论文部分内容阅读
随着计算机视觉和摄影测量技术的发展,利用计算机视觉的运动恢复目标结构算法(Structure Form Motion,SFM)和多视图立体视觉重构算法(multi-view stereo,MVS),对多视图像进行匹配的倾斜摄影测量技术迅速的发展起来。多视倾斜摄影测量可以从多个角度对地面地物进行拍摄,能够获得对象除垂直方向外的侧面纹理信息,可以全面的反映对象的纹理属性。使用SFM和MVS算法对多视影像进行匹配,获得对象的稀疏点云、密集点云,并使用垂直影像制作正射影像。分别使用格网化数学形态学法和迭代三角网内插法对密集点云数据进行分类处理,分类后的地面点云生成DEM,并生成等高线,结合正射影像的地物数字化图,制作DLG。本文研究内容的方法和结果如下:(1)对多视影像匹配的方法进行研究。多视影像特征点提取和匹配后,使用SFM算法得到对象的稀疏点云数据,因稀疏点云的对象可视化程度低,不能反映对象的特征,因此,在稀疏点云的基础上使用基于片面的多视图立体视觉(patch-based MVS algorithm,PMVS)算法进行密集匹配,获得对象的密集点云数据,能够较完整的反映对象的特征。以密集点云为数据基础,进行下面的点云分类和测图应用研究。(2)多视影像密集匹配获得的密集点云数据为离散点,借鉴LIDAR点云离散点的分类处理算法,重点研究格网化数学形态学法和迭代三角网内插法对倾斜影像密集匹配的点云数据进行处理,通过实验对比两种算法处理的结果,并使用定性和定量评价的方法,分析各算法处理的结果,得出迭代三角网内插法较适用于多视影像密集匹配的点云分类处理,获得地面点和非地面点数据。(3)最后,利用地面点数据和获得的正射图像,进行数字线划图(Digital Line Graphic,DLG)的制作。密集点云数据的密度和数据量较大,处理时比较困难,需要对密集点云数据进行预处理。首先,需要对点云数据进行抽稀处理,然后对抽稀后的简化点云数据进行数字高程模型(Digital Elevation Model,DEM)制作,生成等高线,以正射影像图为底图进行数字线划图的平面图制作,最后,把等高线加入,形成完整的数字线划图。