Resumen

La fusión automática de diferentes tipos de conjuntos de datos de imágenes es muy difícil debido a la diversidad de principios de imagen. Este artículo presenta un método novedoso para la fusión automática de dos imágenes diferentes: Imágenes hiperespectrales 2D adquiridas con una cámara hiperespectral y escaneados láser 3D obtenidos con un escáner láser, sin ningún otro sensor. Sólo se utilizan unos pocos puntos característicos correspondientes, que se extraen automáticamente de una escena vista por los dos sensores. El método de extracción de puntos característicos se basa en el algoritmo SURF y el modelo de cámara, que pueden convertir un escaneado láser 3D en una imagen láser 2D con la intensidad de los píxeles definida por los atributos en el escaneado láser. Además, se utilizan la ecuación de colinealidad y la transformación lineal directa para crear la relación inicial correspondiente de las dos imágenes. También se utiliza el ajuste para crear valores corregidos que eliminen los errores. El resultado experimental muestra que este método se valida con éxito con imágenes recogidas por una cámara hiperespectral y un escáner láser.

• Materias:Redes de sensores Sensores inalámbricos Sistema de sensores Sensor inteligente Sensores electroquímicos
• Subjects:Sensor networks Wireless sensors Sensor system Intelligent sensor Electrochemical sensors
• Palabras claves:cámara hiperespectral, escáner láser, pocos puntos de características correspondientes, imágenes hiperespectrales 2d, imagen láser 2d, escaneos láser 3d, transformación lineal directa, principio de imagen diversa, imágenes, láser 3d
• Keywords:hyperspectral camera, laser scanner, few corresponding feature points, 2d hyperspectral images, 2d laser image, 3d laser scans, direct linear transformation, diverse imaging principle, images, 3d laser