[发明专利]一种基于街景地图的互联网照片地理空间定位方法

权利要求书

1.一种基于街景地图的互联网照片地理空间定位方法，包括以下步骤：

步骤1、街景数据下载与组织——将试验区道路数字化为线特征，对线特征进行重采样为点特征，重采样的采样间隔与街景数据的拍摄间隔一致，获取每个采样点的经纬度坐标，下载采样点的全方位街景数据，并将全方位街景数据保存为可覆盖全视角的M张街景照片作为对应采样的街景照片；

步骤2、街景数据预处理构建索引——提取所有下载街景照片的特征向量并构建索引；

步骤3、寻找最相似照片的拍摄点——提取待查询照片的特征向量，为待查询照片的每个特征向量在特征向量索引中检索得到与之最近邻的特征向量，每个最近邻特征向量对应一张街景照片，根据下式确定参与投票的待查询照片特征向量：

式中，V_flag(k_i)是特征向量k_i的投票标识，V_flag(k_i)为1时，特征向量k_i参与投票，V_flag(k_i)为0时，特征向量k_i不参与投票，NN(k_i，j)是待查询照片第k_i个特征的第j近个近邻特征向量，Loc(NN(k_i，j))是特征向量NN(k_i，j)对应街景图片拍摄点的经纬度坐标，|*|是两个GPS坐标之间的空间距离，D是预设的特征向量之间空间距离阈值；对参与投票的待查询照片特征向量进行投票，以待查询照片特征向量的最近邻特征向量所属街景照片的采样点经纬度分别为x、y轴，投票数为z轴，然后对投票结果进行平滑处理，投票数最高的采样点为最相似照片拍摄点；

步骤4、获取缓冲区内的相似照片集——以最相似照片拍摄点为中心构建缓冲区，对缓冲区范围内每个采样点的M张街景照片与待查询照片进行相似度的计算，筛选出相似度高的街景照片作为相似照片集；

步骤5、相似照片集与待查询照片三维重建精定位——首先提取待查询照片和相似照片集中所有照片的特征向量，借助提取到的特征向量对照片进行匹配，建立所有照片之间的匹配关系；然后利用运动恢复结构算法配准照片，生成稀疏点云及相机的相对位置关系；最后根据已知街景采样点的坐标利用最小二乘法推算待查询照片未知的外方位元素，实现对待查询照片的定位定姿。

2.根据权利要求1所述的基于街景地图的互联网照片地理空间定位方法，其特征在于：步骤2中，使用SIFT算子提取所有街景照片的特征向量，并选用K-d树的数据结构对提取的特征向量构建索引。

3.根据权利要求2所述的基于街景地图的互联网照片地理空间定位方法，其特征在于：步骤3中，利用以下公式对投票结果进行平滑处理，

式中，λ′和φ′分别是经纬度坐标，λ和φ分别是平滑处理时所遍历的经纬度坐标，V(λ，φ)和V_smoothed(λ，φ)分别是该经纬度坐标下平滑处理前后的投票数，V_flag(λ，φ)是该经纬度坐标对应最近邻特征向量的投票标识，是具有标准偏差σ′的二维高斯函数。

4.根据权利要求1所述的基于街景地图的互联网照片地理空间定位方法，其特征在于：步骤4中，按照以下公式进行相似度计算，

式中，NN(k_i，j)是待查询照片第k_i个特征向量的第j近个近邻特征，flag_i是第k_i个特征向量是否满足匹配条件的标识，N_Keypoints是待查询照片特征向量的总数量。

5.根据权利要求4所述的基于街景地图的互联网照片地理空间定位方法，其特征在于：步骤4中，相似度大于0.7的照片加入相似照片集。

6.根据权利要求5所述的基于街景地图的互联网照片地理空间定位方法，其特征在于：步骤5中，利用当前最优的特征提取算子MSER和最优的特征描述算子SIFT对照片进行特征提取；使用近似最近邻算法进行像对之间的特征匹配；并采用RANSAC算法对初始的匹配对进行筛选。

7.根据权利要求1或5所述的基于街景地图的互联网照片地理空间定位方法，其特征在于：利用运动恢复结构算法配准照片的方法如下：选择匹配质量最高效果最好的一个像对，通过使用计算机多目视觉原理获得初始匹配对的相机参数，并进行立体交会生成初始稀疏点云；然后以此初始稀疏点云为参考，不断加入新的照片，将各像对匹配的同名点连接起来，对初始匹配对的相机参数进行优化，使用直接线性变换算法对新相机的内方位元素和外方位元素进行估计，估算出视觉场景中相机和稀疏点云的相对位置，重复步骤，直至所有的照片完成定位定姿态。