改进的均匀化AGAST特征提取算法

为了实现对图像特征的均匀化提取,改善传统角点检测算法的特征点局部聚集问题,提出一种改进的AGAST特征提取算法。通过对图像构建高斯金字塔,实现特征点的尺度不变性;之后采用四叉树方法对特征点进行划分、筛选,获得均匀化的特征点分布,自适应四叉树深度提高运算效率;使用灰度质心法计算特征点方向实现旋转不变性。与其他算法进行对比实验,结果表明,改进后算法有效提高了特征点提取的速率和均匀性,较其他算法,提取速率提升12.31%、均匀度提升7.8%,具备较好的性能。     

基于图像尺度空间的几何不变特征点提取算法

图像特征点的提取是实现抗几何攻击数字水印算法的重要步骤，所提取的特征点是否鲁棒，将直接影响抗几何攻击水印的鲁棒性．Harris—Laplace角点检测方法是一种多尺度抗几何攻击角点提取方法，但计算比较复杂．将Harris．Laplace角点检测方法进行改进，把直接分析图像局部灰度值的角点提取方法与图象尺度空间的思想相结合，并兼顾多尺度的不同权值，则既可以保证角点抵抗一般几何攻击的鲁棒性，又减少计算复杂度的，根据此思路提出了加权平均Harris-Laplace角点检测方法来提取特征点．实验结果表明，该算法提取的图像特征点不仅具有很好的抵抗图像裁剪、几何缩放能力，而且计算复杂度明显低于相同重复检测率的Harris—Laplace角点检测算法．     

基于角点特征的图像自动拼接算法

提出了一种基于角点特征的图像自动拼接方法.分析了Harris角点检测算子的实现原理及其不足,提出一种改进的Harris角点检测算法提取图像特征角点,减少了计算量,同时提高角点的定位精度,增强了算法的抗噪性能.然后用快速RANSAC算法求出图像变换矩阵H的初值并使用LM非线性迭代算法精炼H,最后采用像素值加权的方法进行图像融合.实验结果表明,该算法能有效提高配准精确性,具有较高的实用价值.     

一种改进的医学图像深度信息恢复算法

针对医学图像深度信息恢复的实时性问题,提出了一种Harris角点检测与SIFT特征点检测相结合的算法,提取医学图像的特征点,采用欧式距离作为相似性判定准则将特征点进行匹配,克服了传统SIFT算法提取特征点过多、耗时长的问题。并对获得较致密的视差图,运用三角测量的方法恢复医学图像的深度信息。实验结果表明,文中所提算法在缩短了医学图像深度信息恢复的时间的同时提高了精度,验证了该算法的有效性。     

一种改进的联合点特征与灰度特征的红外图像配准算法研究

在研究红外图像成像原理与特征、传统红外图像配准方法的基础上,提出了一种改进的联合点特征与灰度特征的红外图像配准算法。首先采用经典的Harris角点检测算法提取一次角点,在一次角点的基础上对其进行下降排序,对排序结果进行不同份数的等分并提取每一部分的中间值,最后根据图像配准需求有效利用中值选择不同的特征点;该算法充分利用环形区域的旋转不变性和特征点区域灰度差异性很小的原则进行特征点匹配。实验结果表明该算法能够提取出更加精确的匹配点,能够有效的完成红外图像配准。     

基于SIFT改进的无人机图像匹配算法

针对无人机图像匹配时间较长的问题,提出了一种基于SIFT改进的无人机图像匹配算法。引入了FAST算法检测角点,它能快速通过比较中心像素点和一定领域内像元的灰度值以判断是否为角点,从而提高算法的速度。同时,为了弥补FAST算法在高斯差分金字塔上搜索的不足,使用了基于Ostu和GA的图像分割算法对图像进行分割,对分割图像构建高斯金字塔,在高斯金字塔上进行特征点搜索。实验结果表明,与传统的SIFT算法相比,改进算法提高了无人机图像匹配的速率和正确率。     

一种基于自适应阈值的SUSAN角点提取方法

角点是数字图像中重要的几何特征,角点的准确提取对于图像处理和图像测量具有重要意义。文章对SUSAN（Smllest Univalue Segment Assimilating Nucleus）角点提取算法中阈值的确定提出了改进,在图像中每个像素的SUSAN模板内单独计算阈值t,使其在各种不同的对比度下仍能正确提取出角点。实验结果证明了该方法的有效性。     

Sub-Window尺度空间的Attention-HardNet特征匹配算法

为保护尺度空间边缘和角点信息,提高特征匹配算法的可靠性,提出一种Sub-Window尺度空间的Attention-HardNet特征匹配算法.该算法通过Sub-window box filter构建尺度空间来充分保留尺度空间图像边缘及角点信息;使用FAST算法提取尺度空间特征点来提高特征点提取速度,再利用圆形非极大值抑制算法对其进行优化,提高准确率;对HardNet特征提取网络添加SENet注意力机制,构成Attention-HardNet,提取鲁棒性更强的128维浮点型特征描述符,最后利用L2距离衡量不同描述符的相似性,完成图像特征点匹配.在Oxford数据集上对匹配算法抗尺度、压缩、光照等性能进行测试,由测试结果可以看出本文算法相较于常用匹配算法,匹配正确率得到较大提升,相较于L2net、HardNet等深度学习方法,匹配正确率提高3％左右,速度约提高10％.     

基于快速尺度空间的无人机影像自适应稳像方法

为实现无人机航拍影像的实时稳像,针对稳像过程中特征检测的速度问题和运动滤波的发散现象,提出了一种改进的AGAST算法与自适应Kalman滤波相结合的实时稳像算法。对于无人机实时航拍视频序列,以当前帧的前一帧为基准进行稳像处理。改进的AGAST特征检测算法在尺度空间的基础上快速提取AGAST角点特征,用二进制描述符对其进行描述,然后用汉明距离匹配特征点。对于已获得的匹配特征点对集合,用RANSAC原则剔除误匹配点,再计算运动矢量。最后使用自适应Kalman滤波提取出运动矢量中的无人机主动扫描分量,进行运动补偿,获得稳像结果。实验数据使用标准测试图集和自己采集的无人机航拍视频,实验结果表明,所提算法在连续视频序列处理时效果显著、速度快,能够满足实时稳像的需求。     

基于FPGA的图像多尺度特征点提取及匹配

对于图像的多尺度特征点提取及匹配存在提取特征有限、算法复杂度高、处理速度慢的问题,提出了一种利用多尺度Harris角点方法提取图像中物体边界特征点,采用二维高斯拉普拉斯算子检测图像斑点信号,并基于SIFT特征描绘子计算特征描绘子相似度来完成匹配的方法.该方法充分利用FPGA的并行性特点,通过降低多尺度Harris角点检测、斑点提取和SIFT特征描绘子生成算法的复杂度,在FPGA中实现了图像多尺度特征点的快速提取及匹配.通过对多组图片进行对比测试验证,该方法相对于软件实现方法具有处理速度快,而图像主要特征点不丢失的特点.     

复杂环境下基于多层激光雷达的障碍检测

为了完成复杂环境中无人自主导航车的障碍检测任务，应用四线激光雷达，提出了一种新的障碍检测算法，该算法利用检测区域的坡度信息进行障碍检测，包括候选障碍点的提取、干扰点的滤除及障碍点的聚类分割三个步骤。为了克服激光雷达检测盲区与抑止测量过程中干扰噪声的影响，运用了卡尔曼滤波算法对目标障碍进行了滤波处理。试验结果表明，障碍检测算法稳定可靠。     

Single-image depth estimation using relative depths

Depth estimation from a single RGB image is a challenging task. It is ill-posed since a single 2D image may correspond to various 3D scenes at different scales. On the other hand, estimating the relative depth relationship between two objects in a scene is easier and may yield more reliable results. Thus, in this paper, we propose a novel algorithm for monocular depth estimation using relative depths. First, using a convolutional neural network, we estimate two types of depths at multiple spatial resolutions: ordinary depth maps and relative depth tensors. Second, we restore a relative depth map from each relative depth tensor. A relative depth map is equivalent to an ordinary depth map with global scale information removed. For the restoration, sparse pairwise comparison matrices are constructed from available relative depths, and missing entries are filled in using the alternative least square (ALS) algorithm. Third, we decompose the ordinary and relative depth maps into components and recombine them to yield a final depth map. To reduce the computational complexity, relative depths at fine spatial resolutions are directly used to refine the final depth map. Extensive experimental results on the NYUv2 dataset demonstrate that the proposed algorithm provides state-of-the-art performance.     

基于深度相机的小型无人机室内三维地图构建

为了解决小型无人机在室内光线不足情况下的避障以及路径规划问题,设计了一种基于深度相机的无人机室内地图构建系统。文中使用Pixhawk控制板和低成本嵌入式结构光深度相机硬件平台,为避障以及路径规划目标提供室内环境信息。采用反传感器模型算法,利用深度相机和位姿传感器提供的信息来筛选处理出有效的障碍物信息,并构建室内的三维地图,其中深度相机通过激光扫描的方式来获取障碍物点云的描述信息,利用位姿传感器获取无人机的高度信息。实验结果表明,使用该系统能够快速获取室内地图,对障碍物的判断准确率比较高,且不受光线影响,可以广泛应用于无人机的室内导航,实现不依赖外部光源的室内无人机地图构建系统。     

多传感器结合的无人机障碍物识别方法研究

随着无人机越来越多的应用在植保作业中,无人机障碍物识别正逐渐成为研究的重点。由于单一传感器识别障碍物的局限性,提出将毫米波雷达和视觉系统相结合的障碍物识别方法:利用毫米波雷达探测前方障碍物的距离,通过视觉系统检测障碍物的大小形状等信息。视觉系统结合色值提取、形态学处理等方法滤去干扰信息,得到较为光滑的障碍物轮廓,利用坐标系的转换实现雷达与视觉系统的空间融合,首次对障碍物的面积进行了测算,采用同步线程的方式实现传感器在时间上的融合;根据融合处理得到的结果,判断无人机是否可以在障碍物之间顺利通过,为避障决策提供依据。通过试验证明该方法既可获取前方障碍物的位置信息,同时受环境因素的影响较小,且可以识别出障碍物的轮廓、大小并完成障碍物之间距离的测算。     

基于DBSCAN与梯度划分的Kinect障碍物轮廓检测算法

针对移动机器人的环境检测和避障问题中传感器获取的信息不够全面及准确,无法准确提供周围环境信息等问题,文中提出了利用Kinect传感器来获取周围环境的色彩信息和深度数据,并且提出了一种利用梯度划分和DBSCAN聚类方法来处理Kinect传感器获得的深度数据图。该算法首先使用梯度障碍物边缘检测方法对Kinect获取得到的深度图进行快速高效的处理障碍物边缘轮廓,并对算法中的差分参数进行改进,使得计算得到的梯度结果更准确。然后对比不同的聚类方法,使用BDSCAN聚类方法来对检测划分完毕的障碍物进行聚类分析,最后通过安排具体实验对该算法进行验证。实验结果表明,该算法能够对周围环境障碍物进行准确划分,可行区域效果明显,对不同物体的成功检测率较高,验证了算法的有效性。     

紫外光通信协作无人机防撞编队的控制方法

为了研究强电磁干扰环境下无人机防撞编队的避障控制效果, 采用无人机编队间紫外光通信模型, 对传统人工势场法进行改进, 给出了具体无人机编队机间和无人机与障碍物的势场函数, 实现无人机编队在飞行的同时可以进行局部避障。结果表明, 在相同条件下, 改进后的人工势场法比传统人工势场法的避障时间减少了7.38%, 避障总路径减少了5.8%, 将改进后的避障算法应用到编队中可实现无人机编队的机间避障与外部障碍物的规避, 且编队间能够保持固定队形飞行至目标点。这一结果对强电磁干扰环境下无人机编队避障的研究有一定的应用价值。     

无人机用激光雷达跨阻电路改进设计

无人机采用激光雷达探测目标位置和障碍物,是一种新型的探测跟踪工具,但传统方法设计的跨阻放大器前端接收电路稳定性较差,导致无人机避障能力下降,因此,设计全新的无人机用激光雷达跨阻电路。此次设计根据得到的激光发射器脉冲飞行时间探测误差,设计外环与内环共同组成的控制回路,并根据跨阻放大器前段接收电路,重新设计一个自适应增益控制电路,约束跨阻放大器的识别行为,优化激光雷达跨阻电路的探测效果。将此次设计的电路,与两种传统方法设计的电路进行对比,通过实验验证发现,在简单的测试环境中,三组电路的避障控制效果都很不错;但在复杂的测试环境中,此次设计的跨阻电路,探测障碍物的能力更强,无人机的避障效果更好。     

基于深度学习的无人机载平台多目标检测和跟踪算法研究

无人机技术和计算机视觉技术相结合,在民用和军用领域都有着广泛的需求,然而当前算法不能很好的适应无人机视角旋转、障碍物遮挡、目标尺度变化等特殊情况.根据实际的难点和挑战,提出了基于深度学习的无人机载平台多目标检测和跟踪算法.主要工作有:在检测方面,通过公开数据集和实际采集的大量数据,训练了基于Darknet53的检测网络...     

基于人工势场法的无人机路径规划避障算法

随着无人机广泛应用于生产生活的各个方面,无人机的避障研究成为热点问题。为了提高无人机的避障性能,文中提出一种基于人工势场法的无人机路径规划避障算法。该算法通过生成预规划路径弱化了目标点对无人机的吸引作用,增加了路径的连贯性;在势场函数中加入了动态调节因子,可减少无人机轨迹不必要的转弯机动,减少机动能耗;该算法综合考虑无人机飞行中的安全性、平滑性和机动能耗,提出了一种新的代价函数,并通过使得代价函数最小化来选出最优路径。实验结果表明,该算法克服了传统人工势场的不足,在不同的飞行环境下均能够规划出安全、平滑、机动能耗小的路径,有效避开障碍物,且具有较好的适应性。     

一种针对大型凹型障碍物的组合导航算法

针对移动机器人导航过程中无法规避大型凹型障碍物问题,该文提出一种多状态的组合导航算法。算法按照不同的运动环境,将移动机器人的运行状态分类为运行态、切换态、避障态,同时定义了基于移动机器人运行速度和运行时间的状态双切换条件。当移动机器人处于运行态时,采用人工势场法(APFM)进行导航,并实时观测毗邻障碍物的几何构型。在遭遇障碍物时,切换态用于判断是否满足状态切换条件,以进入避障态执行避障算法。避障完成后,状态自动切换回运行态继续执行导航任务。多状态的提出,可有效解决传统人工势场法在大型凹形障碍物的避障过程中存在局部震荡的问题。基于运行速度和运行时间的双切换条件判定算法,可实现多状态间的平滑切换。实验结果表明,该算法在解决局部震荡问题的同时,还可降低避障时间,提升导航算法效率。