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。     

基于Matlab与Opencv的相机定标研究

相机定标是计算机三维重建不可或缺的步骤,相机定标的精度和可靠性直接影响计算机视觉系统的三维定位精度.Opencv和matlab的camera calibration toolbox都是目前成熟实用的相机定标工具,两者的定标原理相同;但是在实际应用中,定标环境对两者的定标精度影响是不同的.在相机定标理论的基础上,分别采用这两种方法进行相机定标,给出定标的详细步骤和定标结果.通过实验,得出两种定标方法较好的定标环境.     

一种基于圆环点的相机定标方法

提出了一种基于圆环点求解相机内参数的方法．该方法要求相机在至少3个不同方位摄取一个含有若干条直径的圆图像,提取图像中的椭圆和直线,利用相切的射影不变性确定灭点及消隐线,通过消隐线和椭圆求交计算圆环点的图像坐标,从而线性求解全部相机内参数．整个过程既不需要对模板进行精确度量,也不涉及图像匹配问题．大量的模拟和真实图像实验结果表明,该方法精确度高,鲁棒性强．     

光学测绘卫星星地相机夹角在轨实时定标方法

由于光学测绘卫星无地面控制点定位精度受星地相机夹角在轨变化的直接影响,因此针对现有星地相机姿态稳定度不高、星地相机夹角定标时间周期长的实际应用问题,提出了一种基于光学自准直原理的星地相机夹角星上实时定标方法。首先在相机载荷系统内部加装准直光源、光斑成像面阵等器件;然后通过光斑影像位置的变化求解出单个相机的主光轴变化;最后求解星地相机间夹角的变化。仿真实验表明,俯仰和横滚方向可获得0.1角秒量级的星地相机夹角定标精度。该方法无须地面定标场,不受外界因素影响,可以实现星地相机夹角的星上实时自主定标,具有良好的可行性和实用价值。     

一种融合卡尔曼滤波的室内组合定位算法

为了提高室内移动机器人的定位精度,提出一种抑制定位误差的Chan-Taylor-Kalman组合定位算法。该算法在Chan-Taylor协同定位算法基础上,引入权重因子,再融合卡尔曼滤波算法优化定位观测数据,从而得到最终的目标估计值。实验结果表明：相比Chan-Taylor协同定位算法,Chan-Taylor-Kalman组合定位算法的定位均方根误差静态环境下在7.54 cm,下降了约13.2%,动态环境下则集中在9 cm,定位性能更稳定,能满足室内移动机器人定位精度的要求。     

基于UKF的苹果果实定位估计算法

在多数农村乡镇,传统小型农田主要依靠人工进行施肥灌溉、采摘果实等作业;而大中型农田虽然已经进行整改使用现代化机械,但大多还需驾驶员操作该机械完成,整体效率及操作安全性还有待提高.针对以上问题,提出了一种基于机器人自主导航UKF(Unscented Kalman Filter)位置估计算法的果实识别及定位方法.机器人携带视觉、光学、惯性等各类传感器采集果实图像信息,通过导航解算得到其位置信息,并用图像处理算法提取成熟果实特征,为农业机器人自主采摘提供更精确的技术指导.实验表明,1 000 s内采集到的所有果实x、y方向上,基于UKF算法的位置估计误差均值在[0,0.05]m范围内,对果实判断最精确;基于单个果实特征位置(0,0)cm的小范围定位采摘仿真实验表明,UKF算法的误差定位范围在两次量测中分别为[-1,2]cm与[-9,1]cm,无论是横方向还是纵方向定位靠近特征,其精度均比EKF算法提高了50%左右.     

基于光流改进与YOLOv3的烟雾检测方法

火灾严重威胁着人们的生命和财产安全,而烟雾作为火灾前期的一个重要特征,应当作为火灾检测的首选目标.为了解决传统火灾检测在准确度和实时性上存在的不足,提出了一种基于传统光流改进与YOLOv3结合的烟雾检测模型.该模型针对烟雾的动态特征,通过改进光流算法对动态前景区域进行目标框定完成一次筛选;利用大样本数据集训练的YOLO...     

基于二进制树的光网络故障定位算法研究

针对可能发生的各种故障,网络故障管理已经成为目前的热点问题.由于具有易损性、并且故障容易传播和难以检测的性质,当前几乎没有什么方法可以定位透明光网络的故障.因为它的故障传输并不是孤立的,通常比不透明网络更容易出现故障.为了能够尽可能精确的预防和定位故障,采用一种有效的故障定位方法.根据定位这种网络故障现存的方法--监控每个光信号再生点的情况,参考二进制故障树算法,对设置了监控器的透明光网络进行故障定位.该算法既考虑了理想情况(不存在漏/误告警)也考虑了存在漏/误告警的非理想情况,从而提高了故障定位的准确性.     

基于光流的运动人体提取

提出了一种改进的Lucas-Kanade光流算法，将这种算法应用于步态识别中, 并引入了高阶梯度的光流场约束方程，计算出其Hessian矩阵. 将Hessian矩阵条件数的倒数做为Lucas-Kanade光流法的加权阵，可有效地消除局部邻域中不可靠约束点，并大大提高基本约束方程解的稳定性. 实验结果表明，此方法能精确地描述出运动人体的光流场.     

基于光流的运动人体提取

提出了一种改进的Lucas-Kanade光流算法，将这种算法应用于步态识别中, 并引入了高阶梯度的光流场约束方程，计算出其Hessian矩阵. 将Hessian矩阵条件数的倒数做为Lucas-Kanade光流法的加权阵，可有效地消除局部邻域中不可靠约束点，并大大提高基本约束方程解的稳定性. 实验结果表明，此方法能精确地描述出运动人体的光流场.     

基于MDS-MAP和非线性滤波的WSN定位算法

为提高传感器网络节点的定位精度,对MDS-MAP结合非线性滤波方法的多种传感器网络定位算法进行研究.根据传感器节点间距离与节点定位坐标之间存在的非线性关系,在MDS-MAP定位算法的基础上,引入扩展卡尔曼滤波（EKF）求精算法和不敏卡尔曼滤波（UKF）求精算法,对MDS-MAP求得的节点坐标进行求精.对MDS-MAP定位算法、MDS-MAP和EKF相结合的定位算法（MDS-EKF）、MDS-MAP和UKF相结合的定位算法（MDS-UKF）的定位精度进行比较.实验结果表明：EKF和UKF等非线性滤波方法的应用可以提高定位精度,在相同条件下MDS-UKF定位算法的定位精度更高并且其生成的网络拓扑图最接近于实际网络拓扑图.     

基于信息融合的故障行波定位网络算法

提出一种基于整个输电网行波信息的故障定位算法．通过分析故障行波到达电网中各变电站的时间关系,运用最短路径原则将复杂的输电网络简化成无环网的辐射型网络,将远端变电站记录的初始行波到达时间折算为故障线路出口侧变电站的初始行波到达时间．通过剔除无效时间数据,并对所有折算得到的有效初始行波到达时间进行融合处理,实现基于整个输电网的故障行波定位．该算法有效解决了电网中某台行波定位装置时间记录不准确或故障导致的故障定位失败问题．仿真结果表明,该算法具有较高的可靠性、准确性,绝对误差不超过100m．     

基于灰度标准差的光流模型的步态识别算法

步态识别主要是通过人体走路的姿势来识别人的身份.提出了一种改进的光流法和隐马可夫模型相结合的技术,使用背景减除和阈值化为目标和背景图像建立模型,由使用灰度标准差筛选的光流法模型提取每一个运动目标的特征,取得时间序列的特征向量,把特征量化和状态分类的结果交给隐马可夫模型来判断运动目标的姿态.仿真实验表明,本算法识别率高,速度快.     

基于改进加权质心和UKF的移动目标定位算法

为了解决传统算法对于移动目标定位误差较大的问题,提出了一种基于接受信号强度指示(RSSI)的改进加权质心定位算法,并结合一种改进的UKF算法对RSSI进行有效滤波。针对传统质心定位算法只能静态设置权重的缺陷,提出利用定位误差对距离进行修正,有效提高了算法的定位精度。对于标准UKF算法,在采样过程中采用改进最小偏度策略,引入调节因子,保证了预测方差矩阵的半正定性,并且在滤波更新过程中采用衰减记忆滤波方法,有效抑制了滤波发散,提高了滤波精度。仿真实验结果证明了本文算法的正确性和有效性。     

基于神经网络数据融合的无线定位算法

提出了一种基于神经网络数据融合的无线定位算法,该方法融合了到达时间(TOA)、到达时间差(TDOA)、到达角度(AOA)、,并考虑了这三种测量值的测量质量(可信度),有效地解决了在常规定位算法中使用线性最小二乘法求解非线性方程使定位精度下降的缺点。通过仿真表明,该算法具有较高的定位精度,能够满足FCC所提出的定位要求。     

改进光流算法在地震图像纹理分析的应用研究

为在消除噪声的同时有效保护地震图像线性结构,提出一种改进光流算法与纹理平滑滤波相结合的新方法.首先,利用高斯金字塔多尺度描述方法解决大流速计算问题,提高精度;其次通过设置迭代结果残差的均方根的门限值,减少迭代次数,缩短处理时间;最后,根据地震图像剖面纹理复杂度,结合纹理属性分析,选用不同的模板进行纹理平滑滤波,提高信噪比.经与传统的均值滤波和目前较先进的改进Sobel滤波器以及利用标准化全梯度进行地震图像边界探测的方法相比,本文提出的算法能够有效的保存地震数据的边缘信息,增强地震图像同相轴的连续性,提高信噪比7～10 dB,缩短处理时间2～3分钟.实验结果表明:本文构建的高斯金字塔多尺度描述与光流算法结合,同时结合纹理平滑滤波构成的综合改进算法,在提高信噪比的同时,较好地保持了原图像的纹理结构和能量,并减少了处理时间,提高了地震资料解释的效率,是目前地震图像纹理分析领域处理效果较好的方法之一.     

基于光流估计的轻量级视频插帧算法

为了提升流媒体视频的帧率,解决视频插帧算法模型复杂的问题,提出了一种基于光流估计的轻量级视频插帧算法,简称SKFEVI算法。该算法只需进行一次光流估计,即可计算出两个视频帧的中间流信息,提升了中间流的估计速度,并在此基础上引入注意力机制进行特征融合,让模型对生成不同尺度特征的信息进行整合,增强了特征表达能力,提升了信息处理效率。实验结果表明,该算法的PSRN值提升至35.56 dB,SSIM值提升至0.978,合成的中间帧质量更好,流媒体视频播放更加流畅。     

基于数据融合的辐射源目标定位EM算法研究

对于辐射源目标无源定位,充分利用冗余数据,降低系统误差,提高定位精度和算法普适性在现实工程应用中有着十分重要意义。提出了一种基于数据融合的期望最大化(EM)定位算法,通过对采样数据进行集中融合处理后极大化更新参数集,然后再迭代计算,直到达到阈值设定,最终确定目标估计位置。仿真结果表明,采用EM算法,可以有效利用多种定位方法的冗余采样数据,在强噪声环境下,可以快速有效地提高系统的定位精度,并对多个密集目标实现区分。     

基于光流法算法的Visual Map快速建立方法

Visual Map是一个含有丰富位置信息的图像数据库,数据库中每一幅图片或图片的特征在存储时会加入相应的位置信息.室内定位的性能与Visual Map图片的数量有关.建立庞大的图片数据库能够使得定位结果更加准确,但是花费时间成本会更大.针对这个问题,本文提出了使用光流法算法来建立图片数据库Visual Map.针对光流法用于室内图像的计算会受到光线明暗不同的影响以及相机转向会产生横向偏移的问题,本文对光流法进行了改进,并使用改进后的光流法算法对摄像机采集的图像序列进行计算,得到摄像机的自身位移,从而得到每一幅图片的对应的地理位置信息.实验结果表明,利用使用光流法快速建立的Visual Map进行室内定位,误差小于1米的概率是26%,误差小于2米的概率是70%.与传统的视觉室内定位法相比,定位精度虽然略有降低,但建立图像数据库所需时间消耗大大减少.相比于视频流快速建立Visual Map方法,定位效果相当,建立Visual Map所需的设备更少,要求更加宽松.利用光流法算法快速建立Visual Map能够很好的应用于室内视觉定位系统,特别是应用于大型场所以及室内场景多变化的场所.