基于改进随机抽样一致算法的视频拼接算法

为了解决实时视频拼接中的鬼影和拼接缝问题,提出了一种基于改进随机抽样一致算法的实时视频拼接算法。首先,针对双目摄像头的重叠区域,采用加速鲁棒特征算法提取特征点,寻找特征匹配点对;然后利用改进的随机抽样一致算法去除误匹配点对,获得最优单应性矩阵;最后,对重叠区域像素进行动态融合处理。实验结果表明,采用本文算法可以有效地消除视频重叠区域的拼接缝和鬼影,同时可保证视频拼接系统的实时性。

基于随机抽样一致算法的误匹配标志点校正方法

大型零件三维测量过程中常需要粘贴较多的标志点来进行自动拼接。由于人工粘贴标志点的随机性与噪声等因素的影响,标志点自动匹配时极易产生误匹配标志点,影响了多次测量时点云数据自动拼合的稳定性。针对此问题,在实现标志点自动匹配的基础上引入随机抽样一致(RANSAC)算法去除误匹配标志点。该方法根据选定好的目标模型和相关评判准则,将所有的匹配标志点分为内点和外点,利用内点计算出当前最佳目标模型参数,经过一定次数的随机采样后计算出最终的最佳目标模型参数,从而有效地去除大型零件点云数据自动拼合过程中出现的距离误匹配标志点和噪声误匹配标志点。模拟实验和拼接实例表明该方法是可行的,能有效地提高大型零件点云数据自动拼合的稳定性。

基于SURB结合随机抽样一致算法在鞋面匹配中的应用

针对鞋面匹配中存在的尺度变化、光照变化以及噪声干扰等问题,提出基于加速稳健特征和对象请求代理(SURF-ORB)算法结合随机抽样一致(RANSAC)算法的鞋面匹配检测算法。采用SURF算法提取鞋面图像特征点;通过ORB算法对提取到的特征点进行描述,得到描述子;采用汉明距离完成初匹配,再结合RANSAC算法对由噪声干扰和光照变化而产生的误匹配点进行剔除,获得较为精准的匹配点对。结果表明:当鞋面图像中存在尺度变化、光照变化和噪声干扰等影响时,该算法能够准确匹配,具有较强的稳健性。

采用局域像素匹配的随机抽样一致改进算法

为提高图像拼接的配准精度和稳健性,提出基于局域像素匹配的随机抽样一致改进算法。在完成尺度不变特征变换算子或其他算子图像特征提取、特征匹配之后,利用独立于特征匹配点的局域像素,通过参考图像局域像素与映射的待拼接图像局域像素匹配,优选4对最佳特征匹配点,确定最佳单应矩阵。实验结果表明:与随机抽样一致经典算法相比,该方法未明显增加计算耗时,单应矩阵更准确,图像拼接稳健性更好。

基于序贯概率及局部优化随机抽样一致性算法

通过引入序贯概率检测及局部优化技术,给出了一种快速并具有较高精度估计的随机抽样一致性算法RANSAC(ran-dom sample consensus)。RANSAC算法是基于假设和检验的框架来实现。为了减少RANSAC算法的计算时间及提高计算精度,在模型的检验阶段,利用序贯概率检测技术,随机抽取少量的数据对模型的参数进行预检验。如果模型参数通过预检验,则进入后续的检验,否则这个模型参数不再参与后续全部数据的检验。在对模型参数估计时,使用局部优化方法,实现模型估计的精确度的提高。实验结果表明,此算法在速度和精确度方面与标准的RANSAC相比均取得了较大的提高。

基于随机抽样一致性算法(RANSAC)的农作物行提取

农作物行提取是实施农业机械导航技术的关键,运用归一化的算法对图像进行灰度化处理,采用最大类间方差分割方法将图像转化为二值图像,然后利用垂直投影方法进行定位点归类,最后采用改进的随机抽样一致性算法提取作物行直线。结果表明,该算法能够在缺株、有杂草、地膜覆盖等复杂背景下,自动剔除伪定位点,有效检测出作物行。

随机抽样一致性算法在线结构光视觉测量系统中的应用

针对线结构光视觉测量系统中参数标定易受噪声和亮度突变等因素的影响,而传统算法难以拟合包含异常值点云的问题,在现有标定方法的基础上,提出了一种基于随机抽样一致性(RANSAC)的改进算法拟合光平面参数。随机选取三个点云数据拟合光平面,选择阈值并统计在此平面上的内点数量,多次重复求得包含最多内点的平面,并以这些内点以特征值法进行平面拟合得到所求平面方程。实验结果表明,与最小二乘法相比,该方法可以很好地适应标定过程中出现的误差和异常值的情况,稳健地估计平面参数值,从而进一步提高线结构光参数标定精度。

改进随机抽样一致性算法在建筑物现状测量中的应用

作为点云数据处理的关键步骤,线面拟合的结果直接影响后续数据处理的精度。针对传统RANSAC算法在建筑物平面拟合过程中存在的效率及精度方面的问题,引入一种顺序法向量检测机制,通过增加拟合模型的角度约束条件,提出了一种改进随机抽样一致性算法(M-RANSAC)进行平面和边缘探测。通过与常规全站仪测量方法以及传统RANSAC算法进行结果对比,验证了本方法的可行性和有效性,并在珠江三角洲水资源配置工程沿线建筑物现状测量中得到了成功应用。

基于随机抽样一致性算法的风电机组塔筒倾斜度检测方法

随着风电行业的快速发展,由于设计缺陷、制造问题以及检查和维护不充分导致风电事故频繁发生。机组倒塌是典型的事故之一,检测塔筒倾斜度是避免机组倒塌事故的重要措施。为解决利用最小二乘法无法剔除检测数据的局外点和噪声而导致检测精度低的问题,提出了一种基于随机抽样一致性的算法,可以剔除不良数据,并具有较强的抗噪声和异常点干扰能力。依托甘肃瓜州某风电场进行试验,结果表明,该算法能够较好地应用于塔筒倾斜度检测。

影像同名点匹配的SIFT算法与贝叶斯抽样一致性检验

为提高影像匹配的稳健性,引入基于SIFT特征匹配的贝叶斯抽样一致性算法(Bayes sample consensus,BAYSAC),提出基于随机概率U(0,1)、基于像点到像片中心距离比值和基于影像重叠度的3种正确点先验概率估计方法,并根据相似性原理简化了贝叶斯公式,用于更新正确点概率。以SIFT算法为基础,结合贝叶斯抽样一致性算法,对不同的正确点概率估计方法进行了试验。试验结果表明,改进后的算法减少了迭代次数,从而减少了计算时间。同时,它能剔除更多的误匹配,并保留更多的正确匹配,从而提高匹配正确率。

合成孔径声呐时延估计误差校正改进算法

由相位解缠错误造成的时延估计误差会严重降低合成孔径声呐时延估计的精度。现有的时延估计误差校正算法采用二次函数作为时延的拟合模型,该模型在距离向近端和远端处不符合时延空变规律,拟合误差较大且无法估计载体的横荡和升沉运动。针对该问题,文章提出一种改进的时延估计误差校正算法,利用时延的距离空变函数代替二次函数作为拟合模型。数值仿真和实验结果表明,相较于参考算法,改进算法校正时延估计误差的效果更好、速度更快,同时还能准确地估计载体的横荡和升沉运动。运动补偿结果显示了改进算法能较好地提升成像质量。

基于AGAST-BRIEF的图像匹配融合算法

针对传统算法AGAST在图像处于复杂场景条件下进行图像检测时,造成图像匹配结果精度低和实时性差等问题,提出一种基于AGAST-BRIEF的图像匹配融合算法。首先,利用高斯滤波对图像进行预处理,实现去除图像噪声干扰,保留图像边缘信息的效果,通过AGAST与尺度空间理论相结合进行特征提取;然后,使用BRIEF描述子对图像中的关键点进行描述,提高特征匹配效率;最后,采用FLANN算法得到初次匹配对,使用GMS与改进的RANSAC算法对初次匹配结果进行二次筛选,得到图像特征精匹配。实验结果表明:所提算法相较于SIFT、AKAZE、KAZE算法匹配准确率提高,匹配运行时间最短,具有良好的鲁棒性。

基于随机抽样与特征值法的点云平面稳健拟合方法

针对点云数据含有异常值且传统拟合方法拟合结果不理想的情况,本文提出一种随机抽样与特征值法相结合的稳健点云平面拟合方法。首先利用随机抽样一致性算法按照设定阈值将异常值划分为局外点,不断迭代剔除局外点,保留含有局内点最多的点云数据,然后利用特征值法对该点云数据进行平面拟合。本文设计实验,针对含有不同异常值的点云数据,分别利用特征值法、最小二乘法与本文方法对包含异常值的点云数据进行平面拟合计算,结果表明,本文所提方法在点云数据含有50%异常值的情况下,仍可得到更可靠的平面参数估值,具有较强的稳健性。

一种区间限定预检测的误配点剔除算法

在图像拼接中,误配点剔除是关键的一步.为了提高误匹配点的剔除效率,提出了一种快速的误配点剔除算法.算法针对图像序列特点,在随机抽样一致算法的基础上,首先对匹配点进行排序,采用分段随机法选点以及建立变换矩阵;其次运用区间限定的预检测模型,对通过检测的变换矩阵进行全局检验得到内点集;最后使用最小二乘法修正变换矩阵.与传统算法相比,该算法具有更低的时间复杂度、更高的计算精度和更好的稳定性,在数据质量较差情况下效果更加明显.

一种无需基础矩阵的鲁棒性极线校正算法

立体视觉校正也称为极线校正,它的目的是使得立体图像的对应极线平行于水平方向,消除垂直方向上的视差,从而使得在立体匹配过程中可以更为快速准确地寻找对应点。在传统的投影校正算法的基础上提出了一种鲁棒性校正算法,直接通过原始匹配点计算投影变换矩阵,利用遗传算法良好的全局搜索能力和Levenberg-M arquardt算法稳定快速的局部搜索功能进行分步优化计算,同时本算法采用了随机抽样一致算法(RANSAC)鲁棒估计思想,避免了由于对应点噪声引起的误差。此外,还针对两个平行放置的摄像机之间具有较小运动的情况,提出了一种鲁棒的优化函数。实验结果说明,该算法是一种有效的极线校正方法。

基于ORB-SLAM2系统的快速误匹配剔除算法与地图构建

针对ORB-SLAM2系统中随机抽样一致(RANSAC)算法在误匹配剔除时因其算法本身的随机性而导致效率较低的问题和在ORB-SLAM2系统里未能构建稠密点云地图的问题,采用渐进一致采样(PROSAC)算法来改进ORB-SLAM2系统中的误匹配剔除,并在系统中添加稠密点云地图和八叉树地图构建线程。首先,与RANSAC算法相比,PROSAC算法依据评价函数对特征点进行预排序,并选取评价质量较高的特征点求解单应性矩阵,根据单应性矩阵的解与匹配误差阈值进行误匹配剔除;然后,根据ORB-SLAM2系统进行相机的位姿估计与重定位;最后,根据所选关键帧进行稠密点云地图与八叉树地图的构建。根据TUM数据集上的实验结果,PROSAC算法在进行相同图像的误匹配剔除时所用时间是RANSAC算法的50%左右,并且所提系统的绝对轨迹误差与相对位姿误差与ORB-SLAM2系统基本一致,表现出良好的鲁棒性;另外,与稀疏点云地图相比,提出的新构建地图可以直接用于机器人的导航与路径规划。

利用双树复小波变换和SURF的图像配准算法

为了进一步提高图像配准的运算效率、匹配正确率及配准精度,提出了一种利用双树复小波变换和加速鲁棒特征(speeded up robust features,SURF)的图像配准算法。首先利用双树复小波变换将参考图像和待配准图像分解为低频部分和高频部分,选取其对应的低频部分作为SURF算法的输入图像,得到两者的粗匹配结果;然后通过随机抽样一致(random sample consensus,RANSAC)算法对粗匹配点对进行提纯,剔除误匹配点对,解决了SURF算法存在较多错误匹配点对的问题,同时计算出最佳匹配的变换模型参数;最后根据该变换模型参数对待配准图像进行几何变换,经双线性插值确定灰度,完成图像的配准。大量实验结果表明,与尺度不变特征变换(scale invariant feature transform,SIFT)算法和SURF算法相比,所提算法的运算速度更快,匹配正确率和配准精度更高,同时在抗噪声、抗旋转及抗亮度变化性能方面更加优越。

改进的SURF特征提取与匹配算法

针对SURF图像匹配算法在求取特征点主方向阶段太过依赖局部区域像素梯度方向,造成找到的主方向不准确、误匹配率高的问题,提出一种改进的SURF匹配算法。首先,利用SURF提取出特征点的64维特征向量并构建描述子;然后,采用距离匹配测度和余弦相似度匹配测度相结合的方法进行特征点匹配;最后,使用改进的随机抽样一致算法,进一步提高匹配正确率。实验结果表明:图像在一定程度的旋转、缩放、模糊、光照和视角变化情况下,改进算法匹配正确率在94%以上。

改进线性拟合的调制信号载波频率估计算法

为提高基于线性拟合的频率估计算法的抗噪性,根据调制信号的时域特征,在基于最小二乘法的基础上,研究了将随机抽样一致(RANSAC)算法用于载波频率估计。利用RANSAC算法进行直线拟合,来完成调制信号载波频率估计中的参数拟合。以具有单一载波的数字调制方式振幅键控(ASK)和移相键控(PSK)得到的调制信号为研究对象,在Matlab环境下进行仿真实验,结果表明:与基于最小二乘法的方法相比,所提出的载波频率估计方法的误差率明显降低,同时具有较好的抗噪性。

基于改进RANSAC算法的图像拼接方法

文章提出了一种基于改进RANSAC算法的图像拼接方法。在提取图像的SIFT特征点后,根据阈值法对特征点进行初始匹配,然后采用改进的RANSAC算法对初始匹配对筛选,再计算图像间单应性矩阵,最后使用加权平均的融合方法实现图像的无缝拼接。实验结果表明,改进后的RANSAC算法进一步提纯了匹配对,使得图像拼接获得了高质量的效果。