征稿启事

应广大读者及作者要求,为了创造一个良好的学术展示和交流平台,本刊特开设"学术"栏目,内容包括国内最新纺织科研成果,学术理论探讨,新技术、新产品、新设备的开发等,欢迎踊跃投稿!《纺织科学研究》杂志(月刊)创刊于1984年,是国家级期刊,由中国纺织工业联合会主管,中国纺织科学研究院有限公司主办。本刊充分体现差异化、深度化、视觉化,力求打造富有科学内涵、具有时代精神的权威期刊。     

基于DoG检测图像特征点的快速二进制描述子

针对SIFT描述子实时性差和传统二进制描述子对尺度、旋转和视角变化鲁棒性差的问题,本文通过优化采样模式和添加灰度差分不变量比较测试进行改进,提出了一种鲁棒性更高的二进制描述子。首先,设计了一种尺度关联、编号标记的采样模式;然后,旋转采样模式中各采样点到特定位置,确保描述子尺度、旋转不变性;接着,分析了采样点点对模式对描述子的影响,选择使用机器学习训练后的128对采样点对;最后,选择灰度值比较测试及梯度绝对值和比较测试构建二进制描述子。实验中采用DoG检测图像关键点,结果表明:本文提出的描述子在描述子构建和描述子匹配上比SIFT描述子分别快84%和67%;在有视角变化的图像匹配上,准确率比传统的二进制描述子高3%~5%,召回率平均要高30%以上。本文提出的特征点描述方法适用于时间要求高的图像匹配领域。     

基于机器视觉技术的古陶瓷器型三维还原算法

器型研究对于古陶瓷的真伪鉴别、价值认知和其文化类型与传播途径的研究具有重要的意义.本文在研究和解决了复杂背景下旋转体古陶瓷轮廓提取、图像畸变校正、轮廓线非线性建模等一系列技术难题的基础上,研究并实现了一套古陶瓷器型三维还原算法.通过该算法利用旋转体古陶瓷的二维图像建立了精确的轮廓模型,进而实现器型的三维建模.最终试验结果表明,该三维建模算法可以精确获取旋转体古陶瓷三维器型模型,对探索古陶瓷器型研究发展新方向有一定意义.     

基于深度卷积神经网络的视觉里程计研究

视觉里程计利用视频信息来估计相机运动的位姿参数，实现对智能体的定位。传统视觉里程计方法需要特征提取、特征匹配/跟踪、外点剔除、运动估计、优化等流程，解算非常复杂，因此，提出了基于卷积神经网络的方法来实现端对端的单目视觉里程计。借助卷积神经网络对彩色图片自动学习提取图像帧间变化的全局特征，将用于分类的卷积神经网络转化为帧间时序特征网络，通过三层全连接层输出相机的帧间相对位姿参数。在KITTI数据集上的实验结果表明，提出的Deep-CNN-VO模型可以较准确地估计车辆的运动轨迹，证明了方法的可行性。在简化了复杂模型的基础上，与传统的视觉里程计系统相比，该模型的精度也有所提高。