← 返回列表
基于深度学习的低空遥感影像多视立体匹配方法及系统
申请人信息
- 申请人:深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心); 黑龙江工程学院
- 申请人地址:518034 广东省深圳市福田区香蜜湖街道红荔西路8007号土地房地产交易大厦2楼
- 发明人: 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心); 黑龙江工程学院
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于深度学习的低空遥感影像多视立体匹配方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410140397.8 |
| 申请日 | 2024/2/1 |
| 公告号 | CN117670961A |
| 公开日 | 2024/3/8 |
| IPC主分类号 | G06T7/33 |
| 权利人 | 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心); 黑龙江工程学院 |
| 发明人 | 杨楠; 田静 |
| 地址 | 广东省深圳市福田区香蜜湖街道红荔西路8007号土地房地产交易大厦2楼; 黑龙江省哈尔滨市道外区红旗大街999号 |
摘要文本
本发明公开了一种基于深度学习的低空遥感影像多视立体匹配方法及系统，首先在初始影像中提取并匹配均匀分布的特征点，通过构建卷积神经网络优化特征匹配获取高精度种子点；然后利用影像像素与物方面元的投影关系扩散种子，将不相邻影像中的对应像点及其周围像素输入卷积神经网络获取最优匹配及对应三维点坐标；最后利用密度约束及特征约束过滤异常匹配点，精化点云模型。本发明利用卷积神经网络学习多视影像在视差突变、灰度突变和弱纹理等不利条件下的稳健匹配以提高匹配精度与重建点云完整度，通过不相邻影像匹配优化降低多视立体匹配算法的时间复杂度，在保证精度与完整度的前提下提高匹配效率。
专利主权项内容
1.一种基于深度学习的低空遥感影像多视立体匹配方法，其特征在于，包括以下步骤：步骤1：在初始影像中提取均匀分布的特征点并匹配，将初始匹配像点输入特征匹配卷积神经网络进行优化匹配，通过优化后同名像点与影像参数带入前方交会误差方程获取均匀分布的种子点；步骤2：过种子点建立物方面元，将种子点对应同名像素周围×个像素投影到物方面元上对种子点局部进行扩散，利用扩散后三维点与影像间的投影关系筛选参与匹配的影像并约束匹配优化范围，将目标影像及目标范围内的像素输入点云扩散优化卷积神经网络，逐点优化匹配并计算对应地物点坐标，得到加密后三维点云；其中，为预设值；μμμ步骤3：异常点过滤，获得基于深度学习的低空遥感影像多视立体匹配结果三维点云模型。