● 摘要
空基立体交通态势获取与处理技术，采用无人飞艇等空基平台，搭载图像采集、压缩和传输装置，实时传回视频数据并进行处理，计算交通参数，监视道路交通情况。它具有监视范围大、灵活机动等优点，因此成为近年来国内外智能交通领域的研究热点。 空基平台的运动使视频图像产生了平移、旋转、尺度和视角等变化，只有运用图像配准技术，将空基视频图像配准到统一的坐标系下，才能检测出车辆的绝对运动信息。空基视频图像因拍摄距离远、数据量大等特点，故要求其配准算法具有很高的精确性和高效性。本文针对配准算法中的特征匹配和单应矩阵估计问题，分别提出了： 1、基于MDS-SIFT的特征点匹配算法。它是一个适用于空基平台运动的快速特征点匹配算法。该算法首先采用多尺度分析的方法通过训练图像集合学习特征空间；然后选择特征点附近的41x41梯度图像块或者原始的灰度图像块构成向量，并投影到特征空间得到该向量的低维表达；最后采用低维空间中的欧式距离作为低维特征描述向量间的相似度衡量。试验结果表明：基于MDS-SIFT的方法在噪声干扰、光照变化、旋转和尺度缩放以及视角变化等情况下，其匹配效果接近SIFT，但是其匹配速度较SIFT快2～3倍。 2、P-PROSAC单应矩阵鲁棒算法。它的主要思想是利用空基平台的运动具有连续性，从历史帧配准结果中预测出当前帧的配准参数，用来衡量候选点的符合程度并赋予候选点不同的抽样顺序，从而更快找到正确的单应矩阵，有效排除外点对结果的干扰。试验结果表明：P-PROSAC算法在与RANSAC和PROSAC算法具有同样高的配准精度时，在抽样次数、算法稳定性以及运算耗时方面都明显优于后二者。 最后，结合空基立体交通态势获取与处理应用提出了一套完整的空基视频配准算法，同时介绍了空基立体交通态势获取与处理系统的设计和实现，以及配准算法在全景图拼接方面的应用。