一种改进的人工标记点匹配方法

针对数字近景摄影测量中多摄像机与多个待匹配点处于同一平面内的特殊情况,分析了利用外极线约束的传统匹配方法匹配错误的原因,并提出了一种改进的多图人工标记点匹配方法。该方法利用基于外极线约束的传统匹配方法确定初始匹配关系,并根据图像上标记物轮廓计算出标记物空间法向,然后利用法向过滤准则剔除错误的匹配关系。实验结果表明,该方法能够有效地剔除利用外极线约束的传统匹配方法中错误的匹配关系,提高了匹配准确度。     

基于图割理论和极几何约束的图像匹配算法

提出了一种基于图割理论和极几何约束的图像匹配算法。利用极几何约束对两幅待匹配图像进行矫正，使得它们的极线处在同一扫描线上，从而将二维匹配简化成一维匹配；利用基于图割的一维匹配算法获取视差数据，此时匹配中能量函数的标号是一维的，大大减少了搜索范围，并且提高了匹配的速度。     

一种图像高精度匹配方法

针对传统图像匹配精度不高、速度较慢的情况,为提高速度抑制噪声,提出一种高精度图像匹配方法。利用Harris提取角点进行灰度相关匹配找到粗匹配点,再利用Ransac算法得到较高精度匹配点,根据得到的匹配点求出基础矩阵。最后利用基础矩阵得到极线约束对Ransac得到的较高精度匹配点去除极少数误匹配点解算基础矩阵,利用第二次解算的基础矩阵求出高精度极线方程,并利用极线方程对Harris角点进行一维搜索匹配,找到高精度匹配点,进行仿真实验。反复实验表明,方法精度高、速度快,是一种实用的高精度图像匹配方法。     

利用Helmholtz互易原理由两对图像重建物体三维表面

针对利用Helmhohz互易原理由一对图像重构三维表面时存在计算时间长、显示质量不高的问题,提出一种利用上下对、左右对图像重建三维物体表面的高效算法.利用其中一对图像的匹配结果分割另一对图像的外极线,将整个外极线的匹配问题转化为相应子段的匹配问题,并交错地递归这种处理过程;引入不要求端点匹配的动态规划匹配算法实现子段对应,并分段重构物体=三维表面的点.实验结果表明,与单对图像重构算法相比,该算法能够大幅度地缩小动态规划算法的搜索范围,使得重构速度提高了一个数量级;通过上下、左右方向扫描线恢复三维表面点并大约增加0.5倍的重构点数量,使得表面显示质量得到明显提高.     

一种SURF-FREAK特征误差模型视觉里程计

针对深度相机在定位过程中存在的实时性差、定位精度低等问题,该文结合深度相机的特点,在传统ICP算法的基础上融合FREAK-SURF特征匹配点.首先,为了提高匹配速度,采用二进制描述符FREAK描述子简化传统的SURF特征点描述信息完成图像粗匹配,并结合对极几何约束预估相机初始位姿,为后续精匹配环节提供一个良好的初值.其...     

提高图像匹配速度的一种方法

根据工程实践的需要，在进行图像匹配时，利用在外极线上动态确定搜索范围的方法减小匹配的搜索空间，从而降低匹配错误率，提高匹配速度。     

基于区域生长的时间规整立体匹配算法

针对立体匹配过程中存在的不确定性和模糊性,本文提出先利用匹配的边缘特征点对极线进行初分割．然后利用区域生长算法进行颜色分段,在颜色段的基础上进行时间规整的立体匹配算法。根据外极线约束。在视差范围窗口内采用颜色相似极大得到长度不相等的两个像素段作为相容的匹配序列,利用动态规划方法及连续性约束寻找一条最佳的匹配路径,根据回溯得到匹配路径及其坐标值得到高密度视差图。实验结果表明该算法具有良好的匹配效果。     

基于未标定图像的三维重建算法

提出一种基于多幅未标定图像的三维重建算法。在标记点匹配的基础上进行射影重建,通过施加度量约束将射影重建升级为欧氏重建,即利用未标定的透视图像恢复相机的内、外部参数以及标记点的三维空间坐标,实现场景的三维重建。标记点易于进行点对精确匹配,较手动拾取匹配提高了效率。实验结果表明,利用该算法能够大幅减小再投影误差。     

基于凸优化改进的相机全局位置估计方法

相机全局位置估计作为运动恢复结构算法（Structure from motion,SfM）中的核心内容一直以来都是计算机视觉领域的研究热点.现有相机全局位置估计方法大多对外点敏感,在处理大规模、无序图像集时表现的尤为明显.增量式SfM中的迭代优化步骤可以剔除大部分的误匹配从而降低外点对估计结果的影响,而全局式SfM中没有有效地剔除误匹配的策略,估计结果受外点影响较大.针对这种情况,本文提出一种改进的相机全局位置估计方法:首先,结合极线约束提出一种新的对误匹配鲁棒的相对平移方向估计算法,减少相对平移方向估计结果中存在的外点;然后,引入平行刚体理论提出一种新的预处理方法将相机全局位置估计转化为一个适定性问题;最后,在此基础上构造了一个对外点鲁棒的凸优化线性估计模型,对模型解算获取相机位置估计全局最优解.本文方法可以很好地融合到当下的全局式SfM流程中.与现有典型方法的对照实验结果表明:在处理大规模、无序图像时,本文方法能显著提高相机全局位置估计的鲁棒性,并保证估计过程的高效性和估计结果的普遍精度.     

基于编码结构光和外极线约束的自由曲面三维轮廓术

提出了一种新的基于编码结构光和外极线约束的自由曲面立体视觉测量方法,这种方法有效解决了立体视觉中的图像匹配问题;外极线约束将可能的候选点限制在直线分布,引入编码光用来确定光栅条纹的级次;这种方法极大地减小了图像匹配的运算量,同时减小了错误匹配的概率;实验表明,采用编码光栅投影视觉测量能够高效准确地测量自由曲面的三维轮廓.     

基于三视图约束的基础矩阵估计

考虑到只依赖对极几何关系的匹配点余差并不能完全区分匹配点的正确与否,从而影响内点集选取的情况,提出基于三视图约束的基础矩阵估计算法。首先,使用传统随机抽样一致性（RANSAC）算法计算三视图的任意两对相邻图像间的基础矩阵,确定三视图中共有的匹配点对,并计算估计基础矩阵时非共用图像上的匹配点在共用图像上的极线;然后,计算两条极线的交点与共用图像上对应匹配点间的距离,以距离值的大小作为内点判断的依据,得到新的内点集。在新内点集的基础上,采用M估计算法重新计算基础矩阵。实验结果表明：该方法可以同时降低噪声和错误匹配对基础矩阵精确计算的影响,精度优于传统鲁棒性算法,使点到极线的距离限制在0.3个像素左右,而且计算结果具有稳定性,可以被广泛地应用到基于图像序列的三维重建和摄影测量等领域中。     

基于极线几何约束的非标定图像的立体匹配

立体匹配是计算机视觉领域的一个关键问题，是计算机三维重建中的一个核心问题。基于极线几何约束是特征匹配中最强有力的约束，独立于场景结构，因此将特征匹配与极线几何有机结合起来，实现了一个鲁棒的匹配算法在非标定图像中的应用。其中，对基础矩阵估计及其引导匹配均采用点到极线距离最小约束准则。对真实图像的实验表明，该算法具有较好的实用性。     

基于仿射迭代模型的特征点匹配算法

图像序列中的特征点匹配是计算机视觉中的一个基本问题,也是目标识别、图像检索以及3维重建等问题的基础。为了提高图像匹配的精度,提出了一种针对两幅图像的高精度特征点自动匹配算法。该算法首先分析并提出两幅图像中相应特征点的邻域窗口之间的单应映射可以用仿射变换模型来近似;然后通过快速的基于仿射变换模型的迭代优化方法,不仅估计并矫正了相应邻域窗口之间的透视畸变,同时还补偿了在特征点检测阶段对相应特征点的定位误差,从而使匹配结果达到子像素级精度;最后通过真实图像的实验以及与现有算法的比较结果表明,该算法不仅得到了更多的匹配关系,还提高了特征点匹配的精度。     

Contour matching using epipolar geometry

Matching features computed in images is an important process in multiview image analysis. When the motion between two images is large, the matching problem becomes very difficult. In this paper, we propose a contour matching algorithm based on geometric constraints. With the assumption that the contours are obtained from images taken from a moving camera with static scenes, we apply the epipolar constraint between two sets of contours and compute the corresponding points on the contours. From the initial epipolar constraints obtained from corner point matching, candidate contours are selected according to the epipolar geometry, contour end point constraints, and contour distance measures. In order to reduce the possibility of false matches, the number of match points on a contour is also used as a selection measure. The initial epipolar constraint is refined from the matched sets of contours. The algorithm can be applied to a pair or two pairs of images. All of the processes are fully automatic and successfully implemented and tested with various real images     

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。     

基于匹配约束的多项式拟合SPOT核线影像研究

从SPOT影像的几何特性出发，分析了当前SPOT影像解析中基于多项式拟合的SPOT影像近似核线影像生成算法的缺陷以及该方法的误差源，并在此基础上提出了一种考虑地形起伏的具有匹配约束条件的多项式拟合近似核线生成算法。实验证明，该算法能对地形起伏进行有效的补偿，提高了利用SPOT核线影像进行影像相关匹配的匹配点数和精度。     

基于灰度差分不变量的点特征匹配

本文提出了一种新的基于灰度差分不变量的点特征匹配方法。首先，利用灰度差分不变量获得点集之间的初始匹配；然后，利用初始匹配快速、稳健地估计图象之间的唯一几何约束－对极几何约束；最后，利用对极几何约束改进初始匹配。大量的实际图象实验表明，本文所提出的匹配算法有非常快的运算速度和很高的匹配正确率。     

基于Sampson误差计算单应的立体匹配

立体匹配是立体视觉重要的研究内容,文章在摄像机无标定的前提下采用Sampson误差估计立体图像对的平面单应,由单应计算基础矩阵,进行图像特征点匹配。先用Forstner算子提取角点,按照灰度差相似性准则进行初始匹配,然后在Sampson误差模型下求解代价函数的最优解,解决单应矩阵元素方程组超定问题。在平面单应及对极几何约束下进行图像特征点匹配,可获得射影意义下的象点重构。实验结果表明该方法能准确快速地匹配特征点。     

一种改进的MLESAC基本矩阵估计算法

为提高基本矩阵估计精度,提出一种改进的随机抽样最大似然估计算法.根据对极距离选择质量较好的原始数据,采用随机抽样一致性方法进行抽样,选择内点数最多的基本矩阵检验原始数据,剔除误差大的匹配点,结合约束条件对匹配集进行检验,以提高匹配集精度.实验结果表明,该算法的估计精度较高,稳定性较好.