基于角点和Hu矩不变量的可见光和红外图像自动配准方法

针对红外图像与可见光图像的自动配准问题,提出了一种基于图像角点特征和透视变换模型的方法.首先采用自适应阈值对红外与可见光图像进行分割,然后利用Harris因子分别在分割后的红外和可见光图像上检测角点.通过分析角点邻域在原始图像上的相关性实现角点的粗匹配.接着通过RANSAC算法对角点进行细匹配,删除outliers,再...     

基于改进SURF算法的双目视觉定位

随着机器人技术的发展,机器人视觉方面的研究也越来越受到人们的重视。在机器人视觉系统中,双目视觉应用最为广泛。在利用双目视觉对物体进行定位时,文中采用了各方面性能都较有优势的SURF算法,来对图像中的特征点进行提取与匹配。由于客观因素的影响,在SURF匹配过程中存在特征点误匹配现象,为了消除误匹配,文中对SURF算法做了改进,加入了剔除误匹配的RANSAC算法。实验结果表明,改进后的SURF算法,能够大大提高双目视觉定位的精准度。     

基于局部特征描述的目标定位

针对SURF不能满足实时性、BRISK匹配率低的特点,本文采用SURF检测关键点与BRISK计算描述子相结合的方法,提出一种新的特征描述方法SURF-BRISK。本文首先通过SURF-BRISK描述方法进行特征匹配,然后通过RANSAC去除误匹配,最后通过正确的匹配点对计算仿射变换的6个参数并进行目标定位。实验表明, SURF-BRISK特征描述方法不仅具有实时性和鲁棒性,而且在目标定位中取得了较好的结果。     

基于视频序列的图像拼接

为消除视频序列之间的冗余信息,以简单的摘要形式表达视频的主要内容,提出了一种基于视频序列的图像拼接方法。首先,采用改进的帧间聚类算法提取视频的关键帧;其次,利用SIFT算法提取关键帧的特征点,采用最近邻算法进行特征点匹配,通过引导互匹配法和投票过滤法提高匹配精度;再次通过RANSAC鲁棒估计算法得到所选帧间的单映矩阵,并使用LM非线性迭代算法对单映矩阵进行精炼。最后,利用级联单映矩阵结合加权融合算法实现了视频序列的无缝拼接,实验效果较为理想。     

结合RANSAC的SIFT算法在交通视频检测中的稳像技术研究

交通视频监控摄像头在大风条件下存在抖动问题,给后续的视频分析带来了困难。针对这一问题,文中首先介绍了3种相关方法：RANSAC、SIFT和最小二乘法。并在此基础上提出了一个视频稳像算法,实验证明该方法能较好地解决路面上的摄像头画面抖动问题。     

基于边缘与区域特征的无人机图像地平线检测

针对基于视觉的无人机自动定姿中的地平线检测问题,分析了图像中地平线的边缘特征和区域特征,提出了基于单向边缘和灰度分布特征的地平线归属点识别准则和检测方法,利用改进的多模型输出RANSAC估计算法实现了边界点中候选地平线提取,最后利用地平线的识别准则完成了地平线的快速、可靠鲁棒性检测.实验结果证明了该算法的有效性.     

基于改进RANSAC算法的PCB板定位方法的研究

为了快速精确识别定位Mark点从而确定PCB板连片折板位置,提出一种基于改进RANSAC算法的边缘拟合算法。通过对目标模型的固有特性进行分析,定向筛选样本点,得到估计模型;采用分层抽样法抽取样本点进行残差分析;经过多次迭代后筛选出最符合的模型。对比分析了加权最小二乘法拟合、基于Zernike矩的边缘拟合和基于改进RANSAC算法的边缘拟合3种方法在效率和准确性方面的差异。实验证明:基于改进RANSAC算法的边缘拟合法较其他两种方法具有鲁棒性更好和稳定性更高的特点。     

一种新的基于条件数的图像配准算法

提出了一种新的基于条件数的图像配准算法。该方法在Harris算法提取角点的基础上,采用条件数定量地分析了噪声对确定图像间变换关系的影响程度,通过阈值设定筛选出具有良好稳定性的角点,克服了Harris角点检测可能存在的角点位置偏移和易受噪而提取出伪角点等问题。最后选择了Random Sample Consensus(RANSAC)匹配准则来确定匹配点对。经过实验证明了该配准算法具有精确性、抗噪性和鲁棒性。     

Log-polar height maps for multiple range image registration

We propose a method for coarse registration of multiple range images that uses a log-polar height map (LPHM) as the key for establishing correspondence. The LPHM is a local height map orthogonally mapped on the tangent plane with the log-polar coordinate system. The input range images are roughly represented by signed distance field (SDF) samples. For each SDF sample, an LPHM is generated and is converted to an invariant feature vector. Point correspondence is established by a nearest neighbor search in feature space. The RANSAC algorithm is applied on the corresponding point pairs between each pair of range images, and the pairwise registration of input range images is determined by the extracted inlier point pairs. Finally, the global registration is determined by constructing a view tree, which is the spanning tree that maximizes the total number of inlier point pairs. The result of coarse registration is used as the initial state of the fine registration and modeling. The proposed method was tested on multiple real range image datasets.     

可控特征点对以及RANSAC的监视系统外参估算方法

为了提高基于机器视觉的监控系统的精度,立体视觉信息作为一种鲁棒性很高的参数被引入监控算法中.立体视觉信息的引入使得外参求解成为影响监控结果的一个重要环节.现存的应用于监视系统的外参自动估算方法均采用立体视觉中外参求解的方法.这些方法普遍存在特征点的数目完全由场景决定特点.为了解决在大部分监视系统应用的场景中,因为背景较为空旷、基线较长同时相机对之间的旋转量较大,由场景提供的特征点数量非常有限,导致计算结果并不理想这一问题,提出了一种基于视频序列的RANSAC外参求解方法.该方法不仅利用RANSAC算法有效的剔除外点,而且根据可控特征点对的动态性,利用时间上的积累获得了充足的位置可控、数量可控的可控特征点对,并据此得到精度较高的外参结果.根据实验,该方法可以将三维重建误差降低近50%.