倾斜影像PMVS改进算法：提升点云匹配效率与质量

"一种基于多视倾斜影像的PMVS改进算法" 本文主要探讨了如何针对PMVS（Patch-based Multi-View Stereo）算法在处理多视倾斜影像密集匹配时的局限性进行优化，以适应城市三维建模的需求。作者王双亭、程锟锟、刘晓龙分别来自河南理工大学、中测新图(北京)遥感技术有限责任公司和中国测绘科学研究院，他们提出了一种创新的改进算法。 PMVS算法是一种广泛用于三维重建的立体匹配技术，但其在处理倾斜影像时存在一些问题，如初始匹配种子点过多、种子点精度不足以及扩散和滤波过程中的不确定性等。为解决这些问题，研究者结合了高程约束条件、聚类分析方法和候选影像排序策略，并将扩散方式由原来的六方向扩散替换为格网扩散。 高程约束条件的引入考虑了地表物体的垂直关系，通过比较不同视角下的影像特征，提高了匹配点的准确性。聚类分析则有助于识别相似区域，减少错误匹配的可能性。候选影像排序策略则是对参与匹配的影像进行智能选择，优先处理最有可能产生有效匹配的影像，以提高效率。 格网扩散的采用使得扩散过程更加有序且控制更精确，减少了不必要的计算和潜在的匹配错误。这一改进减少了初始匹配的种子点数量，同时显著提高了种子点的精度和质量，降低了后续处理的不确定性和计算复杂度。 实验结果显示，该改进算法能将最终获取的点云数量提升78%，显著减少了点云的空洞现象，这对于DEM（数字高程模型）生产和城市三维建模具有重大意义。这些改进不仅提升了重建的精度，还大大增强了算法在处理大规模倾斜影像数据时的效率，为城市环境的精细化建模提供了新的技术手段。 这项工作为多视倾斜影像的处理提供了一个有效的解决方案，对于推动遥感技术在城市规划、地理信息系统和灾害监测等领域的应用具有重要的理论价值和实践意义。通过深入理解和应用这种改进的PMVS算法，可以进一步提升三维建模的准确性和速度，为未来城市信息化建设带来积极的影响。