通过分析杆塔镂空的结构特征,提出了一种基于杆塔梯度方向直方图(HOG)的由远及近杆塔部件检测方法。使用不同方位下杆塔HOG特征训练多层感知机(MLP),得到训练后的分类模型,将航拍图像输入到分类模型中识别杆塔的方位,最终实现了局部目标的检测。相比于深度学习神经网络,该方法的分类特征更加明确,更具有代表性。实验结果表明,所提方法的检测准确率比Faster RCNN(Regions with Convolutional Neural Networks)方法高27.9%,运算时间比Faster RCNN减少70.6%。所提方法适用于在开阔环境下利用无人机对杆塔方位及其局部部件的精确检测。

针对图像拼接技术中特征精匹配耗时长,图像配准精度低导致拼接区域模糊等问题,提出一种基于改进网格运动数据和加权投影变换的图像配准算法。该方法使用ORB(Oriented FAST and Rotated BRIEF)算法进行图像特征提取,再利用暴力匹配算法进行图像粗匹配。然后将图像划分成多个方形网格,进行网格特征数量统计,通过计算五宫格特征分数来剔除错误匹配,得到精匹配特征点集。最后通过引入距离权重系数获得加权投影变换模型实现图像配准。将本文算法与其他方法在拼接序列集上进行测试比较,实验结果表明,本文算法在配准精度上平均提高28.7%,在特征精匹配速度上提升43.6%,拼接的全景图像无明显几何错位和畸变,整体成像自然。