一个空间一致性引导的采样算法用于无人机遥感异质图像匹配的UAV遥感
Runjing Chen1, Haozhe Lv2,3, Jiaxing Zhou2,3
1School of Computer and Information Engineering, Xiamen University of Technology, Xiamen 361024, China.
Sensors (Basel, Switzerland)
|January 10, 2026
概括
本研究引入了一种新的空间一致性引导采样算法,通过增强异质图像匹配来改善无人机 (UAV) 视觉定位. 这种新方法显著提高了无人机实时导航的准确性和效率.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 地理空间分析是什么
背景情况:
- 准确的无人机 (UAV) 视觉定位严重依赖于强大的图像匹配.
- 无人机应用中的异质图像对 (遥感地图与空中图像) 对RANSAC等传统算法提出了重大异常挑战.
- 现有的方法在实时无人机空间定位所需的精度和可靠性方面扎.
研究的目的:
- 为无人机视觉定位任务开发先进的图像匹配算法.
- 克服传统方法在处理异常富异质图像对中的局限性.
- 为了提高实时无人机应用的特征匹配的准确性和计算效率.
主要方法:
- 提出了一个以空间一致性为指导的采样算法.
- 最初的对应关系是使用三重关系和结构特征提取来构建的.
- 采用最小子集抽样策略和数据子集精细化策略来提高效率和稳定性.
- 该算法在大学-1652和DenseUAV数据集上与最先进的方法进行了验证.
主要成果:
- 与现有方法相比,拟议的算法在正确匹配率方面表现出优越的性能.
- 它显著提高了对异质图像对的匹配性能.
- 每张图像的平均匹配时间约为0.15秒.
- 在准确性和计算效率上都优于TRESAC和RANSAC等先进的采样算法.
结论:
- 开发的算法通过解决异质图像匹配挑战,为无人机视觉定位提供了实质性的改进.
- 它的高精度和计算效率使其适合实时无人机导航和定位.
- 这些发现表明,在苛刻的无人机视觉定位场景中,实际部署有很大的潜力.
