一种自适应的无人机影像角点特征提取方法

提取高山林地区域无人机影像上的角点特征时,运用传统方法提取的角点特征数量偏少,为此提出了一种自适应的提取方法.该方法将角点特征提取过程系统性地分为粗提取和精提取过程,其中粗提取为利用吕言算子从影像上确定候选角点特征,而精提取则是通过改进后的SUSAN算法从候选角点特征中精确提取角点特征.角点特征提取结果验证了该方法的可行性,与传统方法相比,该方法提取的角点特征数量更多,运行效率更快,适用于高山林地区域无人机影像角点特征提取.     

复杂地物背景下的无人机激光雷达电力线提取方法

在提取电力线的过程中,为了有效控制雷达功耗,改善原有方法中过大功耗对设备的负面影响,基于复杂地物背景设计了新的无人机激光雷达电力线提取方法。设计雷达定位电力走廊区域范围,计算连接相线缓冲宽度平稳无人机功耗,预处理无人机激光雷达航拍图像区分主要目标,滤波去噪降低边缘宽度提取电力线,完成复杂地物背景下的无人机激光雷达电力线提取方法设计。实验结果表明,在对大面积激光点图像的电力线提取过程中,该方法能将无人机激光雷达功耗控制在有效范围内,相比传统方法能提取更多电力线点云数量,具有广阔的应用前景。     

基于改进Harris-SIFT算子的快速图像配准算法

提出了一种基于改进Harris-SIFT算法的快速图像配准方法。首先,对传统Harris算法进行改进:一是构建高斯尺度空间,提取具有尺度不变性的角点特征;二是借鉴Forsnter算子思想对提取的角点进行精定位,以提高配准精度。然后,利用SIFT算子的特征描述方法对提取的特征点进行描述,通过随机kd树算法对两幅影像的特征点进行匹配。最后采用RANSAC算法对匹配点对进行提纯,并通过最小二乘法估计两幅影像间的空间几何变换参数,完成图像配准。实验结果表明:本文方法在基本保持配准精度的同时,能够大大减少标准SIFT所需的配准时间。     

一种有效的影像中椭圆形目标提取方法

高精度的影像目标点的自动提取,是摄影测量三维重建的基础.提出了一种基于自适应阈值化的轮廓提取方法来有效的提取影像中的椭圆形目标点,通过模板匹配的方法自动确定影像中包含目标点的感兴趣区域,在区域内对影像边缘进行处理提取椭圆形目标轮廓,借助于最小二乘椭圆拟合实现椭圆形目标点中心坐标的确定,达到了亚像素级的精度.在目标点椭圆拟合的过程中对,对拟合粗差像素点进行剔除来提高中心坐标的确定精度.根据椭圆特征设置筛选条件,保证了感兴趣区域内检测椭圆的唯一性.     

一种无人机电力巡检的影像匹配方法

针对无人机在电力巡检中拍摄条件复杂时图像匹配效果不佳、局部区域无法匹配等问题,提出应用Harris-Laplace特征检测算法与SIFT描述子结合改进无人机影像匹配方法。首先应用Harris-Laplace特征检测算法检测出无人机影像上的关键点,确定关键点的主方向及大小,生成特征点。然后应用SIFT算法对生产的特征点进行描述,最后使用多重约束的改进RANSAC算法,获得最优匹配集。实验结果表明,基于SIFT的匹配方法改进了RANSAC算法,此方法在控制匹配速度的情况下,提高了匹配精度。     

基于 FAST 角点和 FREAK 描述符改进的无人机景象匹配算法

在无基准图的无人机返航过程中,实时图和航路点的景象匹配是无人机返航成功的关键。为提高景象匹配的实时性和鲁棒性,提出了基于加速分割检测特征(FAST)角点检测和快速视网膜关键点(FREAK)描述符的无人机景象匹配算法。首先,针对FAST角点检测方法的无尺度不变性、特征点数量冗余的缺点进行了改进;接着,对FREAK二进制描述符进行简化,以提高匹配速度;然后,采用K近邻比值法和RANSAC方法进行特征的初匹配和精匹配,并建立定位模型,从而获得航路点与无人机当前位置的实际距离和方位信息;最后,对算法的各项性能做实验验证。所提出的算法定位方向偏差在1°以内,像面距离偏差稳定在0.6 pixel,运行时间0.43 s,远小于尺度不变特征转换(SIFT)和加速鲁棒特征(SURF)算法的处理时间。在尺度变换和噪声等条件变化的情况下,相比SIFT和SURF等算法,所提算法取得了较好的正确匹配率,具有更好的鲁棒性。实验结果表明所提出的算法鲁棒性好,运算速度快,尤其在视角变换方面表现优秀,更适合无人机视觉辅助导航。     

基于机器视觉的输电线路无人机激光清障方法研究

针对传统输电线路无人机清障方法对故障点定位不准确的问题,研究基于机器视觉的输电线路无人机激光 清障方法.利用AI技术对输电线路图像提取特征值,无人机在巡检过程中运用机器视觉技术搜寻对应坐标点;近邻 图像像素取平均值构成模板,对故障线路特征图像进行滤波、降噪处理;通过蚂蚁运算得到无人机巡检的起始点和终 止点,规划无人机激光清障工作路径.测试结果表明该方法的搜寻故障点与实际故障点的误差值为零,精准定位故障 点,实现输电线路无人机对故障物的有效清除.     

基于Harris的棋盘格角点检测改进算法

角点作为含有图像重要信息的一种特征点,运用角点计算可以有效减少图像运算量.正因为如此,角点检测在机器视觉中更是起着不可忽略的作用,并广泛应用于视觉测量、图像匹配和摄像机标定中.针对Harris的棋盘格角点检测的优劣性,综合尺度空间、Harris算子、Fonster算子和SVD算子的思想,提出一种由粗到精的多层策略,快速自动实现棋盘格角点检测与提取,既采用了Harris算子良好的定位性能和鲁棒性,又结合了其他算子良好的优越性,克服了单种算子的局限性.实验证明,该方法针对棋盘格角点有较高的检测精度、准确率和稳定性,可以满足实时性要求.     

面向地理对象的高分光学与SAR影像一体化分割

由于光学和SAR影像成像方式的巨大差异,为提取统一的光学和SAR对象集合造成了很大的困难。为此,本文提出了一种面向地理对象的高分光学与SAR的一体化分割方法。该方法不同于传统一体化分割同时处理异源影像的策略,而仅对光学影像进行分割,从而获得可靠的地理对象集合;在此基础上,为每个对象自适应提取标记点,并依据粗配准结果将其投影到SAR影像中;最后,在SAR影像中开展基于标记点的区域增长,最终获得与光学影像分割对象相匹配的对象集合。通过对多组光学和SAR影像的实验结果表明,所提出方法提取的光学—SAR匹配对象集合更加接近实际的地理对象,且J-value可达7.8以上,在目视分析和定量评价中均显著优于对比方法。     

基于降采样和改进Shi-Tomasi角点检测算法的PCB图像拼接

针对大型多重复单元PCB图像拼接耗时长、拼接错误率高等问题,提出了一种快速鲁棒的图像拼接方法.对采集到的高分辨率PCB图像进行降采样,基于人工选点精准获取含重叠区域的图像单元作为配准区域;引入抑制半径的方法对Shi-Tomasi角点检测算法进行改进,使提取出的区域特征点分布更加均匀;使用暴力匹配方式分别对区域特征点进行粗匹配并通过RANSAC算法剔除误匹配点对后获得配准系数矩阵;结合仿射变换公式推导计算出原图像的配准系数矩阵,根据配准系数矩阵对待拼接的图像进行融合,得到完整的PCB拼接图像.实验结果表明,所提出的PCB图像拼接方法,加快了PCB图像拼接的速度同时也提高了特征点匹配精度,在对图像降采样8倍下,改进的Shi-Tomasi算法较传统的Shi-Tomsi算法和Harris算法在匹配正确率上分别提高了7.8％和4.0％,验证了该方法的可行性.