-
公开(公告)号：CN105160702B
公开(公告)日：2017-09-29
申请号：CN201510513972.5
申请日：2015-08-20
Applicant: 武汉大学
IPC: G06T17/00
Abstract: 一种基于LiDAR点云辅助的立体影像密集匹配方法及系统，将投影获取立体像对重叠范围内的LiDAR点云并滤波处理；将滤波后的点云投影到核线立体像对上，确定后续密集匹配的视差范围；建立金字塔，从金字塔顶层开始，采用三角网约束改造代价矩阵，进行SGM密集匹配，并进行左右一致性检测，得到顶层最终的视差图；将金字塔当前层的视差图传递到下一层作为初始视差图，根据当前层的视差图相应确定下一层的视差范围，将下一层作为新的当前层；基于新的当前层，同样处理得到当前层最终的视差图，直到金字塔的底层，输出原始影像的视差图，根据视差图，得到立体像对的同名点，生成密集匹配的点云。
-
公开(公告)号：CN102419172B
公开(公告)日：2014-07-30
申请号：CN201110237095.5
申请日：2011-08-18
Applicant: 武汉大学
IPC: G01C11/04
Abstract: 本发明涉及一种附加非线性约束条件的立体像对自动相对定向方法。本发明首先将共面条件方程展开，得到相对定向直接解的基本模型；再利用若干对同名像点求出相对定向直接解基本模型的8个未知参数；给定基线分量Bx，进一步求出共面条件方程展开式的9个系数；将上步求出的9个系数作为平差的初值，结合附加约束条件进行平差计算；逐步迭代求解系数，通过迭代求解出系数的精确值后，可根据传统相对定向直接解的有关公式分解得到相对定向元素。本发明具有如下优点：相对定向元素解算过程中无需初值，适用于倾角较大的航摄影像或非量测相机所摄影像，在低空摄影测量和近景摄影测量领域有较好的应用前景。
-
公开(公告)号：CN102322863B
公开(公告)日：2013-07-24
申请号：CN201110210407.3
申请日：2011-07-26
Applicant: 武汉大学
IPC: G01C21/24
Abstract: 一种遥感卫星多星联合逆向定轨定姿方法，利用地面控制信息，进行逆向的定轨定姿，以获取更高精度的国产遥感卫星轨道和姿态数据的一种方法。该方法假定多星逆向定轨定姿所需控制信息、连接点，加密点等均已获取，且已经转化为多星逆向定轨定姿系统认可的格式。首先采用系统误差补偿模型，补偿整个轨道的常数项偏移误差，即每个外方位元素都有一个系统误差补偿参数。这样可以消除整体的轨道偏移误差，然后再采用定向片模型消除轨道之间以及轨道内部的误差。本发明的优点是能够充分发挥已有地理信息的作用，进行多颗国产遥感卫星数据的联合逆向定轨定姿，显著提高国产遥感卫星的对地定位精度。
-
公开(公告)号：CN105205808A
公开(公告)日：2015-12-30
申请号：CN201510513876.0
申请日：2015-08-20
Applicant: 武汉大学
IPC: G06T7/00
CPC classification number: G06T2207/20221
Abstract: 本发明提供基于多特征多约束的多视影像密集匹配融合方法及系统，包括根据多重约束，为每一张基准影像分别选择若干张待匹配影像，得到待匹配影像集合，基准影像和相应匹配影像集合构成一个匹配模型；对各个匹配模型，利用多视约束条件，进行半全局密集匹配，直接生成单个匹配模型的密集匹配结果，得到相应高程图；根据格网点之间的高程平滑约束，在全局能量函数最小的条件下，对多个匹配模型的密集匹配结果进行融合；联合面特征和线特征进行点云优化，生成最终的点云。本发明技术方案能够自动选择合理的立体像对，充分利用多视信息使匹配结果更为精确可靠，能够获取全局意义下的最优多视融合结果，优化生成的点云更加精细。
-
公开(公告)号：CN105160702A
公开(公告)日：2015-12-16
申请号：CN201510513972.5
申请日：2015-08-20
Applicant: 武汉大学
IPC: G06T17/00
Abstract: 一种基于LiDAR点云辅助的立体影像密集匹配方法及系统，将投影获取立体像对重叠范围内的LiDAR点云并滤波处理；将滤波后的点云投影到核线立体像对上，确定后续密集匹配的视差范围；建立金字塔，从金字塔顶层开始，采用三角网约束改造代价矩阵，进行SGM密集匹配，并进行左右一致性检测，得到顶层最终的视差图；将金字塔当前层的视差图传递到下一层作为初始视差图，根据当前层的视差图相应确定下一层的视差范围，将下一层作为新的当前层；基于新的当前层，同样处理得到当前层最终的视差图，直到金字塔的底层，输出原始影像的视差图，根据视差图，得到立体像对的同名点，生成密集匹配的点云。
-
Patent Agency Ranking
公开(公告)号：CN103927731A
公开(公告)日：2014-07-16
申请号：CN201410185716.3
申请日：2014-05-05
Applicant: 武汉大学
Abstract: 本发明公开了一种无需POS辅助的低空遥感影像快速自动拼接方法，包括步骤：步骤1，低空遥感影像测区的全自动恢复；步骤2，根据精匹配种子点对预处理后的影像进行精匹配获得精匹配结果；步骤3，对精匹配结果进行自由网平差迭代获得平差结果；步骤4，根据差结果内插生成影像的数字地面模型，根据平差结果获取影像在自由网坐标系下的相对外方位元素，基于数字地面模型和相对外方位元素对各影像进行正射纠正，同时生成测区的正射影像拼接图。本发明无需POS数据辅助，可实现全自动、快速生产正射影像拼图，能满足遥感影像准实时处理要求，适用于灾害应急响应、军事保障等领域。
-
公开(公告)号：CN102419172A
公开(公告)日：2012-04-18
申请号：CN201110237095.5
申请日：2011-08-18
Applicant: 武汉大学
IPC: G01C11/04
Abstract: 本发明涉及一种附加非线性约束条件的立体像对自动相对定向方法。本发明首先将共面条件方程展开，得到相对定向直接解的基本模型；再利用若干对同名像点求出相对定向直接解基本模型的8个未知参数；给定基线分量Bx，进一步求出共面条件方程展开式的9个系数；将上步求出的9个系数作为平差的初值，结合附加约束条件进行平差计算；逐步迭代求解系数，通过迭代求解出系数的精确值后，可根据传统相对定向直接解的有关公式分解得到相对定向元素。本发明具有如下优点：相对定向元素解算过程中无需初值，适用于倾角较大的航摄影像或非量测相机所摄影像，在低空摄影测量和近景摄影测量领域有较好的应用前景。
-
公开(公告)号：CN105205808B
公开(公告)日：2018-01-23
申请号：CN201510513876.0
申请日：2015-08-20
Applicant: 武汉大学
Abstract: 本发明提供基于多特征多约束的多视影像密集匹配融合方法及系统，包括根据多重约束，为每一张基准影像分别选择若干张待匹配影像，得到待匹配影像集合，基准影像和相应匹配影像集合构成一个匹配模型；对各个匹配模型，利用多视约束条件，进行半全局密集匹配，直接生成单个匹配模型的密集匹配结果，得到相应高程图；根据格网点之间的高程平滑约束，在全局能量函数最小的条件下，对多个匹配模型的密集匹配结果进行融合；联合面特征和线特征进行点云优化，生成最终的点云。本发明技术方案能够自动选择合理的立体像对，充分利用多视信息使匹配结果更为精确可靠，能够获取全局意义下的最优多视融合结果，优化生成的点云更加精细。
-
公开(公告)号：CN103489197B
公开(公告)日：2016-03-09
申请号：CN201310489252.0
申请日：2013-10-18
Applicant: 武汉大学
IPC: G06T7/00
Abstract: 一种城市地区航空影像角特征匹配方法，包括输入左、右两张航空影像以及两航空影像的初始内外方位元素，分别在左、右两张航空影像上提取建筑物的角特征；对于在左影像上提取的所有角特征，根据两航空影像的初始内外方位元素计算角点在右影像上对应的核线，将右影像上的核线上下扩展一定范围构成右影像上的搜索区，对于右影像上所有落入搜索区内的角特征，逐一与左影像上待匹配的角特征进行同名角特征初始匹配，获得候选同名角特征，然后结合角特征所处位置的影像灰度信息进行同名角特征精匹配，得到左影像上待匹配的角特征和各候选同名角特征之间的相关系数，取相关系数最大且大于预设相关系数阈值的角特征对作为最终的同名角特征对。
-
公开(公告)号：CN102322863A
公开(公告)日：2012-01-18
申请号：CN201110210407.3
申请日：2011-07-26
Applicant: 武汉大学
IPC: G01C21/24
Abstract: 一种遥感卫星多星联合逆向定轨定姿方法，利用地面控制信息，进行逆向的定轨定姿，以获取更高精度的国产遥感卫星轨道和姿态数据的一种方法。该方法假定多星逆向定轨定姿所需控制信息、连接点，加密点等均已获取，且已经转化为多星逆向定轨定姿系统认可的格式。首先采用系统误差补偿模型，补偿整个轨道的常数项偏移误差，即每个外方位元素都有一个系统误差补偿参数。这样可以消除整体的轨道偏移误差，然后再采用定向片模型消除轨道之间以及轨道内部的误差。本发明的优点是能够充分发挥已有地理信息的作用，进行多颗国产遥感卫星数据的联合逆向定轨定姿，显著提高国产遥感卫星的对地定位精度。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.022 seconds)
