基于深度学习的无像控点无人机航空三角测量
计算机视觉与模式识别
2023-01-10 v1
摘要
新兴的无人机航空测绘具有低成本、高效率与灵活使用的优势。然而，无人机常配备廉价 POS 系统与非量测相机，且飞行姿态易受影响。如何借助 POS 实现无人机无像控影像的大比例尺测图面临诸多技术难题。最基础且核心的技术是如何通过先进航空三角测量技术精确实现影像的绝对定向。在传统航空三角测量中，影像匹配算法受预设先验知识不同程度约束。近年来，深度学习在摄影测量计算机视觉领域快速发展，已在多方面超越传统手工特征性能，在基于影像的导航与定位任务中表现出更强稳定性，尤其对模糊、光照变化与几何畸变等不利因素具有更好抗性。本文在介绍无像控点航空三角测量关键技术基础上，提出一种基于深度学习影像特征的无人机影像配准新方法，以解决传统方法错配率高的问题。其采用 SuperPoint 作为特征检测器，利用 CNN 的优越泛化性能从无人机影像提取精确特征点，从而实现高精度航空三角测量。实验结果表明，在相同预处理与后处理条件下，相比基于 SIFT 算法的传统方法，本方法更高效达到适用精度，可满足大比例尺测绘中无人机无像控点航空三角测量要求。
引用
@article{arxiv.2301.02869,
title = {Deep Learning-Based UAV Aerial Triangulation without Image Control Points},
author = {Jiageng Zhong and Ming Li and Jiangying Qin and Hanqi Zhang},
journal= {arXiv preprint arXiv:2301.02869},
year = {2023}
}
备注
Accepted to the 42nd Asian Conference on Remote Sensing 2021 (ACRS2021)