为提升相关滤波跟踪算法在目标遮挡、背景嘈杂及目标形变等干扰下的跟踪精度,提出一种基于时序一致和空间剪裁的多特征相关滤波跟踪算法。在训练阶段利用二值矩阵掩模对滤波器模板的能量分布进行裁剪,使模板信息更加集中于目标区域,从而缓解循环样本造成的边界效应;利用l2范数作为时序一致模型对相邻帧的滤波器建立平滑性约束,使滤波器模板学习到相邻帧目标的上下文信息,增加算法的抗干扰能力;为进一步提升目标模板的表达能力,将包含丰富语义信息的ResNet50深度特征引入到跟踪框架中,通过主成分分析法对提取到的深度特征进行降维,采用传统特征结合深度特征的方式提升跟踪结果的精确度和稳健性。将本文算法与5种算法进行对比实验,验证了本文算法在处理目标遮挡、背景嘈杂及目标形变等干扰时的稳健性。

光束法平差是一种高精度的摄影测量优化方法, 在大尺寸三维测量中起不可替代的重要作用。但光束法平差优化参数初始值的误差会影响最终结果的优化精度、优化发散以及局部收敛等现象发生。以高精度的区域网光束法平差为研究对象, 系统性的对包括重建三维点坐标、图像坐标、外参数旋转角和平移向量四种初值参数对测量精度的影响进行深入分析。模拟研究表明, 光束法平差优化将毫米级的重建三维点初值误差降低10倍以上; 随着图像坐标定位误差的增加优化精度下降很快, 但光束法平差优化精度仍能提高一个数量级; 相机外参数旋转角和平移向量初值误差都对光束法平差优化精度影响较大。模拟结论对实际测量实验具有重要的指导意义。