排序方式: 共有95条查询结果,搜索用时 187 毫秒
1.
2.
针对增强现实(AR)中虚实注册的精度和实时性易受图像纹理和不均匀光照影响的问题,提出一种改进的ORB算法予以解决。首先,设置ORB特征点数量和距离阈值对图像特征点稠密区域进行优化,利用并行算法保留特征值较大的N个特征点;然后,采用离散差异特征增强光照不均匀变化时的稳定性,将改进的ORB与词袋(BOF)模型结合,实现基准图像的快速检索;最后,利用图像间的单应性关系实现虚实注册。从准确性和实时性两方面对提出的改进ORB算法与原始ORB算法、尺度不变特征变换(SIFT)算法和加速稳健特征(SURF)算法进行了对比实验分析,结果显示改进ORB算法的注册时间平均降低了约40%,准确性达到了95%以上。实验结果表明,所提出的算法在不同纹理和不均匀光照的情况下,具有更高的实时性、准确性。 相似文献
3.
针对含有遮挡区域、深孔及凹槽等特征的多面体或回转体物体,设计了一套基于立体定向靶标的探针式多视场三维视觉测量系统,并阐述该套测量系统的结构组成和基本工作原理。首先,基于近景摄影测量技术建立立体定向靶标的6个单元模型,计算靶标各侧面角点在各自单元模型内的坐标,再通过单元模型的链接和光束平差,获取全部角点的精确全局坐标,并将其作为立体定向靶标的全局控制点。然后,设计了利用共面角点辅助定位的探针,仍基于近景摄影测量技术解算出角点和测头在探针坐标系中的精确坐标。最后,利用共面的棋盘格角点与其像平面之间的单应性矩阵,推导全局坐标系、探针坐标系各自与相机坐标系的位姿关系,进而求得探针测头的全局坐标。以量块(量棒)的标准长度作为评价指标,在2m×1.5m的视场范围内测量精度优于0.1mm。测量实验表明,多视场三维视觉测量系统用于具有回转体结构特征的水壶测量,能够获取水壶表面全部区域的点云数据。 相似文献
4.
多目标的鲁棒跟踪是视频监控系统的基础。在拥挤的环境下,由于遮挡的原因,传统的单目跟踪方法很难分割前景目标并跟踪。本文通过码本算法获得多个视角的前景信息,利用部分标定法获得平面单应性矩阵,根据此矩阵将各个视角的前景信息投射到参考视角后进行数据融合,利用得到的定位信息进行跟踪。实验结果表明,该算法在拥挤的环境中能实现对多目标的鲁棒跟踪,具有很好的实时性。 相似文献
5.
结合工业现场的需要,提出了一种基于双目立体视觉的快速测量铣刀盘刀具位置的方法。系统可在现场进行标定,并详细地讲述了该系统的标定原理和标定方法;标定系统时,仅需要一块二维标定板,不需要特殊的附加光源,结构简单,速度快,标定精度高;该测量方法克服了传统方法的需要接触测量、速度慢等缺点,能够实时进行自动快速测量,为工业在线生产提出了广泛地应用前景;此方法也可以应用于对工件尺寸的在线检测、孔洞位置的在线检测等。 相似文献
6.
图像校正技术的研究及应用 总被引:2,自引:2,他引:0
基于单应性矩阵方法研究了图像校正技术,该方法的关键问题在于边缘检测及寻找边缘的交点。针对车牌图像的校正,提出了一种自动化的边缘提取方法。该方法通过对霍夫变换得到的直线进行合并、分类、排序等方法来自动获取图像边缘并计算相应的交点。对校正后的图像因为长宽比例不同而产生的问题,作了分析和相应处理。该方法保留了单应性矩阵恢复算法的方便性,同时速度更快,取得的效果也比较好。 相似文献
7.
现实场景中人们感兴趣的目标或事件往往与场景中正在移动的物体有关,使得运动目标检测往往成为许多应用中进行信息提取的关键步骤和富有挑战的问题。首先利用单应性变换作为背景运动模型,利用上一帧得到的前景掩码图限制背景运动的估算区域,提取更纯净的背景运动;其次使用具有可变学习速率的双模单高斯模型,获得不被污染的背景模型,融合运动目标的时空信息,生成前景概率图并预测下一帧的检测区域;后依据前景概率图构造自适应的前景自适应判决阈值,进行运动目标检测,并利用核密度估计进一步优化检测结果。实验结果表明,算法可以适用光照变化、复杂运动等场景,具有较低的计算复杂度,查准率、召回率和F值等指标平均提升0.52%、33.37%、20.14%。 相似文献
8.
9.
提出一种利用随机抽样一致方法(RANdom SAmple Consensus,RANSAC)消除图像匹配时错配的加速算法,具有平移,旋转和缩放不变性,同时允许其他方面(视角等)的较小变化,可以满足当前主流局部特征匹配算法的要求。RANSAC精度高,但时间复杂度高,时间复杂度与有效数据百分比有关,基于此提出了一类新的查找无效数据的方法,可以快速提高有效数据的比例,当它和RANSAC算法结合使用时,可以在保证高精度的情况下,有效地降低查找时间,提高图像匹配的实时性。实验表明该算法效果显著。 相似文献
10.
一种基于特征点的稳健无缝图像拼接算法 总被引:2,自引:0,他引:2
针对传统的基于区域图像拼接方法中,计算量大、鲁棒性差以及不能很好地解决拼接后的接缝等问题,提出了一种稳健的基于特征点的无缝图像拼接算法.在SIFt(scale invariant feature transform)提取图像特征点并匹配的基础上,通过优化的随机采样一致性(random sample consensus)算法过滤匹配点,去除误匹配点,并用过滤后的匹配点求解两对应图像间单应性矩阵初值;然后利用L-M算法优化单应性矩阵对图像序列进行拼接;最后通过改进线性加权函数法进行图像融合,很好地解决了接缝问题,实现了图像拼接处的平滑过渡.实验表明,该方法对存在旋转、尺度缩放、视角以及光照变化的图像都具有良好的拼接效果,拼接精度可以达到亚像素级. 相似文献