基于改进的Hough变换和K-mean聚类的RANSAC车道线检测方法

针对车道线检测中特征点匹配方法存在实时性不高和精度低的问题,本文首先提出了基于消失点改进的Hough变换提取特征线,剔除了干扰线,提高的计算量;然后对特征数据集采用 K-means 聚类和RANSAC拟合算法,首先利用 K-means 聚类对改进的Hough变换提取的特征点进行预处理,剔除了孤立的特征点,接着匹配Catmull-Rom 样条曲线进行RANSAC拟合,相当于二次优化,实现了车道线的快速和精确配准。通过实验表明,该算法不仅提高了车道线识别的精确度,而且具有很好的鲁棒性。     

具有Harris角点的RANSAC交通标志检测算法

考虑到交通标志具有颜色与形状这两个特征,提出了一种具有Harris角点特征的随机抽样一致性(RANSAC)算法来对交通标志进行检测.通过对含交通标志图像进行颜色特征提取后利用Canny算子对边缘进行检测,再利用Harris角点检测算子来提取初步检测后图像的角点,最后通过RANSAC算法与检测模型进行匹配进行检测,得出结果.仿真实验表明:该算法在检测率上达到了84%,也基本满足了实时性的要求.     

基于双目视觉的新型并联机构末端位姿检测

针对一种新型3-DOF驱动冗余并联机构,为提高双目视觉末端位姿检测的实时性和精度,首先采用Harris-SIFT算法对图片进行预匹配,通过Harris提取图像特征点,并采用SIFT特征描述子对图像进行匹配,使得匹配结果兼具实时性和稳定性;为解决匹配算法存在的误差匹配和错误匹配问题,提出一种改进的RANSAC算法对预匹配结果进行提纯,该改进方法通过分格取点和提前取点验算临时模型克服常规RANSAC算子匹配不准确、算法费时的缺点.实验结果表明,采用改进的RANSAC算法提纯较常规RANSAC算子不仅可以大幅度降低图像处理时间,而且可以更大程度提高匹配正确率,进而位姿检测的实时性和精度得以提高.     

一种采用最小平方中值的改进极线校正方法

鉴于目前大多数极线校正方法均是采用随机采样一致性算法(random sample consensus,RANSAC)的鲁棒性估算进行,提出一种采用最小平方中值算法(least median of squares,LMedS)的改进极线校正方法。在未标定摄像机的情况下,首先使用SURF(speededup robust features)算子对立体影像进行特征点提取与匹配,然后利用RANSAC算法与LMedS算法对匹配点进行基础矩阵估计,基于基础矩阵根据极线校正准则对影像进行重采样,得到校正后的立体影像。最后利用垂直视差均值、方差和均方根距离3个评价指标对极线校正的结果进行精度评价。实验结果表明,与RANSAC算法相比,改进的方法消除垂直视差的效果更好,影像变形较小,可以为三维重建过程中视差图的生成提供更可靠的结果。     

基于极线约束的ORB特征匹配算法

图像匹配是机器视觉领域的基础核心课题,针对当前ORB (Oriented FAST and Rotated BRIEF)图像特征匹配算法虽然执行速度快,但是匹配质量不高的问题,提出一种通过极线约束来改进ORB匹配的算法。通过合理设计Hamming阈值大小来提高初始匹配点数量,采用RANSAC和8点改进法计算基本矩阵,应用极线约束剔除误匹配保留大量优质匹配点。仿真实验结果证明,算法改进后的优质匹配点数量可达原始算法的2-3倍,同时极大地提高了匹配点的质量,证明了算法的有效性。     

基于随机采样一致性算法的平面匹配方法

针对传统的平面图像标定点匹配算法计算量大、准确性不高等问题,提出一种基于随机采样一致性(RANSAC)算法的快速高精度的平面图像标定点匹配方法。该方法首先基于双圆锥曲线模型,借助于椭圆边缘点附近的梯度信息求取椭圆的切线,由切线集合拟合出椭圆参数,并利用这些参数计算出椭圆圆心,即图像上的标志点;然后用RANSAC随机采样算法对标定板上的点和图像上的点进行匹配。实验验证该方法实现起来简单并且有较高的准确率。     

面向复杂场景的未标定两视图三维重构方法

针对未标定相机视觉模型的三维重构中经典的SIFT算子初始匹配误匹配率高、传统的RANSAC算法误匹配剔除效果差的问题,提出一种基于改进的RANSAC和斜率统计的误匹配剔除算法.首先加强RANSAC剔除效果的可控性,从增强极线约束的角度对传统RANSAC进行了改进;然后提出一种迭代的斜率一致性算法在RANSAC之前进行误匹配的先期剔除,以削减RANSAC的计算量、加快其收敛速度;考虑到此算法对大尺度旋转或是倒立图像对的误匹配剔除失效的问题,提出一种基于坐标变换的斜率统计算法,可以实现对此类图像对部分误匹配的快速剔除.对专业网站的测试图像和不同场景下、重复性纹理丰富、行人遮挡严重的多组自拍摄图像进行实验,平均对极距离在0.7个像素以内;对比实验结果证实,该算法的实时性和鲁棒性明显优于同类算法;最后提出深度一致性方法对重构计划之外的匹配点进行自动剔除,获得特征点的三维坐标后利用Open GL进行了纹理贴图操作,可以清晰准确地再现出场景的细节信息.     

改进SIFT匹配的动态背景下运动目标检测算法

无人机/车载运动目标检测与识别系统由于存在摄像机运动,使得场景中的背景与前景目标同时发生运动,增加了运动目标检测的难度。目前,动态背景下运动目标检测的主要方法是利用特征点的运动估计来补偿背景的运动。针对尺度不变特征变换(SIFT)特征匹配算法存在耗时长、误匹配率大,使得背景运动估计不准确,进而影响运动目标检测效果。提出了一种改进的SIFT特征匹配算法——先剔除容易丢失的边缘特征点,再利用最近邻点与次近邻点的欧式距离比确定匹配点,并用RANSAC删除运动目标上和误匹配点对,进一步实现背景运动的准确估计,从而检测得到运动目标的准确位置。试验结果表明:改进的特征点匹配算法在匹配准确度和运算速度上均优于传统SIFT特征匹配算法的性能。最终,通过背景补偿,有效消除了相机运动引入的动态误差,提高了运动目标检测的实时性和精度。     

改进人工鱼群的ORB特征匹配算法

针对室内轮椅定位与地图构建中传统ORB（oriented FAST and rotated BRIEF）受到特征点检测与选取策略的影响导致特征匹配正确率不理想,提出一种改进人工鱼群的ORB特征匹配算法。使用改进后的FAST检测特征点,利用改进后的人工鱼群在组合优化问题中具有收敛速度快且易获得最优解的特点,在图像中计算出不同特征区域,根据特征点所在区域位置赋予其相应的状态,对不同状态的特征点选择保留或去除,使用汉明距离的RANSAC算法在特征区域之间进行特征匹配。实验结果表明,改进后的FAST在图像边缘处提取到更多的图像特征,在实际环境中改进后的ORB匹配算法平均正确匹配率达到了92.7%,比传统ORB平均正确匹配率高52.3%。     

一种改进的RANSAC图像拼接算法

针对RANSAC算法迭代次数过多导致的图像拼接效率不高的问题,提出一种改进的RANSAC图像拼接算法;首先采用SIFT算法提取尺度不变特征点,利用双向互匹配策略对特征点进行匹配,在使用RANSAC算法计算单应性矩阵之前,利用相邻特征点之间的关系对初始特征点对进行筛选,最后使用加权平滑法完成图像的融合;实验结果表明该方法有效地减少了特征点对数,提高了RANSAC的运行时间,图像拼接效率有了很大的提高。