一种序列图像飞行器姿态的预测方法

提出了一种基于卡尔曼滤波技术对序列图像的飞行器姿态进行预测的方法,该方法利用α-β-γ稳态滤波技术,建立了序列图像帧间飞行器姿态预测的数学模型,模型中不但考虑了图像处理过程中噪声的影响,同时克服了以往采用恒速运动数学模型或恒加速度运动数学模型时预测精度不高的缺点,把加加速度作为白噪声考虑到数学模型中,仿真实验证明该方法对序列图像飞行器姿态预测的精度高,绝对误差在3＇左右,且计算相对简便.     

多标记室内小型无人机定位与姿态估计方法

随着无人机（Unmanned Aerial Vehicle,UAV）小型化、轻便化的发展,因其价格低廉,以及在娱乐和服务领域的广泛使用的特点,使得如何实现一个便捷且易实现的自主飞行跟踪系统成为关注点。由于无人机在室内GPS信号弱,使得跟踪与姿态获取成为进一步室内无人机自主控制的重点与难点。与动辄几十万美元搭建的无人机跟踪系统相比,采用低成本单目摄像机的无人机跟踪系统具有更高的科研价值和更广泛的应用前景。针对目前流行的基于增强现实（Augmented Reality,AR）技术的ArUco标记算法和颜色空间域标记算法,设计了一种多标记的无人机跟踪系统。在无人机目标跟踪过程中比较两种方法,验证了两种方法非接触式深度传感器无人机跟踪和姿态估计的效果,并比较了两种方法对空间亮度与空间颜色复杂度的鲁棒性,以及不同跟踪距离下视频中无人机检出率与跟踪精度。实验结果表明,基于深度摄像机获得的无人机位置和姿态数据,无人机可以进行自主的PID控制飞行,且AR标记在复杂环境下无人机的检出率、跟踪实时性、姿态估计精度以及鲁棒性都优于颜色标记,为之后室内无人机在非接触式传感的控制、路径规划、自主规避等进一步实验研究提供了无人机的位置和姿态数据。     

基于GPU-SIFT算法的飞行器视觉导航姿态估计关键技术

针对传统惯性导航累积误差大的缺陷,研究提出了一种视觉导航姿态估计方法;首先提取图像的局部特征,分别对SURF(speeded up robust features)、SIFT (scale-invariant featuretransform)及GPU-SIFT特征提取算法进行了比较;保证算法精度及实时性后,将实时图与基准图库进行局部特征匹配,并利用EPnP算法进行飞行器的六自由度参数解算;实验结果表明GPU-SIFT算法精度最高,且随着图像分辨率的提高,其计算速度相比SURF和SIFT算法有了显著提高,该方法在一定条件下具有较高的位姿精度和良好的实时性.     

基于SIFT特征遥感影像自动配准与拼接

将SIFT特征用于遥感及航拍影像的配准和拼接,并针对RANSAC算法在SIFT特征匹配中效率低、同时还需要估计内点噪声均方差作为误差数据的门限等不足,采用一种基于投影的M估计算法,利用最优化准则和输入数据的内在联系绕开鲁棒估计对噪声均方差的依赖性。实验结果表明,对航空和航天遥感影像SIFT特征在一定程度的视点变化、光照变化、分辨率不同等情形下,该方法具有稳定、快速、可靠等特点。M估计则有效地解决了对于不同输入数据的门限选择,真正实现了无人工干预的自动配准。     

基于面部特征点的单幅图像人脸姿态估计方法

针对目前基于学习的姿态估计方法对训练样本及设备要求较高的问题,提出一种基于面部特征点定位的无需训练即能估计单幅图像中人脸姿态的方法.通过Adrian Bulat人脸特征点定位器和Candide-3构建稀疏通用人脸模型并获得五官特征点,确定模型绕Z轴的旋转范围及搜索步长,在指定Z轴旋转角度下,使用修正牛顿法通过模型的旋转...     

FP-Net: 基于任意角度单幅人体图像的正面姿态估计

准确提取人体正面姿态,能够更好地辅助进行行为识别、图像生成和虚拟试衣工作.然而,侧面图像、背面图像存在人体自遮挡、关键点不可见等问题,使正面姿态提取非常困难.因此,设计并实现了基于任意角度单幅人体图像的正面姿态估计网络FP-Net(frontal pose network).首先,制作了多角度人体图像数据集,为模型设计提供数据支持;其次,为了提高模型预测结果的准确性,设计了基于Anchor pose的回归模块和基于三维姿态的特征融合模块;最后,通过FP-Net实现了任意角度人体图像的正面姿态提取.在BJUT Taichi和CMU Panoptic数据集上采用PCK评价指标进行消融实验,结果表明所提方法有效地提高了人体正面姿态估计的准确率.     

单帧图像人体姿态估计综述

人体姿态估计是指从图像中检测人体各部分的位置并计算其方向和尺度信息,姿态估计的结果分二维和三维两种情况,而估计的方法分基于模型和无模型两种途径。本文首先介绍了人体姿态估计的研究背景和应用方向,然后对姿态估计的相关概念作了阐述,分析了姿态估计的输出表示,接着从人体目标检测和姿态估计两大类进行了详细分析和讨论,从实际应用的角度对各种方法做了理论上的比较和分析。最后,对相关研究还存在的问题和进一步研究的趋势作了归纳和总结。     

基于深度图像的手部姿态估计综述

基于深度图像的手部姿态估计是人机交互和虚拟现实领域的一个重要研究问题.对近些年来该领域的研究工作进行总结和梳理.首先,简述了该问题的定义以及所面临的主要难点,并总结了常用的深度相机、数据集和评价指标;其次,将该领域内的工作分为3个类别并依次进行回顾,其中包括基于模型驱动的方法、从数据集中学习映射函数的基于数据驱动的方法以及同时结合了前两者的混合方法,在叙述过程中,着重介绍了其解决的科学问题以及仍存在的缺陷;最后,从算法的准确性、适用性和鲁棒性3个角度对这些工作分别进行进一步的分析,并对未来的研究方向进行展望.     

单幅图像刚体目标姿态估计方法综述

刚体目标姿态作为计算机视觉技术的重点研究方向之一,旨在确定场景中3维目标的位置平移和方位旋转等多个自由度,越来越多地应用在工业机械臂操控、空间在轨服务、自动驾驶和现实增强等领域。本文对基于单幅图像的刚体目标姿态过程、方法分类及其现存问题进行了整体综述。通过利用单幅刚体目标图像实现多自由度姿态估计的各类方法进行总结、分类及比较,重点论述了姿态估计的一般过程、估计方法的演进和划分、常用数据集及评估准则、研究现状与展望。目前,多自由度刚体目标姿态估计方法主要针对单一特定应用场景具有较好的效果,还没有通用于复合场景的方法,且现有方法在面对多种光照条件、杂乱遮挡场景、旋转对称和类间相似性目标时,估计精度和效率下降显著。结合现存问题及当前深度学习技术的助推影响,从场景级多目标推理、自监督学习方法、前端检测网络、轻量高效的网络设计、多信息融合姿态估计框架和图像数据表征空间等6个方面对该领域的发展趋势进行预测和展望。     

基于鲁棒迭代优化的图像拼接算法

针对保持直线边缘不畸变和改善拼接区域精度的需要,提出了一种基于鲁棒迭代优化的图像拼接算法。采用SIFT特征匹配算法提取不变特征,依据RANSAC鲁棒算法估计单应性矩阵获取精确内点匹配点对,参照内点匹配点对作为参数,利用最小二乘法重新估计单应性矩阵,最终通过鲁棒迭代优化重新计算更多内点直至内点收敛。实验结果表明,所提出的算法使得直线边缘维持直线化,同时拼接精度得到提高。     

简化SIFT算法及其在商标图像检索中的应用

针对商标图像形状简单、颜色单一的特点,提出了一种基于简化SIFT特征的商标图像检索新方法。采用DoG算子在多尺度空间检测图像的关键点,并利用圆环域结构替代SIFT原来的方形结构,对SIFT特征描述符的生成方式进行改进,使其具有计算简单、抗几何畸变性、抗旋转性等优点;然后在关键点匹配过程中,采用RANSAC算法去除错误匹配,从而提高匹配的稳定性与精确性。实验结果表明,该方法比原SIFT方法具有更快的计算速度和更高的匹配精度,能很好地应用在商标图像检索系统中。     

基于SIFT特征检测的医学显微图像自动拼接

结合医学显微图像数据特点,将SIFT特征检测算法引入到显微图像的拼接中,克服了传统的基于特征的匹配方法需要原图像有明显的角点或边界信息的弱点,解决了显微镜视野小,无法观察组织切片完整病理图像的问题,该方法经优化后能匹配速度可以达到实时处理的要求。     

基于SIFT算法的目标特征检测与提取技术研究

验证了一种能够在不同图像之间进行同一个物体相匹配的方法,具有很强的可靠性,称之为SIFT算法(尺度不变特征变换).SIFT算法能够处理图像间发生的尺度变换、旋转、很大范围内的仿射形变、视角变换、噪声以及光照变换.它的功能十分强大,甚至可以仅仅根据一个简单的物体特征,在一个大型数据库中的许多高品质图像中进行相应目标的寻找与匹配.     

一种基于特征点匹配的图像拼接方法研究

针对图像间因具有旋转及光线强度差异等现象而导致的拼接效果不佳及拼接速度慢的问题,提出一种基于特征点的配准算法;在特征点提取阶段,尺度不变的特征变换方法 (SIFT)具有对图像尺度缩放、旋转、放射变换以及亮度变化保持不变的优点,文章采用了改进的SIFT特征点提取算法;在特征点匹配阶段,采用改进的RANSAC算法对特征点匹配对提纯;最后用加权平均法实现拼接图像的融合;实验证明,该算法有效提高了图像拼接的效率和准确性,拼接精度可以达到亚像素级。     

改进的基于颜色和SIFT特征的图像检索方法

针对全局灰度直方图缺少空间分布信息和SIFT特征匹配方法准确性不足的问题,提出基于分块的提取图像颜色矩方法,并改进了SIFT特征度量算法.然后将这两种改进算法相结合,并应用于图像检索系统中.实验结果表明,本文提出的算法在图像检索中取得了较好的效果.     

基于K-means聚类和RANSAC的图像配准算法研究

针对图像配准中特征点匹配方法存在实时性不高和精度低的问题,提出了一种基于K means聚类和RANSAC的图像配准算法。该算法根据匹配点对距离和方向特征的视差约束条件,首先利用K means聚类对匹配点对进行预处理,剔除大部分错误匹配点,然后利用RANSAC进行二次优化,实现了图像的快速和精确配准。实验结果表明,该算法不仅提高了图像配准的精确度,而且提高了图像配准的速度。     

矿井监控图像自动快速拼接算法研究

针对煤矿井下环境的复杂性及图像拼接算法本身的局限性,提出了一种矿井监控图像自动快速拼接算法。该算法在结合Harris算法和SIFT算法优点的基础上,利用改进的RANSAC算法对提取出来的特征点进行提纯匹配以及模型参数估计,使算法抗尺度变化能力和抗噪性能得到很大改善,同时采用位置敏感散列算法,提高了图像拼接的成功率与实时性。实验结果表明,该算法具有很好的鲁棒性和快速拼接能力,能够应用于矿井监控图像的自动拼接。     

基于CenSurE-star和LDB的被测目标图像匹配算法

针对传统点特征匹配方法计算量大、匹配速度慢的问题,给出了一种基于CenSurE-star和LDB的图像匹配算法,以用于在视觉检测中对被测目标图像进行快速匹配;该算法首先通过调整滤波器尺寸从而快速检测被测目标图像中不同尺度的CenSurE-star特征点,然后采用LDB方法对特征点结合其邻域进行描述,以描述符汉明距离为标准衡量图像特征点间的相似度并进行对应筛选,最终结合RANSAC剔除剩余的误匹配点对,实现了图像间准确匹配;实验研究表明,在关于光照、噪声和模糊变化的三组被测目标图像匹配中相较SIFT、SURF等常见算法,该算法不仅显著提升匹配速度,而且保证了较高的匹配准确率。     

基于红外热图像的分区域RANSAC匹配算法

RANSAC是一种鲁棒性估计算法,常用于可见光图像的匹配。文章将其用在红外图像的匹配过程中,并根据红外图像清晰度差,纹理信息少等特点,改进了该算法,提出了一种分区域的RANSAC算法。应用HARRIS算子提取特征点,在匹配过程中将人脸划分为不同区域,应用RANSAC算法进行匹配。实验仿真结果表明,此算法在红外热图像的匹配上,具有准确率高,计算量小的优点,有红外热图像的建模上有较高使用价值。