基于深度图改进的分块密集匹配方法、系统、终端及介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113989250A(43)申请公布日2022.01.28(21)申请号202111289038.1G06V10/762(2022.01)(22)申请日2021.11.02(71)申请人中国测绘科学研究院地址100036北京市海淀区莲花池西路28号(72)发明人吴政刘振东朱立宁王飞武鹏达张婷婷张帅哲屈文虎(74)专利代理机构北京睿智保诚专利代理事务所(普通合伙)11732代理人韩迎之(51)Int.Cl.G06T7/00(2017.01)G06T7/33(2017.01)G06T7/38(2017.01)G06K9/62(2022.01)权利要求书2页说明书10页附图5页(54)发明名称基于深度图改进的分块密集匹配方法、系统、终端及介质(57)摘要本发明公开了基于深度图改进的分块密集匹配方法、系统终端及介质，涉及图像匹配技术领域，包括：图像获取步骤：获取全局场景的图像；邻域图选择步骤：利用图像关联度，选择出每张图像的邻域图像集合，同时初始化图像的重建状态对象；空间立体自动聚类步骤：对全局场景进行空间立体自动聚类完成分块，并抽取子块重建所需的匹配对图像，得到该子块的图像簇；密集匹配步骤：在子块的图像簇中获取目标图像，根据目标图像的重建状态对象估计、过滤深度图以及深度图融合生成密集点云。本发明避免子块间相同图像的重复计算，提高了密集匹配的效率和图像重建的准确性。CN113989250ACN113989250A权利要求书1/2页1.基于深度图改进的分块密集匹配方法，其特征在于，包括以下步骤：图像获取步骤：获取全局场景的图像；邻域图选择步骤：利用图像关联度，选择出每张图像的邻域图像集合，同时初始化图像的重建状态对象；空间立体自动聚类步骤：对全局场景进行空间立体自动聚类完成分块，并抽取子块重建所需的匹配对图像，得到该子块的图像簇；密集匹配步骤：在子块的图像簇中获取目标图像，根据目标图像的重建状态对象估计、过滤深度图以及深度图融合生成密集点云。2.根据权利要求1所述的基于深度图改进的分块密集匹配方法，其特征在于，图像获取步骤的具体内容为：利用倾斜摄影技术，采集全局场景的倾斜影像，作为全局场景的图像。3.根据权利要求1所述的基于深度图改进的分块密集匹配方法，其特征在于，邻域图选择步骤的具体内容为：利用图像关联算法，计算每一张图像的邻域图，基于视图夹角、重叠面积和尺度因子选择邻域图像，并对邻域图像进行打分和排序；在全局视图选择时，为每张图像创建重建状态对象并对其初始化。4.根据权利要求1所述的基于深度图改进的分块密集匹配方法，其特征在于，空间立体自动聚类步骤的具体内容为：依据重建范围和格网，对全局场景进行空间划分，计算每个子块的行列号即空间范围；依次遍历子块，将子块空间距离按照重叠距离向四周扩张，得到具有一定重叠度的空间范围，将该空间范围作为每个子块的密集匹配有效范围；利用图像中心点的投影计算得到位于子块空间范围内所有图像，组成该子块的图像簇；其中，图像中心点的投影计算公式为：式中：X，Y，Z为图像投影中心对应的世界坐标，K为相机内参，R，t为相机外参，zdepth为投影中心深度值，u，v为图像投影中心坐标；遍历该子块图像簇中的图像，基于邻域图选择步骤中选择的图像邻域图，判断每张图像的邻域图是否在该子块的图像簇中，若不在，则将该邻域图追加到图像簇中。5.根据权利要求1所述的基于深度图改进的分块密集匹配方法，其特征在于，密集匹配步骤的具体内容为：获取目标图像：在每个子块中的图像簇中，依次取子块内的图像作为目标图像；深度图估计：获取当前目标图像的重建状态对象，对子块内图像逐个进行深度图估计；深度图过滤：在子块中的所有图像完成深度图估计后，获取当前需处理图像的重建状态对象，逐个过滤子块内全部图像；深度图融合：当前子块中的所有图像都完成估计和过滤后，按照多视几何一致性深度图融合方法，利用该子块内所有图像的深度图，按照当前子块的空间范围进行深度图融合，2CN113989250A权利要求书2/2页生成密集点云。6.基于深度图改进的分块密集匹配系统，其特征在于，应用权利要求1‑5任一项所述的基于深度图改进的分块密集匹配方法，包括：图像获取模块、邻域图选择模块、空间立体自动聚类模块和密集匹配模块；图像获取模块，与邻域图选择模块的输入端连接，用于获取全局场景的图像；邻域图选择模块，与空间立体自动聚类模块的输入端连接，用于利用图像关联度，选择出每张图像的邻域图像集合，同时初始化图像的重建状态对象；空间立体自动聚类模块，与密集匹配模块的输入端连接，用于对全局场景进行空间立体自动聚类完成分块，并抽取子块重建所需的匹配对图像，得到该子块的图像簇；密集匹配模块，用于在子块的图像簇中获取目标图像