一种基于特征点三维信息的自然路标提取与快速匹配方法

自然路标提取与匹配是vSLAM的基础。文中提出了一种基于特征点三维信息的自然路标提取、局部特征描述与快速匹配方法。采用双目视觉获取环境图像,提取左右目图像的特征点,并进行匹配。建立左摄像机坐标系下的每个匹配点的三维信息,提出视场约束规则对特征点进行过滤。在此基础上基于改进的MeanShift聚类算法进行自然路标提取。提出一种路标描述符,可以快速进行两个聚类的匹配。该方法可以有效提取非结构化环境中的自然路标,对机器人位姿估计精度要求较低。     

基于SIFT算法的单目视觉SLAM路标观测研究

移动机器人在未知环境中利用视觉信息进行同时定位与地图构建时,如何提高机器人路标观测质量,成为了视觉SLAM研究中的重要问题。文中首先采用SIFT算法进行视觉图像信息特征点的提取和匹配,然后结合一点随机采样一致性原理,使用扩展卡尔曼滤波算法进行视觉路标的预测和更新。实验结果表明,与传统的基于FAST角点检测的路标观测方法相比,本文提出的SIFT-1pRANSAC-EKF单目视觉SLAM路标观测方法能够有效提高视觉路标的匹配成功率,提高观测质量。     

一种视觉导航用路标及快速识别方法研究

为解决视觉导航数据量大,计算周期长,与其他导航方式进行组合导航时存在信息滞后的问题,借鉴矩阵式二维码设计思想设计了一种可用于视觉导航快速识别的路标,并基于此路标特征提出一套快速识别方法。进行动态识别实验验证该快速识别方法,实验结果表明,所设计路标及提出的快速识别方法可以实现快速识别,满足视觉导航实时性要求,在采集图像畸变严重或路标只是部分进入视场等导致无法解码的情况下,系统依然可以输出部分导航信息。     

基于PCA与聚类匹配的光谱图像二次配准

针对光谱图像配准方法效果较差的问题,提出一种基于PCA算法和聚类算法相结合新的特征点匹配算法并将二次配准方法引入到配准过程中。该方法首先提取SURF特征点并描述特征点,接着利用本文提出的特征点匹配算法对特征点进行匹配以完成初次配准,最后以初次配准结果作为初始值,采用改进的Powell算法利用图像灰度信息进行精配准。实验结果表明,该方法配准精度高,同时可以有效地缩短了光谱图像配准的时间。     

三维激光扫描图像快速实时匹配方法改进研究

为提高三维激光扫描图像匹配效率,研究基于特征提取的三维激光扫描图像快速实时匹配改进方法。采用基于改进动态直方图均衡的三维激光扫描图像增强方法,在保证图像高频区域灰度与低频区域灰度一致的条件下,均衡地增强三维激光扫描图像,通过基于SIFT算法的三维激光扫描图像特征提取方法,提取增强后图像中的核心特征向量后,使用基于改进BRISK算法的三维激光扫描图像快速实时匹配方法,通过特征点匹配的方式完成三维激光扫描图像匹配。实验结果验证:所提方法对彩色、灰度两种三维激光扫描图特征点匹配图像具有较好的增强效果,可实现彩色、灰度两种三维激光扫描图像的快速实时匹配。     

基于快速鲁棒性特征匹配的目标识别

针对基于特征匹配的目标识别算法复杂度高、难以实时处理的问题,提出基于快速鲁棒性特征(SURF)的快速特征匹配算法。通过应用双阈值顺序聚类算法对特征点进行聚类,并对每一个聚类建立k-d搜索树,采用优先搜索算法匹配模板与图像的特征点,提高了算法实时性。采用RANSAC鲁棒估计算法消除错误匹配点对,计算模板与图像平面之间的单应矩阵,进而实现对目标的准确识别定位。仿真实验证明了算法的有效性和实用性。     

结合描述子信息的多约束散斑扩散匹配方法

散斑结构光因只需投射一幅图像即可获取三维信息，成为近年来的研究热点。但利用散斑结构光进行三维信息获取时，存在散斑特征点匹配数量少、误匹配率高的问题，为此研究了散斑特征点提取与匹配算法。在分析散斑点区域灰度分布规律的基础上，提出一种基于灰度值比较的散斑特征点提取方法，通过比较窗口上相关像素灰度值进行粗提取，定义特征点响应函数消除冗余检测。匹配方面，建立散斑特征点描述子，提出一种基于描述子信息的多约束扩散匹配方法，首先通过多约束条件获得匹配度较高的种子点，生成种子点队列，其次利用队列中种子点的描述子信息，对描述子中未匹配的散斑特征点进行扩散匹配。实验结果表明，与其他方法相比，所提算法将匹配数量提高了35%以上，误匹配率降低到0.12%。     

基于快速鲁棒性特征匹配的目标识别

针对基于特征匹配的目标识别算法复杂度高、难以实时处理的问题,提出基于快速鲁棒性特征(SURF)的快速特征匹配算法.通过应用双阈值顺序聚类算法对特征点进行聚类,并对每一个聚类建立k-d搜索树,采用优先搜索算法匹配模板与图像的特征点,提高了算法实时性.采用RANSAC鲁棒估计算法消除错误匹配点对,计算模板与图像平面之间的单应矩阵,进而实现对目标的准确识别定位.仿真实验证明了算法的有效性和实用性.     

基于边缘图像和SURF特征的可见光与红外图像的匹配算法

利用灰度信息对可见光与红外图像进行匹配时,其效果受两类图像间灰度分布差异的影响。结合这两类图像的特征,提出了一种基于边缘图像和SURF(Speed-Up Robust Feature)特征的图像匹配方法。首先采用改进的三次B样条分别对两幅源图像进行边缘提取;然后利用SURF算法在边缘图像上进行特征点检测;再通过最近邻次近邻比值法对特征点进行粗匹配,最后利用对极几何约束的RANSAC算法剔除误匹配点对,从而实现图像的匹配。实验结果表明,在正确匹配率方面本文算法明显优于Canny边缘提取和SURF的匹配方法,具有一定的有效性。     

基于微振镜结构光投射器的机器人抓取

提出了一种基于微振镜结构光的三维重建方法。使用微振镜结构光快速获取图像数据,基于多频外差的方法对物体进行三维重建,使用基于点对特征三维特征匹配的方式对获取的三维数据与基准模型进行匹配和定位操作,获取了任意放置的物体在机器人坐标系中的三维坐标和法线信息。实验结果表明,基于微振镜结构光的方式可以获得0.1 mm左右的重建精度,处理时间约为0.4 s,可以满足大多数工业机器人物体定位抓取的要求。     

基于SIFT的图像配准方法

针对大尺度图像配准和不同传感器图像配准问题,介绍了一种基于SIFT的图像配准方法。首先提取图像中适应尺度变化的不变特征点,在提取过程中加入多尺度Harris检测算子,提高了匹配点对的重复率,通过聚类和归一化互信息准则对候选匹配点对的角度、尺度和位置特征进行迭代筛选,删除错误的匹配点对,最后得到正确的匹配点对,对图像进行配准。实验结果表明：该方法能处理相似变换的图像配准。     

一种基于内容检索的多车牌定位方法

本文提出了一种基于图像内容查询（CBIR）的多车牌定位方法。该方法利用SIFT算法对车牌字符的局部不变特征进行检测、提取与描述,再与特征数据库中已设计好的模版的SIFT特征向量进行匹配,而从得到众多匹配点对,然后用K- means聚类算法将匹配点对自适应划分为多个区域,对每个区域用RANSAC算法去除误匹点后,用仿射变换进行初步定位,最后用线性回归的方法进行二次倾斜矫正。实验表明,该方法对各种复杂环境具有鲁棒性,并且可以实现多车牌的定位。     

基于特征点的飞行器局部模板匹配

提出了一种基于特征点的飞行器图像模板匹配的方法.针对航空测试图像飞行器局部模板匹配的特点,提出用数字图像处理的手段,对目标图像进行基于Harris算法的特征点提取,并结合基于不变矩局部模板匹配算法,计算飞行器在航母降落过程中,航空测量图像飞行器的局部特征点附近进行快速的模板匹配.     

基于天花板的移动机器人视觉定位方法的研究

为了实现室内移动机器人的自定位,考虑到室内的复杂程度和环境特色,设计一种基于单目视觉的移动机器人定位系统。机器人在室内带有天花板路标信息的环境下,以颜色和形状结合的路标作为特征,通过机器人头顶与天花板垂直的摄像机,运用彩色图像分割轮廓矩匹配的方法识别路标,解析路标携带的世界坐标信息,从而计算出机器人的全局位置和航向角。该方法大大提高了图像处理和特征提取的速度,通过实验验证,其满足定位系统的实时性和鲁棒性要求。     

一种级联式神经网络框架的路标识别方法研究

为了提升无人驾驶汽车对于外界环境感知的能力, 本文提出了一种级联式神经网络框架对虚拟环境中的路标进行检测与分类。该框架将添加了 辅助结构的全卷积神经网络与改进后的经典LeNet-5网络进行 组合,在处理所提取出的路标区域边缘不平整以及产生杂项问题上使用传统的腐蚀膨胀开运 算图像处理算 子进行优化和解决,实现虚拟道路图像中雨雪等多种情况下的多类路标进行定位与识别。通 过与经典的不 变矩特征、ORB全局特征提取方法,以及YOLO,SSD人工智能方法对比试验表明,本文所提出 方法具备检测准确度高,运算速度快的优势。     

利用手持激光点云的矿区自然林树干提取

为了定量刻画矿区复杂环境下自然林树木的三维结构信息,提出一种利用手持激光扫描仪的矿区自然林树干点云识别方法。借助手持激光扫描仪对矿区自然林进行扫描,在滤除地面点的基础上,引入多尺度垂直度特征进行矿区自然林树干识别,利用八叉树叶节点聚类方法对识别的树干进一步提取。通过矿区实测数据进行实验,结果表明,所提出的方法能够实现矿区自然林树干的识别,对矿区复杂环境下自然林树木的三维结构信息定量刻画、厘清矿区植被生长状况具有一定的参考价值。     

基于实时局部特征描述的自然路标提取与匹配

针对户外场景路标匹配中所需的局部特征抽取和匹配技术进行研究,提出了基于曲率的特征抽取和二进制特征描述相结合的方法。算法利用基于曲率算法的特征分布较合理的特性,克服了传统特征分布不均的问题,且通过二进制描述算法解决了特征匹配的实时性问题,最后通过实验对比了不同算法的有效性和实时性。结果表明,该算法能够在保证实时性的同时提取出有效的均匀特征点。     

基于HU特征和改进Harris角点的零件快速匹配方法

针对零件图像匹配过程中匹配时间长、查准率低等问题,提出了一种基于HU不变矩特征和改进Harris角点的零件快速匹配方法。首先对待匹配图像进行预处理,用最大类间方差法进行图像分割并通过多边形逼近获取目标轮廓。然后提取目标轮廓的HU不变矩特征和模板特征进行粗匹配获得候选零件轮廓,再采用改进Harris角点提取方法获取角点、剔除非拐点并构造投票矩阵获取轮廓的顶点,最后拟合零件轮廓最长边,根据拟合直线的角度校正零件图像后进行基于灰度的快速匹配。实验结果表明:该方法相较传统方法精度提高3%以上,速度快22%以上。     

基于三维激光点云的运动图像动态目标识别方法

当前的动态目标识别方法在场景复杂的图像中,因为无法采集足够多的特征信息,导致识别结果应用性受限。基于三维激光点云提出一种运动图像动态目标识别方法。利用三维扫描系统获取运动点云图像特征,在不影响有效信息采集的情况下,进行图像预处理;引入地平面方程,将图像背景点云与被识别目标点云通过欧式聚类法分割,提取处理后的被识别目标关键点,并采用Freeman链码检测边缘特征,完成运动图像动态目标识别。试验对比结果表明,所研究基于三维激光点云的运动图像动态目标识别方法,对动态目标有良好的鉴别能力及较好的识别精度,且所需动态目标识别时间较短。     

基于角度分类的快速图像检索系统

基于内容的图像检索是近年来计算机视觉领域的重要方向之一,如何快速准确地匹配视觉信息内容是图像检索最关键的部分。目前大多数检索方法采用BOF(bag of features)算法,该算法的检索精度较低,且运行速度较慢。提出了一种新的匹配方法,提高检索精度的同时有效减少了检索时间。本算法利用特征点的四个相对独立的角度对其进行分类,可大幅减少需要比较的特征算子的数量,并对每一分类中的特征点使用k-means算法聚类,得到若干个聚类中心。本方法对每一聚类的特征点进行汉明编码,并采用倒排表的方式进行信息存储。实验对象使用Holiday图像库,结果显示,检索精度和检索速度较原先算法得到了较大程度的改善,检索精度最高可提高55.9%,至0.8557,检索时间最多可降低49.3%,至0.35s。