摘要
本申请公开了一种基于可见光图像和红外图像的粗精两阶段配准方法,属于图像处理技术领域。该方法包括:基于可见光数据建立第一3DGS模型并生成可见光点云数据,基于红外数据建立第二3DGS模型并生成红外点云数据;采用KPConv网络提取可见光点云数据和红外点云数据的特征值并进行粗匹配,得到粗匹配参数,粗匹配参数包括第一缩放因子、第一旋转矩阵和第一平移矢量;基于粗匹配参数生成可见光图像和红外图像,采用FAST算法提取可见光图像和红外图像中的所有角点得到可见光角点集和红外角点集进行精匹配,得到精匹配参数,精匹配参数包括第一缩放因子、第二旋转矩阵和第二平移矢量,基于精匹配参数得到目标图像,提升了可见光3DGS模型与红外3DGS模型的匹配度。
技术关键词
可见光图像
点云特征
FAST算法
配准方法
像素点
参数
数据
矩阵
特征点
阶段
可见光相机
非暂态计算机可读存储介质
红外相机
特征值
特征金字塔网络
因子
匹配模块
系统为您推荐了相关专利信息
像素点
缺陷检测方法
面料
防护服
局部二值模式算法
彩色图像加密算法
数据交互方法
图纸
二值化图像
像素点
卷积神经网络模型
图像增强模型
图像匹配
分量特征
色彩
铜杆表面
毛刺检测方法
电解液
电解抛光
静态特征