基于改进Harris-SIFT的ZY-3卫星三线阵影像匹配

针对卫星三线阵CCD影像成像具有特殊性,提出了组合改进的Harris与SIFT多尺度空间影像检测方法,既提高卫星三线阵影像角点检测的可靠性,又保持尺度不变性.对于卫星三线阵影像,通过用改进的Harris算法进行角点提取,建立影像特征的SIFT描述符;进行特征向量的欧式距离匹配,保证了匹配的尺度和旋转不变性,并缩减了运算时间.通过采用北京地区ZY-3三线阵影像数据进行实验,验证了算法的有效性.     

基于Harris角点和SIFT算法的车辆图像匹配

车辆图像匹配广泛应用于车辆识别和跟踪,其中SIFT(Scale Invariant Feature Transform)特征匹配算法是当前国内外特征点匹配研究的热点,但针对车辆等刚体特征明显的目标,SIFT算法在时间复杂度和稳定性方面留出了改进空间.针对车辆图像匹配,本文基于Harris角点检测对SIFT算法进行改进.实验结果表明:该方法在车辆图像匹配时,稳定性和实时性优于SIFT算法.     

基于三视图几何约束的摄像机相对位姿估计

针对从影像中恢复摄像机位姿的问题,提出基于三视图几何约束的位姿估计算法.利用强制选择机制对影像进行特征点提取,通过光流法和前后向误差实现相邻三帧影像的特征点匹配;推导基于本质矩阵优化分解的位姿估计,利用对极几何约束构建目标函数,通过迭代优化确定旋转矩阵的唯一解,优化了唯一解的确定方法,提高了相对位姿估计效率,得到第1、2摄像机矩阵;基于三视图的几何约束关系,由三焦点张量和匹配特征点建立目标函数,由迭代过程得到第3摄像机相对于第1摄像机的位姿参数.结果表明,提出算法的鲁棒性、精度以及算法效率均优于传统算法,能够快速、准确地估计摄像机相对位姿,可以实现对旋翼无人机的轨迹跟踪.     

基于四元数和航天器姿轨信息的相对位姿确定算法

航天器间的相对位姿确定是航天器编队飞行、交会与对接、捕获与维护等重大航天任务的关键技术.基于图像信息的相对位姿确定是目前国内外研究的热点,是解决航天器相对位姿确定问题的有效方法.文中在航天器姿态动力学、机器视觉理论基础上,提出基于四元数和航天器姿轨信息的相对位姿确定算法.在定姿方面,该算法采用了四元数法,与传统的Hall算法相比,降低了雅可比矩阵的阶数,从而减小了计算量;另外,在基于四元数算法的最小二乘估计中,该算法充分利用了航天器姿轨信息作为初始值,减少了计算的迭代次数,提高了算法的效率.     

双目立体视觉的无人机位姿估计算法及验证

针对无人飞行器在未知复杂环境下的导航问题,提出了一种基于双目立体视觉的无人飞行器位置和姿态估计算法。用双目摄像机采集立体图像序列,对图像进行立体校正后使用Harris算法提取特征角点,用NCC算法获取匹配特征点,导出摄像机坐标系下的特征点坐标,得到三维立体特征信息,使用RANSAC算法与L-M迭代算法得到无人飞行器姿态和位置估计值。实验结果表明,基于双目立体视觉的位姿估计算法能适应未知环境变化,计算结果与实际位姿量相比误差小,能满足无人飞行器导航要求,可为无人飞行器的导航实现提供一套新途径。     

面向深度相机位姿优化的帧间点云数据配准算法

TOF相机能够同时采集灰度图像和深度图像从而优化相机位姿的估计值. 应用图结构调整框架优化多帧数据采集时的相机位姿,采用帧间配准决定优化的精度和效率. 从2帧图像上提取并匹配尺度不变特征点对,二维特征点被扩展到三维空间后,利用与特征点的空间位置关系将2帧三维点云配准;逐步应用提出的算法配准参与位姿优化的多帧点云中的任意2帧点云;最后将有效配准的点云帧对作为输入数据,采用图结构算法优化位姿. 实验结果表明,提出的帧间配准算法使得位姿估计值精度显著提高,同时保证了估计效率.     

基于局部特征图像匹配算法改进

本文针对SIFT算法存在着特征提取及匹配速度慢,在灰度变化相似的区域产生误匹配的缺陷,讨论了SIFT 的改进算法-SURF算法的原理及应用方法,对算法进行检验,指出SURF算法在提取特征点时更偏重于提取鲁棒性较强的点,同时,摒弃一些鲁棒性较弱的点,对鲁棒性强的特征进行匹配以减少计算时间,使SURF在实时性处理和大量图片...     

航天器交会对接位姿视觉测量迭代算法

针对航天器交会对接过程中利用单目视觉进行相对位姿参数确定问题,利利用由目标航天器上4个非共面设置的特征光标点和追踪航天器上单个CCD相机组成的交会对接航天器单目视觉测量系统,推导了交会对接航天器间相对位姿参数测量的迭代算法,将相对位姿参数求解问题转化为非线性优化问题,在目标航天器像平面空间内推导优化目标函数,利用Levenberg-Marquardt算法求解该非线性优化问题,并选择一解析算法以快速求解迭代初值,仿真结果表明算法的有效性和可靠性,能够满足交会对接航天器测量精度要求。     

Harris-SIFT算法及其在双目立体视觉中的应用

为了降低尺度不变特征变换(SIFT)算法的复杂度,提高算法的实时性,克服算法提取的特征点不是角点的缺点,该文提出了一种新的Harris-SIFT算法。该算法首先用Harris算子提取图像的特征点,然后为每个特征点定义主方向,最后将特征描述子的坐标旋转到与特征点的主方向一致,计算出每个特征点的特征向量描述子。双目立体视觉图像匹配实验结果说明了该算法的有效性。     

基于深度神经网络的井下无人机视觉位姿估计

无人机将在未来少人或无人采矿中发挥重要作用,而位姿估计则是实现井下无人机自主巡检的关键.针对井下巷道照度分布不均匀和动态复杂环境的特点,提出采用慕尼黑工业大学深度图像(TUM RGB-D)数据集对深度神经网络模型进行预训练的方法,提取巷道特征路标点.为实现具有真实尺度信息的位姿估计,首先利用机载相机三维深度数据流恢复网络特征点深度,然后建立帧间匹配巷道路标点最小二乘模型,最后采用奇异值分解的方法获得无人机位姿.开发了手持移动传感器数据采集系统,完成传感器相对位置标定,采集真实巷道环境数据并进行实验.实验结果表明,相比ORB-SLAM2位姿估计结果,提出的无人机位姿估计方法针对巷道复杂环境数据其定位精度可提高71%以上,定位误差约为13 cm.