科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统稀疏匹配无法满足高精度三维建模需要，现有点加密算法仅仅通过几何约束对特征点进行匹配而忽视了影像自身信息，纹理丰富的影像区域特征不能被很好表达的问题，提出一种结合区域增长与Delaunay三角网动态更新的特征点密集匹配算法。以尺度不变特征提取算法和随机抽样一致性算法获得的鲁棒性较高的稀疏匹配点为基础，严格按照顶点对应法则在两张影像上构建同名Delaunay三角网，并对其中每对同名三角形都进行旋转和尺度变换计算，通过数学统计方法确定两影像的旋转和尺度变换参数；将参考影像上内切圆半径大于一定阈值的三角形内心作为匹配基元，通过核线约束和灰度互相关约束筛选出待匹配点，再由三角形局部几何约束得到其精确匹配点；以参考影像上匹配后的内心点作为种子点，在三角形内切圆区域内进行区域增长，结合核线约束和几何变换参数约束增长点匹配。将匹配得到的特征点加入同名点序列的同时动态更新三角网，进行迭代匹配，直至没有新的匹配点产生迭代停止，获得最终的密集匹配点集。选取3组不同变换类型的近景影像用于匹配试验，结果表明，本文算法可获得可靠的密集点且在影像纹理丰富区域有明显的增加，匹配结果用于重建效果较好。
- 单位
