一种基于特征点跟踪的多影像匹配算法

在序列影像中,考虑到相邻帧影像的运动随时间变化比较缓慢,可以将光流法用于影像匹配过程中,提出了一种基于特征点跟踪的多影像匹配算法。通过光流法对特征点在帧间进行跟踪,结合匹配判别准则和FB Error算法实现相邻帧影像的快速准确匹配,利用多帧影像间的特征点跟踪实现多影像匹配。实验表明:该算法相比于传统的特征点匹配算法,提高了计算效率并保持了较好的匹配准确率。

基于改进的SIFT顺序尺度标志识别算法

设计一种由矩形和圆构成的合作标志;为克服动态环境下拍摄影像的旋转、平移、变形等问题,提出了一种改进的SIFT尺度信息提取方法,通过统计信息量,设定合适阈值去除误差点,根据均值对尺度信息排序,优化尺度信息;将优化后的特征量作为支持向量机(SVM)的输入,经过训练、预测,完成标志识别。与传统HU不变矩、仿射矩(AMI)相比,在清晰、加噪、遮挡等条件下,改进的SIFT尺度信息特征量都具有更高的识别精度。实验表明:利用SIFT顺序尺度进行目标识别的方法在准确性和鲁棒性方面能够满足要求,算法能较准确的进行标志识别。

基于黑白环扇圆盘的角点自动识别与排序

采用传统棋盘格进行相机标定时,标定模板旋转角度对角点排序带来较大的影响,针对此设计了一种黑白环扇圆盘标定模板,并提出了与该标定模板相应的角点识别和排序算法。新的标定模板设计中心圆为1/4缺口的黑色圆,以此来消除标定模板旋转给角点排序带来的影响。通过模板区域分割算法实现标定模板的提取;创建圆形检测器剔除Harris算法提取的伪角点;利用向量积和角点几何特性完成角点排序。实验结果表明:该标定模板及其角点识别与排序算法可以有效剔除伪角点,角点排序具有良好的旋转不变性,能够实现自动相机标定。

一种室内无标志动态目标视觉定位方法

提出了一种室内无标志动态目标的视觉定位方式,采用卡尔曼滤波估计动态目标图像坐标,并利用分区定位方式对多相机视场内的动态目标进行定位,根据观测到动态目标的相机数目将多相机视场范围区域划分为单目区域、双目区域和多目区域,对不同的区域采用不同的定位方式。仿真和真实实验表明,本文算法可以达到10 cm左右的定位精度,运行效率可以达到50 ms/帧。提出的无标志动态目标定位方法具有更高的鲁棒性,基本可以满足实时性要求且定位精度较高。

一种利用多个小标定板的多相机外参数标定方法

针对多相机系统标定中大标定板制作复杂、灵活性差的问题,提出了一种利用多个小标定板的标定方法。首先,利用张正友法标定各相机内参数;然后,利用全站仪测得小标定板的相对位置关系,将小标定板统一到同一坐标系下,整合为一个大标定板,分别计算各相机相对整合后标定板的位姿关系;最后统一坐标系得到多相机之间的外参数。此方法可同时用于多相机之间有重叠视场和无重叠视场的情况。仿真和真实实验表明,此方法具有较高的精度,且灵活性较好,适用于多种情况下的多相机外参数标定。