CN114049474A - 一种高精度遥感快速成图方法、装置及存储介质 - Google Patents
一种高精度遥感快速成图方法、装置及存储介质 Download PDFInfo
- Publication number
- CN114049474A CN114049474A CN202210034221.5A CN202210034221A CN114049474A CN 114049474 A CN114049474 A CN 114049474A CN 202210034221 A CN202210034221 A CN 202210034221A CN 114049474 A CN114049474 A CN 114049474A
- Authority
- CN
- China
- Prior art keywords
- image
- point cloud
- remote sensing
- fused
- boundary line
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
Landscapes
- Engineering & Computer Science (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种高精度遥感快速成图方法、装置及存储介质,方法包括:获取当前时刻目标区域的多目图像和点云图像;获取飞行装置在当前时刻下的卫星定位数据,并根据卫星定位数据确定多目图像和点云图像的中心点;以中心点为基准将点云图像和多目图像与目标区域的标准图像进行重叠比对,对多目图像进行变形修正得到第一待融合图像;根据重叠比对对点云图像进行变形修正,并根据重叠时的多个多目图像的像素灰度差确定反差边界线,对点云修正图像位于反差边界线以外的噪点进行滤波,得到第二待融合图像;融合第一待融合图像和第二待融合图像得到目标区域的融合成像图。该方法能提高图像的边界识别率,成像精准度较高,有利于道路的遥感测绘。
Description
技术领域
本发明涉及遥感测绘技术领域,尤其涉及一种高精度遥感快速成图方法、装置及存储介质。
背景技术
在传统的遥感测绘中对于道路的标定识别往往比较不理想,原因是道路高程坐标变化不大,通过三维激光扫描效果不明显,所以从点云数据上边界识别率差,并且,在成图的图像处理中为修正无人机拍摄地面物体因角度斜度造成的图像变形问题,需要对图像进行多维处理进行纠偏,运算量大,计算过程复杂。
发明内容
为了解决上述背景技术提到的技术问题或者至少部分地解决上述技术问题,本发明提供一种高精度遥感快速成图方法、装置及存储介质,能够提高点云图像的边界识别率,图像处理过程简单,有利于提高成图精度。
第一方面,本发明提供了一种高精度遥感快速成图方法,包括:
获取当前时刻目标区域的多目图像和点云图像,其中,所述多目图像的第一成像装置和所述点云图像的第二成像装置均设置在同一个飞行装置上,所述多目图像为所述第一成像装置在所述当前时刻从多个拍摄角度拍摄的多个具有像素灰度差的图像;
获取所述飞行装置在所述当前时刻下的卫星定位数据,并根据所述卫星定位数据确定所述多目图像和所述点云图像的中心点;
以所述中心点为基准,将所述点云图像和所述多目图像与所述目标区域的标准图像进行重叠比对;
根据所述重叠比对对所述多目图像进行变形修正得到第一待融合图像;
根据所述重叠比对对所述点云图像进行变形修正,并根据重叠时的多个所述多目图像的所述像素灰度差确定反差边界线,对所述点云修正图像位于所述反差边界线以外的噪点进行滤波,得到第二待融合图像;
融合所述第一待融合图像和所述第二待融合图像得到所述目标区域的融合成像图。
在此方案中,飞行装置上同时安装有用于生成点云图像的第一成像装置(比如三维激光扫描仪)以及用于生成多目图像的第二成像装置,在同一时刻,飞行装置从空中特定位置对目标区域在同一时刻对目标区域进行三维点云成像以及多目视觉成像。
在此方案中,第二成像装置能够是双目或者多目摄像装置,双目或者多目摄像装置对目标区域进行拍摄,能够得到一组或者多组双目视觉图像,摄像装置不同的拍摄角度形成像素灰度差。
在此方案中,飞行装置上同时安装有用于采集定位数据的定位装置,比如通过卫星定位装置采集差分卫星定位数据。利用该卫星定位数据确定多目图像和点云图像的中心点。
在此方案中,点云图像和多个多目图像以中心点为基准进行重叠比对,经过重叠对比,首先一次性对点云图像和多目图像进行变形修正,具体的可以是删除与标准图像不重合的部分(去除点云图像与标准图像不重合部分的噪点);并且为了提高点云图像的边界识别率,对变形修正后的点云图像进行进一步滤波,具体为:根据重叠比对时,多张多目图像之间的像素灰度差会更加明显,根据像素灰度差确定反差边界线,对点云图像位于该反差边界线以外的噪点进行滤波。
通过此技术方案,将点云图像和多目图像与预先构建的目标区域的标准图像进行重叠对比,通过比对能够一次性的使变形的图像得到修正,去掉点云图像的噪点,有利于能够提高成像精确度。此技术方案还通过图像融合,结合点云图像的点云数据和多目视觉图像的深度和视差,强化道路图像的高程信息,点云数据的边界识别率较高,有利于道路的测绘和标定。
优选的,所述对所述点云修正图像位于所述反差边界线以外的噪点进行滤波,具体包括:
去除所述点云图像的位于所述反差边界线外离散的噪点。
在此技术方案中,多张多目图像重叠时,图像之间的像素灰度差更加明显,根据像素灰度差能够生成反差边界线,通过该反差边界线,能够对点云图像进行进一步滤波,进一步提高点云数据的边界识别率。具体为,为了提高点云数据的边界识别率,可以将反差边界线外的噪点去除,以实现点云图像的滤波。
优选的,所述对所述点云修正图像位于所述反差边界线以外的噪点进行滤波,具体包括:
将所述点云图像的位于所述反差边界线外的噪点进行收敛。
在此技术方案中,反差边界线外的噪点随机分布,离散分布在反差边界线外的噪点进行收敛,有利于提高点云数据的边界识别率。
优选的,高精度遥感快速成图方法还包括:确定所述多目图像的多个拍摄角度的拍摄角度差值,并根据所述拍摄角度差值确定所述像素灰度差。
在此方案中,不同的拍摄角度引起图像像素的不同,即像素灰度差。
优选的,高精度遥感快速成图方法还包括:多个所述目标区域共同组成待成像区域,拼接所有所述目标区域的所述融合成像图,得到所述待成像区域的全局成像图。
在此方案中,将待成像区域划分为若干个目标区域,多个目标区域共同组成该待成像区域。飞行装置能够以自身的成像范围进行局部成像,完成一处目标区域的成像后,继续飞往下一个目标区域进行成像,将所有目标区域的成像进行拼接就能过生成待成像区域的全局成像图。
优选的,所述飞行装置上还设有姿态感知装置,获取所述姿态感知装置采集的所述当前时刻下所述飞行装置的姿态数据,并根据所述定位数据和所述姿态数据对所述融合成像图进行标定。
在此方案中,能够利用定位数据、姿态数据对图像进行标定。具体的标定参见现有技术。
优选的,所述飞行装置为无人机,所述姿态数据包括所述无人机的俯仰角、偏航角和翻滚角。
优选的,在所述以所述中心坐标为基准,将所述点云图像、所8述多目图像与所述目标区域的标准图像进行重叠比对之前,还包括:
构建所述目标区域的标准图像。
在此方案中,为了提高图像重叠比对的处理速度,减小计算压力,可以预先构建目标区域的标准图像,即针对目标区域内的设施、设备、建筑、人员等目标物预先进行海量的收集,建立标准图像库。
第二方面,本申请还提供一种高精度遥感快速成图装置,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的所述程序指令以实现如第一方面中任一技术方案所述的高精度遥感快速成图方法。
第三方面,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质存储有程序代码,所述程序代码用于实现如第一方面中任一技术方案所述的高精度遥感快速成图方法。
本发明实施例提供的上述技术方案与现有技术相比具有如下优点:该高精度遥感快速成图方法,通过获取同一时刻下目标区域的多目图像和点云图像,并利用该时刻下的定位数据确定点云图像和多目图像的中心点,并以该中心点为基准,重叠比对点云图像、多目图像和标准图像,通过一次比对,对多目图像和点云图像进行变形修正,可以很好的解决无人机拍摄地面物体因角度斜度造成的图像变形问题,无需对图像进行多维处理进行纠偏,比对过程简单,运算量小,处理速度快;并且利用重叠对比时多目图像的像素灰度差确定灰度差的反差边界线,并利用该反差边界线对点云图像进行滤波,进一步对点云数据进行修正(去除或者收敛点云图像位于所述反差边界线以外的噪点),进一步提高点云图像的边界识别率,最终通过图像融合得到较为精准的目标区域的融合成像图,有利于道路的遥感测绘。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种高精度遥感快速成图方法的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了便于理解,下面对本发明实施例提供的一种高精度遥感快速成图方法进行详细介绍,参见图1,一种高精度遥感快速成图方法,包括以下步骤:
步骤S1,获取当前时刻目标区域的多目图像和点云图像,其中,所述多目图像的第一成像装置和所述点云图像的第二成像装置均设置在同一个飞行装置上,所述多目图像为所述第一成像装置在所述当前时刻从多个拍摄角度拍摄的多个具有像素灰度差的图像;
步骤S2,获取所述飞行装置在所述当前时刻下的卫星定位数据,并根据所述卫星定位数据确定所述多目图像和所述点云图像的中心点;
步骤S3,以所述中心点为基准,将所述点云图像和所述多目图像与所述目标区域的标准图像进行重叠比对;
步骤S4,根据所述重叠比对对所述多目图像进行变形修正得到第一待融合图像;
步骤S5,根据所述重叠比对对所述点云图像进行变形修正,并根据重叠时的多个所述多目图像的所述像素灰度差确定反差边界线,对所述点云修正图像位于所述反差边界线以外的噪点进行滤波,得到第二待融合图像;
步骤S6,融合所述第一待融合图像和所述第二待融合图像得到所述目标区域的融合成像图。
在本发明的一些具体实施例中,飞行装置上同时安装有用于生成点云图像的第一成像装置(比如三维激光扫描仪)以及用于生成多目图像的第二成像装置,在同一时刻,飞行装置从空中特定位置对目标区域在同一时刻对目标区域进行三维点云成像以及多目视觉成像。
在本发明的一些具体实施例中,第二成像装置能够是双目或者多目摄像装置,双目或者多目摄像装置对目标区域进行拍摄,能够得到一组或者多组双目视觉图像,摄像装置不同的拍摄角度形成像素灰度差。
在本发明的一些具体实施例中,飞行装置上同时安装有用于采集定位数据的定位装置,比如通过卫星定位装置采集差分卫星定位数据。利用该卫星定位数据确定多目图像和点云图像的中心点。
在本发明的一些具体实施例中,点云图像和多个多目图像以中心点为基准进行重叠比对,经过重叠对比,首先一次性对点云图像和多目图像进行变形修正,具体的可以是删除与标准图像不重合的部分(去除点云图像与标准图像不重合部分的噪点);并且为了提高点云图像的边界识别率,对变形修正后的点云图像进行进一步滤波,具体为:根据重叠比对时,多张多目图像之间的像素灰度差会更加明显,根据像素灰度差确定反差边界线,对点云图像位于该反差边界线以外的噪点进行滤波。
通过此技术方案,将点云图像和多目图像与预先构建的目标区域的标准图像进行重叠对比,通过比对能够一次性的使变形的图像得到修正,去掉点云图像的噪点,有利于能够提高成像精确度。此技术方案还通过图像融合,结合点云图像的点云数据和多目视觉图像的深度和视差,强化道路图像的高程信息,点云数据的边界识别率较高,有利于道路的测绘和标定。
在本发明的一些具体实施例中,所述对所述点云修正图像位于所述反差边界线以外的噪点进行滤波,具体包括:
去除所述点云图像的位于所述反差边界线外离散的噪点。
在本发明的一些具体实施例中,多张多目图像重叠时,图像之间的像素灰度差更加明显,根据像素灰度差能够生成反差边界线,通过该反差边界线,能够对点云图像进行进一步滤波,进一步提高点云数据的边界识别率。具体为,为了提高点云数据的边界识别率,可以将反差边界线外的噪点去除,以实现点云图像的滤波。
在本发明的一些具体实施例中,所述对所述点云修正图像位于所述反差边界线以外的噪点进行滤波,具体包括:
将所述点云图像的位于所述反差边界线外的噪点进行收敛。
在本发明的一些具体实施例中,反差边界线外的噪点随机分布,离散分布在反差边界线外的噪点进行收敛,有利于提高点云数据的边界识别率。
在本发明的一些具体实施例中,高精度遥感快速成图方法还包括:确定所述多目图像的多个拍摄角度的拍摄角度差值,并根据所述拍摄角度差值确定所述像素灰度差。
在本发明的一些具体实施例中,不同的拍摄角度引起图像像素的不同,即像素灰度差。
在本发明的一些具体实施例中,高精度遥感快速成图方法还包括:多个所述目标区域共同组成待成像区域,拼接所有所述目标区域的所述融合成像图,得到所述待成像区域的全局成像图。
在本发明的一些具体实施例中,将待成像区域划分为若干个目标区域,多个目标区域共同组成该待成像区域。飞行装置能够以自身的成像范围进行局部成像,完成一处目标区域的成像后,继续飞往下一个目标区域进行成像,将所有目标区域的成像进行拼接就能过生成待成像区域的全局成像图。
在本发明的一些具体实施例中,所述飞行装置上还设有姿态感知装置,获取所述姿态感知装置采集的所述当前时刻下所述飞行装置的姿态数据,并根据所述定位数据和所述姿态数据对所述融合成像图进行标定。
在本发明的一些具体实施例中,能够利用定位数据、姿态数据对图像进行标定。具体的标定参见现有技术。
在本发明的一些具体实施例中,所述飞行装置为无人机,所述姿态数据包括所述无人机的俯仰角、偏航角和翻滚角。
在本发明的一些具体实施例中,在所述以所述中心坐标为基准,将所述点云图像、所述多目图像与所述目标区域的标准图像进行重叠比对之前,还包括:
构建所述目标区域的标准图像。
在本发明的一些具体实施例中,为了提高图像重叠比对的处理速度,减小计算压力,可以预先构建目标区域的标准图像,即针对目标区域内的设施、设备、建筑、人员等目标物预先进行海量的收集,建立标准图像库。
在本发明的又一些具体实施例中,还提供一种高精度遥感快速成图装置,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的所述程序指令以实现如上述任一实施例所述的高精度遥感快速成图方法。
在本发明的又一些具体实施例中,还提供一种计算机可读存储介质,所述计算机可读存储介质存储有程序代码,所述程序代码用于实现如上述任一实施例所述的高精度遥感快速成图方法。
该高精度遥感快速成图方法,通过获取同一时刻下目标区域的多目图像和点云图像,并利用该时刻下的定位数据确定点云图像和多目图像的中心点,并以该中心点为基准,重叠比对点云图像、多目图像和标准图像,通过一次比对,对多目图像和点云图像进行变形修正,可以很好的解决无人机拍摄地面物体因角度斜度造成的图像变形问题,无需对图像进行多维处理进行纠偏,比对过程简单,运算量小,处理速度快;并且利用重叠对比时多目图像的像素灰度差确定灰度差的反差边界线,并利用该反差边界线对点云图像进行滤波,进一步对点云数据进行修正(去除或者收敛点云图像位于所述反差边界线以外的噪点),进一步提高点云图像的边界识别率,最终通过图像融合得到较为精准的目标区域的融合成像图,有利于道路的遥感测绘。
为了便于理解,下面以一个示例来说明该高精度遥感快速成图方法的具体流程:对待成像区域(比如特定的小区域)进行高精度测绘成图,主要利用无人机(或旋翼飞行器)携带三维固态激光扫描仪、多目高清摄像机以及结合RTK差分高精度定位三维成图技术来实现,首先以无人机上的点云成像装置(即三维固态激光扫描仪)所能覆盖半径的80%的范围(该范围即对应目标区域)通过三维激光先扫描得到一张点云图;同时多目摄像模组(或者是双目摄像组)拟合出一张具有像素点灰度差(摄像头拍摄角度差形成灰度差)的照片,即多目图像(或者双目图像),再同时通过RTK卫星定位技术拾取照片的中心绝对坐标并获取此时无人机的三维摇摆角(即俯仰角、偏航角和翻滚角)对图像进行标定及修正。在这个环节中,三维激光点云数据与双目摄像头的图片以中心点为基准进行重合比对融合计算即获得一张非常精准的道路三维模型图,在利用中心标志点对若干张这种图进行拼接即可获得该区域全图。
在图像处理中为修正无人机拍摄地面物体因角度斜度造成的图像变形问题,以往需要对该物体进行多维处理进行纠偏,运算量大,计算过程复杂,本方法通过预先建立目标区域内的行业设施设备典型图库(收集海量设施、设备、人员等图库),在图像处理时,先通过一次比对,一次性使变形的图片得到修正,去掉三维激光点云数据的噪点,并且在图片重叠对比时多目图像的灰度值反差边界线会更明显,对比多目图像,将边界线外离散的激光点(即噪点)去掉或进行收敛以此作为点云数据的一次滤波,有利于提高成图精度。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种高精度遥感快速成图方法,其特征在于,包括:
获取当前时刻目标区域的多目图像和点云图像,其中,所述多目图像的第一成像装置和所述点云图像的第二成像装置均设置在同一个飞行装置上,所述多目图像为所述第一成像装置在所述当前时刻从多个拍摄角度拍摄的多个具有像素灰度差的图像;
获取所述飞行装置在所述当前时刻下的卫星定位数据,并根据所述卫星定位数据确定所述多目图像和所述点云图像的中心点;
以所述中心点为基准,将所述点云图像和所述多目图像与所述目标区域的标准图像进行重叠比对;
根据所述重叠比对,对所述多目图像进行变形修正得到第一待融合图像;
根据所述重叠比对,对所述点云图像进行变形修正,并根据重叠时的多个所述多目图像的所述像素灰度差确定反差边界线,对所述点云修正图像位于所述反差边界线以外的噪点进行滤波,得到第二待融合图像;
融合所述第一待融合图像和所述第二待融合图像得到所述目标区域的融合成像图。
2.根据权利要求1所述的高精度遥感快速成图方法,其特征在于,所述对所述点云修正图像位于所述反差边界线以外的噪点进行滤波,具体包括:
去除所述点云图像的位于所述反差边界线外离散的噪点。
3.根据权利要求1所述的高精度遥感快速成图方法,其特征在于,所述对所述点云修正图像位于所述反差边界线以外的噪点进行滤波,具体包括:
将所述点云图像的位于所述反差边界线外的噪点进行收敛。
4.根据权利要求1至3任一所述的高精度遥感快速成图方法,其特征在于,还包括:确定所述多目图像的多个拍摄角度的拍摄角度差值,并根据所述拍摄角度差值确定所述像素灰度差。
5.根据权利要求4所述的高精度遥感快速成图方法,其特征在于,还包括:多个所述目标区域共同组成待成像区域,拼接所有所述目标区域的所述融合成像图,得到所述待成像区域的全局成像图。
6.根据权利要求1所述的高精度遥感快速成图方法,其特征在于,所述飞行装置上还设有姿态感知装置,获取所述姿态感知装置采集的所述当前时刻下所述飞行装置的姿态数据,并根据所述定位数据和所述姿态数据对所述融合成像图进行标定。
7.根据权利要求6所述的高精度遥感快速成图方法,其特征在于,所述飞行装置为无人机,所述姿态数据包括所述无人机的俯仰角、偏航角和翻滚角。
8.根据权利要求1所述的高精度遥感快速成图方法,其特征在于,在所述以所述中心坐标为基准,将所述点云图像、所述多目图像与所述目标区域的标准图像进行重叠比对之前,还包括:
构建所述目标区域的标准图像。
9.一种高精度遥感快速成图装置,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的所述程序指令以实现如权利要求1至8中任一项所述的高精度遥感快速成图方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有程序代码,所述程序代码用于实现如权利要求1至8中任一项所述的高精度遥感快速成图方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210034221.5A CN114049474B (zh) | 2022-01-13 | 2022-01-13 | 一种高精度遥感快速成图方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210034221.5A CN114049474B (zh) | 2022-01-13 | 2022-01-13 | 一种高精度遥感快速成图方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114049474A true CN114049474A (zh) | 2022-02-15 |
CN114049474B CN114049474B (zh) | 2022-03-29 |
Family
ID=80196402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210034221.5A Active CN114049474B (zh) | 2022-01-13 | 2022-01-13 | 一种高精度遥感快速成图方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114049474B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020963A (zh) * | 2012-11-29 | 2013-04-03 | 北京航空航天大学 | 一种基于自适应分水岭的图割的多目立体匹配方法 |
CN107483911A (zh) * | 2017-08-25 | 2017-12-15 | 秦山 | 一种基于多目图像传感器的信号处理方法及*** |
CN108509918A (zh) * | 2018-04-03 | 2018-09-07 | 中国人民解放军国防科技大学 | 融合激光点云与图像的目标检测与跟踪方法 |
CN109506642A (zh) * | 2018-10-09 | 2019-03-22 | 浙江大学 | 一种机器人多相机视觉惯性实时定位方法及装置 |
CN110428008A (zh) * | 2019-08-02 | 2019-11-08 | 深圳市唯特视科技有限公司 | 一种基于多融合传感器的目标探测与识别装置和方法 |
CN112686935A (zh) * | 2021-01-12 | 2021-04-20 | 武汉大学 | 基于特征融合的机载测深雷达与多光谱卫星影像配准方法 |
CN113177565A (zh) * | 2021-03-15 | 2021-07-27 | 北京理工大学 | 一种基于深度学习的双目视觉位置测量***及方法 |
CN113888416A (zh) * | 2021-09-10 | 2022-01-04 | 北京和德宇航技术有限公司 | 卫星遥感图像数据的处理方法 |
-
2022
- 2022-01-13 CN CN202210034221.5A patent/CN114049474B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020963A (zh) * | 2012-11-29 | 2013-04-03 | 北京航空航天大学 | 一种基于自适应分水岭的图割的多目立体匹配方法 |
CN107483911A (zh) * | 2017-08-25 | 2017-12-15 | 秦山 | 一种基于多目图像传感器的信号处理方法及*** |
CN108509918A (zh) * | 2018-04-03 | 2018-09-07 | 中国人民解放军国防科技大学 | 融合激光点云与图像的目标检测与跟踪方法 |
CN109506642A (zh) * | 2018-10-09 | 2019-03-22 | 浙江大学 | 一种机器人多相机视觉惯性实时定位方法及装置 |
CN110428008A (zh) * | 2019-08-02 | 2019-11-08 | 深圳市唯特视科技有限公司 | 一种基于多融合传感器的目标探测与识别装置和方法 |
CN112686935A (zh) * | 2021-01-12 | 2021-04-20 | 武汉大学 | 基于特征融合的机载测深雷达与多光谱卫星影像配准方法 |
CN113177565A (zh) * | 2021-03-15 | 2021-07-27 | 北京理工大学 | 一种基于深度学习的双目视觉位置测量***及方法 |
CN113888416A (zh) * | 2021-09-10 | 2022-01-04 | 北京和德宇航技术有限公司 | 卫星遥感图像数据的处理方法 |
Non-Patent Citations (3)
Title |
---|
ZAN GOJCIC等: "《Learning multiview 3D point cloud registration》", 《IEEE XPLORE.》 * |
杜瑞建等: "《多视高分辨率纹理图像与双目三维点云的映射方法》", 《中国光学》 * |
赵龙等: "《改进ICP算法用于多组图像的点云拼接与融合》", 《SOFTWARE》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114049474B (zh) | 2022-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109920011B (zh) | 激光雷达与双目摄像头的外参标定方法、装置及设备 | |
CN107316325B (zh) | 一种基于图像配准的机载激光点云与影像配准融合方法 | |
CN109887087B (zh) | 一种车辆的slam建图方法及*** | |
KR101666959B1 (ko) | 카메라로부터 획득한 영상에 대한 자동보정기능을 구비한 영상처리장치 및 그 방법 | |
EP1378790B1 (en) | Method and device for correcting lens aberrations in a stereo camera system with zoom | |
CN107492069B (zh) | 基于多镜头传感器的图像融合方法 | |
US20160212418A1 (en) | Multiple camera system with auto recalibration | |
US20220215573A1 (en) | Camera pose information detection method and apparatus, and corresponding intelligent driving device | |
CN106600644B (zh) | 全景摄像机的参数矫正方法及装置 | |
Lao et al. | A robust method for strong rolling shutter effects correction using lines with automatic feature selection | |
CN111429527B (zh) | 一种车载相机的外参自动标定方法及*** | |
CN112785655A (zh) | 一种基于车道线检测的环视相机外参自动标定方法、装置、设备及计算机存储介质 | |
CN109709977B (zh) | 移动轨迹规划的方法、装置及移动物体 | |
Sai et al. | Geometric accuracy assessments of orthophoto production from uav aerial images | |
CN106846385B (zh) | 基于无人机的多传感遥感影像匹配方法、装置和*** | |
KR102159134B1 (ko) | 무인비행기를 이용한 비측량용 실시간 고해상도 정사지도 생성 방법 및 비측량용 실시간 고해상도 정사지도 생성 장치 | |
CN114550042A (zh) | 一种道路消失点提取方法、车载传感器标定方法及装置 | |
CN116385504A (zh) | 一种基于无人机采集点云与图像配准的巡检、测距方法 | |
WO2020114433A1 (zh) | 一种深度感知方法,装置和深度感知设备 | |
CN107941241B (zh) | 一种用于航空摄影测量质量评价的分辨率板及其使用方法 | |
CN114049474B (zh) | 一种高精度遥感快速成图方法、装置及存储介质 | |
CN117036666B (zh) | 基于帧间图像拼接的无人机低空定位方法 | |
CN113096016A (zh) | 一种低空航拍图像拼接方法和*** | |
CN111127379B (zh) | 光场相机2.0的渲染方法及电子设备 | |
CN110363806B (zh) | 一种利用不可见光投射特征进行三维空间建模的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |