多视影像的imu/gnss引导匹配方法
【技术领域】
[OOOU本发明设及航空摄影领域，具体而言，设及多视影像的IMU/GNSS引导匹配方法。【背景技术】
[0002]航空摄影（aerialphotography)，又称航拍，是指在飞机或其他航空飞行器上利 用航空摄影机摄取地面景物像片的技术。按像片倾斜角分类（像片倾斜角是航空摄影机主 光轴与通过透镜中屯、的地面铅垂线（主垂线）间的夹角），可将摄影方式分为垂直摄影和倾 斜摄影。
[0003] 其中，倾斜摄影技术是近些年国际测绘领域发展起来的一项高新技术，它突破了 过去正射影像只能从垂直角度拍摄的局限，通过在同一飞行平台上搭载多台传感器（不同 照相机的主光轴与地面的夹角不同），进而在飞行的同时从垂直和倾斜的多个不同角度获 取多视影像（垂直影像和倾斜影像）。
[0004] 通过在同一飞行平台上搭载多台传感器，能够在一次曝光动作中，从一个垂直和 四个倾斜，该5个不同的角度采集得到影像。由此，获得的多视影像不仅能够真实地反映地 物情况，高精度地获取物体侧方纹理信息，还可通过采用先进的定位定姿技术，嵌入精确的 地理信息。
[0005] 随着倾斜航空航摄仪的日益广泛使用，获取大重叠度的多视航空影像将变得越来 越容易，逐渐成为航空摄影的一种通用作业模式。多年来，人们对双目立体匹配进行了广 泛的研究，而多视图匹配与双目立体匹配相比，具有很强的优越性，其优势在于：视图增多， 匹配模糊度降低，匹配精度提高。现今，多视图匹配技术的受重视程度逐年升高。
[0006] 多视影像匹配可W有效减少由于遮挡、重复纹理等带来的一系列问题。国内外已 经有一些关于该方面的研究，相关技术，如高冗余影像匹配方法，通过获取序列影像得到具 有不同基高比的立体像对，再分别对每个立体像对采用不同的匹配算法生成视差图，再完 成融合，W获取每个像素最可靠和精确的高程值，但此种方法计算量较大。相关技术中的另 一种方法，多影像相似性测度方法，其通过设定高程值来实现基准影像与捜索影像同名像 点的关联。相关技术中的方法还有如平均归一化相关系数法、自动生成高精度DSM的方法。 W上各种方法，当摄影基线较大时，相似性测度的计算会变得非常复杂；如果影像外方位元 素不精确，会造成较大的投影误差。为此，出现了将匹配得到的所有候选点直接投影到物方 空间，经松弛优化而确定正确匹配点的方法。虽然，该种方法在一定程度上弥补了前面几种 方法的不足，但是要找出正确的物方组合则需要进行十分复杂的分析。
[0007] 考虑到多视影像的特殊性，相关技术中通常采用综合利用像方和物方信息的多影 像匹配方法。具体为；在一组重叠影像中，取中央影像作为基准影像（也称主影像，是W该 影像为主，去寻找与该主影像上特征点相匹配的位于其他影像上的特征点），其余的待捜 索影像分别与之构成立体像对，先利用带几何约束条件的相关系数法进行各立体像对的初 匹配；再利用松弛法整体影像匹配技术进一步确定基准影像特征点在捜索影像上的同名点 (同名点是相同的被拍摄物在不同影像上所呈现的像点）；然后通过带选权迭代粗差检测 功能的多光线前方交会方法实现各立体像对匹配结果在物空间的融合，从而获得准确的高 程信息，进而完成影像的拼接或合成。
[000引在进行航摄的时候，飞行器（搭载有多台传感器）会按照既定的航带进行飞行，并 且在飞行到指定位置的时候，控制传感器（如数码相机）进行曝光，进而完成了影像的拍 摄。其中，多条航带之间是两两平行的，不同视角的影像是从不同的角度对同一个被拍摄物 进行摄影的，也就是，针对同一被拍摄物，不同视角的影像所拍摄到的纹理可能会有一定差 另IJ。由此，综合利用像方和物方信息的多影像匹配方法，没有充分考虑到影像视角的问题。 在进行特征点匹配的时候，所确定的特征点的特征不够准确，从而造成了匹配误差或匹配 失败。
【发明内容】
[0009] 有鉴于此，本发明实施例的目的在于提供多视影像的IMU/GNSS引导匹配方法，W 提高正确确定匹配点的概率。
[0010] 第一方面，本发明实施例提供了多视影像的IMU/GNSS引导匹配方法，包括：
[0011] 根据主影像和匹配影像上每个像素点角点响应值的大小，分别确定主影像上的参 考特征点，和匹配影像上的候选特征点；
[001引根据主影像和匹配影像的IMU/GNSS数据和参考特征点，计算参考特征点在匹配 影像上的对应像点；
[0013] W对应像点为中屯、，确定捜索区域；
[0014] 依次计算捜索区域内的每个候选特征点与参考特征点的距离；
[0015] 选择捜索区域内的多个候选特征点中，与参考特征点距离符合预设要求的特征点 作为参考特征点的匹配特征点。
[0016] 结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，还 包括：
[0017] 分别计算主影像与多个原始影像的重叠度；
[0018] 将与主影像重叠度超过预设的重叠度阔值的原始影像作为匹配影像。
[0019] 结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，还 包括：
[0020] 将摄区进行分块，W确定多个顺序排列的区域块，相邻的两个区域块部分重叠；
[0021] 根据主影像的摄影中屯、点的坐标、每个原始影像的摄影中屯、点的坐标和每个区域 块的坐标，将指定的原始影像作为优选影像，优选影像的摄影中屯、点与主影像的摄影中屯、 点在相同的区域块中；
[0022] 步骤分别计算主影像与每张原始影像的重叠度包括：
[0023] 分别计算主影像与每个优选影像的重叠度。
[0024] 结合第一方面，本发明实施例提供了第一方面的第=种可能的实施方式，其中，还 包括；根据摄区内全部原始影像的摄影中屯、点密度，确定区域块的大小。
[0025] 结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，还 包括：
[0026] 分别计算主影像和匹配影像上每个像素点在指定坐标系横方向的一阶梯度ly和 纵方向的一阶梯度ly;
[0027] 根据如下公式计算主影像和匹配影像上每个像素点的矩阵
其中， ^二w(x，y)0巧，巧=W〇，y)0/J，C二公二W托一v)0(/,7,)，w(x，y)为预设的高斯函数；
[002引根据如下公式分别计算主影像和匹配影像上每个像素点的角点响应值，R=AB-C2-k2 (A+B)2，其中，R为角点响应值，k为预设的常数。
[0029] 结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，在 步骤根据主影像和匹配影像上每个像素点角点响应值的大小，分别确定主影像上的参考特 征点，和匹配影像上的候选特征点前，在步骤根据如下公式分别计算主影像和匹配影像上 每个像素点的角点响应值，R=AB-C2-k2(A+B)2,其中，R为角点响应值，k为预设的常数后； 还包括：对主影像和匹配影像上的每个像素点进行非最大值抑制。
[0030] 结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，W 对应像点为中屯、，确定捜索区域包括：
[0031] 获取参考特征点关于匹配影像的参考核线；
[0032]W对应像点为中心沿参考核线所在的方向上构建预定范围的捜索区域。
[0033] 结合第一方面，本发明实施例提供了第一方面的第走种可能的实施方式，其中，选 择捜索区域内的多个候选特征点中，与参考特征点距离符合预设要求的特征点作为参考特 征点的匹配特征点包括：
[0034] 确定多个候选特征点中与参考特征点距离最近的第一候选点和多个候选特征点 中与参考特征点距离第二近的第二候选点；
[0035] 若第一候选点与参考特征点的距离与第二候选点与参考特征点的距离之比小于 预设比较阔值，且第一候选点与参考特征点的距离小于预设的距离阔值，则确定第一候选 点为参考特征点的匹配特征点。
[0036] 结合第一方面，本发明实施例提供了第一方面的第八种可能的实施方式，其中，依 次计算捜索区域内的每个候选特征点与参考特征点的距离包括：
[0037] 根据预先获取的参考特征点的多维特征向量和每个候选特征点的多维特征向量， 分别计算参考特征点与每个候选特征点的距离。
[003引结合第一方面，本发明实施例提供了第一方面的第九种可能的实施方式，其中，计 算参考特征点与每个候选特征点的距离包括：
[0039] 建立与参考特征点的方向相符的参考坐标轴；
[0040] W参考坐标轴为参照，重新确定参考特征点在参考坐标轴的坐标；
[0041] W参考特征点为中屯、，选择参考特征点附近16*16个像素点的特征向量作为参考 特征点的特征向