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SVD和SIFT的宽基线立体影像匹配

提出了一种在核线几何约束下基于自适应归一化互相关（NCC）及奇异值分解（SVD）的尺度不变特征变换（SIFT）特征匹配算法（SVD-NCC）.算法首先利用SIFT特征的尺度和方位信息对特征点邻域进行仿射变形改正,然后基于NCC测度和SVD算法生成特征点间匹配矩阵并获得其对应关系.在具体实现策略上,算法首先基于特征点的空间分布和信息熵选取一定数量的最优SIFT特征点集,并基于SVD-NCC算法获得初始匹配点对用于立体像对的核线几何估计,然后在核线几何约束下对其余特征点进行扩展匹配及误匹配剔除.实际的宽基线序列立体影像匹配试验结果表明该方法可显著提高匹配点的数量和匹配正确率.     

一种改进的特征点匹配算法

特征点匹配是计算机视觉中的关键步骤,在很多领域中都有着的重要应用。通过对当前图像特征点匹配方法的研究,提取一种基于特征点的灰度量和几何特征量相结合的匹配方法。该方法首先用Harris算法提取特征点;然后用极线约束减少搜索范围;最后用特征点的灰度量实现特征点匹配。该方法利用极线约束,克服了用灰度量进行特征点匹配计算量大的缺点。提高了匹配速度。实验表明,是一种准确快速的特征点匹配方法。     

DMVC中基于图像配准的空域边信息重建算法

针对分布式多视点视频编码系统,本文利用视点间存在的固有的对极几何关系计算空域边信息。在此过程中,所得的对极几何的准确度直接影响边信息的质量以及边信息计算中运动搜索范围的大小。为了更准确的估计视点间的对极几何关系,本文提出了基于图像配准的匹配点对优化算法,在对特征点对进行坐标优化调整的同时,剔除了部分相关性小的匹配点对,提高了其匹配精度。将本文的算法所得到的视点间对极几何关系用于分布式多视点视频编码系统中计算空域边信息,并对系统仿真测试。实验结果分析表明：加入了本文提出的特征点对优化算法后,直接通过在对极线上搜索所获取的边信息质量提升超过了2dB;若将搜索范围往对极线垂直方向上扩张,在保持相似重建质量的前提下,基于本文算法的搜索复杂度降低到原来的10%-20%;与同等条件下的MCII算法相比性能提升约0.2~0.7dB。     

基于最佳几何约束的遥感影像点匹配算法

针对尺度不变特征变换(SIFT)点匹配算法中几何约束缺失问题,提出了一种基于最佳匹配几何约束的点匹配算法.该算法以SIFT匹配算法为基础,首先构建左右影像特征点集的转换模型,然后采用改进的量子粒子群算法对模型参数进行迭代寻优,每次粒子位置更新后,采用基于搜索圆的特征点匹配算法获取新位置下的特征点,并根据获取的特征点情况计算其适宜度与辅助适宜度来对粒子位置进行评价,经过多次迭代,最终获取匹配影像的最佳几何约束与该约束下相应的匹配点,实现了特征点的匹配.选取多幅遥感影像进行点匹配实验,结果表明:相比其它的点匹配算法,该算法在匹配点的数目与精度上都有显著提高,能够获得更好的点匹配结果.     

基于RANSAC算法的立体视觉图像匹配方法

针对大尺寸立体视觉测量中存在较大视差和透镜畸变等因素导致极线约束匹配率低的问题,提出了将图像校正与随机采样算法相结合的立体视觉图像匹配方法.对立体图像对进行线性校正,建立初始匹配点集;采用随机采样算法估计图像对之间的基本矩阵,恢复原始图像对之间的对极几何约束关系,剔除初始匹配点集中未匹配和误匹配的特征点,从而获得精确的匹配点集.该方法已应用于合成孔径雷达(SAR)大型可展开微波天线网面的实际测量,匹配率高于96%.     

基于点线特征的快速视觉SLAM方法

为了提高RGB-D相机同时定位与地图构建（SLAM）系统在弱纹理场景下的定位精度和鲁棒性,提出快速的基于点线特征的SLAM方法. 在非关键帧的追踪过程中,基于描述子进行点特征匹配,基于几何约束进行线特征匹配;当插入新的关键帧时,计算线特征描述子以完成关键帧间的线特征匹配,并利用线特征三角化算法生成地图线. 通过降低线特征匹配过程运算量来提高SLAM系统的实时性. 此外,利用线特征的深度测量信息构造虚拟右目线段,并提出新的线特征重投影误差计算方法. 在公开数据集上的实验结果表明,与ORB-SLAM2等主流方法相比,所提算法提高了RGB-D SLAM系统在弱纹理场景下的定位精度;与传统点线特征结合的SLAM方法相比,所提算法的时间效率提高了约20%.     

基于特征点相似度的匹配定位算法

前视定位系统中可能存在如视点、方位和距离等误差,导致在匹配时刻获取的实时目标场景与模板中目标不一致,从而影响目标定位的准确性.本文提出了一种基于特征点相似度的匹配定位算法,首先在图像的尺度空间上提取尺度不变特征点.然后根据描述子来进行相似度的判别,得到初始的匹配点集,然后利用极线约束,从而消除匹配错误的点.利用类似RANSAC方法估计场景中目标的变换参数,从而确定场景中目标所在的位置、尺度变化和旋转角度.实验结果验证了该算法的有效性和鲁棒性.     

融合光流与特征点匹配的单目视觉里程计

针对城市平坦路面准确实时定位的问题,提出将光流跟踪法与特征点匹配进行卡尔曼融合的单目视觉里程计方法.基于平面假设,利用光流跟踪法进行帧间小位移定位,同时利用传统的加速鲁棒特征点（SURF）进行帧间大位移匹配来矫正光流法结果.通过卡尔曼滤波更新机器人的位置和姿态.结果表明,融合算法克服了光流法定位精度差和特征点匹配法处理速度慢的缺点,突出了光流法实时性和特征点匹配定位准确性的优点,该方法能够提供较准确的实时定位输出,并对光照变化和路面纹理较少的情况有一定的鲁棒性.     

SIFT特征匹配和VFC算法的电子稳像技术

为了处理较为模糊的抖动视频,提出了一种基于尺度不变特征转换(SIFT)的特征匹配和向量场一致(VFC)优化算法的电子稳像技术.该技术着重于研究视频的运动估计阶段,利用SIFT提取高独特性的特征点,根据特征点进行帧间匹配,结合VFC,通过向量场的学习将外点从内点区分开来,得到两帧图像中特征序列的平移轨迹,然后估算出运动补偿向量并校正每一帧图像的相对位置,从而输出稳定视频.实验表明,该电子稳像技术处理抖动视频时精度高和耗时短.     

Vision algorithms for fixed-wing unmanned aerial vehicle landing system

Autonomous landing has become a core technology of unmanned aerial vehicle (UAV) guidance, navigation and control system in recent years. As a novel autonomous landing approach, computer vision has been studied and applied in rotary-wing UAV landing successfully. This paper aims to fixed-wing UAV and focus on two problems: how to find runway only depending on airborne front-looking camera and how to align UAV with the designated landing runway. The paper can be divided into two parts to solve above two problems respectively. In the first part, the paper firstly presents an algorithm of region of interest (ROI) detection, which is based on spectral residual saliency map, and then an algorithm of feature vector extraction based on sparse coding and spatial pyramid matching (SPM) is proposed, finally, ROI including designated landing runway is recognized by a linear support vector machine. In the second part, the paper presents an approach of relative position and pose estimation between UAV and landing runway. Estimation algorithm firstly selects five feature points on the runway surface, and then establishes a new earth-fixed reference frame, finally uses orthogonal iteration to estimate landing parameters including three parameters of distance, height and offset, and three pose parameters of roll, yaw, pitch. The experimental results verify the effectiveness of the algorithms proposed in this paper.     

基于ASIFT改进算法的无人机图像特征匹配方法研究

无人机图像纹理丰富、特征显著,在机器视觉三维重建及机器人导航中应用广泛,但其视角变化大,且易倾斜。传统的尺度不变特征变换(SIFT)算法和Affine SIFT(ASIFT)算法等图像特征匹配算法误差较大,难以满足应用要求。针对该问题,提出了一种基于ASIFT的改进算法。首先用ASIFT算法模拟图形畸变,然后利用SIFT算法中的k d树算法对最邻近特征点进行快速搜索匹配,最后加入随机抽样一致算法,得到匹配对的参数模型,同时对不符合模型的误差匹配对进行剔除。实验结果表明,该算法可以优化匹配效果,提高匹配速度。     

基于汇聚立体视觉的图像校正算法

通过分析汇聚立体视觉系统立体图像间的几何关系,提出了一种简单快速的图像校正算法,该算法利用矩阵的ＬＵ分解法,直接求解校正的转移关系矩阵．将立体视觉中对极几何的匹配关系变为图像扫描线的一一对应关系,从而将沿对极线搜索匹配点的过程变为沿图像行搜索的过程．实验表明该算法简单有效,具有较强的实用价值．     

基于光流的景象匹配定位算法研究

在景象匹配定位过程中，实时图与参考图常常因为天气、季节不同等原因差别很大，这就造成匹配概率和匹配精度下降。为此，提出了一种基于光流的景象匹配定位算法，它利用光流估计实时图序列中2个相邻帧的相对运动，并根据上1帧的匹配结果确定当前帧图像和参考图的大致位置关系，进而在1个小范围内进行搜索，完成实时图的匹配定位。仿真结果表明该算法不仅具有很高的匹配概率，还具有较好的实时性。     

视频拼接中最优自适应单应性矩阵求解算法

针对交通场景中对视频拼接速度要求较高的特点,提出了利用视频帧最优单应性矩阵进行实时拼接的双线程快速算法。首先,利用SURF(Speeded up robust features)算法提取图像特征点;其次,通过NN(Nearest neighbor)算法以及优化的RANSAC(Random sample con-sensus)算法进行特征点的匹配,并去除误匹配点对;再次,利用重叠区域的归一化协方差相关函数最大化得到视频前k帧配准效果最佳的单应性矩阵,作为后继视频帧场景拼接的映射矩阵;同时,采用KLT算法对k+1的后继视频帧特征点进行动态跟踪,若匹配点对的数量变化超过了给定的阈值,则认为当前的最优单应性矩阵需要进行优化和变换,重新计算k幅视频帧中新的特征点对,经匹配后求取新的最优单应性矩阵。在交通场景中的拼接实验证明,该快速算法平均视频帧的拼接处理速度小于100ms,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,具有参数估算准确,计算量小、速度快的优点,能够满足系统对视频拼接的实时性和精确性要求。     

一种改进KNN的无人机图像快速拼接方法

为了更好解决基于K近邻算法特征匹配速度问题,采用图像像素点经纬度数据加快特征点匹配的无人机图像拼接方法。利用拍摄图片信息里的地理坐标,计算影像像素点经纬度数据,然后计算出两张图像重合部分,利用重合部分特征点经纬度数据大致相同这一特点提高K近邻算法匹配速度,改进后的算法在匹配准确度比传统算法提高了43%左右,最后选用最佳缝合线法对图像进行拼接,获得了质量较好的全景图。     

新目标构型下单帧图像相对状态测量方法

提出了一种新目标特征构型下基于单帧图像的航天器间相对位置和相对姿态测量方法。该方法利用具有对称结构的目标特征点在物体坐标系中的空间坐标以及它们在像平面坐标系中的图像坐标,根据透视成像理论,解算出目标航天器与图像传感器的相对状态。所设计的目标特征靶适应性强,不仅能保证图像传感器视野内有足够的特征点,而且还可作为基于线特征的算法的目标特征。试验结果表明:在近距离范围内,新目标特征构型下的算法,具有较高的测量精度。该测量方法可直接用于航天器编队飞行以及航天器交会对接过程中的相对姿态的自主测量。     

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。