基于点对特征的三维点云匹配算法

针对现有的基于全局特征的三维物体识别方法和基于局部特征的三维物体识别方法在有遮挡和混叠场景中识别效果均不理想的问题,提出了一种基于点对特征的三维点云匹配算法。利用模型上的所有点对特征来完成全局模型描述构建,并在减少的二维空间上,利用快速投票方案,在局部对模型点云和场景点云进行匹配,从而恢复模型在场景中的全局姿态。实验结果表明:该算法在有遮挡和混叠的场景中识别效果比较理想。     

基于机器视觉的三维点云匹配算法在散货物料实时检测中的应用与研究

面对杂乱堆叠的散货物料实时检测场景,传统机器视觉会受物体遮挡限制,使得识别结果存在偏差。为解决此问题,本文运用三维点云算法,设计基于点对特征的位姿估计算法,同时调整场景点云中法线方向使其朝向点云成像设备视点,以优化其一致性,最后基于该算法构建实际物体抓取系统。结果显示,此次研究设计的位姿检测算法的平均重合率为98%,平均内点均方根误差为0.000 3 mm,点云匹配成功率为100%,抓取成功率为97.1%。结果表明,该基于点对特征的三维点云算法在散货物料场景中的检测准确率较高,且在抓取场景中也有较理想的表现,具有一定的实际应用意义。     

运动目标识别中基于边缘点寻找特征点的算法

文章介绍了基于目标物体边缘点提取特征点的算法,避免了在整个目标图象范围内寻找特征点,算法简单,速度快。仿真结果表明,该算法是有效的。     

基于深度学习的物体点云六维位姿估计方法

物体位姿估计是机器人在散乱环境中实现三维物体拾取的关键技术,然而目前多数用于物体位姿估计的深度学习方法严重依赖场景的RGB信息,从而限制了其应用范围。提出基于深度学习的六维位姿估计方法,在物理仿真环境下生成针对工业零件的数据集,将三维点云映射到二维平面生成深度特征图和法线特征图,并使用特征融合网络对散乱场景中的工业零件进行六维位姿估计。在仿真数据集和真实数据集上的实验结果表明,该方法相比传统点云位姿估计方法准确率更高、计算时间更短,且对于疏密程度不一致的点云以及噪声均具有更强的鲁棒性。     

基于点线特征和边缘特征的单目视觉里程计算法

针对快速运动的相机很容易因为运动模糊和纹理缺失而导致光流追踪失败的问题,设计了一种点、线、边缘特征结合的单目视觉里程计算法,突破原先算法仅包含点或线特征的思想.首先,在流行的半直接法PLSVO(Point-Line Semi-direct monocular Visual Odometry)算法上增加了边缘特征点提取,使算法提高定位精度,同时对低纹理和结构化环境具有鲁棒性.然后,利用关键帧提取策略提升算法的定位精度,同时加快地图点种子的收敛速度.最后,解决边缘特征点在算法中的图像对齐、图块特征点匹配、位姿优化和地图点优化问题.本文算法在EuRoC和TUM数据集上进行了估算.实验结果表明,本文算法的定位精度和稳健度都优于PLSVO算法.     

基于边缘颜色点对分布特征的车牌定位算法

提出了一种基于边缘颜色点对及其分布特征的车牌定位新方法。首先利用车牌区域背景与字符具有固定颜色搭配的特征以及边缘颜色点对的距离约束条件,对汽车图像进行多次滤波,完成对车牌字符边缘颜色点对的充分突出;然后根据边缘颜色点对分布的统计特征实现车牌的快速定位。实验结果表明,该算法是一种快速、有效的定位方法。     

基于二阶相似性测度的点云配准网络

为了提高点云配准在异常点移除以及位姿变换矩阵求取时的精度，设计了一种点云配准方法，在PointDSC网络的基础上，将二阶相似性测度引入到特征聚合模块，嵌入到匹配点对的特征之中，提高了特征提取时内点与异常点的初始特征差异；引入二阶兼容性矩阵到谱匹配模块中，改进了相容性矩阵的求取，通过嵌入的特征去估计特征点对是内点还是异常点的置信度，提高了异常点与内点的区分精度，更好地移除异常点；利用局部-全局的配准方法根据内点求解点云的位姿变换矩阵，提高了位姿变换矩阵的求取速度及精度。在3DMatch数据集上进行了配准实验，验证了提出的方法在多种不同的数据集场景下都能够很好地实现点云配准任务，提高了配准的速度与精度。     

基于共面二点一线特征的单目视觉定位

研究了根据点、线混合特征进行单目视觉定位问题,在给定物体坐标系中共面的两个特征点和一条特征直线的条件下,根据它们在像平面上的对应计算相机与物体之间的位姿参数。根据三个特征之间的几何位置关系,分两种情况给出问题求解的具体过程,最终将问题转换成求解一个二次方程问题,真实的工件定位实验验证了方法的有效性。该结果为应用单目视觉进行工件定位提供了一种新方法。     

基于焊件识别与位姿估计的焊接机器人视觉引导

为实现智能化柔性化焊接,并解决焊件本身立体结构遮挡焊缝影响视觉引导的问题,提出一种基于物体识别与位姿估计思想的焊接机器人视觉引导方法.首先,通过焊件的CAD模型离线建立焊接模型库;然后,在线计算焊件点云的VFH特征,与焊接模型库进行比对实现焊件识别,计算FPFH特征实现SAC-IA和ICP结合的两步位姿估计,并通过假设验证优化结果;最后,利用焊接模型库的焊接信息结合焊件位姿生成焊接轨迹,为焊接机器人提供视觉引导.实验结果表明,所提方法可以利用目标整体三维信息准确识别焊件并估计其姿态,进而引导机器人完成智能柔性的焊接操作.     

基于加权距离投票的点云匹配算法设计

点云匹配问题是计算机技术中的一个非常重要的问题,在表面重建、三维物体识别、定位追踪等问题中有着极为重要的作用。针对现有的点云匹配算法无法很好地适用于部件位姿调整过程中的点云匹配任务,进而无法完成姿态追踪等问题,提出基于加权距离投票的点云匹配算法,完成部件表面点云的匹配。     

三维可变形物体的特征点层次提取

针对不同姿态下的三维可变形物体特征点一致性问题,提出了一种基于样例学习的特征点层次提取方法。该方法首先提取出三维模型的外部特征点;其次,根据外部特征点在不同姿态下所具有的局部特征相似性,采用热核信号和支持向量机识别出外部特征点的语义标签;最后,根据语义标签和测地距离,层次地提取出三维模型的其它语义特征点。实验结果表明,该方法能很好地得到三维可变形物体的各种语义上的有效特征点。     

基于点和边缘相结合特征提取的图像配准算法

提出了一种新的基于几何特征的图像配准算法,将特征点提取和边缘提取的方法相结合,有效的获得了图像的主要信息.通过立体视觉匹配技术,建立图像之间的点映射关系,并采用二又树搜索策略改进搜索效率.根据空间的联立方程组得到图像在两个坐标系统中的三维空间数据坐标,然后进行数据拟合得到非特征点的数据.该方法提高了图像配准的效率和准确性.     

基于孤立点发现的彩色图像人脸边缘提取算法

本文针对彩色人脸边缘提取问题,分析了运用孤立点分析方法进行彩色图像人脸边缘提取的可行性,给出并实现了基于孤立点分析的彩色人脸边缘提取算法——RGB-OEA。在此基础上,通过实例应用证明了算法的有效性。     

基于矩形的三维物体位姿估计研究

本文针对矩形特征提出一种新的位姿估计算法,该算法计算简单、求解容易,同时由矩形能够得到三维物体位姿值的唯一解。并阐述了该算法的实现过程。因此,该算法能够避免多解现象的干扰,在实际工程应用中具有良好的应用价值。仿真实验表明,该算法具有很好的实时性。     

基于边缘细化的角点提取算法

图像的角点提取在计算机视觉领域中具有重要的应用价值。本文基于角点一定是边缘点且是两条边缘或多条边缘交点的这一几何特性,提出了一种基于边缘细化的角点提取算法。算法先用Canny算子提取图像的边缘,然后进行细化并填充边界线上的断点,再利用角点的几何特性来确定角点的位置。实验结果表明,这种算法提高了角点提取的正确率、定位精确、实用性强。     

一种基于边缘点特征的细化算法

本文根据二值图象的边缘点在八个方向上具有较多的象素不相互对称这一重要特征,提出了一种新的细化算法。由剥蚀和矫正两个部分组成。在剥蚀部分,只需判别被测象点的8或12个邻点的分布情况,就可以决定该点的删除与否。而矫正部分,则是对剥蚀后的图象的进一步完善。我们用本文所介绍的算法,对1200个无限制手写体数字进行细化处理,结果证明该算法具有判别简单,对噪声不敏感,并能较好地保持原模式的形状及连通性的优点。     

一种改进的基于特征点求解的骨架提取算法

基于特征点求解和Reeb图思想,实现了一种新的骨架提取算法。首先求取模型特征点集,以特征点为计算依据,根据三角网格中每个顶点与特征点的不同对应关系得到网格分支点,聚合成一系列骨架点,依据骨架点携带的拓扑信息,连接拓扑相邻的骨架点得到模型骨架。采用了改进的特征点提取算法,其时间复杂度由O（n^3）提高到了O（n^2log（n））,实验表明算法能够快速提取骨架,针对一般模型的骨架提取效果令人满意。     

机器人视觉智能识别与无序抓取实验系统设计

本文针对复杂汽车生产制造环境中,多种类、多目标散乱堆叠场景下的机器人抓取问题,建立对油气分离器等四种不同配件的智能识别无序抓取系统;利用Photoneo公司的3D Scanner-M面结构光传感器采集目标的三维点云数据、大族机器人Elfin-E10为机械操作手臂,设计了6D位姿估计深度学习网络模型,并利用实例分割网络将点云的前景点和背景点解耦,进而将实例聚类,生成统一的点云切片,送入后续网络进行位姿估计。实验是通过在实际精确抓装项目任务中的应用,分别在MFC和ROS-QT软件架构中搭建了基于传统点云位姿估计方法和深度网络位姿估计方法的软件平台,并在实际场景中完成了对油气分离器等工件的全过程抓取,对6D位姿估计的深度网络的有效性进行了对比实验与验证。结果表明,本文提出的位姿估计识别方法在完成对目标工件的抓取上拥有较高的成功率。     

基于改进ORB 算法的图像特征点提取与匹配方法

针对传统ORB 算法阈值选取固定,存在误提取、误匹配,无法满足不同图像特征 点的准确提取和匹配的问题,提出了一种改进的ORB 特征点提取与匹配方法。首先设定局部 自适应阈值;然后通过像素分类,设计自适应阈值选取准则,达到ORB 特征点的精准提取; 最后在改进ORB 特征点基础上通过PROSAC 算法完成对特征点的匹配。实验结果表明,改进 后的方法对亮度变化具有较强的适应能力,计算速度和提取精度得到了提升。匹配总时间降低, 误匹配点对数量较少,正确匹配率较高,具有良好的准确性和实时性。利用匹配阶段得到的特 征点进行跟踪时得到的RMSE 误差较小,表明匹配精度得到了较大提升。和其他方法相比,具 有更好的环境适应能力和应用价值。     

基于点对特征及分层全连接聚类的三维目标识别方法

针对基于原始点对特征的三维目标识别算法中存在的效率低、易受干扰的问题,提出了一种分层全连接聚类算法来对三维目标进行识别.利用模型上的所有点对特征来完成全局模型的描述构建,并在局部坐标的二维空间上,利用投票方案和分层全连接聚类算法对候选位姿进行筛选,从而获得最优位姿.在UWA的数据集上的实验结果表明,与原始点对特征算法相...