利用图像中的消失点描述平面直线关系

在三维计算机视觉中，消失点和消失线扮演着极其重要的角色，在此利用场景中常见的平行线和正交线的特点，通过绝对二次曲线图像和消失点的计算，测量场景中其他几何结构的关系，该方法不需要摄像机事先标定，实验表明，在单幅图像中该方法所得结果可以作为一个较好的估计值，在2幅图像中所得结果则较为精确，因此在图像测量中该方法有着一定的实用价值。     

利用图像中的消失点描述平面直线关系

在三维计算机视觉中,消失点和消失线扮演着极其重要的角色.在此利用场景中常见的平行线和正交线的特点,通过绝对二次曲线图像和消失点的计算,测量场景中其他几何结构的关系.该方法不需要摄像机事先标定.实验表明,在单幅图像中该方法所得结果可以作为一个较好的估计值,在2幅图像中所得结果则较为精确.因此在图像测量中该方法有着一定的实用价值.     

人工目标图像中的消失点检测

在人工目标检测中,消失点信息比边缘、拐角等特征更加鲁邦。根据累计空间的不同,消失点检测方法可划分为有限空间检测和无限空间检测两大类。在有限空间检测方法中,Barnard提出的基于高斯映射的消失点检测,因同时适用于有限远和无穷远消失点的检测,最为引人关注。但该方法因累计空间划分不均匀,容易造成统计计算的偏差。文章针对人工目标固有特征,提出了长度优先的向量叉积候选消失点检测方法,在避免了因累计单元大小不均而造成计算偏差的同时,强调了人工目标的主体特征。同时利用三个彼此正交的方向信息,反算相机的内部参数,用以判定三个正交方向选择的合理性。从而使得消失点的确定,能够更好地满足人工目标特征的提取要求。     

利用消失点信息的建筑物检测

以往的单片建筑物检测,常假设相片是下视或近乎下视成像的,从而可忽略建筑物的透视形变。该文将长度约束与高斯映射和向量叉积相结合,提出了长度优先的向量叉积消失点检测方法,试验表明,该方法对分辨率较高且透视效果明显的图像,有着较好的检测效果。     

一种快速的人工场景图像消失点检测方法

人工场景中包含了大量的空间平行线以及垂直边,这些空间平行线映射到图像中相交产生的交点即消失点。消失点检测对摄像机标定、三维场景重建等都有着重要的意义。传统的消失点检测算法往往基于二维霍夫参数空间,复杂度高、效率低。因此,提出一种新的方法,先检测图像中较长的边界线,并将检测到的线段进行筛选、分组;然后利用消失点与焦距之间的制约关系,确定三向消失点的位置以及焦距的大小。该方法将传统的二维霍夫参数空间转换为二级一维霍夫参数空间。实验表明,这种方法运算复杂度低、运行时间短。在室外场景图像中,鲁棒性好,且保持较高的准确率。     

消失点滤镜

消失点滤镜功能非常强大,比人们想到的更甚。Justin Mailer将为你展示怎样用这个特征轻松在多重3D平面上加入图像。     

融合多尺度码本的全局编码图像分类

目的词袋模型在图像分类领域中的分类效果主要受限于局部特征的量化误差。针对这一点,提出一种融合多尺度码本的全局编码图像分类方法,有效减少特征量化误差。方法通过使用多尺度特征密集采样,构建多尺度码本,使码本具备一种层次结构,通过充分利用图像特征的流形结构,计算码本全局信息,实现全局编码。通过本文方法得到的编码系数比较平滑和准确。最后使用多路径方法,分别将不同尺度的特征表示进行级联,得到最终的图像特征表示。这种特征表示具备了一定程度上的尺度不变性。结果在UIUC-8和Caltech-101两个常用的标准图像数据集上进行测试,分类准确率分别达到88.0%和83.2%。结论实验结果表明,相比于基于固定尺度码本的局部编码方法,本文方法在分类识别率方面有了显著提升。     

基于Haar纹理的非结构化道路消失点检测

由于非结构化道路缺乏明显的车道标识线或车道边界,使得其检测面临很大困难.利用非结构化道路的消失点作为约束,可以显著提高非结构化道路的检测性能.但基于多尺度多方向Gabor纹理的消失点检测方法存在计算量较大的问题,并且背景干扰也常会使得现有的消失点投票方法出现大的误检.为此提出一种基于类Haar特征的非结构化道路纹理快速提取方法,该方法利用设计的实部及虚部矩形模板,通过积分图技术实现了纹理特征的快速复响应;并在此基础上,提出利用正交校正及多样性投票方法,实现非结构化道路消失点的检测.在各种非结构化道路下比较了本文算法与现有两种最新的非结构化道路消失点检测算法,实验结果表明本文算法可以显著提高非结构化道路消失点的检测性能.     

基于全局特征点匹配的全局定位方法

针对传统全局定位方法存在对传感器要求多、计算量大的问题,提出了一种基于全局特征点匹配的移动机器人定位方法。该方法采用普通2D雷达作为传感器,在机器人建立全局地图的过程中同步地提取全局特征点,在全局定位算法中,通过建立局部地图和提取局部地图特征点,实时将局部地图特征点和全局地图特征点进行匹配后求解全局位姿。在两个数据集上的测试,结果优于蒙特卡罗自适应定位（adaptive Monte Carlo localization,AMCL）和Cartographer的全局定位效果,运算速度更快。结果表明,与已有的方法相比,该全局定位方法能够更快地完成全局定位和有效减少计算资源的消耗。     

虚拟现实场景图像点云大数据展示仿真

虚拟现实技术可以利用计算机图像建模技术构建虚拟空间,通过视觉效果增强现实效果。但是,由于虚拟场景特征点较多,且密度较大,复杂场景的三维重建和展示的难度较高。提出基于图像点云大数据的虚拟现实场景展示方法。利用Kinevt v2设备获取虚拟现实场景两帧图像及点云数据,通过对点云数据的滤波处理,优化虚拟现实场景重构精度。基于滤波处理,提取虚拟现实场景两帧图像的特征点,并匹配特征点,构建三维场景重建模型。将三维场景重构模型与配准后的点云数据、场景颜色信息相融合,完成模型的可视化,实现虚拟现实场景的展示。实验结果证明了研究方法展示的虚拟现实场景特征信息更完整,在图像滤波处理前后,研究方法的虚拟现实场景特征点提取效率均更高,总耗时在7ms以内,且研究方法应用下图像处理器占用的空间内存低于20MB。     

基于消失点的坐标校准算法

提出一种新的基于消失点的坐标校准算法,并将此算法应用于运动车辆的跟踪检测。该算法只需要知道消失点和已知尺寸物体在图像中的位置就可以实现坐标校准。与其他算法相比,该算法不需要预先知道摄像机的配置和参数,具有更广泛的适应性和更高的灵活性。在算法实现的过程中,使用了一维数组来表示前景分布矩阵,而非二维数组,从而有效地降低了算法空间复杂度。     

基于消失点检测的铁路环境视频自动拼接算法研究

提出了一种基于铁路环境视频的全景图自动拼接算法。根据铁路环境视频中的场景几何特性,检测场景中的线段及消失点,从而生成场景的空间布局关系;在此基础上,自动构建合适的采样区域,以达到无缝拼接的效果;最后实现全景图的自动拼接。实验结果表明,该方法实现了铁路环境视频的自动化拼接,且得到了更加令人满意的拼接效果。     

自适应特征点检测的可见-红外图像配准

目的 针对可见—红外图像之间配准点的数量不足、分布严重不均匀以及配准点之间的错配率高这3个核心问题,提出一种基于自适应特征点检测的可见—红外图像配准方法。方法 本文提出的自适应特征点检测方法,以Harris corner作为基本特征点;以特征点数目与空间分布为检测目标,从而自动地估计合适不同空间位置的特征点的检测阈值。在特征点对匹配中,将梯度方向与互信息相融合有效地添加了相似性函数的空间位置信息。结果 自适应Harris corner检测方法能够有效地提供空间分布均匀、数量充足的特征点。而梯度方向与互信息相融合的相似性匹配函数提高特征点的匹配率20%,降低配准误差50%。结论 本文提出的多传感器图像配准方法能够快速、准确地实现可见光图像与红外图像之间的配准,在CCD-IR图像融合领域具有很好的实用价值。     

一种QCN火焰图像特征提取的转炉炼钢碳含量实时预测方法

钢水碳含量是影响转炉炼钢出钢质量和冶炼效率的主要因素, 而实现碳含量的连续实时预测是炼钢终点控制的关键和难点. 针对不同碳含量对应火焰图像呈现出的随机自然纹理相似性较高的问题, 根据炉口火焰纹理独有的多方向多尺度不规则特点, 提出了四元数复杂网络(QCN)彩色纹理描述符. 首先, 利用四元数等距映射融合火焰图像颜色通道信息, 且用幅值谱和二次量化后的相位谱描述映射后图谱以增强颜色信息描述; 其次, 采用复杂网络的方式, 以相位为条件并利用幅值信息构造一种网络连接权重公式, 于幅值谱构建炉口火焰图像的多尺度不规则彩色纹理复杂网络模型; 最后, 计算复杂网络的拓扑特征度和聚类系数, 以其相关特征量化复杂网络拓扑连接模式,构建炉口火焰QCN特征, 并通过KNN回归模型预测终点碳含量. 结果表明, 碳含量在± 0.01%误差范围内的预测准确率为85.65%, 在± 0.02%误差范围内预测准确率达到91.83%, 且所提算法满足实时性要求.     

A study on the dual vanishing point property

Vanishing points and vanishing lines are useful information in computer vision. In this study, an interesting dual property of vanishing point is first introduced. Next, we point out that there also exists a dual property of vanishing line. With the dual vanishing point and vanishing line properties, some 3D intersection inference can be made based on their image lines. Two applications are given to illustrate the usage of the new results. The first one is to derive the 3D pose determination of a circle using two parallel image lines. The second one uses six specially designed 3D lines to adjust the cameras with respect to a fixture in a binocular vision system such that the resultant camera coordinate axes become parallel.     

基于图像特征的边缘检测

针对传统边缘检测算子在检测效果与抗噪方面的不足,提出基于图像特征的边缘检测方法,综合考虑图像的梯度特征、相位特征以及噪声的影响,以方向能量和由直方图差分算子计算的亮度梯度为图像特征进行边缘检测。对提取的特征值进行训练,得到边缘点与非边缘点的特征均值;依据近邻准则对检测图像的特征值分类,提取边缘;建立评价函数评价边缘的质量。仿真结果表明该算法可以取得很好的检测效果,同时具有一定的抗噪声性。     

基于特征区域的图像自动配准

为了解决基于特征的图像配准中的特征点的定义和提取问题,提出了一种以特征区域替代特征点的定义和提取方法。该方法应用Moravec算子选择候选特征区域,使用具有旋转不变性的Zernike矩表征该区域的特性;采用二级匹配策略进行特征区域的匹配,即基于自组织映射神经网络的初始匹配及精细匹配;建立图像的配准框架并实现图像的配准。实验结果表明,该方法能有效地提取图像的特征点并能准确地进行特征点的匹配,整个配准过程完全自动进行。     

基于局部特征的WEB近重复图像检测

首先分析了不同类型的图像特征对不同重复图像类型检测性能的影响,SIFT局部描述子不仅具有良好的尺度和亮度不变性,同时对仿射形变、视角改变和噪声等也有一定的鲁棒性,因此选择了SIFT描述子来描述图像特征。同时针对SIFT特征在检测过程中匹配计算代价大的缺点,提出了基于奇异值分解的SIFT特征点集合匹配方法,实验结果表明该方法在检测效果和检测时间方面取得了一个很好的平衡。