基于点对特征的三维点云匹配算法

针对现有的基于全局特征的三维物体识别方法和基于局部特征的三维物体识别方法在有遮挡和混叠场景中识别效果均不理想的问题,提出了一种基于点对特征的三维点云匹配算法。利用模型上的所有点对特征来完成全局模型描述构建,并在减少的二维空间上,利用快速投票方案,在局部对模型点云和场景点云进行匹配,从而恢复模型在场景中的全局姿态。实验结果表明:该算法在有遮挡和混叠的场景中识别效果比较理想。     

基于分支特征点的景象匹配算法

由于传统Hausdorff距离算法对减少非零均值高斯噪声的干扰不明显,且匹配精度不能满足惯导的要求,因而提出了一种改进的算法分支点的加权Hausdorff离（Weiighted Hausdorff Distance,WHD）算法,并给出了权值的求取公式。方法能有效匹配被非高斯噪声污染的图像,提高景象匹配的精度和速度,增强算法的鲁棒性。并对提出的WHD算法与部分的平均距离算法（PMHD）分别作仿真实验进行比较,证明了前者算法的实用性和有效性。     

基于特征匹配和距离加权的蓝牙定位算法

针对传统iBeacon指纹定位技术中接收信号强度值（RSSI）波动较大、指纹库聚类复杂、存在较大跳变性定位误差等问题,提出一种基于排序特征匹配和距离加权的蓝牙定位算法。在离线阶段,该算法先对RSSI进行加权滑动窗处理,然后根据RSSI向量大小生成排序特征码等值,并与位置坐标等信息组成指纹信息,形成指纹库;在在线定位阶段,根据排序特征向量指纹匹配定位算法和基于距离的最优加权K最邻近法（WKNN）实现室内行人定位。在定位仿真实验中,该算法可以自动根据特征码进行聚类,从而降低了聚类的复杂度,能实现最大误差在0.952 m内的室内行人定位精度。     

基于点空间特征的两种点匹配算法

通过讨论和分析经典特征向量匹配算法的基本原理和抗噪性能问题,提出2种新的点匹配算法:加权特征向量算法和顺序匹配算法.加权特征向量匹配算法通过对点集距离矩阵进行特征向量分解获得点集中点的特征向量,而后利用特征值对向量加权,通过比较点的加权特征向量相似性来获取匹配关系.顺序匹配算法避免了矩阵分解,直接对距离矩阵的距离向量进行排序,通过较有序的向量来获取匹配关系.这2种算法,解决了经典特征向量匹配算法中抗噪性能差和高斯参数选择的2个问题.实验结果表明,算法切实可行,文中结论正确.     

基于自适应椭圆距离的点云分区精简算法

利用传统点云精简算法进行散乱点云简化会导致点云模型部分细节特征的丢失或模糊以及影响非平面区域的光顺性。针对这些问题,提出基于自适应椭圆距离的点云分区精简算法。首先,通过对邻域点集进行微切平面与局部曲面的拟合,计算出各点的法矢及曲率等;其次,利用所得几何特征信息,提取点云边界特征以及完成点云平面区域与非平面区域的划分;最后,采用改进后的精简算法对不同区域进行简化。实验结果表明,该算法不但能够快速完成符合要求精简率的数据简化,还能保护点云模型的细节特征以及保证模型非平面部分的光顺性。经过软件分析得出,精简后模型与原始模型的距离误差的标准偏差为0.015 mm。     

基于距离融合的图像特征点匹配方法

针对ORB算法中特征点缺乏尺度不变性导致算法误匹配率高,以及二进制鲁棒独立基本特征（BRIEF）算法的描述子易受噪声影响的问题,提出了改进的特征点匹配方法。采用加速的具有鲁棒性的特征（SURF）算法进行特征点提取,利用带有方向信息的BRIEF算法进行特征点描述;在特征点邻域内选取随机点对,并对随机点对的灰度大小比较和相似度比较分别进行编码,采用汉明距离计算两种编码的差异;利用自适应加权融合的方式实现特征点相似性距离度量。实验结果表明,改进方法对于尺度变化、光照变化以及模糊变化的图像具有更好的适应性,与传统ORB特征点匹配方法相比能够获得更高的特征点正确匹配率,且该特征点匹配方法可用于改善图像拼接的性能。     

基于加权相邻关系的形状轮廓点匹配

轮廓点匹配是形状匹配的一种典型方法。在各种形变情况下,形状轮廓点的相邻关系往往比其他全局关系更稳定。本文在保持局部邻居结构的点匹配算法基础上,引入了邻居的权的概念。首先基于点到邻居的距离为每个点的邻居关系赋权,然后结合形状上下文距离把点匹配问题转化为有向属性关系图匹配问题,用松弛迭代法求解。引入邻居关系系的权,使匹配不仅保持邻居集的一致性,同时还保持邻居之间的距离相对关系。实验证明,本文方法能够提高匹配效果,加快匹配算法收敛速度。     

基于机器视觉的三维点云匹配算法在散货物料实时检测中的应用与研究

面对杂乱堆叠的散货物料实时检测场景,传统机器视觉会受物体遮挡限制,使得识别结果存在偏差。为解决此问题,本文运用三维点云算法,设计基于点对特征的位姿估计算法,同时调整场景点云中法线方向使其朝向点云成像设备视点,以优化其一致性,最后基于该算法构建实际物体抓取系统。结果显示,此次研究设计的位姿检测算法的平均重合率为98%,平均内点均方根误差为0.000 3 mm,点云匹配成功率为100%,抓取成功率为97.1%。结果表明,该基于点对特征的三维点云算法在散货物料场景中的检测准确率较高,且在抓取场景中也有较理想的表现,具有一定的实际应用意义。     

基于特征点匹配的排水管道声点云模型配准算法

三维重建技术逐渐成为获取全面、完备、准确的排水管道信息的关键手段。而实际检测受到管道堵塞等工况与管道检测规程等因素限制,造成所获得的管道声呐点云模型会出现位姿不同、部分重叠或空缺等情况,需要通过配准获取完整管道模型。同时,传统ICP算法针对管道模型存在效率低、精度差的问题。因此,该文提出基于特征点匹配的粗配准与改进的ICP精细配准相结合的点云配准算法。首先,利用ISS特征点检测法检测出模型特征点,通过FPFH对特征点进行进一步的描述;其次,采用RANSAC算法筛选出正确特征匹配点集,利用四元数法解算出初始变换参数完成粗配准;最后,在粗配准基础上,通过改进最近对应点查询的ICP算法完成精细配准。实验结果表明了该文算法的可行性与优越性,能为后续排水管道缺陷检测提供高完备、全面、准确的点云模型。     

点云曲面匹配的八叉树算法

针对用点云表示的数字曲面匹配问题,构造了一种采用八叉树和SEPMap匹配的新算法。匹配的最终结果是曲面刚体运动下的不变量。算法不需要待匹配曲面的任何先验知识,不需要进行初始位置猜测,过程中也无需任何交互干预,全部由计算机自动完成。     

基于边缘相关性距离约束的角点匹配

在双目视觉技术中,针对物体边缘上的角点误匹配问题,提出了一种基于边缘相关性距离约束的角点匹配算法。该算法首先采用基于边缘的角点检测子来提取角点,通过极线约束和角点特征值约束来确定候选角点匹配集合;然后提出“边缘相关性”约束,基于角点距离构造候选角点对的贡献值来对其进行精匹配;最后构造角点特征向量,通过子向量匹配方法进一步对角点匹配对进行检验。实验结果表明,该匹配算法正确率高,有效地解决了边缘角点对的误匹配问题,非常适用于基于边缘曲线的双目视觉应用。     

基于建筑物轮廓的地面激光点云与影像匹配点云配准研究

为了高精度融合异源数据,进而充分表达建筑物的顶面及立面信息,提出基于建筑物轮廓特征的地面激光点云与影像匹配点云配准方法.通过边缘估计提取影像匹配点云建筑物屋顶轮廓,利用α-shape算法匹配提取地面激光点云建筑物屋檐轮廓,运用主成分分析算法、质心约束及罗德里格斯公式实现两种轮廓点云的粗配准,根据ICP算法完成精配准.实验结果表明该方法能够实现跨模态数据的优势互补,有效提高影像与点云配准的计算效率和配准精度.     

动态环境中多帧点云融合算法及三维目标检测算法研究

低线束激光雷达扫描的点云数据较为稀疏,导致无人驾驶环境感知系统中三维目标检测效果欠佳,通过多帧点云配准可实现稀疏点云稠密化,但动态环境中的行人与移动车辆会降低激光雷达的定位精度,也会造成融合帧中运动目标上的点云偏移较大。针对上述问题,提出了一种动态环境中多帧点云融合算法,利用该算法在园区道路实况下进行三维目标检测,提高了低线束激光雷达的三维目标检测精度。利用16线和40线激光雷达采集的行驶路况数据进行实验,结果表明该算法能够增强稀疏点云密度,改善低成本激光雷达的环境感知能力。     

基于点云几何特征的错误匹配点对剔除算法

针对点云配准过程中存在错误匹配点对的问题,提出一种基于点云几何特征的双阈值剔除算法。依据点云几何特征在刚体变换过程中的平移旋转不变性,在初始匹配点集基础上,借助k近邻方法选取各查询点的近邻点并构成三点对,根据点间距离不变特性完成点对的初步筛选。在此基础上,采用曲面变分描述该三点对所在局部区域的几何特征,通过分析三点对的协方差矩阵,完成匹配点的最终筛选。实验结果表明,该方法可以有效剔除错误匹配点,且具有较高的配准精度。     

基于距离统计的有序纹理点云离群点检测

三维数据的离群点检测是纹理点云数据处理的重要内容之一，为了有效快速地检测离群点，根据纹理点云的有序结构特征，提出了基于距离统计的检测算法。首先在每个点到其K邻域中其他点距离的基础上计算出K邻域距离；然后根据有序点云中该距离符合正态分布的特点和正态分布3σ定理，将超出3倍方差范围的点认定为离群点。实验结果显示算法采用曼哈顿-最大距离进行检测，当K为4时可以更加快速准确地将有序点云中的离群点检测出来。由此得出，基于距离统计的算法可以有效地将离群点检测出来，同时成功地应用于纹理点云的离群点检测。     

加权K近邻和加权投票相结合的虹膜识别算法

利用彩色虹膜数据库研究了在正常环境下采集到的有噪声的虹膜图像在不同色度空间中各颜色通道的性能,提出了一种决策层融合方法,利用加权K近邻方法和加权投票相结合进行虹膜识别.对于每个单独的颜色通道,根据比对距离找到前K个近邻,利用排序与相似度相结合的方法为这K个近邻赋权值(RSWKNN),作为各通道的决策输出.在综合各通道的决策时,利用各通道的性能,对各通道的决策输出进行加权投票,本文采用了四种基于通道性能的各通道加权方法.实验分析了各种算法的性能,结果表明:本方法能够有效提高虹膜识别的准确率和稳定性.     

改进的局部加权窗口匹配代价算法

稠密匹配可以看做匹配代价最小化的过程,而匹配代价的计算是各种稠密匹配算法的必要步骤。分析取得良好效果的测地线距离局部加权窗口匹配算法,针对测地线权值计算的核心部分进行改进,提出一种环式的测地线权值计算方法,并详细介绍改进后的权值计算方法应用于局部加权匹配的性能优势。最后通过对比实验证明：在不损失精度的前提下,改进后的匹配代价整体计算时间提高了近1/2。     

基于三视图的自适应加权迭代匹配筛选算法

针对基于三视图的传统三维重建时特征点匹配后保留正确匹配点对数量过少、由图像噪声、拍摄照片时遮挡和震动等因素引起的匹配误差较大等问题,文章提出了一种自适应加权迭代算法,该算法通过给匹配点对加权进行迭代筛选来实现,可以稳定的获得数量较多、结果较准确的匹配点对,从而精确求解三视图空间约束矩阵三焦点张量.实验证明,文章提出自适...