利用平均明暗梯度的航空影像与无纹理模型数据自动配准
计算机视觉与模式识别
2019-09-24 v2
摘要
将当前图像数据与场景现有3D模型数据进行比较，提供了一种保持模型更新的高效方法。为了在2D和3D数据之间传递信息，初步的配准是必要的。本文提出一种自动配准航空影像与无纹理3D模型数据的方案。为优化给定的初始相机位姿，我们的算法利用SIFT流在模型与相机图像的梯度表示之间计算稠密对应场，并从中获取2D-3D对应。随后这些对应被用于迭代优化方案，通过最小化重投影误差来优化初始相机位姿。由于假设模型不包含纹理信息，我们的算法基于现有的平均明暗梯度（ASG）方法构建，仅根据原始几何信息生成梯度图像。我们将算法应用于航空照片与无纹理含噪网格模型的配准。我们研究了不同幅度的输入误差，表明所提方法可将最终重投影误差降至1.27±0.54像素的最小值，小于其初始值的10%。此外，我们的评估表明该方法优于标准迭代最近点（ICP）实现的精度。
引用
@article{arxiv.1906.10882,
title = {Automatic Co-Registration of Aerial Imagery and Untextured Model Data Utilizing Average Shading Gradients},
author = {Sylvia Schmitz and Martin Weinmann and Boitumelo Ruf},
journal= {arXiv preprint arXiv:1906.10882},
year = {2019}
}