改进FAST-SURF算法在卷烟包件识别定位中的应用

在智能卷烟包件码垛系统中抓取目标物体前需要快速而准确地对其进行识别与定位。而传统的SURF方法在进行特征点检测时时间较长。因此,提出一种基于改进的FAST-SURF算法的双目目标匹配定位方法。将FAST算法检测特征点的检测像素个数由16个降为12个,利用FLANN算法搜索待匹配特征点,缩短搜索匹配时间,然后用改进RANSAC算法剔除误匹配对,根据图像匹配的结果与标定得到的内外参以及匹配特征点近似均匀分布的规律,将所有特征点的三维坐标进行平均运算,得到近似形心坐标。实验中,确定了合适的阈值,证明了该方法在卷烟包件识别定位的速度和正确率上都有一定提高且具有更好的鲁棒性。     

基于改进SURF算法的柔性装夹机器人快速工件匹配方法

针对传统SURF算法在构建局部特征描述符时耗时较长,无法满足实时性要求的问题,提出了一种改进的SURF算法。首先,运用Hession矩阵行列式（DoH）检测图像中的关键点,并利用非极大值抑制法和插值运算搜索、定位极值点;其次,采用灰度质心法确定关键点的主方向;然后,采用二进制描述符BRIEF对关键点进行描述,并利用关键点的主方向构造带有方向的特征描述符,使其具有旋转不变性;最后,运用汉明距离初步确定匹配点,再用比率检测法和RANSAC算法去除误匹配点,进而获取精准配准。实验结果表明,该改进SURF算法在应用于机器人进行柔性装夹时,对工件图像的平均匹配时间由SURF算法的214.10 ms减少到86.29 ms;而且匹配精度方面比原SURF算法提高了2.6%,因此,所提算法能够有效提高柔性装夹机器人工件图像的匹配速度和匹配精度。     

基于改进SURF算法的双目视觉测量系统研究

针对双目立体测量中所使用的图像匹配算法精度不高的问题,提出了一种基于SURF算法的改进图像匹配算法并运用到双目立体测量系统中。首先运用SURF算法检测和描述图像对特征点、特征向量;其次采用双向特征向量匹配策略对匹配点集进行初始过滤;最后采用PROSAC算法根据极线约束几何模型对初始过滤后的匹配点集进行二次筛选,得到最终的优质匹配集合。实验表明,改进的SURF算法具有更高的匹配准确性和较好的算法实时性,运用改进SURF匹配算法的双目测量系统可实现更准确的定位测距。     

室内移动机器人视觉里程计研究

研究了一种精度较高的视觉里程计实现方法。首先采用计算量小、精度高的SURF算法提取特征点,并采用最近邻向量匹配法进行特征点匹配;采用RANSAC算法求得帧间摄像机坐标系的转换矩阵;提出了一种视觉里程计标定方法,并通过该方法得到机器人起始点坐标系下的位移信息,保证了机器人有自身姿态变化时的定位的准确性;圆轨迹实验验证了视觉里程计算法的可行性。     

视觉与惯导融合的煤矿移动机器人定位方法

针对现有移动机器人单目视觉定位算法在光照变化和弱光照区域表现较差、无法应用于煤矿井下光照较暗场景的问题,通过非极大值抑制处理、自适应阈值调节等对快速特征点提取和描述(ORB)算法进行改进,采用随机抽样一致性(RANSAC)算法进行特征点匹配,提高了煤矿井下弱光照区域的特征点提取和匹配效率。针对仅靠单目视觉定位无法确定机器人与物体的距离及物体大小的问题,采用对极几何法对匹配好的特征点进行视觉解算,通过惯导数据为单目视觉定位提供尺度信息;根据紧耦合原理,采用图优化方法对惯导数据和单目视觉数据进行融合优化并求解,得到机器人位姿信息。实验结果表明:(1) ORB算法虽然提取的特征点数较少,但耗时短,且特征点分布均匀,可以准确描述物体特征。(2)改进ORB算法与原ORB算法相比,虽然提取时间有了一定的增加,但提取的可用特征点数也大大增加了。(3) RANSAC算法剔除了误匹配点,提高了特征点匹配的准确性,从而提高了单目视觉定位精度。(4)改进后融合定位方法精度有了很大提升,相对误差由0.6m降低到0.4m以下,平均误差由0.20m减小到0.15m,均方根误差由0.24m减小到0.18m。     

基于SURF算法的单目转双目视觉定位

针对三维空间中目标物体定位的问题,提出了一种结构简单、操作方便、性价比较高的单摄像机实现双目立体视觉定位的方法.在对目标物体的识别和定位中,利用各方面性能和指标都比较好的SURF算法对所获取的图像进行特征点的提取和匹配.实验结果表明,文中使用的基于SURF算法的单目转双目视觉定位的方法,不论是在定位的精度,还是在时间速度方面都表现出了很好的可行性与实用性,具有一定的现实利用价值.     

基于聚类和马氏距离的SURF昆虫图像匹配算法

针对SURF(Speeded Up Roubust Features)算法在检测特征点和进行特征匹配过程中存在的受噪声点干扰,容易产生误匹配、匹配效率低等问题,提出一种基于聚类和马氏距离的改进SURF图像匹配算法。首先,利用均值聚类算法剔除噪声,对SURF算法提取的特征点,采用聚类算法进行分类和噪声点去除,生成新的特征点数据集;然后,应用马氏距离考虑整体相关性的特点,将SURF算法中的欧式距离用马氏距离替代,提高算法的匹配效率。实验应用于昆虫图像识别和匹配时,改进算法较原SURF算法在匹配效率和准确率上有明显提高。     

基于几何约束的改进SURF算法

针对工业视觉机器人的实际作业环境中,作业背景以及工件上夹带的杂物影响图像特征点提取与匹配的问题,提出一种基于几何约束的改进SURF (speeded-up robust features)算法。分析工件图像中工件主体的长度、周长、面积等几何特性,提出3种基础的过滤规则用于过滤背景干扰曲线,提取出主要工件特征曲线;通过对SURF算法中Hessian矩阵的迹进行多尺度处理,对其应用过滤规则后进行特征点提取与匹配。对实际工业现场采集到的工件图像与匹配数据库进行实验与对比,其结果表明,改进后的SURF算法能够提取更丰富的处于几何边缘的特征点,提高了匹配精度。     

基于多光谱图像配准融合的机器人巡检平台

针对变电站中开展机器人巡检工作时,普遍存在复杂场景下拍摄所得红外与可见光检测图像存在遮挡、旋转和视角差异等情况,进而导致图像匹配融合效率低的问题,本文提出了一种基于STM32控制的多光谱图像配准融合巡检机器人模型。该模型首先建立模板库,通过模板匹配定位图像中的目标电力设备,在此基础上使用SURF算法进行精细匹配,即利用RANSAC剔除设备特征误配点,并采用单映射FINDHOMOGRAPHY算法进行像素叠加,最终实现变电站设备的红外、可见光图像融合。实验结果表明,本文的改进算法生成特征点数量合适、质量提升明显,相比SIFT、SURF等传统图像融合算法,配准精度提高至少30%,图像处理速度提高至少30%,具备实用意义,可有效应用于设备识别、电力设备故障诊断领域。     

学生竞赛系统中机器人的定位与目标检测研究

为提高学生竞赛系统中机器人定位和目标检测的准确率,提出基于ViBe算法的ORB特征匹配方法。首先,对ORB算法原理进行具体分析;然后加入四叉树分块用于前景分割,以减少图像边缘和纹理较少的目标点,之后再进行特征匹配,减少提取特征点数量,并简化算法过程;然后在改进的ORB特征匹配方法基础上,加入ViBe运动目标检测算法对ORB竞赛系统机器人进行更精准的特征匹配;最后将改进算法应用到学生竞赛系统机器人中进行实验验证。实验结果表明,提出的改进ViBe算法的精确率和误检率分别为78.4%和6.5%,均优于传统深度学习算法,由此说明基于改进的ViBe算法的特征匹配率更高,鬼影消除效果较好,匹配速度显著提升,可实现学生竞赛系统中机器人的精准定位和目标检测。     

基于双目立体视觉的机器人定位系统设计与实现

针对传统工业机器人预先示教或单目视觉引导应用的局限性,提出一种基于双目立体视觉的机器人定位系统设计,获取目标物体在空间中的三维信息。该系统设计基于ABB机器人执行系统,使用TCP触碰标定板的方式完成双相机的标定,采用SIFT斑点算法获取工件的特征,结合Opencv3.4.1库,基于图像特征点对左右相机获得的图像进行立体匹配,得到物体的三维点坐标,引导机器人实现抓取。     

改进的抗遮挡MeanShift目标跟踪算法

传统MeanShift目标跟踪算法通过bin-bin颜色直方图表示目标特征,直方图中往往会混入背景颜色信息,造成跟踪不准确;同时由于MeanShift算法具有局部最优性,当目标受到严重遮挡丢失后,不能对目标重新定位跟踪。为了解决上述问题,在颜色直方图和抗遮挡能力方面进行了改进。利用交叉bin颜色直方图代替传统的bin-bin颜色直方图表示目标特征,减少背景颜色的干扰,提高MeanShift算法跟踪精度;当目标受到严重遮挡丢失后,通过一种尺度变化调整机制,在全局范围内搜索目标位置,提高MeanShift算法抗遮挡能力。实验显示,改进后的算法不仅在背景干扰大时对目标的跟踪精度更高,而且当目标受到严重遮挡丢失后,也能够对目标重新定位跟踪。     

基于SURF的改进FLANN匹配算法

在计算机辅助骨科手术系统中应用增强现实技术能帮助医生准确地定位患者的病灶部位,而视频图像的目标跟踪匹配是实现增强现实的关键技术。针对视频图像匹配中SURF (speed up robust features)特征点性能和匹配效率不足的问题,提出一种改进的基于SURF特征点的FLANN (fast library for approximate nearest neighbors)匹配算法。提取SURF关键特征点,改进其描述符算子,使用改进的FLANN算法进行特征点匹配。通过实验分析比较改进与未改进算法的性能,结果表明该方法的稳定性及快速性较好,具有较强的鲁棒性。     

基于聚类和马氏距离的多角度SURF图像匹配算法

对具有不同旋转角度和变化的图像进行匹配是图像识别中的技术难点,SURF算法在多角度图像的特征点检测和匹配过程中存在易受噪声点干扰、产生误匹配从而导致匹配效率低等不足。结合聚类和马氏距离,提出一种改进的多角度SURF图像匹配算法。首先利用聚类算法对原有算法提取的特征点进行噪声剔除处理,生成新的特征点数据集;然后利用马氏距离能够有效考虑整体相关性及其具有仿射不变性等特点,将SURF算法中的欧式距离用马氏距离替代。实验应用于多角度图像匹配时,改进算法较原SURF算法在匹配效率和准确率上有明显提高。     

一种改进的Qtree_ORB算法

在视觉SLAM中,特征点的提取和准确的特征匹配对机器人的位姿推断具有重要作用。针对传统ORB算法特征点分布不均匀,容易出现簇集的问题和Qtree_ORB算法特征点过均匀等问题,提出了一种基于四叉树改进的ORB特征提取算法。对每层图像金字塔进行自适应网格划分,采用自适应阈值来进行特征点提取;根据每层图像金字塔所提取特征点数目对四叉树的划分深度进行限制,减少冗余特征点;设定最小阈值来减少低质量特征点的提取;在Mikolajczyk数据集上对改进算法的均匀度和匹配性能进行测试,在TUM数据集上对改进算法在ORB-SALM2系统中的精度进行测试。结果表明改进算法能够有效提高其均匀度,并且保持着较高的匹配精度;在ORB-SLAM2测试中,改进算法能有效改进SLAM系统的轨迹精度和漂移程度。     

空间约束的无人机影像SURF特征点匹配

与普通场景图像相比,无人机影像中纹理信息较丰富,局部特征与目标对象“一对多”的对应问题更加严重,经典SURF算法不适用于无人机影像的特征点匹配.为此,提出一种辅以空间约束的SURF特征点匹配方法,并应用于无人机影像拼接.该方法对基准影像整体提取SURF特征点,对目标影像分块提取SURF特征点,在特征点双向匹配过程中使用两特征点对进行空间约束,实现目标影像子图像与基准影像的特征点匹配;根据特征点对计算目标影像初始变换参数,估计目标影像特征点的匹配点在基准影像上的点位,对匹配点搜索空间进行约束,提高匹配速度与精度;利用点疏密度空间约束,得到均匀分布的特征点对.最后,利用所获取的特征点对实现无人机影像的配准与拼接,通过人工选取均匀分布的特征点对验证拼接精度.实验结果表明,采用本文方法提取的特征点能够得到较好的无人机影像拼接效果.     

改进的SURF-RANSAC图像匹配算法

为改善传统SURF图像匹配算法存在计算量大、配准精度低等不足,提出一种改进SURF-RANSAC算法.基于SURF算法中构建描述符的思想,采用圆形邻域代替矩形邻域提取32维描述符,实现描述符的降维;通过自适应阈值方法完成特征点初匹配,降低人为设定阈值对匹配结果的影响;通过特征向量构建余弦约束对随机采样一致性(RANSAC)算法进行改进,实现匹配点对的提纯.实验结果表明,改进后的算法不仅提高了匹配速度和精度,还具有较强的鲁棒性.     

基于SURF算法的双目视觉特征点定位研究

针对双目视觉立体图像特征点匹配质量不好导致定位精度低的问题,本文提出改进SURF匹配的特征点定位方法。在改进的SURF匹配算法中,采用双向匹配、NNDR约束、对称性约束、极线约束和交叉匹配约束的方法,提高了图像特征点匹配的质量。在双目视觉特征点定位中,采用公垂线段中点法具有更高的特征点定位精度。实验证明,该算法的特征点定位精度更高,同时可以达到实时三维重建效率。     

SURF算法的降维研究

SURF(Speed-up robust features)算法进行图像特征点匹配时需要循环遍历待匹配图像所有特征点,计算特征点之间的SURF64描述距离,耗时大。本文对SURF算法进行了16维与4维的降维研究。实验结果表明,16维SURF算法性能与64维SURF算法基本相当,但能大幅度降低运算时间;4维运算性能降低较大,不能用于特征点匹配,但4维SUFR描述算法可以扩展到图像的各个像素点,用于ICP算法及图像的稠密匹配。     

改进STC和SURF特征联合优化的目标跟踪算法

针对传统时空上下文目标跟踪(STC)算法中目标窗口不能适应目标尺度变化,导致对目标针对性不强等问题,提出改进STC和SURF特征联合优化的目标跟踪算法(STC-SURF)。首先利用加速稳健(SURF)特征算法对相邻的2帧图像提取特征点并进行匹配,再通过随机抽样一致(RANSAC)算法消除误匹配,提高匹配精度。进而根据2帧图像中匹配特征点的变化对目标窗口进行调整。最终对STC算法中模型的更新方式进行优化以提高跟踪结果的准确性。实验结果表明,STC-SURF算法能够适应目标尺度变化,并且其目标跟踪成功率优于TLD算法和传统STC算法的。