基于SIFT算法的无人机视觉导航研究

针对无人机在飞控信道被阻塞和失去卫星定位信号的情况,研究了依靠自主视觉导航来提高生存能力的可能。图像特征信息的获取和匹配是建立图像间的对应关系、实现视觉导航的关键,基于SIFT算法对无人机俯拍图像进行了局部特征的提取、描述和匹配研究,实验结果表明了SIFT算法在无人机俯拍图像的景象匹配中的不变性和准确性,证明了该算法在无人机视觉导航中的应用潜力。     

基于SIFT算法的单目视觉SLAM路标观测研究

移动机器人在未知环境中利用视觉信息进行同时定位与地图构建时,如何提高机器人路标观测质量,成为了视觉SLAM研究中的重要问题。文中首先采用SIFT算法进行视觉图像信息特征点的提取和匹配,然后结合一点随机采样一致性原理,使用扩展卡尔曼滤波算法进行视觉路标的预测和更新。实验结果表明,与传统的基于FAST角点检测的路标观测方法相比,本文提出的SIFT-1pRANSAC-EKF单目视觉SLAM路标观测方法能够有效提高视觉路标的匹配成功率,提高观测质量。     

基于视觉物体识别的抗差岭估计定位算法

基于视觉物体识别的室内定位算法是一种新型的室内定位解决方案,算法通过物体检测、位置匹配、定位方程解算等步骤确定用户位置。然而,受到单目相机视域较小和物体检测算法精度较低的影响,根据检测物体测距信息而构成的定位方程存在严重的病态性,极大降低了算法的定位成功率和定位精度。因此,该文提出一种抗差岭估计定位解算算法,通过引入岭参数将无偏估计变为有偏估计,实现均方误差最小约束条件下的最优位置估计,并利用迭代选权降低了质量较差的观测量对定位精度的影响。实验结果表明,与OLS (Ordinary Least Square), LM (Levenberg-Marquardt)和RR (Ridge Regression)算法相比,该文提出的抗差岭估计定位解算算法能够有效提高基于视觉物体识别的室内定位方法的成功率和精度。     

基于SiftGPU特征匹配方法的实时视觉里程计系统

采用尺度不变特征变换(SIFT)特征匹配方法对双目相机图像进行立体匹配,同时匹配相邻两时刻的三维点,求解运动方程进行运动估计,得到机器人2个时刻坐标变换的旋转和平移参数;使用每2个时刻的旋转和平移结果进行机器人的路径反演,采用GPU加速SIFT特征提取与匹配,实现实时的视觉里程计系统,并采用RANSAC算法用于运动估计剔除误匹配点干扰。实验结果表明,具有仿射变换较强不变性的SIFT特征匹配算法能够得到较为精确的路径反演结果,采用GPU加速SIFT特征提取与匹配能达到实时的视觉定位效果。     

基于视觉的取药机器人系统设计

针对现有药房药剂师取药任务繁重、效率低下等问题,设计了基于机器视觉的取药机器人系统,提出了一种基于融合局部特征匹配和Mean Shift算法的药品识别算法,系统整体实现了药品的识别、定位及抓取任务.首先,安装于药架之间的抓药机器人接收上位机发送的药品信息,通过摄像头识别药品,使用AKAZE算法对货架上的药品进行匹配,获...     

SIFT特征和正交DLT算法在物体识别中的应用

结合SIFT特征和正交DLT算法,给出一种较为精确的物体识别方法.该方法首先采用SIFT特征描述子进行测试图像关键点的提取,然后将测试图像和模型数据库中模型的特征点逐一匹配,设定匹配阈值,若匹配达到该阈值,则认为匹配成功,最后通过正交DLT算法在测试图像中识别该模型的位置.SIFT特征与正交DLT算法的结合有效地提高物体的识别精度.实验结果表明,该方法具有较强的鲁棒性,不仅可以在复杂背景下,较好地识别模型在测试图像中的位置,而且还可以在物体被部分遮挡的情况下,较为准确地对物体进行定位.     

基于改进SIFT算法的单目SLAM图像匹配方法

基于单目视觉的机器人同步定位与地图创建(SLAM)方法是实现机器人自主行走的重要研究方向之一,而图像特征匹配技术是该方法中的关键技术。基于尺度不变特征变换(SIFT)算法的SLAM匹配方法具有提取特征点数量丰富、稳定等优点,然而在速度以及正确率方面仍存在一些不足。因此针对SIFT算法描述子维数高、匹配时间长等问题,提出了一种改进的SIFT算法,将原128维的特征描述子降至内部矩形外部圆形的24维特征描述子,匹配过程中应用了三线性插值、RANSAC算法等对匹配结果去除误匹配。实验结果最终表明,改进后的SIFT算法不仅对角度变化、光照变化等情况均具有良好的鲁棒性,匹配速度和正确率也有显著提升,可满足实时SLAM同步地图构建的需要。     

基于视觉模糊的LBP鲁棒特征提取与匹配

目的针对目前模糊图像特征提取与匹配方面, 存在特征提取困难、匹配率低、抗噪以及抗尺度变 化能力弱的缺陷。方法提出一种基于SIFT算法与改进的中心对称局部二值模式相结合的精准 、特征识别 率高的匹配算法。首先采用SIFT进行特征的提取,生成多维的描述子,其次采用本文改进的 中心对称局 部二值模式对高维特征描述子进行降维处理,并采用局部特征区域对降维后的描述子进行特 征检测,并生 成纹理特征图像以及信息分布直方图,对特征区域的特征点进行信息量统计,并设置检测阈 值。提取符合 特征信息要求的特征点,并依据Hausdorff距离算法实现图像粗匹配,最后采用RANSAC算法 进行误差匹 配的剔除来改善匹配的精度和鲁棒性。结果测试结果表明,本文所建议的算法是有效的,它 不仅具有良 好的模糊图像分辨能力和抗尺度变化特性,而且具有较强的噪声抑制能力和抗光照变化能力 。结论本文 提出的基于视觉模糊的鲁棒特征匹配算法,不仅考虑到传统特征匹配算法的优缺点,也提出 了算法改进的 新思路,而且较SIFT算法以及LBP算法稳定性和准确度有了明显的提高。     

改进ORB算法在单目视觉SLAM特征匹配中的应用

针对单目视觉同步定位与地图构建问题对传统定向二进制描述符算法进行改进,结合快速鲁棒特征算法的思想,将尺度空间理论引入传统ORB算法中,同时根据机器人的运动先验信息,预测特征点的可能范围,避免在全局范围内对特征点的检测和匹配.实验表明,改进的ORB算法能显著提高匹配正确率,在多尺度方面表现出色,并能有效减少运算时间,平均耗时14 ms,处理速度约为传统ORB算法的1.3倍、SURF算法的10倍、尺度不变特征变换(Scale-invariant FeatureTransform,SIFT)算法的26倍,适用于单目视觉SLAM问题.     

基于单目视觉的AUV 实时定位算法研究

在未知的环境中,自主水下航行器(AUV)运动未知的情况下,采用单目视觉不能对路标进行完全定位,存在尺度漂移。针对这种情况,研究了融合声纳测距信息的AUV定位方法,建立了AUV的运动模型,路标的初始化模型及相机的测量模型,采用扩展卡尔曼滤波对AUV位置进行估计;为了提高定位算法的实时性,提出了基于预测的特征匹配与误匹配点去除算法,既提高了匹配的效率,又提高了匹配的正确率。实验结果表明,该算法定位较准确,实现了AUV的三维定位。     

基于机器视觉的三维重建技术研究

研究了基于机器视觉的三维重建技术。利用普通的数码摄像机拍摄图片,通过摄像机定标、特征点检测和匹配、基础矩阵和本质矩阵计算来实现图像的三维重建。采用张正友标定方法的相机标定工具箱实现了相机的标定,利用尺度不变特征变换(SIFT)特征点的检测和匹配方法进行了图像特征点的检测和匹配,采用RANSAC算法计算基础矩阵,最后利用相机内参数和由基础矩阵获得的本质矩阵重建物体的特征点,并进行纹理贴图。实验结果表明利用这些图像可以进行物体重建,并且能够很好地反映出物体的三维特征。     

基于三维激光雷达的室外环境定位算法研究

针对使用激光雷达进行室外定位的问题,提出一种基于三维立体激光视觉的特征匹配定位算法,以提高激光视觉在室外环境的位置特征可靠性和定位精度。该算法首先从原始点云数据中提取三维视觉的物类信息;再对提取的物体类进行特征提取,根据其个体特征进行分类并剔除非地标类,根据与相邻类的位置关系提取群体特征;最后通过与特征地图进行匹配实现全局定位。通过数据集仿真验证,该算法能够准确地提取有效类和位置特征,平均每帧的类提取率达到90%以上,对95%以上的场景都能成功定位,且定位误差不随地图范围增大而积累,具有稳定的定位性能和较高的定位精度。     

基于Harris-SIFT算法的双目立体视觉定位

针对基于尺度空间对图象保持不变性的SIFT算法在双目立体视觉应用时实时性差、误匹配等问题,提出一种运用Harris-SIFT算法进行双目立体视觉定位方法.通过介绍双目立体视觉的模型原理,利用Harris-SIFT算法从左右摄像机分别获取的图像中检测目标,并获取匹配目标的特征点,对两幅图像中目标物体的坐标标定,通过计算可得到目标物体的深度距离,还原其三维信息.实验证明,运用Harris-SIFT算法使该系统的实时性能和距离精度得到提高.     

一种基于2D和3DSIFT特征级融合的一般物体识别算法

如何选择合适的特征表示一般物体类间差异和类内共性至关重要,因此,本文在2D SIFT(Scale Invariant Feature Transform,SIFT)的基础上,提出了基于点云模型的3D SIFT特征描述子,进而提出一种基于2D和3D SIFT特征级融合的一般物体识别算法.分别提取物体2维图像和3维点云的2D和3D SIFT特征描述子,利用"词袋"(Bag of Words,BoW)模型得到物体特征向量,根据特征级融合将两个特征向量进行融合实现物体描述,运用有监督分类器支持向量机(Support Vector Machine,SVM)实现分类识别,给出最终识别结果.最后,实验验证了本文提出算法的好处.     

激光跟踪视觉导引测量中靶标球球心定位方法

为解决现有激光跟踪测量系统中存在的搜索区域大、定位速度慢等问题,提出了一种基于单目视觉测量系统求解激光跟踪仪靶标球球心三维坐标,以此作为导引信息,引导单台激光跟踪仪实现多基准点自动测量的方法。对视觉测量所采用的椭圆识别和基于单目摄像机的球心定位算法进行了研究。首先,根据靶标球成像的特点,介绍了基于Gestalt的椭圆识别算法,实现了靶标球图像特征的自动提取与识别。然后,介绍了基于单目摄像机的球心定位算法,即根据图像椭圆方程、相机焦距和球半径求解球心三维坐标,并进行了仿真验证。最后,进行了实际的靶标球图像自动识别与球心定位实验。结果表明,采用文中方法测量两靶标球间已知距离约为550 mm时的RMS误差为1.728 2 mm。激光跟踪仪激光束搜索范围得到大幅减小,基本满足自动测量的快速性和高效性等要求。     

基于SIFT的图像建模算法研究

为解决飞行或航海模拟器中建模手段单一、真实感较差等问题,研究了基于SIFT的图像建模算法.该算法针对目前图像建模算法中存在的人工参入图像匹配负担较大问题,实现了基于尺度不变特征的图像自动匹配;针对重建物体视觉外观真实感较差问题,采用了图像融合算法首先对纹理图像进行处理,然后再进行纹理映射的方法.实验结果表明,算法具有较好的鲁棒性,生成的三维模型准确真实,较之以往算法具有建模简单、操作方便,真实感强的特点.     

基于特征点邻域SIFT描述子的人脸识别

在人脸识别算法中,尺度不变的SIFT特征是人脸局部特征的重要描述方式之一。在传统SIFT方法中,由于特征点的坐标是根据高斯差分空间的局部极值点来确定的,造成特征点匹配困难。通过基于回归的局部二值特征对人脸进行校准,确定对人脸有意义的特征点位置。用SIFT特征描述子的不变特性描述人脸的局部特征,能够有效地提高识别速度以及识别率。对特征点进行区域加权,能够对人脸的姿态变化以及角度偏转有一定的鲁棒性。     

基于单目视觉和固定靶标的位姿测量系统

利用计算机视觉进行位姿测量的方法广泛应用于机器人系统、运动体控制系统和精密检测系统。研究和设计了一种基于固定靶标的单目视觉定位系统和方法,用最少硬件资源实现精密定位。首先,利用图像匹配的方法检测出平面靶标在图像中的坐标,图像匹配采用SIFT算法和映射匹配方法,之后利用固定靶标的特性求取中心点。实验利用多幅图像样本验证了图像匹配的准确性和鲁棒性。然后,针对呈矩形分布的PnP问题,提出了一种新的求解方法,以靶标控制点的图像坐标和空间坐标作为输入,得到了移动物体与摄像机的三维相对位姿。实验利用五维精密位移台移动目标物体并拍摄多副图像,结果表明位姿测量系统在800 mm范围内达到mm级精度,可以满足应用需求。     

三维特征点距离特征集合求交匹配算法

对于使用锥束CT分区成像的物体,要得到其完整的三维图像,需要对各分区重建图像进行三维拼接。作为基于特征的三维拼接算法中重要的步骤之一,特征点匹配是要对图像重叠区域中检测到的特征点建立对应关系。针对目前三维SIFT特征匹配算法对于相似特征误匹配率较高的问题,提出基于三维特征点空间关系的三维特征点匹配算法:距离特征集合求交法。该算法使用求取简便的特征点三维距离特征作为特征描述符,避免了扩大特征信息统计范围时巨大的计算消耗问题,然后在匹配过程中设计了距离特征集合求交的相似性度量方法,解决了以往基于空间关系方法中特征矢量各项元素不对应的问题。实验证明:该算法在图像存在大量相似特征的前提下,能够有效提高三维特征点匹配的匹配正确率。     

基于显著性和SURF的家居服务机器人物体识别算法

物体识别是家居服务机器人的主要问题之一,考虑到家居非结构化环境下物体识别的复杂性,将不依赖图像分割的局部特征作为关键特征.针对传统SURF算法运算量大的问题,模拟生物视觉功能,提出了一种基于显著性区域指导的局部特征算法.首先采用视觉选择性注意机制提取图像显著区域,然后提取显性物体区域SURF特征,最后完成与目标图像的特征点匹配,实现场景中目标物体的识别.实验证明,和传统SURF算法相比,改进算法速度得到有效提高,同时识别率提高了约10％.