《車載全景序列圖像的特徵匹配方法研究》是依託蘇州科技大學，由胡伏原擔任項目負責人的面上項目。
基本介紹
- 中文名：車載全景序列圖像的特徵匹配方法研究
- 項目類別：面上項目
- 項目負責人：胡伏原
- 依託單位：蘇州科技大學
項目摘要,結題摘要,
項目摘要
車載全景序列圖像在構建智慧城市基礎地理信息資料庫中發揮著重要作用，目標匹配尤其是點匹配是其深度套用的核心內容之一。車載相機的快速運動及其複雜場景易導致點特徵難以準確表示、點匹配精度低以及匹配速度慢等問題。因此,項目研究內容包括：①考慮視角變化和場景深度不一致對點準確表示的影響，結合場景結構研究自適應分數階微分，探索目標區域準確表示機理。②在深度學習框架下，結合流形學習設計網路拓撲結構和學習算法，提取具有語義特點的結構化特徵，提高目標表示準確性。③考慮相似紋理結構、運動目標和相機運動等情況對匹配精度影響，將相機運動和場景結構特性引入能量最佳化函式，自主構建未知結構機率圖模型，降低匹配錯誤率；設計層次化低維子空間結構圖並最佳化模型，提高匹配效率。④設計適合全景圖像套用的點表示和匹配方法,最佳化套用系統。研究結果可望提高任意點匹配精度和相機參數估計的魯棒性，為智慧城市建設中實景化深度套用奠定基礎。
結題摘要
加快推進智慧城市建設和振興鄉村戰略實施已經成為各級政府重要工作，全景序列圖像是智慧城市和鄉村基礎地理信息資料庫中的重要組成部分。如何充分挖掘圖像信息，特別是不同全景圖像之間的相關性成為其深度套用的核心內容之一。 項目組基於車載相機的快速運動及其複雜場景易導致點特徵難以準確表示、點匹配精度低以及匹配速度慢等問題開展了一系列研究，研製了全景採集車1台；在TMM、Neurocomputing、CVPR等期刊和會議上發表科研論文19篇，其中SCI 8篇；申請發明專利18件，其中授權發明專利16件，套用轉化3件，產生經濟效益1000多萬元；研究成果獲得省部級獎勵2項，其中一項排名第1，一項排名第三；承辦國際會議2次。具體研究成果包括： （1）研製和最佳化了一套全景採集車，分別記錄全景圖像、實時GPS和實時姿態等信息，並採集了蘇州市區、張家港市區、崑山市花橋經濟開發區、吳江市區等地的全景圖像信息，相關數據已經成為了當地政府部門基礎地理信息資料庫的重要組成部分。 （2）在理論研究方面，提出了分數階微分掩模運算元自適應構建，並套用到圖像濾波、點特徵提取等方面；提出了基於殘差網路的多層感知機人工神經網路和基於注意力累積機制的視覺指稱方法，有效提升了網路學習性能；提出了CGM（clique generating machine）訓練圖模型，有效的提高了圖像分類的性能；提出了層次化的約束圖模型，實現了快速的點特徵匹配，提高匹配效率；提出了一種自適應權重多尺度的任意點匹配和深度不連續區域的立體匹配算法，較好解決了全景相機成像範圍大導致拍攝圖像環境複雜、深度不一致，圖像特徵點匹配難度大的問題；提出了一種基於全景圖像的實時測距方法，實現了全景圖像中目標測量，精度在20cm以內。 （3）基於以上理論，開發了一個全景數據共享平台，並為蘇州市、張家港市等地區提供了共享套用服務；為蘇州市市容市政局開發了一套全景圖像深度套用的廣告測量系統，實現了在全景圖進行廣告牌的測量和虛擬展示，大大節省了戶外測量和模擬成圖的工作量，為智慧城市建設中實景化深度套用提供了新思路。
