一种基于ORB算法的无人机影像匹配

针对无人机影像局部区域特征点探测难度大,导致无人机影像匹配效果不佳等问题,通过引入BEBLID算法构建高效的二值描述符,提升了影像匹配率。该算法首先采用ORB算法检测特征点,其次采用FLANN快速搜索筛选特征点,最后利用BEBLID描述符以及采用RANSAC算法剔除误匹配,从而实现了无人机影像的高精度匹配。试验结果表明:在保证有足够特征点对的前提下,将ORB+BEBLID算法应用于两组无人机影像匹配中,影像匹配率分别为81.97%和89.72%,相比ORB算法分别提高13.60%和9.90%。验证了ORB+BEBLID算法在无人机影像匹配中的有效性,获得的正确特征匹配点对冗余度低、全局性优。     

基于SURF算法和极线约束的无人机影像匹配研究

针对无人机影像受光照、拍摄角度及区域环境等因素的影响造成匹配效果不佳,局部区域匹配困难的问题,本文基于SURF算法,通过引入极线约束来提高特征匹配效果。该匹配算法首先利用SURF算法检测影像特征点,用RANSAC(Random Sampling Consensus)方法计算出基础矩阵,通过基础矩阵计算出所有特征点的极线,最后用极线过滤掉错误匹配。实验结果表明:与传统SURF算法的单一约束条件的无人机影像匹配相比,极线约束条件下的无人机影像匹配在误匹配减少的前提下能获得更多准确的特征匹配集。