Colomina

自动处理大量图像以进行 2D/3D 建模

当分析从地面（例如固定摄像站）或地面以上（例如无人机、飞机或卫星）在同一位置收集的图像的时间序列时，没有必要对所有帧进行地理配准。与摄影测量光束法区域网平差一样，GCP 是在整个图像块的较小子集上测量的，而其他 GCP 则在它们之间和相对于它进行配准。如果使用间接地理配准技术，则使用已知 GCP 手动对一幅图像进行地理编码（该图像通常称为“主”或“参考”图像），然后手动或自动将该系列的所有其他图像与其配准。另一方面，当使用直接地理配准技术时，所有图像都已进行地理配准，只需要几个 GCP 来纠正一些残留偏差。不幸的是，这种方法不适用于任何类型的应用，例如近距离摄影测量（Luhmann 等人2014 ）。在其他情况下，它可能仅提供近似地理编码，用于实例化其他地理参考技术。这是使用无人机记录的大多数摄影测量块的情况（Colomina 和 Molina 2014；Granshaw 2018a）或用于分析卫星图像，其中直接地理编码不够准确。当需要间接地理参考方法时，假设总是需要一些外部约束，则仅在（小）图像子集上测量 GCP 然后将其余数据联合注册的选项对于减少处理时间和限制操作员工作量确实具有战略意义。因此，近年来，已经开发了几种自动化方法来实现这一目的。米兰理工大学建筑、建筑环境和建筑工程系 (DABC) 通过在通用框架内引导不同类型图像的配准过程，为这一主题做出了贡献。这可以称为运动结构摄影测量程序，将在下一节中讨论。