一个比特串;若窗口中一个像素的灰度值比中心像素的灰度值大,则相应位置为1,反之,置为0;相应的Census变换C(p)用比特串的形式表示为:
其中参数ck的值为:
其中,I(p)为图像p点的像素灰度值,I(q)为图像q点的像素灰度值,p和q分别表示图像像素位置。函数T[]为Pottes模型,当p点的像素灰度值大于q点的像素灰度值时,返回1,否则返回0。计算Census变换后参考影像与搜索影像对应窗口之间比特串的Hamming距离作为任意一个像素点p的匹配代价,即:
C(p,d)=Chammimg(p,q)其中,d为视差;
计算完匹配代价后,建立DSI。
S2、在该DSI内采用半全局密集匹配对该第一同名像点的匹配代价进行匹配代价聚合,求解最优值处理得到该第一同名像点的视差值。
具体地,在DSI内用多个一维方向的代价聚合代替二维方式搜索,任意一个像素点p在视差d匹配代价聚合可以通过像素点p点所有一维方向代价的累加求和来计算,即:
其中,Lr(p,d)是待匹配像素点p在视差d处r方向上的匹配代价,像素点p的视差d=mindS(p,d)。
这样,在本步骤中,在分析内存空间和路径数量优化的基础上,针对遥感影像数据量较大的特点,对影像进行分块生成视差图处理;分析Census变换运算特点,采用OpenMP并行实现Census变换;采用SIMD并行实现匹配聚合以及视差值计算。
可选地,在得到视差值后,根据分别得到的该左核线影像和该右核线影像的视差值进行视差一致性检查,以提高匹配的可靠性,抑制由于遮挡造成的误匹配。
其中,视差一致性检查又名双向匹配,将“左右影像匹配得到的视差值作为右左影像匹配的视差初值,从而提高左右视差一致性检查的运行速度。
进一步地,在该视差一致性检查通过后,通过中值滤波器对该视差值进行中值滤波。
其中,该中值滤波中滤波器的尺寸可以为7×7的窗口,利用非线性滤波抑制因噪声造成的孤立视差值点,在原始影像分辨率匹配时,采用抛物线拟合的方法得到亚像素视差,从而得到精化后的视差信息。
S106、根据得到的视差值计算该左核线影像和该右核线影像的第二同名像点,并由该左核线影像和该右核线影像与原始影像的关系反算得到原始影像的同名像点。
其中,以左核线影像为基准,左核线影像点p对应的右核线影像点q的计算公式为q=p+d,逐像素计算即可得到左核线影像对应的右核线影像的第二同名像点;核线影像与原始影像的关系参考核线影像生成过程,具体参见步骤S103,利用GPU加速方法计算出左右原始影像的同名像点。
S107、根据原始影像的同名像点和该RPC参数信息,利用GPU进行基于RPC模型的前方交会生成遥感影像数字表面模型DSM。
其中,用GPU并行运算基于RPC模型的前方交会的核函数,将数据从内存传输到显卡存储器,调用基于RPC模型的前方交会算子,再将结果从显卡存储器写回内存。核函数将GPU存储器上的数据分割成块,每块被分到一个block线程中,每块的大小和block中的线程数对应;一个block中的线程按照接合的特点从GPU存储器中读取数据,然后每个线程执行一个前方交会操作;同一个block中的不同线程执行的模板操作指令时一样的,让一个block中的不同线程共享指令前段;在调用前方交会算子计算结束后,计算结果会写回GPU存储器中,然后再从GPU存储器写回内存的缓冲区中。
可选地,在用GPU并行运算基于RPC模型的前方交会的核函数,生成遥感影像DSM之后,基于GPU对生成的该遥感影像DSM进行移动曲面滤波,获取滤波后的遥感影像DSM。
其中,为求取某个三维点处的拟合高程时,该点所在趋势面模型参数由距该点一定范围内的三维点按最小二乘法求解,即每个三维点处的趋势面都需要根据附近点重新求解,以保证趋势面的参数与实际地形较好地符合。
这样,通过采用逐像素匹配的策略,利用遥感影像的半全局密集匹配方法,实现了遥感影像高精度密集点匹配,获取了足够密集的匹配点,无需内插即可直接前方交会获取密集的DSM信息,从而获取高精度的DSM。另外,通过利用GPU大规模并行计算的特点,以及GPU上任务分解、大规模计算核心的分解方法,结合使用了共享存储器、全局存储器对算法进行加速,实现了快速Wallis图像滤波算法、快速基于RPC模型的核线影像生成以及快速基于RPC模型的前方交会。解决了现有从线阵遥感影像中获取的DSM效率低、精度低的技术问题。
图4为本发明实施例提供的一种基于GPU的快速提取线阵遥感影像中DSM的装置,包括:
获取单元401,用于获取待处理的遥感影像以及该遥感影像所对应的有理多项式系数RPC参数信息;
第一处理单元402,用于对该遥感影像进行Wallis滤波处理;
第二处理单元403,用于利用图形处理器GPU以及该RPC参数信息,对滤波处理后的遥感影像利用投影轨迹法进行核线校正,并通过GPU并行加速方法生成该遥感影像的左核线影像和右核线影像;
第一计算单元404,用于采用基于GPU的SIFT匹配算法快速提取该左核线影像和该右核线影像的第一同名像点,进而计算出左右核线影像的视差值范围;
匹配单元405,用于利用SIMD+OpenMP算法对该第一同名像点进行并行快速逐像素半全局密集匹配分别从该视差值范围中得到该左核线影像和该右核线影像的视差值;
第二计算单元406,用于根据得到的视差值计算该左核线影像和该右核线影像的第二同名像点,并由该左核线影像和该右核线影像与原始影像的关系反算得到原始影像的同名像点;
生成单元407,用于根据得到的原始影像的同名像点利用GPU进行基于RPC模型的前方交会生成遥感影像DSM。
可选地,如图5所示,该装置还包括:
检查单元408,用于根据分别得到的该左核线影像和该右核线影像的视差值进行视差一致性检查。
可选地,如图6所示,该装置还包括:
第一滤波单元409,用于在该视差一致性检查通过后,通过中值滤波器对该视差值进行中值滤波。
可选地,该匹配单元405,具体用于对该同名像点进行Census变换得到该第一同名像点的匹配代价,并根据该匹配代价建立视差空间影像DSI;在该DSI内采用半全局密集匹配对该第一同名像点的匹配代价进行匹配代价聚合,求解最优值处理得到该第一同名像点的视差值。
可选地,如图7所示,该装置还包括:
第二滤波单元4010,用于基于GPU对生成的该遥感影像DSM进行移动曲面滤波,获取滤波后的遥感影像DSM。
采用上述装置,通过采用逐像素匹配的策略,利用遥感影像的半全局密集匹配方法,实现了遥感影像高精度密集点匹配,获取了足够密集的匹配点,无需内插即可直接前方交会获取密集的DSM信息,从而获取高精度的DSM。另外,通过利用GPU大规模并行计算的特点,以及GPU上任务分解、大规模计算核心的分解方法,结合使用了共享存储器、全局存储器对算法进行加速,实现了快速Wallis图像滤波算法、快速基于RPC模型的核线影像生成以及快速基于RPC模型的前方交会。解决了现有从线阵遥感影像中获取的DSM效率低、精度低的技术问题。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于GPU的快速提取线阵遥感影像中DSM的方法,其特征在于,包括:
获取待处理的遥感影像以及所述遥感影像所对应的有理多项式系数RPC参数信息;
对所述遥感影像进行Wallis滤波处理;
利用图形处理器GPU以及所述RPC参数信息,对滤波处理后的遥感影像利用投影轨迹法进行核线校正,并通过GPU并行加速方法生成所述遥感影像的左核线影像和右核线影像;
采用基于GPU的SIFT匹配算法快速提取所述左核线影像和所述右核线影像的第一同名像点,进而计算出左右核线影像的视差值范围;
利用SIMD+OpenMP算法对所述第一同名像点进行并行快速逐像素半全局密集匹配分别从所述视差值范围中得到所述左核线影像和所述右核线影像的视差值;
根据得到的视差值计算所述左核线影像和所述右核线影像的第二同名像点,并由所述左核线影像和所述右核线影像与原始影像的关系反算得到原始影像的同名像点;
根据所述原始影像的同名像点和所述RPC参数信息,利用GPU进行基于RPC模型的前方交会生成遥感影像数字表面模型DSM。
2.根据权利要求1所述的方法,其特征在于,在所述利用SIMD+OpenMP算法对所述第一同名像点进行并行快速逐像素半全局密集匹配分别从所述视差值范围中得到所述左核线影像和所述右核线影像的视差值之后,所述方法还包括:
根据分别得到的所述左核线影像和所述右核线影像的视差值进行视差一致性检查。
3.根据权利要求2所述的方法,其特征在于,在所述根据所述原始影像的同名像点和所述RPC参数信息,利用GPU进行基于RPC模型的前方交会生成遥感影像数字表面模型DSM之前,所述方法还包括:
在所述视差一致性检查通过后,通过中值滤波器对所述视差值进行中值滤波。
4.根据权利要求1所述的方法,其特征在于,所述利用SIMD+OpenMP算法对所述第一同名像点进行并行快速逐像素半全局密集匹配分别从所述视差值范围中得到所述左核线影像和所述右核线影像的视差值包括:
对所述第一同名像点进行Census变换得到所述同名像点的匹配代价,并根据所述匹配代价建立视差空间影像DSI;
在所述DSI内采用半全局密集匹配对所述第一同名像点的匹配代价进行匹配代价聚合,求解最优值处理得到所述第一同名像点的视差值。
5.根据权利要求1所述的方法,其特征在于,在用GPU并行运算基于RPC模型的前方交会的核函数,生成遥感影像DSM之后,所述方法还包括:
基于GPU对生成的所述遥感影像DSM进行移动曲面滤波,获取滤波后的遥感影像DSM。
6.一种基于GPU的快速提取线阵遥感影像中DSM的装置,其特征在于,包括:
获取单元,用于获取待处理的遥感影像以及所述遥感影像所对应的有理多项式系数RPC参数信息;
第一处理单元,用于对所述遥感影像进行Wallis滤波处理;
第二处理单元,用于利用图形处理器GPU以及所述RPC参数信息,对滤波处理后的遥感影像利用投影轨迹法进行核线校正,并通过GPU并行加速方法生成所述遥感影像的左核线影像和右核线影像;
第一计算单元,用于采用基于GPU的SIFT匹配算法快速提取所述左核线影像和所述右核线影像的第一同名像点,进而计算出左右核线影像的视差值范围;
匹配单元,用于利用SIMD+OpenMP算法对所述第一同名像点进行并行快速逐像素半全局密集匹配分别从所述视差值范围中得到所述左核线影像和所述右核线影像的视差值;
第二计算单元,用于根据得到的视差值计算所述左核线影像和所述右核线影像的第二同名像点,并由所述左核线影像和所述右核线影像与原始影像的关系反算得到原始影像的同名像点;
生成单元,用于根据所述原始影像的同名像点和所述RPC参数信息,利用GPU进行基于RPC模型的前方交会生成遥感影像数字表面模型DSM。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
检查单元,用于根据分别得到的所述左核线影像和所述右核线影像的视差值进行视差一致性检查。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
第一滤波单元,用于在所述视差一致性检查通过后,通过中值滤波器对所述视差值进行中值滤波。
9.根据权利要求6所述的装置,其特征在于,所述匹配单元,具体用于对所述第一同名像点进行Census变换得到所述同名像点的匹配代价,并根据所述匹配代价建立视差空间影像DSI;在所述DSI内采用半全局密集匹配对所述第一同名像点的匹配代价进行匹配代价聚合,求解最优值处理得到所述第一同名像点的视差值。
10.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第二滤波单元,用于基于GPU对生成的所述遥感影像DSM进行移动曲面滤波,获取滤波后的遥感影像DSM。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610298084.0A CN106023147B (zh) | 2016-05-06 | 2016-05-06 | 一种基于gpu的快速提取线阵遥感影像中dsm的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610298084.0A CN106023147B (zh) | 2016-05-06 | 2016-05-06 | 一种基于gpu的快速提取线阵遥感影像中dsm的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106023147A CN106023147A (zh) | 2016-10-12 |
CN106023147B true CN106023147B (zh) | 2019-05-28 |
Family
ID=57082223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610298084.0A Active CN106023147B (zh) | 2016-05-06 | 2016-05-06 | 一种基于gpu的快速提取线阵遥感影像中dsm的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106023147B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107103610B (zh) * | 2017-04-25 | 2019-12-17 | 自然资源部国土卫星遥感应用中心 | 立体测绘卫星影像匹配可疑区域自动检测方法 |
CN109118527A (zh) * | 2018-07-06 | 2019-01-01 | 航天星图科技(北京)有限公司 | 一种基于gpu的遥感影像dsm快速提取方法及装置 |
CN110060283B (zh) * | 2019-04-17 | 2020-10-30 | 武汉大学 | 一种多测度半全局密集匹配方法 |
CN112889030A (zh) * | 2020-07-03 | 2021-06-01 | 深圳市大疆创新科技有限公司 | 图像处理方法、集成电路、装置及设备 |
CN113034572B (zh) * | 2021-04-27 | 2022-12-23 | 广东工业大学 | 基于八参数核线模型的核线提取方法 |
CN115063619B (zh) * | 2022-08-18 | 2022-11-15 | 北京中科慧眼科技有限公司 | 基于双目立体匹配算法的代价聚合方法和*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310443B (zh) * | 2013-05-20 | 2016-04-27 | 华浩博达(北京)科技股份有限公司 | 高分辨率遥感影像快速处理方法及*** |
-
2016
- 2016-05-06 CN CN201610298084.0A patent/CN106023147B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106023147A (zh) | 2016-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106023147B (zh) | 一种基于gpu的快速提取线阵遥感影像中dsm的方法及装置 | |
CN110363858B (zh) | 一种三维人脸重建方法及*** | |
CN110705448B (zh) | 一种人体检测方法及装置 | |
CN106803267B (zh) | 基于Kinect的室内场景三维重建方法 | |
US20190259202A1 (en) | Method to reconstruct a surface from partially oriented 3-d points | |
CN104346608B (zh) | 稀疏深度图稠密化方法和装置 | |
CN105303616B (zh) | 基于单张照片的浮雕建模方法 | |
US9551579B1 (en) | Automatic connection of images using visual features | |
CN110930503B (zh) | 一种服装三维模型建立方法、***、存储介质及电子设备 | |
KR20120018915A (ko) | 컬러 영상과 시점 및 해상도가 동일한 깊이 영상 생성 방법 및 장치 | |
JP2007004578A (ja) | 三次元形状取得方法、三次元形状取得装置、及びプログラムの記録媒体 | |
JP2021026759A (ja) | オブジェクトの3dイメージングを実施するためのシステムおよび方法 | |
CN114202632A (zh) | 网格线性结构恢复方法、装置、电子设备及存储介质 | |
Meerits et al. | Real-time scene reconstruction and triangle mesh generation using multiple RGB-D cameras | |
JPH11504452A (ja) | 2次元投影図に基づいて3次元の対象物を再現し、取り扱うための装置と方法 | |
CN113902802A (zh) | 视觉定位方法及相关装置、电子设备和存储介质 | |
Verykokou et al. | A Comparative analysis of different software packages for 3D Modelling of complex geometries | |
CN116051980B (zh) | 基于倾斜摄影的建筑识别方法、***、电子设备及介质 | |
CN117315153A (zh) | 一种协同光场与占用场的人体重建与渲染方法及装置 | |
CN116704029A (zh) | 稠密物体语义地图构建方法、装置、存储介质及电子设备 | |
CN115082636B (zh) | 基于混合高斯网络的单图像三维重建方法及设备 | |
KR101673144B1 (ko) | 부분 선형화 기반의 3차원 영상 정합 방법 | |
CN110135474A (zh) | 一种基于深度学习的倾斜航空影像匹配方法和*** | |
Zheng et al. | 3D model reconstruction with common hand-held cameras | |
CN110148086A (zh) | 稀疏深度图的深度补齐方法、装置及三维重建方法、装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |