資源描述：
《低空輕小型無人機(jī)遙感圖像快速拼接關(guān)鍵技術(shù)研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、分類號密級中國地質(zhì)大學(xué)（北京）碩士學(xué)位論文低空輕小型無人機(jī)遙感圖像快速拼接關(guān)鍵技術(shù)研允學(xué)號：2012120011jm研生：李建明V.專業(yè)：測繪科學(xué)與技術(shù)研究方向：遙感信息處理與應(yīng)用/為:?>/A??;?‘*>--：‘'飛iv.指導(dǎo)教師：彭軍還教授2015年5月分類號密級中國地質(zhì)大學(xué)（北京）碩士學(xué)位論文低空輕小型無人機(jī)遙感圖像快速拼接關(guān)鍵技術(shù)研究學(xué)號：2012120011研究生：李建明專業(yè)：測繪科學(xué)與技術(shù)研究方向：遙感信息處理與應(yīng)用指導(dǎo)教師：彭軍還教授2015年5月DissertationSubmit
2、tedtoChinaUniversityofGeosciencesforMasterDegreeResearchonKeyIssuesinquicklyImageStitchingBasedonLowAltitudeandLightUAVImageMasterCandidate:LijianmingMajor:SurveyingandMappingStudyOrientation:RemoteSensingInformationProcessingandApplicationDissertationS
3、upervisor:Prof.PengJunhuanChinaUniversityofGeosciences(Beijing)聲明本人聲明所呈交的論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研宂成果。盡我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人己經(jīng)發(fā)表或撰寫過的研宄成果，也不包含為獲得中國地質(zhì)大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研宄所做的任何貢獻(xiàn)均己在論文中作了明確的說明并表示了謝意。簽名日期:關(guān)于論文使用授權(quán)的說明本人完全了解中國地質(zhì)大學(xué)有關(guān)保留
4、、使用學(xué)位論文的規(guī)定，即：學(xué)校有權(quán)保留送交論文的復(fù)印件，允許論文被查閱和借閱；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，可以采用影印、縮印或其他復(fù)制手段保存論文。d公開?保密（—年）（保密的論文在解密后應(yīng)遵守此規(guī)定）期：抓“、y簽名導(dǎo)師簽名摘要因無人機(jī)平臺在獲取數(shù)據(jù)時(shí)擁有簡單、快速和方便的特點(diǎn)，其適用于不同的領(lǐng)域的圖像獲取。目前利用無人機(jī)飛行平臺搭載的傳感器包括卡片相機(jī)、微單相機(jī)、量測型相機(jī)、小型LIDAR和高光譜相機(jī)等，但相比于傳感器硬件與平臺的快速發(fā)展，后期處理軟件的效率和處理能力明顯不足，特別是軟件的現(xiàn)
5、場處理能力。同時(shí)，對于低空輕小型無人機(jī)圖像來說，其在獲取圖像時(shí)平臺的穩(wěn)定性較差，易受外界天氣條件的影響，使獲取的圖像三個(gè)旋轉(zhuǎn)角變化相對較大，從而幾何變形對地面高程變化特別敏感，當(dāng)測區(qū)圖像規(guī)模特別大的時(shí)候，近似的多項(xiàng)式校正模型等所產(chǎn)生的幾何校正誤差會被放大，很難滿足圖像拼接時(shí)對圖像幾何校正精度的要求。目前輕小型無人機(jī)平臺無法獲取準(zhǔn)確圖像拍攝時(shí)的外方位元素，所以在使用共線方程作為無人機(jī)圖像幾何校正模型時(shí)，需要考慮如何計(jì)算出圖像的外方位元素。本文基于上述低空輕小型無人機(jī)圖像所具有的特點(diǎn)，同時(shí)結(jié)合硬件性能加速
6、無人機(jī)圖像后期處理的速度，使無人機(jī)圖像快速拼接軟件擁有現(xiàn)場處理的能力，論文主要內(nèi)容如下：1.GPU-Sift特征描述符提?。辉谝延蠸ift特征提取流程中各個(gè)環(huán)節(jié)的性能基礎(chǔ)上，針對無人機(jī)高分辨率圖像的特點(diǎn)，討論Sift算法中部分參數(shù)設(shè)置，在保證不影響匹配精度的基礎(chǔ)上，通過限制Sift算法構(gòu)建高斯金字塔的數(shù)量，控制提出特征點(diǎn)的數(shù)量，提高運(yùn)算的性能。同時(shí)利用GPU的并行性能，進(jìn)一步加速特征點(diǎn)提取，評價(jià)GPU-Sift運(yùn)算時(shí)間。2.構(gòu)建潛在圖像匹配對；針對大規(guī)模圖像集中存在的大量無效圖像匹配關(guān)系，利用相機(jī)GP
7、S信息的歐氏空間距離關(guān)系，快速構(gòu)建潛在圖像匹配對，以加速后期圖像匹配，從而改善整體的運(yùn)算性能。同時(shí)考慮在無幾何約束的情況下，通過研究以詞匯樹的方式快速檢索可能的圖像匹配對，并評價(jià)其結(jié)果的可靠性。3.GPU-Sift特征匹配；此階段采用GPU的并行處理化KD樹檢索環(huán)節(jié)，而通過CPU運(yùn)算構(gòu)建KD樹，并通過實(shí)驗(yàn)評價(jià)時(shí)間性能的改善情況。4.Ransac算法；針對最近鄰與次近鄰比值剔除誤匹配后的Sift匹配點(diǎn)對，結(jié)合Ransac中三個(gè)影響性能和迭代次數(shù)的參數(shù)，分析基于Ransac剔除粗差的5點(diǎn)法解算本質(zhì)矩陣的問
8、題，給出適合高分辨率無人機(jī)圖像Sift特征匹配關(guān)系的IRansac參數(shù)。5.多圖像相對定向；利用已知相機(jī)標(biāo)定參數(shù)（包括相機(jī)鏡頭畸變參數(shù)和內(nèi)方位元素），建立基于本質(zhì)矩陣的多圖像相對定向模型，利用全局光束法平差方法解算整個(gè)測區(qū)圖像間相對定向關(guān)系和測區(qū)的物方點(diǎn)坐標(biāo)。關(guān)鍵詞：無人機(jī)圖像，GPU-Sift，Ransac，多圖像相對定向IIAbstractDuetoUAVs(UnmannedAerialVehicle)imageacquisitionaretypic
