双目视觉测量中等匹配点的光条中心提取

为了精确、快速提取激光条中心,使其提取结果更适用于工业现场特征尺寸的双目视觉测量,提出了一种等匹配点的激光条中心提取方法。利用灰度重心法粗提取出激光条中心点,计算灰度梯度方向,确定光条边界。接着,根据左右图像中激光条的粗提取结果确定基准光条,对另一幅图像中的对应光条进行插值。然后结合灰度梯度方向与插值结果对激光条进行重提取,得到等匹配点的亚像素中心坐标。最后,利用激光条中心点提取结果重建陶瓷平板、金属板表面及加工现场锻件表面的特征信息。实验结果表明,本文方法提取陶瓷板与金属板的激光条中心点的匹配率分别为99.887%与98.276%,宽度重建的相对误差分别为0.638%与0.488%,激光条中心提取结果能有效重建锻件表面的特征信息,满足工业现场对测量的精度、速度和鲁棒性要求。     

序列图像约束的点云初始配准方法

针对现有算法难以精确配准重叠区域较小的点云,提出一种结合二维序列图像的点云初始配准方法。基于移动式三维测量方法获取实物表面灰度图像及三维数据,根据透视投影原理对相机在点云局部坐标系中的位置进行定位,获取点云到对应相机坐标系的变换矩阵,并以灰度图像的特征点及其匹配点作为匹配对,通过重建序列图像对相机外参数予以全局优化,根据初始配准公式实现点云初始配准。试验结果表明,该算法可正确配准重叠区域较小的点云,且能显著提高配准过程的稳健性及配准效率。     

反求工程中ICT图像对称轮廓自动识别

针对机械工业产品轮廓中对称约束特征,该文提出了基于特征匹配的二维图像对称轮廓自动识别方法.基于轮廓点云数据分割和型值点方法提取特征点,研究轴对称和旋转对称图像特征点的不同分布规律,判别对称类型;采用转动惯量法和周期法求取对称轮廓特征描述参数作为轮廓整体约束优化求解参数;实例表明:文中方法能够有效地自动识别对称轮廓及其类型,提取出对称约束特征.     

复杂型面工件超声自动检测中的匹配定位方法

为提高复杂型面工件超声自动检测的效率和通用性,研究了CAD模型已知时工件的匹配定位方法。首先使用人工缺陷贴片的超声C扫描数据获取待匹配特征点的位姿。然后以工件3个角点为特征点进行初始定位,由2个局部坐标系匹配得到初始匹配矩阵。最后根据点到曲面的最小距离原则进行精匹配定位,使用循环迭代及Menq算法进行寻优求解。实例表明,选用6个采样点时,匹配误差可控制在0.4mm以内,能很好地满足复杂型面工件超声自动检测的精度要求。     

基于学习不变特征变换的兵马俑图像分区匹配

针对兵马俑图像三维重建时特征误匹配率较高、效率较低的问题,提出了一种基于两视图兵马俑图像的特征分区匹配方案。该方案在兵马俑图像上,首先利用学习不变特征变换(Learned Invariant Feature Transform,LIFT)方法提取整幅兵马俑图像的特征;接着利用提出的基于先验知识的特征点分布曲线分割方法确定兵马俑头部分割线位置,根据头部分割线将提取的特征分为头部特征和躯干特征;最终采用欧式距离进行分区特征匹配,对于匹配结果集合使用随机抽样一致性算法(Random Sample Consensus,RANSAC)滤除误匹配点集。实验结果表明:在兵马俑图像特征提取及匹配中该方案的正确匹配率可以达到98%,相比于SIFT和SURF方法正确匹配率提高了20%左右,特征点的可重复率提高了10%左右,同时将RANSAC的迭代时间降低了50%,而且在尺度、光照、角度发生变换时具有较好的鲁棒性。因此本文提出的方案能够很好地实现特征点的正确匹配,在兵马俑的三维重建中具有很高的使用价值。     

基于多通道Gabor滤波与灰度梯度共生矩阵的虹膜识别方法

为有效改善虹膜识别系统的性能,针对传统方法提取全局特征时对局部纹理特征不敏感的问题,提出了一种基于多通道Gabor滤波和灰度梯度共生矩阵（GGCM）的虹膜识别方法。使用不同方向和尺度的Gabor滤波器组对预处理后的虹膜图像滤波,由全局滤波图像构建灰度梯度共生矩阵,提取特征值生成虹膜特向量。识别过程采用加权欧氏距离进行特征匹配。CASIA虹膜图像库实验表明,该方法能在保证识别系统实时性能的前提下使EER下降0.5%。     

基于机器视觉的车灯定位误差检测方法研究

本文对图像处理技术的概念、特点、构成进行了概述，对现有的经典图像分割和识别方法进行了介绍，着重讨论了曲线拟合的方法在车灯面形定位误差检测中的应用。利用相关系数在真实匹配点附近的统计特性，通过对相关系数进行曲线拟合，根据其一阶导数确定最大相关系数所在的位置，快速得到亚像素匹配点。与逐步搜索法相比，该方法大大减少了运算次数，提高了数字图像相关运算的速度。     

投影特征峰匹配的快速电子稳像

提出了一种基于投影最大特征峰匹配的稳像算法来进一步提高灰度投影稳像算法的实时性。首先,将参考帧与当前帧图像等分为若干区域子块,根据灰度投影计算公式分别计算每个子块的水平投影和垂直投影;依次计算两帧图像相应子块中对应的垂直和水平投影最大特征峰的位置差值,作为相应子块的水平和垂直运动矢量。然后,根据帧间运动矢量变化程度进行运动矢量修正。最后,根据各子块的运动矢量统计结果进行全局运动估计。将该最大特征峰匹配算法运用到多光谱成像系统进行实验,并与较经典的灰度投影算法做了比较。结果表明:在保证相同的稳像效果前提下,对于分辨率为1 024pixel×1 024pixel的图像序列在(-60,60)搜索范围内进行运动估计时,前者比后者的运算时间节省了近20%。提出的算法突破了现有投影稳像算法需要对可能的区域逐一搜索的繁琐匹配过程,具有较好的实时性和良好的稳像效果。     

基于 RANSAC 的视觉里程计优化方法研究

针对图像特征产生误匹配影响基础矩阵计算,导致同步定位与地图构建(SLAM)视觉里程计估计精度差的问题,提出一种基于随机抽样一致(RANSAC)的视觉里程计优化方法。该方法首先通过最小距离阈值法对初始匹配集粗滤除,再采用RANSAC计算图像间相对变换关系,若符合变换关系为内点,内点数最多的迭代结果为正确匹配结果;然后计算图像间单应变换并利用其计算基础矩阵,采用对极几何约束确定内点,得到具有最多内点的基础矩阵;最后采用TUM数据集从特征匹配与基础矩阵计算两方面进行优化算法效果验证。结果表明,该算法可提高运行效率且有效去除误匹配特征点,使匹配正确率提高7.7%,基础矩阵估计算法在提高基础矩阵计算精度的同时,内点率也提高了3%,算法为提高视觉里程计精度估计精度提供了理论基础。     

基于角点检测的高精度点匹配算法

针对多光谱、多传感器遥感图像的自动配准,本文提出新的基于角点检测的高精度点匹配算法.该算法充分利用图像的点特征以及灰度和位置信息,先由Harris算子检测得到待匹配的角点集合,随后采用局部灰度相关进行粗匹配得到多对多匹配对,然后进行迭代由精匹配得到一对一的匹配对,最后利用角点间距离比进行全局一致性检测,进一步保证匹配的准确率.初步实验表明,本算法对于存在仿射变换的遥感图像可以精确自动匹配,其精度和速度都优于传统的点匹配算法.     

三维运动分析中的运动-立体双匹配约束

为保证在基于点特征的三维运动分析中运动物体不同时刻任意物方特征点的对应,对该过程中存在的图像运动-立体匹配问题进行了研究。提出了运动-立体匹配相结合,分阶段的运动-立体双匹配约束的方法。即采用松弛法点特征匹配算法完成图像间的基本匹配,通过运动-立体双匹配约束完成运动物体特征点的对应。给出了一组真实的实验数据,结果表明:该算法总的正确率达76.5%,基本达到了三维运动物体定位跟踪中特征点对应的要求。     

支撑点扩展快速立体匹配方法的设计与应用

为精确构建计算机立体视觉中的视差图,提出了一种快速全局优化匹配算法。该算法采用吉布斯随机场模型描述空间点与其邻域之间的关系,由改进的Graph Cuts方法对空间点的邻域进行匹配来获取场景的致密视差图。首先,计算出一组具有明确匹配关系的稀疏匹配点,将这些匹配点命名为“支撑点”;然后,对每一个支撑点的邻域进行扩展,采用改进的Graph Cuts全局优化算法计算扩展后的邻域空间的匹配关系,并将满足一定匹配度的邻域点设置为新的支撑点。最后,重复上述步骤并逐级扩展,直至扩展出的匹配空间覆盖整个视图,进而获取待匹配图对的致密视差图。实验结果表明,该方法不仅对不同场景视差图的质量具有良好的一致性,而且匹配速度较快(匹配时间约为0.8~1.2 s),大大高于其他传统的全局匹配算法。为体现本文算法的实际应用价值,以Smart Eye Ⅱ立体视觉试验台为测试平台,对真实场景进行了视差图构建,取得了良好的试验效果。     

基于高斯矩改进SURF算法的移动机器人定位研究

针对移动机器人定位过程中视觉图像特征点提取与匹配数量较多,边缘特征点不稳定的问题,提出基于改进离散Gaussian-Hermite矩的SURF图像匹配算法。利用双树复小波变换将图像分解为低频与高频部分,将低频部分作为改进算法的输入图像。通过采用3D非极大值抑制求取图像不同尺度下的特征点,计算图像Gaussian-Hermite矩,重新确定Hessian矩阵,检测稳定边缘特征点,定义新的特征描述向量。将改进算法与自适应粒子滤波定位算法相结合,实现移动机器人在室内环境中的视觉定位。实验结果表明:改进算法配准精度高于SURF算法,不稳定特征点提取数量相比于原算法约减少9%,匹配率得到进一步提升。     

基于Snake模型的特定人脸三维重建方法

以双目立体视觉为基础,构建一种特定人脸重建系统,提出基于Snake模型的特定人脸三维重建方法,利用已标定的摄像机拍摄立体图像对,采用肤色检测得到人脸区域。在对立体图像对进行摄像机畸变校正、立体图像对的外极线对齐、人脸区域选择及归一化等预处理后,采用金字塔结构相关匹配算法,在误匹配点数与精度两者之间达到较好的平衡。针对人脸提出能量最小化方程,考虑顺序匹配约束、连续性约束、曲线上各点曲率的估计和相关性约束条件,大大提高视差提取的正确率,解决了立体视觉中立体匹配的难点,成功地恢复出人脸的三维数据,实现特定人脸的重建。试验结果表明：基于Snake模型的视差抽取,并经过光顺处理和纹理映射后,除了脸部部分边缘存在一些变形外,主体部分的重建效果真实感强。该算法不需要结构光等设备,基本不需要人工干预,就能恢复出特定人脸的三维数据,效果好,实用性强。     

基于无监督学习的SIFT鲁棒图像匹配算法

SIFT特征匹配算法的匹配能力强,但特征点中孤立点和噪声点等会导致部分特征点误匹配;不同图像间特征点的有关描述相近,也会造成两幅不同结构的图像,在提取出各自的SIFT特征点后相互匹配。为此,提出一种改进SIFT的图像特征匹配算法。该算法是在SIFT特征匹配的基础上,利用无监督学习方法对匹配异常点进行剔除,实现特征点的二次精确匹配。     

一种基于自适应窗口和图切割的快速立体匹配算法

针对基于图切割的立体匹配算法计算量大的缺点,提出了一种新的快速立体匹配算法。首先根据图像边缘特征自适应变化窗口,并采用灰度差平方和匹配(SSD)作为相似判定准则计算初始视差图,再通过左右一致性校验去除误匹配点,在构造能量函数时,将初始视差作为能量函数的一个参考项,最后采用图切割(graph cuts)算法求取使全局能量最小的视差最优分配。通过标准图像对测试了提出的方法,并与其他方法进行了比较,实验结果表明,该算法不仅能够保留基于图切割的立体匹配算法对大的低纹理区域和遮挡像素较好处理的优点,而且匹配时间短,运行时间比原有算法约缩短了三分之二,能够满足工程实用性的要求。     

基于全局和局部特征融合的图像匹配算法研究

针对移动机器人视觉同时定位与地图构建过程中图像处理速度慢以及特征点匹配实时性和准确性差的问题,提出基于颜色特征和改进SURF算法融合的图像匹配算法。首先,采用颜色特征对图像序列进行粗匹配,选取与测试图像最相近的5幅图像作为待匹配图像;其次,改进SURF算法,用Krawtchouk矩对采用Hessian矩阵获取的关键点进行描述,计算关键点的梯度方向和幅值,得到新的特征向量,对待匹配图像提取改进SURF特征再与测试图像进行精确匹配,得到最佳匹配图像,此匹配算法提高了移动机器人图像处理的速度和精度。实验结果表明,改进算法的误匹配率降低10%左右,程序运行时间减少,在可靠性得到保证的同时适应于实时性应用。     

基于 SURF 的快速图像匹配改进算法

针对传统 SURF 算法在图像匹配中使用固定阈值提取的特征点不均匀、匹配正确率低以及时间复杂度高的问题,提出 一种基于 SURF 算法的快速图像匹配改进算法。 首先,通过对 Hessian 矩阵行列式值分布的统计分析,提出一种阈值自适应方 法来提取更有效的特征点;然后采用四叉树方法对所提特征点进行均匀化以降低误匹配率,并提出一种划分深度自适应的方法 对四叉树算法进行改进,防止四叉树过度划分;最后,本文首次将 BEBLID 二进制描述子与改进 SURF 算法相结合,利用基于机 器学习的采样模式对特征点构建具有强描述性的二进制描述子,在提升匹配正确率的同时加快匹配速度。 实验结果证明,本文 所提算法在 Mikolajcyzk 图片数据集测试中的匹配正确率比传统 SURF 算法高 9. 7% ~ 27. 0% ,算法速度比 SURF 提高了 50% 以 上。 对比 SIFT、SURF、BRISK、ORB 算法,本文所提改进算法具有更优的鲁棒性和实时性。