无人机载和地面车载间多平台遥感影像的自动配准方法研究

In this study,automatic registration of remotely sensed imagery from UAV- and Vehicle-borne sensors is selected as our research target.As you know, image feature detecton &matching and mapping model design&calclation are two key steps of image registration.In the step of image feature detection &matching,we will study odometery-based feature position Forecasting method with Monte Carlo theory to improve accuracy and robustness of image feature matching.Also in this step,qucik matching mechanisms is studied for time saving.In the step of mapping model design,the two kind of imagery from the different platform are investigated and understand for desiging a efficent mapping model to apply two platfrom imagery do mapping well.And based the designed mapping model,we study global registration model parameter estimation and optimization.This study will help to propose the key scientific issues in romote sensing science and to promote the development of theories, methodologies and techniques ini related disciplines.

本项目针对无人机载和地面车载影像的自动配准研究欠缺的现状，综合利用遥感、摄影测量和计算机视觉方面的知识，引入基于odometery辅助的蒙特卡洛影像预测算法以提高初始特征匹配的效率和精度，并提出基于初步配准参数的影像特征快速匹配思路，以解决机载车载间多平台影像间由于拍摄的角度及使用的传感器的巨大差异性而带来的无法进行特征匹配的问题；在特征匹配的基础上，分析机载车载间多平台影像变形的特性，设计有效的配准模型，研究基于设计的配准模型的全区全局配准参数估算和优化算法。本研究开展无人机载和地面车载的多平台影像的自动配准研究，对于空天地一体化对地观测网络的研究及应用具有重要的理论意义；在具体的农业遥感领域，对于促使利用基于低空无人机平台和地面车载移动平台遥感来进一步提高粮食估产，灾害评估等农业遥感的精度及可靠性的实践中有一定的意义。

本项目针对无人机载和地面车载影像的自动配准研究欠缺的现状，综合利用遥感、摄影测量和计算机视觉方面的知识，研究无人机载和地面车载多平台遥感影像的多特征提取及联合匹配算法，并设计适合这种多平台影像的配准模型，并能快速有效地进行无人机载和地面车载多平台遥感影像的自动配准。通过三年的实施，创新性提出了全景影像和激光点云配准及融合方法，解决了摄影比例及闭环难以确立的科学难题，并提高了系统可靠性和计算速度，推动多传感器数据配准技术的进步。并且针对本研究中最大的难点：空地数据高错误匹配导致差异性很大的多源数据无法配准的难题，研究了一种基于概率方法（粒子滤波）的匹配定位同步解算方法，提高了无人机载和地面车载多平台遥感影像的特征提取及匹配精度。相关成果发表SCI论文4篇，专利1个。项目成果对于促使利用基于低空无人机平台和地面车载移动平台遥感来进一步提高粮食估产，灾害评估等农业遥感的精度及可靠性的实践中有一定的意义。