[发明专利]一种面向大规模航拍图像的分布式运动推断结构方法

权利要求书

1.一种面向大规模航拍图像的分布式运动推断结构方法，其特征在于：包括以下步骤：

步骤S1、将大规模航拍图像数据集合I＝{I₁，…，I_n}划分为若干具有一定重叠性的子集

其中，n表示集合I中航拍图像的数量，为任意子集，m表示重叠子集的数量，s表示子集，j表示子集的序号；

步骤S2、在分布式环境的子节点上，计算上述中的航拍图像所对应的稀疏点云模型和摄像机参数

其中，表示模型的旋转矩阵，表示模型的平移向量；

步骤S3、计算任意两个子集和之间的重叠图像，假设为其中，d表示子区域和之间的具有相似性的图像数量；表示重叠图像集合；

步骤S4、根据上述所得子集和之间的重叠图像，计算出模型和之间的旋转矩阵和平移向量

步骤S5、根据旋转矩阵和平移向量将模型和合并为一个模型，即为重步骤S4和步骤S5直到所有重叠图像均被处理完毕，即可获得最终的三维模型M_I；

对于给定的两个子区域的三维模型，即M_a和M_b，假设模型M_a和M_b对应着两个不同的物理区区域Region_a和Region_b，I_i和I_j分别表示区域Region_a和Region_b中的图像，构造出一个基于全局旋转误差的线性系统，

和误差ρ_e，

其中，R_i表示图像I_i的全局旋转矩阵；表示模型对齐后的旋转矩阵；表示由本质矩阵分解所获得的旋转矩阵；

记R_ab表示图像I_i从M_a和M_b的旋转矩阵，则获得如下等式；

由于I_E是单位矩阵，因此，式(3)等价于式(4)；

R_jR_ab＝R_i，jR_i (4)

假设模型M_a和模型M_b之间存在m个重叠的“图像对”，根据这些重叠的“图像对”所对应的三维模型，则构造如下所示的非线性系统；

其中，A_m×3和b_m×3分表示A_n和b_n对应的堆叠矩阵，且A_n＝R_j，b_n＝R_i，jR_i；一旦获得旋转矩阵后，完整模型的极线几何图则表示为一个加权的图结构，图的节点表述子区域的模型，边表示连接子模型之间的重叠图像；

记t_ab和θ_ab分别表示模型M_a和模型M_b之间的平移向量和尺度因子，存在如下的等式关系：

λ_ijt_ij＝R_j(c_i-(θ_abc_j+t_ab)) (6)

其中，t_ij表示I_i和I_j之间的相对变换；表示I_i的投影中心；λ_ij表示重叠图像对应的特征匹配关系之间的尺度因子；展开式(6)可以获得式(7)；

假设x＝[θ_ab，t_x，t_y，t_z，λ₁，…，λ_s]^T表示任意一对图像之间的尺度因子、平移向量和局部特征之间的尺度因子；y_c＝[c₁，…，c_s]^T表示参考模型中的图像，则平移向量和尺度变换可以建模为：

A_ijx＝y_c (8)

其中，A_ij＝[c_j，I_3×3，…P…]是一个具有3列和4+n行的矩阵；因此，平移向量和尺度因子的求解问题可以建模为最小化问题；

至此求解出平移向量和尺度因子，结合旋转矩阵，可以使用最小代价生成树方法将多个区域的模型合并为一个完整的场景模型。