移动机器人自然路标特征提取方法

介绍了一种基于2 维激光测距仪的自然路标特征提取方法．本方法由3 部分组成：数据聚类、滤波平 滑以及特征提取．该方法根据计算机图形学中的尺度空间理论,利用无迹卡尔曼滤波器（unscented Kalman filter） 构建曲线模型估计器,对描述环境局部区域形状的扫描点间的几何拓扑关系进行估计．根据估计过程中获得的 Mahalanobis 距离构建滤波卷积核对原始范围图像进行自适应滤波平滑处理,利用距离数据的曲率函数对聚类后的 数据进行分割并提取特征．该方法对噪声鲁棒稳定,并且可以有效地提取非结构化环境中的自然路标特征．实验结 果证明本文所提出的方法对自然路标特征提取是行之有效的,可以为自主移动机器人导航系统提供丰富的路标特 征．     

一种机器人导航中自然路标的匹配与跟踪方法

提出了一种基于SIFT和KLT算法的自然路标匹配与跟踪方法。该方法利用SIFT算子提取图像中自然路标的特征点集作为模板,然后将机器人采集图像中的SIFT特征点集与模板特征点集进行匹配,获取二者之间仿射关系,并解算自然路标在视野中的位置,为机器人自定位提供参考信息。机器人在运行过程中,将KLT算法与SIFT算法相结合对成功匹配的自然路标进行跟踪,较好地解决了SIFT算法效率低下的问题。实验结果表明该方法对自然路标具有较好的匹配和跟踪效果。     

移动机器人的一种室内自然路标定位法

实时定位是移动机器人导航的一个基本前提。该文提出了一种利用墙棱边及墙平面(EdgeandPlane,EP)路标或者广义EP路标进行定位的方法,使用了异步数据融合的方法对移动机器人进行了定位。仅利用传感器对墙平面的距离数据进行测量就实现了机器人的定位。仿真显示这些方法能减少机器人的定位时间,提高对传感器测量数据的利用效率。     

一种新的特征描述符提取和匹配方法

特征描述符提取和匹配是基于特征点图像匹配方法的一个重要问题。针对特征描述符提取问题,分析了目前已提出的描述符提取方法存在的问题和不足,并针对这些问题提出一种新的描述符提取方法和相应的匹配方法,经过实验和比较,提出的方法有很高的准确率和稳定性。同时,还改进了特征点的梯度方向估计方法,使方向估计具有更高的准确率。     

一种基于信息融合的指纹特征点提取方法

针对进行指纹图像预处理时产生的伪特征点难以消除的问题,提出了一种基于信息融合的指纹特征点提取方法;该方法首先通过取两种不同预处理方法所获得的指纹特征点集的交集来剔除在指纹图像预处理过程中所产生的伪特征点,然后根据特征点的结构信息来消除原始指纹图像本身所存在的伪特征点;实验结果表明,该方法不仅可以有效地消除指纹图像预处理过程所产生的伪特征点,同时也能消除原始指纹图像中存在的伪特征点。     

基于显著场景BayesianSurprise的移动机器人自然路标检测

移动机器人在未知非结构化环境下的自然路标检测是层次化环境建模的基础。文中提出一种基于显著场景BayesianSurprise的自然路标检测方法。通过计算场景的视觉注意图,引导SURF特征采样聚集在显著区域内,提出融合空间关系的词袋模型构造场景表观的模式向量,建立基于该特征描述的地点MultivariatePolya模型,并通过度量传感器观测的Surprise来获取显著场景对应的路标。实验验证自然路标检测方法在大规模复杂室内环境中具有较低的漏检率和误检率,结合层次化SLAM方法验证路标检测器对生成拓扑节点的有效性。     

基于人工路标的室内机器人导航方法

在室内环境下,以往的人工路标设计方案,其识别算法复杂,准确率较低,而且难以满足实时性的要求.针对这样的问题,本文设计了两种新的人工路标:定位人工路标和纠偏人工路标,不仅可以有效地帮助室内移动机器人导航定位和纠偏,而且具有识别简单快速的优点.机器人实时识别定位人工路标,并根据识别的纠偏人工路标来调整自身的位置和运动方向,使得机器人可以沿着事先规划好的路径顺利前行.通过实验表明,在室内光线较暗、适中、强光三种光线条件下,两种人工路标识别准确率高,且识别速度快,能够满足导航实时性的要求.     

一种用于未知环境探索的可动态配置路标系统

研究了移动机器人探索未知环境所面临的定位问题．针对在某些未知环境中难以可靠提取自然路标、 并且存在数据关联难题的实际情况,提出了一种可以根据定位需要进行动态配置的路标系统,设计并实现了可以动 态配置的路标、路标投放装置、路标探测装置,能够在探索未知环境的过程中动态在线配置路标以辅助完成机器人 定位与对环境的探索．可动态配置路标具有成本低、体积小、能耗低的特点,便于携带与动态配置,实验结果证明 了这种路标系统在未知环境探索中的有效性．     

一种基于视觉的移动机器人定位系统

具有自主的全局定位能力是自主式稳定机器人传感器系统的一项重要功能,为了实现这个目的,国内外均在不断地研究发展各种定位传感器系统,这里介绍了一种采用光学蝗全方位位置传感器系统,该传感器系统由主动式路标、视觉传感器、图象采集与数据处理系统组成,其视觉传感器和数据处理系统可安装在移动机器人上,然后可通过观测路标物「视角定位的方法,计算出机器人在世界坐标系中的位置和方向,实验证明,该系统可以只的在线定位,     

一种快速实用的特征点匹配算法

该文提出的方法,使用了基于投影的粗筛选和候选点的策略,使用基于距离约束对匹配点对进行校正和消除错误匹配,提高计算速度和可靠性。实验结果证明,提出的方法具有较大的实用性。     

鲁棒且快速的特征点匹配算法

针对大部分基于特征的立体匹配速度过慢的问题,提出一种在频域下提取特征点坐标、空间域下提取特征描 述子的算法。首先,研究了图像的有效编码理论;其次,确定图像的显著性特征点坐标及其尺度;最后,构造适应特征 点尺度的模板提取图像的特征,用最近部法则进行特征点的匹配。实验结果表明,该算法效率高、计算快,同时也具有 较强的尺度及仿射变换鲁棒性,在速度与性能上达到了一个很好的平衡点。     

基于全局二值特征描述子的三维CBCT图像快速匹配算法

三维图像拼接是通过锥束CT(CBCT)获取大尺寸物体完整的高分辨率三维图像过程中的关键技术之一,成为目前三维图像处理的一个新的研究方向.针对基于特征点的三维CBCT图像拼接技术中相似特征匹配正确率低、匹配过程耗时长的问题,提出一种基于全局二值特征描述子的三维CBCT图像快速匹配算法.首先对二值特征描述子BRIEF进行三维拓展,以适应三维图像;在此基础上加入全局描述子,增强特征描述子的独特性;在特征点匹配时,根据上述特征描述子的特点设计由粗到精的匹配策略,提高特征匹配正确率和效率.实验结果表明,该算法简单有效,可以在大量相似特征条件下提高特征点匹配的正确率,同时也显著提升了匹配速度.     

基于快速SIFT特征提取的模板匹配算法

针对尺度不变特征变换(SIFT)算法计算量大的问题,提出一种基于快速SIFT特征提取的模板匹配算法。采用递推方法加速计算每个种子向量,利用向量排序来保持算法对旋转的不变性,并通过一种适用于该描述符的快速搜索匹配方法,提高算法的实时性。实验结果表明,该算法能提高匹配速度,并且能在旋转、缩放的情况下有效地识别目标。     

基于机器学习的自然特征匹配方法

针对增强现实中的三维注册问题,提出一种基于机器学习的图像自然特征点识别方法。基于高斯混合模型进行样本选择,利用模式识别中的分类方法替代特征向量的最近邻匹配,将计算负担从实时阶段转移到训练阶段,利用各匹配点对之间的相似度计算核密度估计的权值,实现相关平面目标的跟踪。实验结果表明,该方法实时性好、相机位姿估计精确,对光照、遮挡、透视等变化具有较强的鲁棒性。     

一种改进的快速SIFT特征匹配算法

在原有经典SIFT(Scale Invariant Feature Transform即尺度不变特征变换)特征匹配算法的基础上,运用积分图像和积分直方图检测和描述特征点,使算法的实时性得到明显提高,并针对该快速算法的特征区域的分割方式提出改进,改进后的快速SIFT算法在实时性能提高的同时,特征匹配的能力也得到了改善.运用Matlab语言仿真的结果表明,此方法是可行的,使得目标跟踪等实时应用成为可能.     

A Cross-Dimension Annotations Method for 3D Structural Facial Landmark Extraction

Recent methods for 2D facial landmark localization perform well on close-to-frontal faces, but 2D landmarks are insufficient to represent 3D structure of a facial shape. For applications that require better accuracy, such as facial motion capture and 3D shape recovery, 3DA-2D (2D Projections of 3D Facial Annotations) is preferred. Inferring the 3D structure from a single image is an ill-posed problem whose accuracy and robustness are not always guaranteed. This paper aims to solve accurate 2D facial landmark localization and the transformation between 2D and 3DA-2D landmarks. One way to increase the accuracy is to input more precisely annotated facial images. The traditional cascaded regressions cannot effectively handle large or noisy training data sets. In this paper, we propose a Mini-Batch Cascaded Regressions (MBCR) method that can iteratively train a robust model from a large data set. Benefiting from the incremental learning strategy and a small learning rate, MBCR is robust to noise in training data. We also propose a new Cross-Dimension Annotations Conversion (CDAC) method to map facial landmarks from 2D to 3DA-2D coordinates and vice versa. The experimental results showed that CDAC combined with MBCR outperforms the-state-of-the-art methods in 3DA-2D facial landmark localization. Moreover, CDAC can run efficiently at up to 110 fps on a 3.4 GHz-CPU workstation. Thus, CDAC provides a solution to transform existing 2D alignment methods into 3DA-2D ones without slowing down the speed. Training and testing code as well as the data set can be downloaded from https://github.com/SWJTU-3DVision/CDAC.     

三维曲面的特征描述和特征匹配

本文提出了一种新的三维曲面特征描述算法,将二维图像上的特征描述思想推广到三维网格。算法将三维网格表示成从顶点到高斯曲率的映射函数,从而获得可类比于二维图像的相似性。借助于法线和梯度建立局部球坐标系,通过二维统计直方图对特征点邻域的几何信息进行描述,使得特征描述具有平移、旋转和缩放不变性,最终生成128维的特征向量(特征描述符)。基于特征向量,我们实现了多分辨率和异拓扑网格下的特征匹配,展示并分析了实验结果。本文的研究动机来源于三维扫描建模以及多视点三维重建技术中对特征描述和特征匹配的需求,主要的应用方向包括:扫描配准、模型注册、动画跟踪、对称检测和模型检索。     

基于多约束的图像特征点鲁棒匹配方法

提出了一种基于多约束的图像特征点匹配的鲁棒算法，在计算匹配强度和构造匹配矩阵的基础上，通过视差约束、邻域相对视差约束和唯一性约束对匹配矩阵进行约简，以实现双目图像特征点的鲁棒匹配，最后给出了实验结果．     

运用特征点匹配的柱面全景图像快速拼接算法

针对大幅面图像的拼接问题,提出了一种新的基于特征点的柱面全景图像快速拼接算法。该算法在Harris角检测算法提取特征点的基础之上,针对传统RANSAC（random sampling consensus）算法在提纯匹配点时计算极其复杂,难以实现快速拼接的问题,设计了专门的聚类预筛选的方法进行图像特征点的预匹配,显著提高了特征点匹配的效率;在图像融合部分提出了最佳路径与HSI颜色空间的亮度权重函数相结合的算法,既有效消除了拼接图像中的鬼影现象,又使拼接图像达到了平滑融合效果。实验结果表明,该算法具有匹配精度高、鲁棒性强、计算效率高的特点。