基于本质矩阵的无人机影像精确匹配

doi:10.13474/j.cnki.11-2246.2020.0248

测绘通报 ›› 2020, Vol. 0 ›› Issue (8): 55-58,75.doi: 10.13474/j.cnki.11-2246.2020.0248

基于本质矩阵的无人机影像精确匹配

葛义攀¹, 王晓红²

1. 贵州大学矿业学院, 贵州贵阳 550025;
2. 贵州大学林学院, 贵州贵阳 550025

收稿日期:2019-11-13 发布日期:2020-09-01
通讯作者: 王晓红。E-mail:124650846@qq.com E-mail:124650846@qq.com
作者简介:葛义攀(1994-),男,硕士,研究方向为地图制图学与地理信息工程。E-mail:ypange@126.com
基金资助:
贵州省自然科学基金（黔科合J字〔2014〕2070）；贵州省科技计划（黔科合LH字〔2014〕7649）

An accurate UAV image matching based on essential matrix

GE Yipan¹, WANG Xiaohong²

1. Mining College, Guizhou University, Guiyang 550025, China;
2. College of Forestry, Guizhou University, Guiyang 550025, China

Received:2019-11-13 Published:2020-09-01

摘要/Abstract

摘要： 无人机影像以其低成本、获取容易、信息量大等优点得到了广泛的应用。影像匹配是影像数据处理的重要环节，常用影像匹配的方法存在误匹配多或剔除大量正确匹配的问题。LMedS算法比其他稳健方法更严格，"5点算法"得到的本质矩阵可用于匹配点对共面的场景。本文使用LMedS算法结合"5点算法"求解本质矩阵作为剔除误差的模型，同时利用ORB算法提取速度快的特点，构建了一种精准同时兼顾了效率的匹配方法。本文对该算法开展了试验研究，并与其他常规算法进行比较。试验结果表明，本文算法保留的匹配点数数量多，分布较均匀，适用于多种场景，是一种有效、快速精准的影像匹配算法。

关键词: 无人机影像, 影像匹配, 本质矩阵, 单应矩阵, LMedS算法

Abstract: Unmanned aerial vehicle (UAV) images have been widely used for their low cost, easy access, and large amount of information. Image matching is an important research topic because the commonly used image matching methods often mismatch or eliminate a large number of matching pair. LMeds algorithm is more stricter than other robust method. The essential matrix obtained by "5-point algorithm" can be used to match point-pair coplanar scenarios. This paper uses the essential matrix, which is solved using the LMedS algorithm combined with the "5-point algorithm", as the model to culling the error. At the same time, the ORB method with the attributes of fast featuring characteristics is used to construct a precise and efficient matching method. The experimental result shows that the proposed algorithm retains a large number of uniformly distributed matching pairs. This method is fast and accurate with efficiency and can be applied in various scenarios.

Key words: UAV image, image matching, essential matrix, homography matrix, LMedS algorithm

中图分类号:

P237

葛义攀, 王晓红. 基于本质矩阵的无人机影像精确匹配[J]. 测绘通报, 2020, 0(8): 55-58,75.

GE Yipan, WANG Xiaohong. An accurate UAV image matching based on essential matrix[J]. Bulletin of Surveying and Mapping, 2020, 0(8): 55-58,75.

参考文献

[1] 何孝莹, 岳建伟, 张栩然.基于SIFT算法的无人机影像快速匹配[J].计算机工程, 2011, 37(7):216-218,230.
[2] BAY H,TUYTELAARS T,VAN G L. SURF:speeded up robust features[C]//Proceedings of European Confer-ence on Computer Vision. Berlin:Springer, 2006:404-417.
[3] 梁焕青, 范永弘, 万惠琼, 等.一种运用AKAZ特征的无人机遥感影像拼接方法[J].测绘科学技术学报, 2016, 33(1):71-75.
[4] 覃兵, 田军, 查宇飞, 等.利用二值描述符的实时目标跟踪算法[J].西安电子科技大学学报, 2015, 42(5):168-174.
[5] RUBLEE E, RABAUD V, KONOLIGE K, et al.ORB:an efficient alternative to SIFT or SURF[C]//Proceedings of International Conference on Computer Vision. Barcelona:IEEE, 2011:2564-2571.
[6] 何志伟, 王晓红, 邓仕雄, 等.一种喀斯特地貌无人机遥感影像的快速匹配方法[J].测绘科学, 2019, 44(7):105-110.
[7] 王晓红, 邓仕雄, 何志伟,等.结合SURF算法和单应性矩阵的无人机影像匹配[J].测绘通报, 2018(7):38-42.
[8] 李城,王仁礼,王成港,等. 改进MSAC估计F与H矩阵在匹配点中的提纯[J].测绘通报,2018(4):104-107,140.
[9] NISTER D. An efficient solution to the five-point relative pose problem[C]//Proceedings of 2003 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Madison, WI:IEEE, 2003:195.
[10] 高翔,张涛.视觉SLAM十四讲[M].北京:电子工业出版社,2017.
[11] HARTLEY R, ZISSERMAN A. Multiple view geometry in computer vision[M]. 2nd ed.[S.l.]:Cambridge Univercity Press, 2004.
[12] 王文斌, 刘桂华, 刘先勇, 等.本质矩阵五点算法伪解的两种剔除策略[J].光电工程, 2010, 37(8):46-52.
[13] 唐琪博, 侯守明.基于改进的ORB算法与姿态估计的跟踪注册方法研究[J].计算机应用研究, 2016, 33(12):3905-3908.
[14] MEER P, MINTZ D, ROSENFELD A, et al. Robust regression methods for computer vision:a review[J].International Journal of Computer Vision, 1991, 6(1):59-70.
[15] ZHANG M, WANG G G, CHAO H Y, et al. fast and robust algorithm for fundamental matrix estimation[C]//ICIAR 2015:Image Analysis and Recognition.[S.l.]:Springer, 2015:316-322.

基于本质矩阵的无人机影像精确匹配

An accurate UAV image matching based on essential matrix

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	周烨, 刘云波, 郑丽波, 龙泱君. 多平台点云数据的单木参数提取精度分析[J]. 测绘通报, 2022, 0(7): 168-172.
[2]	石壮, 杜全叶, 王庆栋, 马东岭, 崔琰. 虚拟格网分类支持下的密集匹配点云布料模拟滤波[J]. 测绘通报, 2022, 0(2): 73-77.
[3]	贾煜, 汪泓, 蔡宏, 张磊. 结合地形因子与分层策略的喀斯特地区无人机影像分类[J]. 测绘通报, 2022, 0(2): 121-127.
[4]	胡春梅, 夏国芳, 张旭, 刘喜, 王伟, 尉丽霞. 文物对象近景序列影像位姿高精度估计方法[J]. 测绘通报, 2022, 0(1): 50-55.
[5]	高莎, 袁希平, 甘淑, 杨明龙, 袁新悦, 罗为东. 融合无人机影像与LiDAR点云的山区地表覆被景观特征探测[J]. 测绘通报, 2022, 0(1): 110-115.
[6]	高莎, 袁希平, 甘淑, 杨亚复, 李霞. 面向复杂山地的机载LiDAR与无人机影像融合应用[J]. 测绘通报, 2021, 0(7): 65-69.
[7]	王挺, 陈超然, 彭梦圆, 黄尔双, 黄霞. POS辅助和核线约束的倾斜影像匹配方法[J]. 测绘通报, 2021, 0(5): 91-95.
[8]	喜文飞, 赵子龙, 王绍君, 沈志坚, 李帅. 一种改进的无人机影像拼接粗差剔除算法[J]. 测绘通报, 2021, 0(2): 36-39.
[9]	钱学飞, 沈映政, 王友昆, 陈宇, 徐博. 一种改进SURF的视觉影像匹配算法[J]. 测绘通报, 2021, 0(1): 99-102,107.
[10]	刘燕, 杨树文, 薛理, 赵利江. 参考地理数据的大比例尺影像无控定位[J]. 测绘通报, 2020, 0(8): 18-22,27.
[11]	陈艳楠, 汪佳丽. 利用投影影像精化数字表面模型[J]. 测绘通报, 2020, 0(6): 45-48,56.
[12]	李闯, 王晓红, 何志伟. 利用A-AKAZE算法进行喀斯特地区无人机影像匹配[J]. 测绘通报, 2020, 0(6): 53-56.
[13]	喜文飞, 史正涛, 李国柱. 图论算法的无人机影像匹配特征点粗差剔除[J]. 测绘通报, 2020, 0(4): 6-10.
[14]	张冬梅, 卢小平, 苗沛基, 周雨石, 马靓婷. 一种改进的APAP影像匹配算法[J]. 测绘通报, 2020, 0(3): 123-128.
[15]	耿仁方, 付波霖, 金双根, 蔡江涛, 耿万轩, 娄佩卿. 面向对象的无人机遥感影像岩溶湿地植被遥感识别[J]. 测绘通报, 2020, 0(11): 13-18.