基于数据特征的多传感器融合实时目标检测

为了进一步降低目标检测出现的误检率,提出了一种基于传感器数据特征的融合目标检测算法。首先,为了减少部分离群噪声点对点云表达准确性的影响,采用统计滤波器对激光雷达原始点云进行滤波处理;其次,为了解决点云地面分割在坡度变化时,固定阈值会导致分割不理想的问题,提出了自适应坡度阈值的地面分割算法;然后,建立KD（k-dimensional）树索引,加速DBSCAN（density-based spatial clustering of applications with noise）点云聚类,基于Andrew最小凸包算法,拟合最小边界矩形,生成目标三维边界框,完成聚类后的目标点云位姿估计;最后,将激光雷达检测到的三维目标点云投影到图像上,投影边界框与图像检测的目标边界框通过IoU关联匹配,提出基于决策级的三维激光雷达与视觉图像信息融合算法。使用KITTI数据集进行的测试实验表明,提出的点云聚类平均耗时降低至173 ms,相比传统的欧氏距离聚类,准确性提升6%。搭建硬件实验平台,基于实测数据的实验结果表明,提出的融合算法在目标误检率上比YOLO v4网络降低了约10%。     

基于随机抽样一致性算法的车辆轮胎点云提取方法

针对激光雷达获取的车辆底盘轮廓点云中轮胎的特征提取与分割问题，提出了一种基于随机抽样一致性算法的车辆轮胎点云提取方法。为了提高轮胎提取的准确性，首先采用随机抽样一致性算法对目标车辆点云进行平面提取，然后对提取的平面点云进行K-means聚类，剔除离群点，分割出实际的连续平面点云；最后通过采用随机抽样一致性算法对剩余点云进行轮胎提取。为了验证提取方法的有效性，通过计算机仿真的方法，生成车辆底盘轮廓点云，对该仿真数据进行轮胎特征的提取与分割。结果表明，本文提出的方法具有良好的分割提取效果。     

基于遗传算法与模型投影的三维物体匹配

基于遗传算法与模型投影的三维物体匹配,实际上是三维参考模型投影参数的搜索和优化过程.本文采用粗细层次结合的策略,即先基于模型外轮廓,再进行整体边缘匹配的方法,使模型参数在优化过程中迅速得到正确的初始值,提高遗传算法优化的效率.相似度评价函数采用34Chamfer距离变换,提出使用距离变换的标记图方法建立目标图像边缘点与其距离图的对应关系,降低噪点的影响,目标图像的特征也可以通过对应关系在匹配过程中被引用.实验结果显示本文方法在三维物体匹配中的有效性.     

用行人轮廓的分布直方图分类和识别步态

现有的步态识别方法对行人轮廓匹配的鲁棒性差,识别率不高.提出了一种基于轮廓直方图分布的行人步态识别方法.首先提取行人二值轮廓序列;然后通过人体局部轮廓的点分布直方图获取步态周期;继而构造表达帧间关系的周期步态平面,设计一种直方图分布的描述子获得帧姿态特征值,计算出姿态轮廓特征分布间的Jeffery距离,结合动态时间规整技术获取了测试序列和参考序列间的匹配相似度,最终完成了识别.在Soton步态数据库上进行了实验,提出算法的正确识别率可达87.59%,与相关文献的时比分析表明算法是有效的.     

基于激光传感器的稻种轮廓形状测量方法研究

稻种轮廓形状测量是稻种基于形状特征识别的前提条件.以激光传感器采集到的稻种表面点云为基础,提出了一种基于主平面剖视图投影的稻种轮廓形状测量方法.通过主成份分析法校正点云模型的坐标系,利用主平面投影法获取稻种的六视图投影模型,应用Alpha Shape算法提取投影点云模型的边缘轮廓,并计算稻种投影模型的周长、面积、长、宽、长宽比、最大半径、最小半径、半径比、圆形度等9个形状特征参数.选取大华香糯、豫粳6号、新稻10号3大类,每种各200粒稻种作为试验样品,采用径向基函数(RBF)神经网络模型对提取到的形状特征进行训练识别,识别率分别达到96%,94%,98%.结果表明:基于激光传感器的稻种轮廓形状测量方法能够较好地适用到稻种识别中.     

基于三维激光雷达的道路边界提取和障碍物检测算法

为了快速有效地提取智能车辆在不同环境下的道路环境信息,提出基于三维激光雷达的道路边界提取和障碍物检测算法.首先,对三维激光雷达点云数据进行栅格化滤波处理,利用单束激光点云空间邻域联合分割的方法进行空间分析,得到点云平滑度特征图像.然后,采用自适应方向搜索算法获取道路边界候选点,并进行聚类分析和曲线拟合.最后,对道路边界约束下可通行区域内点云进行聚类分割,获得道路内障碍物方位和距离信息.实验表明,文中算法能够实时准确地提取道路边界和障碍物位置信息,满足智能车环境建模和路径规划的需求.     

改进的SURF算法在书法笔画匹配识别中的应用

书法笔画具有丰富的书写人特征,能否正确进行特征向量提取和匹配直接影响识别效果。针对SURF算法检测特征点少、误匹配率高的问题,提出了一种基于Contourlet变换的SURF算法。该算法利用Contourlet变换,在提取特征点前对书法字笔画进行子带分解(LP)和方向性滤波(DFB),得到低频和高频细节分量,采用最小欧氏距离准则(LEDC)对低频细节分量进行相似性计算,高频细节分量进一步分解后选取合适阈值提取高频特征点,然后进行SURF特征点匹配,采用RANSAC算法剔除误匹配点。实验表明,改进的SURF算法不仅能更好地提取笔画特征点,提高抗噪性能,识别率也提高了3%。     

基于欧氏骨架的手势识别系统

引进最新骨架提取算法,设计并实现了一种以手势的欧氏骨架为基准的手势识别系统,系统由通用视频采集模块和ARM开发板硬件组成.利用动态前景检测算法结合YCbCr肤色识别模型,分割出手势区域;借助欧氏距离变换和Delta—中轴骨架提取算法获得手势区域的欧氏骨架,并提取骨架的关键点和欧氏距离等几何参数,以此建立手势识别的几何模型.实验测试正确识别率高达94%,每帧图片处理时间小于25 ms,表明该系统实时、有效.     

散乱点云特征面拟合与求交算法

逆向建模的主要目标就是通过曲面重构,向CAD输入NURBS等曲面模型。曲率是曲面的基本信息,采用二次曲面法估算点云曲率,结合曲率法和统计法对点云进行特征型面分割,有效识别了平面、圆柱面和球面等规则曲面。采用最小二乘拟合法求解曲面参数,拟合NURBS曲面,并采用Newton-Raphson迭代法求解面与面的相交线。实验中规则模型的特征面识别率达到100%,复杂规则几何模型的主要特征面能正确识别。实验结果表明该方法在以规则型面为主要特征的零件模型重构应用中的有效性。     

基于连续隐马尔可夫模型的步态识别

步态识别作为一种新的生物特征识别技术,通过人走路的姿势实现对个人身份的识别和认证.算法利用步态轮廓图像边界到重心的距离矢量对步态轮廓图像进行描述,采用步态图像的高宽比进行步态的准周期性分析.利用隐马尔可夫模型进行步态时变数据匹配识别.算法在CMU数据库上进行实验取得了较高的正确识别率.     

Human action recognition using distance transform and entropy based features

Human action recognition based on silhouette images has wide applications in computer vision, human computer interaction and intelligent surveillance. It is a challenging task due to the complex actions in nature. In this paper, a human action recognition method is proposed which is based on the distance transform and entropy features of human silhouettes. In the first stage, background subtraction is performed by applying correlation coefficient based frame difference technique to extract silhouette images. In the second stage, distance transform based features and entropy features are extracted from the silhouette images. The distance transform based features and entropy features provide the shape and local variation information. These features are given as input to neural networks to recognize various human actions. The proposed method is tested on three different datasets viz., Weizmann, KTH and UCF50. The proposed method obtains an accuracy of 92.5%, 91.4% and 80% for Weizmann, KTH and UCF50 datasets respectively. The experimental results show that the proposed method for human action recognition is comparable to other state-of-the-art human action recognition methods.

     

基于局部曲面特征直方图的点云识别

针对三维点云的快速识别问题,文中提出基于局部曲面特征直方图的点云识别算法.首先,采用循环体素滤波算法,将不同分辨率的点云滤波至指定分辨率.再基于邻域曲率均值最大的关键点查找算法选取点云局部特征较明显的点作为关键点,根据关键点邻域内点云重心与邻域曲面内各点的法线和距离的关系计算关键点的特征描述符.然后,根据临近关键点间的空间关系和特征描述符欧氏距离进行特征匹配.最后,采用多线程识别框架,加快在线识别速度.实验表明文中算法识别速度较快.     

结合SURF算子和极线约束的柑橘立体图像对匹配

提出一种结合SURF算子和极线约束的立体匹配方法。对采集的双目视觉柑橘图像进行R-B分量的计算,在该分量上,采用快速hessian检测子进行特征点检测,并使用SURF描述子对检测到的特征点进行64维的特征描述。采用欧式距离和极线约束进行特征点匹配。实验表明,该方法对一幅图像对的平均处理时间为293ms,在果实被遮挡或光线变化的情况下均能较好地进行特征点提取和匹配。该方法为后续的深度信息计算提供了基础。     

改进ICP算法用于多组图像的点云拼接与融合

随着计算机图形图像技术、机器视觉、虚拟现实技术等的发展,近年来,通过室外场景的序列图像进行三维重建的方法逐渐成为计算机视觉和图形学等相关领域的重点研究方向。但是,通常在图像的采集过程中由于受到测量设备和环境的影响,单次拍摄的序列组图可能并不能提取到足够的物体表面信息,导致不能够完成三维物体的重构,而不能为后续的目标识别和精确打击提供准确信息依据。针对此类问题,文中采用融合多组图像点云的方法,先利用彩色直方图匹配补充补拍图像序列,然后单独解算补拍组图的点云数据,再对不同点云的重叠部分利用改进的迭代最近点算法计算变换参数,最后进行融合处理,从而完成不同组图的点云数据间的配准和融合工作。实验证明,该方法能快速有效补充用于重构的点云数据,拼接和融合效果良好。     

基于视觉技术的手势跟踪与动作识别算法

对工业生产线上规程化操作动作进行手势跟踪与动作识别研究。首先选取YCbCr颜色模型进行手部区域识别,获得完整手部区域;然后利用Euclidean距离变换计算相邻2个手部运动轨迹点之间的距离和各帧图像的手部运动速度;再利用扩展有限状态机模型实现手部运动的分割,将分割的多个动作与建立的动作模板匹配,利用Hausdorff距离匹配法判断匹配结果的准确性,实现手部动作的识别。实验结果表明：该手部动作识别算法对背景干扰和摄像头轻微震动具有一定的抗噪能力,有较高的动作识别正确率,能够满足现实工作环境下的应用需求。     

基于角度统计特征的步态识别

提取角度统计特征,为步态识别提出了一种新途径.用统计的方法,等角度间隔地计算归一化步态轮廓图像各像素点至质心距离的均值与方差,并用其构造步态识别的特征向量.与提取步态轮廓图像边界特征的方法相比,该方法具有算法简单、运算速度快、无需建立复杂的数学模型等优点.以Matlab7.5为平台,以中科院自动化研究所提供的CASIA数据库为样本进行了大量实验,实验结果表明:该步态识别方法具有较好的识别性能.     

一种基于曲率尺度空间的图像拼接算法

提出了一种基于曲率尺度空间的图像拼接算法。该算法利用曲率尺度空间（CSS）角点检测法提取特征点,通过比较各特征点圆形邻域Zernike矩的欧式距离得到匹配点对,然后利用正确的映射模型计算出变换参数,最后采用加权平均法得到图像的拼接结果。实验表明,该算法在图像间存在旋转、平移及噪声干扰的情况下,仍能得到很好的拼接结果。     

Cooperative estimation of human motion and surfaces using multiview videos

We propose a human motion tracking method that not only captures the motion of the skeleton model but also generates a sequence of surfaces using images acquired by multiple synchronized cameras. Our method extracts articulated postures with 42 degrees of freedom through a sequence of visual hulls. We seek a globally optimized solution for likelihood using local memorization of the “fitness” of each body segment. Our method efficiently avoids problems of local minima by using a mean combination and an articulated combination of particles selected according to the weights of the different body segments. The surface is produced by deforming the template and the details are recovered by fitting the deformed surface to 2D silhouette rims. The extracted posture and estimated surface are cooperatively refined by registering the corresponding body segments. In our experiments, the mean error between the samples of the deformed reference model and the target is about 2 cm and the mean matching difference between the images projected by the estimated surfaces and the original images is about 6%.     

基于局部小波变换与DCT的人脸识别算法

提出了一种基于局部小波变换和离散余弦变换(DiscreteCosineTransform,DCT)相结合的人脸识别方法,该算法首先利用小波变换对人脸图像做适当层次的小波分解,然后通过离散余弦变换对低频分量作进一步的特征提取和压缩,得到人脸识别特征,最后利用欧氏距离和最近邻分类器进行识别。基于ORL人脸数据库的实验结果表明了该算法的有效性。