无人机拼接算法java
无人机拼接算法java
摘要：
1.无人机拼接算法的概念
2.Java 在无人机拼接算法中的应用
3.无人机拼接算法的具体实现步骤
4.Java 实现拼接算法的优点与局限性
5.展望无人机拼接算法的未来发展
正文：
【一、无人机拼接算法的概念】
无人机拼接算法是指一种通过将多张无人机拍摄的照片或视频拼接成一张大画面或者完整视频的技术。
这种技术在航拍、地图制作、环境监测等领域具有广泛的应用。
【二、Java 在无人机拼接算法中的应用】
Java 作为一门广泛应用的高级编程语言，具有跨平台、面向对象、易于维护等优点，因此在无人机拼接算法领域得到了广泛的应用。
通过Java 编写的无人机拼接算法，可以实现在多种操作系统上的运行，方便了开发者和使用者。
【三、无人机拼接算法的具体实现步骤】
1.图像预处理：对输入的图像数据进行去噪、对比度增强等处理，提高拼接质量。
2.特征点检测与匹配：通过检测图像中的特征点，并匹配相邻图像间的特
征点，确定图像间的几何变换关系。
3.图像拼接：根据特征点匹配结果，采用几何变换算法（如单应性矩阵）对图像进行拼接。
4.拼接后处理：对拼接后的图像进行色彩平衡、曝光融合等处理，提高视觉效果。
【四、Java 实现拼接算法的优点与局限性】
优点：
1.跨平台：Java 编写的无人机拼接算法可以在多种操作系统上运行，方便了开发者和使用者。
2.丰富的库支持：Java 提供了丰富的图像处理、几何变换等库，可以有效提高拼接算法的性能。
3.可扩展性：Java 具有面向对象的特点，可以方便地实现代码的模块化和复用，便于算法的扩展和优化。
局限性：
1.性能：与其他编程语言相比，Java 运行效率较低，可能会影响拼接算法的实时性。
2.内存消耗：Java 对内存的消耗较大，可能导致拼接算法在处理大量图像数据时出现性能瓶颈。
【五、展望无人机拼接算法的未来发展】
随着无人机技术的不断发展，拼接算法在无人机领域将发挥越来越重要的作用。
基于SURF特征的无人机航拍图像拼接方法
中值滤波是非线性滤波技术的一种，可用于噪声消除 以及图像增强，基本思想是将以某点（x，y）为中心的小 区域内所有像素灰度按大小顺序排列，将中间值作为（x， y）点处的灰度值，让周围像素值接近于真实值，从而消除 孤立的噪声。本文所选用的中值滤波方法在去除脉冲噪声、 椒盐噪声的同时，又能保留源图像边缘信息。 2 基于 SURF 特征的图像配准算法研究及改进
2006 年首次提出，中文名称为“加速版的具有鲁棒性的特征” 算法。SURF 是由尺度不变特征变换算法 SIFT 算法演变而 来的，SURF 算子最大特征是采用了 harr 特征以及积分图 像概念，大大提升了程序运行速度。经试验总结，SURF 算 法的运行速度比 SIFT 算法快好几倍；SURF 算法多用于计 算机视觉领域中的物体识别和 3D 重构中，SURF 特征提取 效果如 1 所示。
目前，图像配准算法中基于图像特征的研究方法成为 人们研究的热点，基于图像特征图像配准算法的核心思想 提取出图像特征，然后将多幅图像特征进行匹配，从而完 成图像配准。1988 年，Harris 和 Stephens 提出了 Harris 角 点检测算法，该算法的核心是提取待拼接图像角点特征， 通过自相关函数保证特征均匀合理，使得拼接速度大大提 升；Z.Yang 等人同样基于角点特征提出了一种利用仿射不 变量和互加权矩仿射不变量算法来对角点进行匹配，这种 算法优点在于不用建立多幅图像角点间的对应关系，缺点 是极易受到噪声影响。1999 年，Low 最先提出了 SIFT 特 征提取算法，并且在 2004 年对该算法进行了改进；该算法 首先提取待拼接图像的 SIFT 特征向量，然后对该向量进行 匹配，对图像几何变换具有较高的鲁棒性，其中包括几何 旋转、几何缩放和平移变换等。基于 SIFT 特征的图像配准 算法，在近年来成为了基于特征图像匹配的经典算法。
适合控制无 人机的编程语言
适合控制无人机的编程语言无人机作为无人驾驶飞行器的代表，近年来在各个领域都得到了广泛的应用。
无人机的控制需要依靠编程语言来实现。
本文将介绍适合控制无人机的编程语言，并分析其特点和优势。
1. PythonPython是一种高级编程语言，以其简洁、易读的语法而闻名。
对于控制无人机来说，Python具有以下优势：Python具有丰富的库和框架，如Django、Flask等，可以方便地进行开发和调试。
对于无人机控制，有一些开源的Python库，如DroneKit和PyDrone等，可以帮助开发者快速搭建控制系统。
Python的语法简洁易懂，使得开发者能够更加专注于算法的设计和实现，而无需过多关注底层细节。
这对于初学者来说尤为重要，因为他们可以更快地上手编程。
Python还具有良好的跨平台性，可以在不同的操作系统上运行，不受硬件平台的限制。
这对于控制无人机的应用来说非常重要，因为无人机的硬件平台可能各不相同。
2. C++C++是一种高效的编程语言，广泛应用于系统级开发和嵌入式系统。
对于控制无人机来说，C++具有以下优势：C++具有高性能和低延迟的特点，能够实时地处理大量的数据和复杂的算法。
在无人机控制中，往往需要处理实时传感器数据和复杂的飞行控制算法，因此需要一种高效的编程语言来实现。
C++支持面向对象的编程范式，能够更好地组织和管理代码。
这对于无人机控制系统来说尤为重要，因为无人机的控制涉及到多个模块和组件的协同工作。
C++还具有强大的硬件控制能力，可以直接操作底层硬件，与无人机的传感器和执行器进行交互。
这对于控制无人机来说非常关键，因为无人机的控制需要与多个硬件设备进行通信。
3. JavaJava是一种广泛应用于企业级开发的编程语言，以其可移植性和安全性而受到青睐。
对于控制无人机来说，Java具有以下优势：Java具有良好的跨平台性，可以在各种操作系统上运行，不受硬件平台的限制。
这使得开发者可以更加灵活地选择硬件平台，而无需重新编写代码。
java开发农业无人机代码
java开发农业无人机代码以下是一个简单的Java代码示例，用于控制农业无人机的飞行和采集数据的操作：```javapublic class AgricultureDrone {private boolean isFlying;private double altitude;private double longitude;private double latitude;public AgricultureDrone() {isFlying = false;altitude = 0.0;longitude = 0.0;latitude = 0.0;}public void takeOff() {if (!isFlying) {System.out.println("无人机起飞");isFlying = true;} else {System.out.println("无人机已经在飞行中");}}public void land() {if (isFlying) {System.out.println("无人机降落");isFlying = false;} else {System.out.println("无人机已经降落");}}public void setAltitude(double altitude) {if (isFlying) {this.altitude = altitude;System.out.println("无人机高度：" + altitude + "米"); } else {System.out.println("无人机未起飞");}}public void setLongitude(double longitude) {if (isFlying) {this.longitude = longitude;System.out.println("无人机经度：" + longitude); } else {System.out.println("无人机未起飞");}}public void setLatitude(double latitude) {if (isFlying) {titude = latitude;System.out.println("无人机纬度：" + latitude); } else {System.out.println("无人机未起飞");}}public void collectData() {if (isFlying) {System.out.println("无人机正在采集数据");} else {System.out.println("无人机未起飞");}}public static void main(String[] args) {AgricultureDrone drone = new AgricultureDrone();drone.takeOff();drone.setAltitude(100.0);drone.setLongitude(30.0);drone.setLatitude(40.0);drone.collectData();nd();}}```这个代码示例定义了一个`AgricultureDrone`类，包含了无人机的飞行状态、高度、经度和纬度等属性，以及控制起飞、降落、设置高度和位置、采集数据等方法。
简析无人机技术航拍与图像拼接技术
简析无人机技术航拍与图像拼接技术1 概述随着社会不断发展和进步，无人机遥感技术在很多领域发挥着不可或缺的作用，譬如军事领域、农业领域、考古领域、环境监测领域、城市规划领域、灾害监测领域、地理测绘领域等。
无人机遥感技术之所以会有如此广泛的应用，是由于无人机遥感图像具有高灵活性、续航时间长，可以在特别危险地区探测，效率特别高，成本也低，还有无人机可在低海拔地区飞行，能够避免云层干扰等独特优势。
2 无人机遥感发展2.1 无人机发展概况因为计算机技术的不断发展，无人机遥感技术也获得了巨大进步，并且因为本身独特优势，受到愈来愈广泛的关注。
一般来说，无人机遥感技术提取和归纳人们所需信息，主要是利用精密成像仪器和图像分析技术，然后通过对这些时效性较高的图像进行特性分析等其他操作来达成。
无人机遥感技术发展如此之快，以至于图像拼接技术也受到越来越多关注，国内外很多研究人员正在对图像拼接技术进行更深研究。
目前，无人机图像拼接技术受到普遍关注，各个国家的学者都进行着与无人机图像拼接有关技术研究工作。
图像拼接技术通过数年研究，已经获取相当多研究成果，但是现在依然有很多问题有待解决，诸如相幅较小、数量多、影像倾斜度大、重叠不规则等一系列问题。
图像拼接效果和效率主要受图像配准精度和有效性所制约。
2.2 无人机航拍原理无人机，顾名思义是一种无人驾驶的或称作不载人的飞行器。
它主要是通过无线电遥控设备或机载计算机程序系统来进行控制。
无人机航拍是以无人机作为拍摄基准平台，随机载有高分辨率CCD数码相机、红外扫描仪、激光扫描仪等机载遥感设备获取地面图像或其他类型数据信息。
通过计算机对所获取的遥感图像信息按照一定精度要求进行解译识别处理，并制作成相关更重要、更全面信息的大幅全景图像。
无人机航拍技术是一种全新的高科技遥感应用技术，需要多种技术手段互相支撑构建成为一个平台系统。
全系统是集成遥感、遥测技术与计算机技术新型应用技术，在设计和最优化组合方面具有突出特点。
无人机遥感影像快速拼接方法研究
幅大 型 的无缝 高分 辨率 影像 的技 术 Ｊ 。影像 拼接 的
方 法很 多 ， 不 同的算法 步骤 会有 一定 差异 ， 但 大致 的过 程 是相 同的。一 般来 说 ， 影 像 拼接 主要包 括 以下 五步 ： （ １ ） 影像预处理 。包 括数字影像处理 的基本操作 （ 如 去噪 、 直方图处 理等 ） 、 建立影像 的匹配模板等操作 。 （ ２ ） 影 像 匹 配 。 就 是采 用 一 定 的匹 配 策 略 ， 找出 待 拼接影 像 中 的模 板 或特 征点 在参考 影像 中对应 的位
坐标 变换 。
（ ５ ） 融合 重 构 。将 带 拼 接影 像 的 重合 区域 进行 融
合 得 到拼接 重构 的平 滑无缝 全 景影像 。 根据不 同的拼 接 目的 、 拼接 精 度 和 拼接 速 度 的要
求， 可 将无 人机低 空 遥感影 像拼 接分 为有缝 快 速拼 接 、 全 景影 像拼 接 、 无 控正 射 影 像 拼接 和有 控 正射 影 像 拼
的无人 机影 像进 行 有 效 拼 接 以达 到使 用 目的 ， 是 无 人
（ ３ ） 建 立变 换模 型 。根 据模 板 或 者影 像 特 征 之 间 的对 应关 系 ， 计 算 出数学模 型 中 的各 参数 值 ， 从 而 建立 两 幅影像 的数 学变换 模 型 。 （ ４ ） 统 一 坐 标 变换 。根 据 建 立 的数 学 转 换 模 型 ， 将 待 拼接影 像 转换 到参 考 影像 的坐 标 系 中 ， 完 成统 一
一
Ｍｉ ｃ ｒ ｏ ｓ ｔ ａ ｔ ｉ ｏ ｎ软件二次开发实 现 ， 其 主体思想是 ： 将无人 机 航摄时获取 的概 略 Ｐ Ｏ Ｓ数 据进 行 坐标转 换 到测量 坐标
系， 并对影像 主点进行展 点 ； 以影像 主点为定 位 中心点将
面向应急响应的无人机图像快速自动拼接
２ ０ １ ３年 ３月
计算 机辅 助设计 与图形 学学 报 ห้องสมุดไป่ตู้
Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ — Ａｉ ｄ ｅ ｄ Ｄｅ ｓ ｉ ｇ ｎ ８ Ｌ Ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ Ｇｒ ａ ｐ ｈ ｉ ｃ ｓ
Ｖｏ １ ． ２ ５ Ｎｏ ． ３
摘
要 ：根据 应 急 响 应 的 需 求 ， 为 了快 速 、 自动 且 稳 定 地 获 取 遥 感 区域 的全 覆 盖 图 像 ， 提 出一 种 直 接 适 用 于 无 人 机 序
列图像的拼接方法． 利 用 无 人 机 平 台 上 的低 精 度 飞 行 控 制 系统 与无 标 定 的非 量 测 相 机 获 取 序 列 图 像 ， 并 进行快速 自
动配准 ； 根 据 全 局 地 面 点 在 多 视 图像 上 的投 影 点 集 ， 基 于单 应 矩 阵 和 自由 投 影 中 心 建 立 整 体 优 化 误 差 方 程 ， 并 利 用
Ｌ ｅ ｖ ｅ ｎ ｂ ｅ ｒ ｇ — Ｍａ ｒ ｑ ｕ ａ ｒ ｄ ｔ 非线性迭代求 解 ； 再 根 据 并 行 几 何 定 位 拼接 线 的 快 速 处 理 方 法 进 行 图像 插 值 和 融 合 ， 实 现 全 流 程 自动 化 的 图像 输 出． 通 过 灾 害 应 急 响 应 的无 人 机 遥 感 实 验 结 果 表 明 ， 在 １ ｈ内处 理 完 成 ４ ５ ０幅 序 列 图像 ， 获 得 定 位 精 度 小 于 ３个 像 素 的 ０ ． ０ ５ Ｉ Ｔ １ 分 辨 率 图像 ； 文 中 方 法 适 合 无 人 机 的 序 列 图像 配 准 ， 为 应 急 响 应 提 供 了 有 效 的 技 术
一种基于局部灰度匹配的无人机图像拼接算法
一种基于局部灰度匹配的无人机图像拼接算法
王斌;王伟锋
【期刊名称】《中国石油大学学报（自然科学版）》
【年(卷),期】2009(033)002
【摘要】结合无人机图像的特点,开发了一种基于局部灰度匹配的图像拼接算法.根据无人机的飞行数据,对无人机图像进行预处理,缩小了特征点的搜索范围.然后利用图像的局部灰度算法,对提取的角特征点进行快速匹配.最后在运行速度以及特征点的匹配准确率等方面对算法进行了评价.试验结果表明,该算法较大幅度地提高了程序的运行速度,能够达到无人机图像处理的实时性的要求.该算法对无人机图像的工业化处理有帮助.
【总页数】5页(P169-173)
【作者】王斌;王伟锋
【作者单位】中国石油大学,资源与信息学院,山东,东营,257061;中国石油大学,资源与信息学院,山东,东营,257061
【正文语种】中文
【中图分类】TP311.5;TE319
【相关文献】
1.一种基于特征点匹配的红外图像拼接算法 [J], 郑兰;安博文;曹芳
2.一种改进的基于SURF特征匹配的图像拼接算法 [J], 李海洋;张睿哲
3.基于局部精确直方图匹配的无人机景象匹配导航色彩恒常算法 [J], 靳珍璐;潘泉;
赵春晖;魏妍妍;马娟娟
4.一种基于角点匹配的图像拼接算法研究 [J], 全星慧;潘勇
5.一种基于图像拼接的区域化特征匹配算法 [J], 秦丽娟; 林一方
因版权原因，仅展示原文概要，查看原文内容请购买。
无人机网络通信与连接课件
第四步：启动线程
•无人机网络通信与连接
•3
网络通信
第一步：在AndroidManifest.xml文件里添加访问网络权限
• 1.四轴无人机介绍 • 2.网络通信 • 3.连接无人机
•无人机网络通信与连接
•1
网络通信
实现原理：
一端要与另一端实时数据交互，可以采用socket 通信，把其中一端设置为服务端，另一端设置为客 户端，通过输入输入流就可以收发数据了。
•无人机网络通信与连接
•2
网络通信
客户端实现步骤
第一步：在AndroidManifest.xml添加访问网络权限 第二步：在java类里创建线程 第三步：在线程里实现网络通信
•无人机网络通信与连接
•7
第三步：在线程里实现网络通信 • 3.3 关闭socket，如：
•无人机网络通信与连接
•8
第四步：启动线程
•无人机网络通信与连接
•9
• 如：•无人机网络通信与连接 Nhomakorabea•4
网络通信
第二步：在java类里创建线程
•无人机网络通信与连接
•5
第三步：在线程里实现网络通信
• 3.1 调用socket类连接要访问的ip地址和端口，如：
•无人机网络通信与连接
•6
网络通信
第三步：在线程里实现网络通信
• 3.2 用输出流或输入流给服务端发数据或接 收服务端的数据，如：
基于无人机遥感视频影像的拼接缝消除算法
Ｖｏ ｉ ． １ ２ Ｎｏ ． ６ Ｄｅ ｃ ． ２ ０１ ３
基 于 无人 机 遥感 视 频 影 像 的拼 接缝 消除 算法
胡 惠平 ， 陈水 利 ， 吴 云 东
（ １ ． 福州 大学 数 学与计 算机科 学学 院 ， 福建 福 州 ３ ５ ０ ０ ０ ０； ２ ． 集 美大 学 理学 院 ， 福建 厦门 ３ ６ １ ０ ２ １ ）
第１ ２卷第 ６期
２ ０ １ ３年 １ ２月
江 南 大 学 学 报 （自 然 科 学 版 ）
Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｊ ｉ ａ ｎ ｇ ｎ ａ ｎ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ （ Ｎａ ｔ ｕ ｒ ａ ｌ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ Ｅｄ ｉ ｔ ｉ ｏ ｎ ）
（ １ ． Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｍａ ｔ ｈ ｅ ｍａ ｔ ｉ ｃ ｓ ａ ｎ ｄ Ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ， Ｆ ｕ ｚ ｈ ｏ ｕ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｆ ｕ ｚ ｈ ｏ ｕ ３ ５ ０ ０ ０ ０ ， Ｃ ｈ ｉ ｎ ａ ； ２ ． Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ， Ｊ ｉ ｍｅ ｉ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｘ ｉ ａ ｍｅ ｎ ３ ６ １ ０ ２ １ ， Ｃ ｈ ｉ ｎ ａ ）
ｓ ｅ ａ ｍ ｒ ｅ ｍｏ ｖ ａ ｌ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ， ｗｈ ｉ ｃ ｈ ａ ｉ ｍｓ ａ ｔ ｔ ｒ ａ ｎ ｓ ｆ ｏ ｒ ｍｉ ｎ ｇ ｔ ｈ ｅ ｃ ｏ ｍｐ ｌ ｅ ｘ ｏ ｖ ｅ ｒ ｌ ａ ｐ ｐ ｒ ｏ ｂ ｌ ｅ ｍ ｔ ｏ ｄ ｏ ｕ ｂ ｌ ｅ ｏ ｖ ｅ ｒ ｌ ａ ｐ ａ ｎ ｄ ａ ｔ ｒ ｅ ｄ ｕ ｃ ｉ ｎ ｇ ｔ ｈ ｅ ｓ ｅ ａ ｍｓ ｆ ｒ ｏ ｍ ｖ ｅ ｒ ｔ ｉ ｃ ａ ｌ ｏ ｒ ｈ ｏ ｒ ｉ ｚ ｏ ｎ ｔ ａ ｌ ｄ ｉ ｒ ｅ ｃ ｔ ｉ ｏ ｎ ．Ｔ ｈ ｅ ｅ ｘ ｐ ｅ ｒ ｉ ｍｅ ｎ ｔ ａ ｌ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｏ ｂ ｔ ａ ｉ ｎ ｅ ｄ ｆ ｒ ｏ ｍ ｔ ｈ ｅ ｕ ｎ ｍａ ｎ ｎ ｅ ｄ ａ ｅ ｒ ｉ ａ ｌ ｖ ｅ ｈ ｉ ｃ ｌ ｅ ｖ ｉ ｄ ｅ ｏ ｉ ｍａ ｇ ｅ ｓ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ ｔ ｈ ｅ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ｍｅ ｔ ｈ ｏ ｄ ｈ ａ ｓ ａ ｂ ｅ ｔ ｔ ｅ ｒ ｖ ｉ ｓ ｉ ｏ ｎ ａ ｐ ｐ ｅ ａ ｒ ａ ｎ ｃ ｅ ，ｃ ｏ ｍｐ ａ ｒ ｅ ｗｉ ｔ ｈ ｔ ｈ ｅ ｔ ｒ ａ ｄ ｉ ｔ ｉ ｏ ｎ ａ ｌ ｍｅ ｔ ｈ ｏ ｄ ｓ ． Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ： ｓ ｅ ａ ｍ ｒ ｅ ｍｏ ｖ ａ ｌ ， ｉ ｎ ｃ ｒ ｅ ｍｅ ｎ ｔ ａ ｌ － ｂ ａ ｓ ｅ ｄ ｓ ｔ ｒ ａ ｔ ｅ ｇ ｙ ｓ ， ｄ ｙ ｎ ａ ｍｉ ｃ — ｂ ａ ｓ ｅ ｄ ｓ ｅ ａ ｍ ｒ ｅ ｍｏ ｖ ａ ｌ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ
基于改进ORB_的无人机影像拼接算法
第 22卷第 4期2023年 4月Vol.22 No.4Apr.2023软件导刊Software Guide基于改进ORB的无人机影像拼接算法张平，孙林，何显辉（山东科技大学测绘与空间信息学院，山东青岛 266590）摘要：针对传统图像拼接算法在无人机遥感影像拼接过程中速度慢、效率低、无法满足实时准确拼接要求的问题，提出一种改进ORB的图像拼接算法。
首先构建尺度金字塔并利用ORB算法提取特征点，利用BEBLID描述符对特征点进行特征描述，采用最近邻比值（NNDR）算法进行粗匹配；然后基于特征点投票构建最优化几何约束对特征点进一步优化，利用随机采样一致性（RANSAC）算法计算变换矩阵，获取高精度变换矩阵；最后利用改进的渐入渐出加权融合算法实现图像拼接。
实验结果表明，所提算法配准精度最高达到100%，配准耗时低于0.91s，拼接图像信息熵达到6.807 9。
相较于传统算法，所提算法具有更高的拼接效率，在降低图像拼接时间的同时能够获取更高质量的拼接图像，性能显著提升。
关键词：图像拼接；多尺度FAST检测；BEBLID特征；最优化几何约束DOI：10.11907/rjdk.222267开放科学（资源服务）标识码（OSID）：中图分类号：TP391.41 文献标识码：A文章编号：1672-7800（2023）004-0156-06UAV Image Mosaic Algorithm Based on Improved ORBZHANG Ping， SUN Lin， HE Xian-hui（College of Geodesy and Geomatics， Shandong University of Science and Technology， Qingdao 266590， China）Abstract：Aiming at the problems of slow speed and low efficiency of traditional image stitching algorithm in UAV remote sensing image stitching process， which cannot meet the requirements of real-time and accurate stitching， an improved ORB image stitching algorithm is pro‐posed. Firstly， the scale pyramid is constructed and the feature points are extracted by ORB algorithm， and then the feature points are de‐scribed by BEBLID descriptor； The nearest neighbor ratio （NNDR） algorithm is used for rough matching， and then the optimal geometric con‐straints are constructed based on the feature point voting to further optimize the feature points. The random sampling consistency （RANSAC）algorithm is used to calculate the transformation matrix and obtain the high-precision transformation matrix； Finally， the improved gradual in and gradual out weighted fusion algorithm is used to realize image mosaic. The experimental results show that the registration accuracy of the proposed algorithm reaches 100% at the highest， the registration time is less than 0.91s， and the information entropy of mosaic image reaches 6.807 9. Compared with the traditional algorithm，the algorithm in this paper has higher splicing efficiency，and can obtain higher quality splicing images while reducing the image splicing time. The algorithm performance is significantly improved.Key Words：image mosaic； multi scale FAST detection； BEBLID feature； optimal geometric constraint0 引言近年来，无人机航拍摄影技术越来越成熟，在遥感监测［1］、电力巡检［2］、灾害勘察［3］、军事侦察［4］等领域均有广泛应用。