摘要：立体匹配是计算机视觉的一项关键技术,它能够模拟人类视觉的方法,通过左右影像匹配快速获取三维场景深度信息。近年来,国内外学者针对立体密集匹配开展了广泛而深入的研究,但由于各种因素的影响,仍然存在着具有挑战性的研究问题。论文针对传统立体匹配方法,在弱纹理区域、视差不连续区域、遮挡区域存在的匹配困难和误匹配问题,设计了一个基于全卷积神经网络的端到端立体匹配网络,将传统密集立体匹配问题转化成一个视差学习和优化的任务问题。论文主要研究内容和研究结论如下。

摘要：当前以PSMNet为代表的密集匹配网络结构在匹配代价计算过程中采用了多尺度技术,通过视差软回归的方式寻找最佳视差点,但多尺度参与计算会导致不同尺度相互干扰,视差不连续,区域的匹配误差增加。文章设计了不同视野的多支路网络结构AFSNet,针对每个像素点选出最佳视野。AFSNet能够有效减少视差非连续边缘误差,提升匹配精度,EPE和3PE在4个数据集上比采用多尺度的PSMNetS平均减少了1.79%和6.76%;以偏移损失和置信网络为选择依据,可以有效选择最佳尺度,实现合并精度优于任意支路精度;在测试的网络中,AFSNet模型泛化性整体优于其他参与测试的网络。

摘要：单体化建筑信息对“数字城市”“智慧城市”的建设以及对城市三维GIS的应用等具有重要意义。该文针对倾斜影像密集匹配点云,提出一种建筑物提取方法。该方法首先通过点云滤波、植被点剔除去除倾斜影像密集匹配点云中的地面点和植被点,然后对剩余地物点云进行平面分割及优化,得到精确的建筑物点云,最后提取建筑物的轮廓并规则化,得到规则化后的建筑物轮廓。采用无人机获取的倾斜影像密集匹配点云进行实验,实验结果表明,该方法能够有效提取出建筑物轮廓。

摘要：当前三维重建生成密集点云的过程中存在质量评估研究并不深入的问题,而且也未形成一个完整的体系,并且缺乏对新设计软件系统的比较和验证,所以极易导致用户在选择时存在一定程度的盲目性。为了解决上述问题,对基于影像生成的点云进行深入的研究,提出通过扩展评价指标来构建点云质量评价体系的解决方案,利用数码相机和无人机获取多视影像并使用九种开源算法和商业软件生成密集点云,计算激光扫描点云与密集点云数据之间的最邻近距离。不仅从点云精度和完整度,还从点云数目、点云密度、点云生成时间、程序运行占用的内存等角度对密集点云进行评估。实验表明,研究提高了质量评估的可靠性与实用性,进一步完善了密集点云的评价体系,可为相关工程实践应用提供参考依据。

摘要：计算机视觉领域的PMVS算法在多视角影像匹配中具有很好的匹配效果,但将其直接引入航空倾斜影像匹配还存在一些问题:随着影像数据量的增加,PMVS算法对计算机内存占用呈几何增长;PMVS算法针对大倾角的影像匹配存在一些问题;在候选面片生成时,PMVS算法采用固定大小的窗口采集待匹配影像像素,若窗口选择过小,则参与匹配的像素信息少,匹配效果不佳,若窗口选择过大,则将导致匹配耗时过长。针对上述问题,采用分块PMVS策略,提出了改进的自适应窗口匹配算法。实验结果表明,该算法能有效解决将PMVS算法直接引入航空倾斜影像密集匹配中存在的问题,具有一定的实用性。

摘要：密集匹配又称稠密匹配,是数字摄影测量过程中的关键步骤之一。它是在2幅或多幅同名影像中,逐一进行像素匹配并生成逐像素点的视差图和深度图。传统的密集匹配方法往往由于存在遮挡、纹理缺乏以及特征稀疏等问题,因此其质量的提高会受到一定的限制。近年来,不少学者开展了利用卷积神经网络对密集匹配应用的研究,而且这些算法在KITTI等计算机视觉数据集中的表现很好。基于深度学习的方法,该文开展了对密集匹配算法的研究,介绍了一种深度学习网络PSMNet,利用Middubury数据集的数据对其进行测试,并且将结果与传统的SGM、GC算法进行比较。

摘要：鉴于数据跨域(cross-domain)现象对基于深度学习的立体匹配网络的迁移性能的影响,文章综合评价了当前立体匹配网络在无人机和航空遥感影像中的性能。针对PSMNet(2018)、DSMNet(2019)、CFNet(2021)、RAFT-Stereo(2021)、STTR(2021)5种典型算法,在合成、驾驶、无人机、航空这4种代表性影像数据集上设计了同域、跨域和精化实验,采用定量化指标测量了不同网络的精度表现,评价了各个网络在遥感影像上的场景适用性和跨域性能,为探索立体匹配网络在对地观测影像上的实用化运用提供了参考。经实验得到如下结论:受视差分布、场景类型等因素的影响,当前立体匹配网络在无人机和航空遥感影像上的误差较大,适用性不高;域归一化、多尺度代价体可以提高立体匹配网络的跨域表现,但提升效果有限;将Transformer等自然语言处理模块用于立体匹配任务可以提高网络表现,但同时也对训练数据有更高的要求,当前无人机和航空影像数据集还不能满足训练数据需求。

摘要：针对数字摄影测量中密集匹配问题,提出一种三角网约束与金字塔策略相结合的影像匹配方法.该方法在每层金字塔影像中提取特征点,利用金字塔上层影像的匹配结果构建Delaunay三角网,约束和指导金字塔下层影像的匹配;金字塔策略本身体现由粗到精的匹配过程,而Delaunay三角网能有效地将上层匹配结果作为约束传递到下层影像.实验结果证明,文中方法生成的密集匹配点云密度大、误匹配少、精度高,能有效地反映地貌特征.

摘要：提出了一种基于空间小面元模型(space-patch model,SPM)的序列影像密集点云重构方法。顾及SPM灰度一致性约束和空间几何约束,通过种子点的获取、扩散和滤波,生成密集SPM以逼近物体表面。该方法突破了传统核线影像密集匹配条件苛刻的限制。利用狮子影像数据,进行了密集点云模型的重构实验,验证了该算法的有效性。设计了几类对比试验,分析了扩散迭代次数和滤波对模型点云质量的影响。结果表明,对高分辨率影像多次扩散迭代并进行滤波,能够恢复出二维影像所包含的大量三维点云信息。

摘要：为解决现阶段堤防工程管理维护问题,设计一种以大数据云计算为基础的信息化管理平台,在构建该平台的数据基础过程中,本文引入倾斜摄影测量技术,阐述倾斜摄影测量数据采集、分析、成图等技术流程,分析三维模型重建涉及的关键技术。针对堤防工程地理环境复杂、数据质量低等问题,提出航线外扩、影像增强等解决方案,并对多视角密集匹配技术进行阐述,结合实测数据进行方法验证。结果显示:本文方法能快速完成堤防工程实景三维模型的构建,且精度满足标准要求。