无人机遥感影像特征点子像素定位研究  

Research on Sub-pixel Location of Feature Point for UAV Remote Sensing Image

作　　者：王海涛 余晓敏 陆海霞 吕婧 WANG Haitao;YU Xiaomin;LU Haixia;LYU Jing(Hubei Spatial Planning Research Institute,Wuhan 430071,China;Natural Resources and Planning Institute of Fuchang Town,Honghu City,Honghu 433299,China)

机构地区：[1]湖北空间规划研究院,湖北武汉430071 [2]洪湖市府场镇自然资源和规划所,湖北洪湖433299

出　　处：《地理空间信息》2023年第8期28-32,共5页Geospatial Information

基　　金：湖北省自然资源厅2023年度科技项目(ZRZY2023KJ26)。

摘　　要：无人机遥感多使用于小面幅数码相机对地观测,是快速获取地理空间数据的一种重要手段,其三维重建首先需要通过一定数量、分布合理的特征点将离散的影像连接起来,针对无人机遥感影像高精度解算的要求,提出一种将特征点局部响应函数与二次抛物面曲面拟合相结合的特征点子像素定位算法。通过选取多组不同地区无人机遥感影像数据对Moravec、Harris、Forstner、SUSAN、FAST、DoG、Hessian算法的验证表明:特征点精度提高百分比最小的为27.1%,最大为50.2%;对于利用局部响应方式检测关键点的特征提取算法,使用二次抛物曲面拟合来提高特征点定位精度是一种有效的方法,方法具有较强的普适性。In view of the high precision solution of UAV remote sensing image,we proposed a feature point sub-pixel locationalgorithm combining feature point local response function anda paraboloid function.In this paper,we selected four sets of different areas of UAV remote sensing image data to verify Moravec,Harris,Forstner,SUSAN,FAST,DoG and Hessian algorithms.The results show that the percentage improvement of feature point accuracy is 27.1%to 50.2%.The method of using aparaboloid function to fit the local response of the feature point to improve the locationaccuracy of feature points is more effective and versatile.

关 键 词：最小二乘拟合 子像素定位 Harris响应函数 局部响应函数 

分 类 号：P231[天文地球—摄影测量与遥感]