深圳大学 姜三副教授在SPRS P&RS发表了研究成果:联合图序调度与级联哈希的球面全景影像高效匹配及其视觉定位研究

原文标题：联合图序调度与级联哈希的球面全景影像高效匹配及其视觉定位研究

作者：游侃，姜三，张婉，李亚鑫，黄伟，陈智鹏，李清泉

来源：ISPRS Journal of Photogrammetry and Remote Sensing（影响因子12.2，中科院1区TOP期刊）

论文链接：https://www.sciencedirect.com/science/article/abs/pii/S0924271625004137

DOI:10.1016/j.isprsjprs.2025.10.025

    球面全景影像凭借其360°全场景覆盖能力，已成为城市感知、隧道测绘及三维建模的关键数据源。然而，面对大规模、高分辨率的球面全景影像，传统特征匹配方法面临两大核心挑战：一是球面投影导致的严重几何畸变，使得特征点分布不均、描述子失真，严重影响匹配精度；二是海量影像对（ O(n^2) ）带来的巨大计算开销，导致现有算法难以满足实时处理需求，且在GPU显存受限的情况下效率低下。

深圳大学姜三副教授在摄影测量与遥感领域顶级期刊ISPRS P&RS发表了研究成果，论文第一作者为硕士研究生游侃。该研究提出了一种联合图序调度（Graph-order scheduling）与级联哈希（Cascade hashing）的球面全景影像高效特征匹配方法，并成功用于城市近地面场景的地图构建和视觉导航定位研究。

本文针对球面全景影像特征匹配中普遍存在的投影畸变降低精度、全连接策略导致大量无效计算、以及高维特征匹配耗时长的三大瓶颈，提出了一套系统性的解决方案：首先，利用立方体投影模型对球面影像进行几何校正，从源头消除畸变对特征提取的干扰；其次，基于影像空间位置构建索引图并实施图序调度，智能剔除无重叠像对，大幅减少冗余匹配；最后，引入多级哈希筛选的级联匹配机制，在保证精度的前提下实现高维特征的快速搜索。该方法从特征建模、任务调度到搜索加速三个维度协同优化，有效攻克了球面全景影像处理中效率与精度难以兼顾的难题，显著提升了三维重建的完整性与实时性。

针对球面影像视场广、边缘畸变显著，导致传统基于平面透视投影的SfM及特征匹配方法失效的难题，本文提出了适配球面几何特性的投影特征匹配模型。传统算法直接应用于展开的全景图时，极易因严重的非线性形变引发特征描述子失真及误匹配；

    为此，本研究摒弃了平面近似假设，构建基于单位球面的特征表达体系，将影像像素坐标严格映射至三维球面空间。通过在球面上直接建立几何约束并执行匹配计算，该方法从根源上消除了投影畸变干扰，显著提升了球面全景影像特征匹配的鲁棒性、准确性与几何一致性。

针对大规模影像匹配中，传统顺序遍历或全连接策略因盲目计算大量无重叠像对而导致算力严重浪费、重建效率低下的问题，本文提出了图序调度方法。该方法摒弃了静态的匹配顺序，转而构建动态的影像连接图，依据影像间的空间邻接关系与重叠度进行智能数据分块。通过遵循图结构拓扑顺序，算法优先处理高重叠潜力的核心像对，并以此为基础逐步向外扩展匹配范围。这种“由点及面、按需匹配”的策略有效剔除了冗余计算，在大幅降低匹配对数量的同时，显著提升了大规模场景下的三维重建效率。

面对高维特征描述子（如SIFT）在大规模匹配中引发的“维度灾难”，传统最近邻搜索往往因计算量爆炸而成为制约SfM流程效率的核心瓶颈。为此，本文提出了一种基于GPU加速的分块级联哈希匹配策略。该算法利用多级哈希编码将高维向量映射为紧凑的二进制串，并构建“由粗到精”的级联筛选机制：先通过低成本的哈希碰撞快速剔除绝大多数无效候选，仅对极少数高潜力特征对执行精确的距离度量。这种策略不仅充分发挥了GPU的并行算力，更从根本上规避了全量搜索的冗余，实现了海量特征匹配的极速响应与高效收敛。

在配备Intel i9-13900HX处理器与NVIDIA RTX 4050显卡的实验平台上，利用三个涵盖密集建筑、混合场景及植被主导的大规模真实数据集（影像数量568至2262张，分辨率7040×3520），对本方法进行了全方位验证。

本方法在效率提升方面实现了显著突破。相较于传统的SIFTGPU算法，其特征匹配环节取得了4.0至30.0倍的加速比；在处理包含2262张影像的大规模数据集时，匹配耗时从343分钟大幅缩短至11.55分钟，有效解决了大规模三维重建中的时间瓶颈问题。

    在精度与特征质量方面，该方法同样表现优异。通过引入立方体投影校正，有效克服了球面畸变导致的特征丢失难题，使特征点提取数量提升了3.7至4.5倍。同时，尽管采用了高效的近似匹配策略，其内点率仍稳定保持在0.51至0.75的高水平，不仅与计算昂贵的暴力搜索方法相当，更显著优于未进行几何校正的传统方法，实现了速度与精度的良好平衡。

本研究提出了一种GPU加速的分块级联哈希特征匹配方法，有效突破了大规模三维重建的效率瓶颈。该方法在保持高内点率的同时，实现了较传统算法4.0至30.0倍的加速，并将千张影像匹配耗时从数小时压缩至分钟级。结合立方体投影校正，不仅解决了球面畸变导致的特征丢失问题，更在复杂长轨迹场景中实现了从局部失败到全场景完整重建的突破，重建点数提升40%至90%。实验表明，该方法兼具厘米级定位精度与优异的轨迹稳定性，为复杂环境下的高效、高精度三维重建和视觉定位提供了可靠方案。