无人机影像的特征点提取算法研究文献综述

文献综述

一、本设计拟研究解决的问题无人机超低空摄影测量技术运用十分广泛，其中影像特征点的提取工作是影像匹配和三维重建的基础，本设计主要是针对几类无人机影像特征点的提取算法进行对比分析，研究其对不同对象的提取效率。

二、研究现状和发展趋势无人机（Unmanned aerial vehicle）技术应用广泛，发展迅速，具有很高的使用价值和研究价值，在国内外无人机超低空摄影测量已成为空间数据获取的一种重要技术手段，相较于其他大型方式而言，低空无人机具有飞行高度低，测量灵活的特点[1]。

无人机技术效率高、成本低、作业灵活；在城市规划测量中，无人机技术的优势则更为凸显，其结果清晰直观便于使用，覆盖面积广泛极大的提升了资源的使用效率。

除此之外对于人力难以到达的测量点，无人机测绘可以进行无障碍作业，扩大了作业面积又降低了测绘人员的作业风险，无人机技术的运用推动了现代化社会的建设，确保了各项工作能够顺利的实施[2]。

在无人机的成果运用当中，往往单幅影像无法满足需求，需要将多幅影像进行镶嵌和拼接。

影像特征点的提取是影像处理的一项基本过程，常用的特征提取算法有SIFT算法[3]、Forstner算法[4]、Harris算法[5]、SURF算法[6]、Moravec算法[7]等。

SIFT算法所提取的SIFT特征是图像的局部特征，对图像的旋转、对图像的旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性[8]。

由于算法自身设计的原因，每种算法具有自身特定的适用环境，例如SIFT算法更适宜提取圆形特征点，对于角点的提取效果就不够理想。

Forstner算法则具有不同的特点，这是摄影测量中著名的点位算子,其可以很灵活的对角点、边缘线上的圆点进行特征提取；在最优窗口内进行加权中心化的操作，可以将定位精度提高到子像素，并且具有一定的抗噪性[9]。