❶ 航拍照片怎麼樣組合圖片，有什麼方法
可以通過圖片編輯軟體，如PS 美圖秀秀等完全
至於怎麼拼接 就看你的創意了
❷ 基於特徵匹配和迭代優化的航拍圖像拼接
本文研究了無人機（UAV）遙感圖像拼接過程中重疊區域的不匹配問題。為了解決這個問題，首先通過將雙重匹配與隨機抽樣共識（RANSAC）方法相結合來過濾特徵點。其次，為了保證每幅圖像與全景照片的投影關系的一致性，我們提出了一種局部拼接的方法。為了避免隨著圖像數量的增加透視變化累積而導致圖像傾斜的錯誤，我們建立了圖像旋轉坐標系，並將圖像之間的關系限制為平移和旋轉。用坐標原點的相對位置來表示平移距離，通過迭代求解最優旋轉角度。最後，圖像的重疊部分通過線性加權融合。通過實驗結果驗證，本文提出的方法在大量圖像的情況下能夠保證更快的處理速度和更高的處理精度，從而達到理想的拼接效果。
近年來，隨著計算機視覺的不斷進步，圖像拼接技術在海洋和礦產勘探、遙感勘探、醫學成像、效果生成、虛擬現實等方面得到了廣泛的應用。許多航拍遙感圖像可以通過配備攝像頭的無人機在地面拍攝得到。通常，由於無人機飛行高度、相機焦距等因素，單幅圖像存在信息量少、全局解析度低等問題。因此，要獲得廣角高解析度的照片，就需要研究全景圖像拼接技術。Brown 在 2003 年引入了著名的 AutoSitich 演算法，很快就被用於商業產品，如 Photoshop。但是，該演算法假定圖像的重疊區域沒有深度變化。2013 年，薩拉戈薩 J 等人。將圖像拆分為密集的網格，並為每個網格使用單個更改，稱為網格變形。該方法在一定程度上解決了圖像變形、尺寸縮放、重定向等問題。
圖像拼接技術一般分為圖像幾何校正、圖像預處理、圖像對齊、圖像融合四個步驟。由於相機鏡頭的畸變，需要對無人機的圖像進行校正，使得到的圖像滿足個別地圖的投影關系。圖像預處理是幾乎所有圖像處理技術的重要組成部分，包括去噪、灰度變化等。這個過程可以降低匹配難度，提高匹配精度。然而，對於無人機遙感圖像的拼接，圖像匹配和圖像融合是成功的關鍵。
圖像匹配技術是圖像拼接的基礎。1975年米爾格拉姆提出了計算機拼接技術。於是，在重疊區域尋找最優接縫線就成為一個重要的研究方向。同年，Kuslin 提出了一種相位相關方法，通過傅里葉變化將圖像轉換到頻域，並利用功率譜計算平移。1987 年，Reddy 提出了一種擴展的相位相關方法，該方法可以計算圖像的平移和旋轉關系並解決圖像縮放問題。圖像拼接的另一個分支是基於圖像特徵。1988年Harris提出經典的Harris點檢測演算法，它使用特定的旋轉不變性哈里斯點進行特徵匹配。2004 年，Lowe 提出了一種完美的尺度不變特徵變換演算法（SIFT），對平移、旋轉、尺度縮放、不均勻光照等圖像領域應用最廣泛的技術具有良好的適應性。C Aguerrebere 根據輸入圖像的 SNR 條件給出的問題難度級別顯示不同的行為區域。Wu通過建立模型，將深度學習和進化演算法應用於遙感圖像的拼接，實現概率意義上的全局優化。
圖像融合技術是遙感圖像拼接技術中的另一項核心技術，分為像素級融合、特徵級融合、決策級融合。像素級融合仍然是現階段最常用的圖像融合方法之一。
對於無人機的遙感圖像，存在圖像數量多、光照條件多變等問題。每次拼接過程中的小錯誤都難以避免。隨著圖像數量的增加，誤差不斷累積，圖像拼接後期會出現圖像失真和重影。S Bang 創建高質量全景圖，過濾掉視頻的模糊幀，選擇關鍵幀，並校正相機鏡頭失真。Zhang 提出了基於 STIF 的 GA-SIFT 並給出了一種自適應閾值方法來解決計算量大和拼接時間長的問題。李明基於動態規劃解決無人機側視問題尋找最佳接縫線。然而，當圖像數量逐漸增加時，現有的拼接演算法存在誤差累積。
也有一些基於網格變形的圖像拼接演算法，但計算量太大。在本文中，圖像被匹配兩次以過濾特徵點以提高准確度。拼接問題對應於通過坐標系轉換的旋轉角度解，應用高斯-牛頓迭代計算最優旋轉角度。此外，我們練習局部匹配方法以減少錯誤並使用加權融合來實現過度平滑。
SIFT特徵點不僅在空間尺度和旋轉上保持不變，而且在光照和視角變化的條件下，還具有優異的抗干擾能力和良好的穩定性。為了實現空間尺度的不變性，SIFT特徵點可以根據物體遠看小而模糊，反之大而清晰的特點，建立高斯金字塔模型。差分金字塔 (DoG) 是通過計算金字塔中相鄰兩層圖像之間的差異來獲得的。使用函數擬合在 DOG 空間中測試極值。通過對確定場中基於SIFT特徵點的梯度信息進行統計，選擇加權幅度最大的梯度方向作為主梯度方向。通過將特徵點與其主梯度方向相關聯，可以解決圖像特徵點的旋轉不變性問題。最後，利用特徵點周圍像素的信息建立一個128維的向量作為特徵點的描述符。
提取特徵點後，需要對兩幅圖像的特徵點進行匹配。通過特徵點成對匹配，可以計算出兩個特徵點對應的描述符之間的歐氏距離，選擇歐氏距離最小的點作為匹配點對。為了減少不匹配的發生率， 被用作正確匹配的閾值。具有大於 的描述符歐幾里得距離的匹配點對被消除。
RANSAC 是特徵點匹配中最常用的方法之一。它首先從匹配結果中隨機選擇四對特徵點並計算單應矩陣。其次，根據上一步得到的單應矩陣，計算第一幅圖像在第二幅圖像中的重投影坐標，並計算該坐標與第二幅圖像中匹配點對坐標的距離。通過設置距離閾值記錄所有匹配點對中正確匹配特徵點對的個數。重復上面的過程，最終留下與最多點對數的正確匹配。
高斯-牛頓迭代是求解非線性最小二乘優化問題的演算法之一，可以描述為：
我們選擇一個初始值，然後不斷更新當前優化變數以減小目標函數值。高斯-牛頓迭代的主要思想是對函數 進行一階泰勒展開，計算 及其雅可比矩陣 對應的函數值。使用 和 計算 的增量，直到 足夠小。
加權平均法是圖像融合中簡單有效的方法之一。第一幅圖像和第二幅圖像重疊區域的像素值由兩幅圖像像素的加權求和得到，表示為：
其中：越接近 img1， 的值越大。 的值從1逐漸變為0，重疊區域從第一幅圖像逐漸過渡到第二幅圖像，從而實現畫面的平滑過渡。照片的加權平均融合因其直觀的簡單性和快速的運行速度而被廣泛使用和圖像拼接。
對於兩幅圖像的拼接，由於無人機的遙感相機通常安裝在一個穩定的平台上，通過選擇合適的坐標系，將圖像對齊問題轉化為單幅圖像旋轉問題，如圖1所示。
此外，大多數具有相關高光頻的常用相機通常在連續幀之間具有較大的重疊區域。因此，在圖像拼接過程中，第 幅圖像在全局位置上的投影關系，不僅受第 幅圖像的影響，還與 圖像相關。為了保證圖像變形的一致性，首先將 張圖像拼接在一起，然後將結果整合到整幅圖像中。大量的實驗測試證明，當i設置為3時效果最佳。整個過程如圖圖2。
圖像中的特徵點有很多種，本文使用最常見的SIFT特徵點。我們提取並匹配兩張輸入圖像的特徵點，結果如下所示。
特徵點的匹配精度直接影響旋轉角度的計算，因此使用前必須對特徵點對進行過濾。鑒於過濾特徵點的方法很多，本文先將左圖與右圖進行匹配，再將右圖與左圖進行匹配。兩次相同結果配對的匹配點將被保留。在此基礎上，使用RANSAC方法對結果進行優化，成功匹配了上圖中的121個特徵點。
從無人機拍攝的兩張照片之間通常存在旋轉和平移。為了獨立優化旋轉角度，我們首先建立如圖 5所示的坐標系。
以圖像匹配成功的特徵點坐標值的平均值作為該坐標的原點，坐標軸與像素坐標系的兩個坐標軸平行。根據公式（3），特徵點從圖像坐標系轉換為圖像旋轉坐標系：
其中 為濾波後的特徵對的總數， 為特徵點在原始圖像坐標系中的坐標值，並且 是新的值。
在計算圖像的旋轉角度之前，我們首先需要分析圖像的縮放比例。由飛行高度引起的尺寸變化將在軸上具有相同的縮放比例。因此，根據所有特徵點與圖像旋轉坐標系原點的歐氏距離比，可以計算出兩幅圖像之間的縮放比例，對圖像進行縮放和改變。
圖像縮放後，計算圖像旋轉的角度。高斯牛頓迭代的方式計算旋轉角度的最優解。首先設置目標函數：
通過迭代選擇最優的 使得：
使用誤差函數 的泰勒展開進行迭代。
其中
根據
我們可以發現增量值 每次迭代。最終，當我們計算出的 滿足條件時，停止迭代過程。可以使用最佳旋轉角度和旋轉中心來求解圖像的變換矩陣。
由於拍攝圖像時光線不均勻，連續兩張圖像之間可能存在一些顏色差異。此外，圖像旋轉不可避免地存在小誤差，因此我們練習線性加權融合以消除兩幅圖像之間的拼接線和色度變化。圖像的重疊是按距離加權的，這樣拼接結果自然是從img1到img2過度了。
我們利用OpenCV的功能從遙感圖像中提取SIFT特徵點並進行匹配。從Stitch拼接功能、基於透視變化的圖像拼接結果以及本文的拼接速度的對比可以看出，本文採用的方法具有一定的優越性。
從表1數據可以看出，在拼接少量圖像時，三種演算法的拼接結果相似，沒有出現明顯的拼接誤差。但是，Stitcher 演算法比其他兩種拼接方法花費的時間要多得多。
圖 11很明顯，隨著圖像數量的增加，基於透視變換的圖像拼接演算法出現了嚴重的失配。然而，本文採用的方法取得了比較滿意的結果，因為在無人機拍攝的圖像中，地面上的所有特徵都可以近似地視為在同一平面上。根據透視變換，無人機的遠近抖動會引入圖像拼接導致錯誤。圖像數量的不斷增加會導致錯誤的積累，從而導致嚴重的失配。另外，這使得程序中斷，從而無法完成所有60幅圖像的拼接。假設同一平面上圖片的仿射變化會更符合無人機遙感圖像的實際情況。最後，可以通過線性加權融合來解決誤差問題，以提高拼接效果。考慮到stitch演算法耗時過長，本文不會對兩者進行比較。
在上面的圖 12 中，使用 100 張圖像來測試本文中的方法。圖像的仿射變換是通過計算圍繞圖像特徵點中心的旋轉角度來進行的。變換後的圖像採用線性加權融合後，可以得到大量圖像數據處理後的結果。拼接自然，符合人類視覺體驗。
我們在網路上跑了一組數據，結果如下。
鑒於以上實驗結果，該方法具有一定的抗干擾能力，可以高速運行。與高度集成的Stitcher和基於透視變換的圖像拼接結果相比，我們可以發現，基於透視變化的圖像拼接結果隨著圖像數量的增加而逐漸變差。然而，盡管拼接效果很好，但 Stitcher 需要更長的處理時間。
在本文中，我們研究了無人機遙感圖像的拼接技術，主要貢獻可以總結如下：
通過實驗結果可以看出，本文提出的方法比現有方法具有更好的實時性，對於相機平面與成像平面平行的情況具有更好的拼接效果。
❸ 怎麼樣把衛星圖和CAD圖拼在一起
一、工具：
CAD、谷歌截圖器
二、步驟：
使用谷歌衛星截圖軟體，下載地形圖所在的衛星圖，軟體可以網路查詢，這里僅作參考，如使用圖中軟體請按照1--4順序操作
三、注意事項：
使用對齊法時，兩個基準點最好相距較遠
實際操作中，兩種方法結合使用，先對齊，再縮放微調
❹ 從不同角度的地方拍的同一景色的照片怎麼用 PS合成為一張全景照片（例如，航拍）！
1、雙擊桌面Photoshop圖標，打開Photoshop。
❺ 航拍+全景圖的拼接教程
航拍全景三部曲
①前期拍攝
②後期合成
③分享發布
一、前期拍攝
設備：帶拍照功能的飛行器（如精靈3、精靈2V+、悟等）
二、後期合成
軟體：PTGui、Photoshop
使用PTGui自動合成的全景圖，但由於飛機拍不到天空的畫面，所以天空部分有缺失
解決辦法：在地面實拍或者去網上找一張天空的全景圖
❻ 五百多張航拍圖怎麼拼成一張,文件全是一張一張的，有沒有什麼快速點的辦法
用photoscan 等軟體可以合成，但是感覺合成的圖片沒有原圖片清楚！
❼ 怎樣做航拍衛星地圖的拼圖
我是這樣做的：
先建立一個較大的圖層，再將拍好的照片粘貼上去，然後排列好，再將重疊的一張用橡皮搽去一點，就ok了。
回答你的補充：
你不是想將google地圖單機化吧~ 那不難，不過就看你有沒有耐心了，我用photoshop把9張照片拼成一張全景而且調好色至少要20分鍾（你要想拼好個市的地圖起碼要幾個月）。你要是會photoshop按照我上面說的做就可以了。還有你的電腦配置要高點才看得了大的組合圖片的，組合好的圖片至少會有幾十M那麼大。
還有我用的是土方法，也許還有更好的方法，就看你有沒那樣的條件了。
❽ 這種全景是怎麼拍的 上面的小飛機點了可以去相應的位置 需要上面軟體製作
這個是VR全景航拍，航拍的具體教程可以在網路查到，這里說後期怎麼處理照片：
1、拼接、美化圖片：
所有場景拍攝完成以後導出圖片，可以使用軟體直接批量拼接，或者使用手工每個場景每個場景單獨處理。
目前市面上很多拼接圖片的軟體大多數是漢化破解版，想要學習就選擇其中一個，然後看一下教程練習熟悉就行了，拼接以後的圖片一般要求是2:1比例最低解析度4000*2000的圖片，這個時候可以用ps對拼接完成以後的圖片進行美化處理，有瑕疵的地方進行修飾。
2、選擇VR全景圖處理軟體平台：
在第二步拼接、美化以後的圖片還不算是真正的VR全景圖，需要上傳到專業的VR全景圖處理軟體或者平台才能看到效果。九商VR雲全景製作平台除了提供流暢的在線存儲分享以外，還提供了VR全景圖最基本的班級製作功能，對於VR全景圖有特殊要求的比如在全景圖中插入視角、熱點、沙盤、遮罩、音樂、視頻等功能，九商VR雲平台也提供了這些功能，這是一般的免費軟體無法比擬的。
做完這三部基本上一張完整的VR全景圖就出來了，上傳到九商VR雲平台以後還可以把做好的VR全景圖分享給朋友，供朋友欣賞，對於專業的從業者，則只需分享鏈接就可以向客戶交差了。
❾ 一般使用什麼軟體對航拍影像圖進行拼接無人機飛行拍攝如何才能控制影像拼接不變形
RockyMapper視頻正射軟體，可以平面測量
❿ 多張航拍照片怎麼拼成一張完整的照片
用PHOTOSHOP吧，建一個大點的空白圖像，然後把小圖像一個一個地拖到大圖像中，拼好就行
----這個問題太簡單了吧--