基于序列最小优化的SIFT特征提取与匹配算法

SIFT是特征提取与匹配技术中的一种有效的方法,具有较好的稳定性,以及旋转和尺度不变特性。但是SIFT特征提取与匹配的维数较高,且存在较大的误匹配率,影响双目立体视觉SLAM的实时性和准确率。为此,提出SMO-SIFT算法,对原SIFT进行欧氏距离比值的阈值选取进行粗匹配,再结合支持向量机的SMO算法,改进SIFT算法中的特征匹配算子。MATLAB仿真表明SMO-SIFT算法降低了算法的维数,改善了特征提取的实时性,同时提高了算法精确度,比较适合应用于双目立体视觉SLAM中。

改进的GPU-SIFT特征提取与匹配算法

针对SIFT算法得到的特征点数目太大、算法复杂耗时的问题,提出一种改进的SIFT特征提取与匹配算法并在GPU上进行了加速处理。通过分析算法的并行性,充分利用GPU多线程和存储器的优势对SIFT算法进行优化。在关键点精确定位过程中增加了第二次筛选,有效减少了特征点数量。发挥圆形具有旋转不变的优势,减少了算法的步骤同时描述符降到了64维。实验结果表明,该算法在保证匹配准确度的同时速度随图像复杂度的增强而提升,处理1600×1200图像时加速比可达2.3倍,提高了算法在实际应用中的实时性。

基于特征提取与匹配的带钢缺陷检测

为了提高工件缺陷检测准确性,本文以工件缺陷区域特征为基础,提出了一种新的工件缺陷检测方法。首先对带钢缺陷图像进行小波多层分解,选择低频系数图像和高频系数图像进行重构,从而有效地抑制了背景纹理信息;其次,通过分割和滤波对重构图像进行特征提取,得到带钢的缺陷特征图像;最后,通过对带钢缺陷特征图进行SURF特征提取与目标图像匹配,得到缺陷的具体位置。实验结果表明,用该算法进行表面缺陷识别,可获得较高的识别率,具有一定的通用性。

基于视觉与惯性组合信息的图像特征提取与匹配

在采用视觉与惯性组合方式进行导航定位时,针对序列图像帧特征提取与匹配过程中存在误匹配及剔除算法耗时长的问题,提出基于两点RANSAC算法的误匹配剔除改进算法。首先采用交叉验证法进行粗剔除以保证特征点匹配的唯一性,并降低外点比例获得粗匹配结果;然后结合惯性传感器中的陀螺仪信息,使用两点RANSAC算法进行精剔除;最后运用精剔除获得的匹配结果重新估计本质矩阵,获得满足该本质矩阵的内点集。实验结果表明:与传统RANSAC算法相比,该算法能获得更好的匹配结果,耗时只有传统RANSAC算法的1/10。

人体手背静脉血管图像增强与特征匹配

为提高手背静脉血管图像识别的准确性和改善图像采集的灵活性,提出了一种新的手背静脉图像识别算法。使用自适应直方图均衡法增强背景和静脉纹理图像的总体对比度和局部细节,使用分水岭算法得到静脉纹理图像的单像素级图像,最后采用纹理相似性原理进行特征匹配和识别。试验结果证明,该算法在图像采集位置灵活变动情况下的错误接受率为0%,错误拒绝率4.6%,利用此算法进行手背静脉血管图像识别是可行的,具有良好的应用前景。

基于IA-FAIF的纹样提取与匹配方法研究

针对大视角变化下复杂纹样提取与匹配准确性和快速性难以兼顾的问题,本文提出了基于改进AKAZE-FREAK仿射不变特征(Improved AKAZE-FREAK Affine Invariant Freature, IA-FAIF)的纹样提取与匹配方法。该方法将纹样构图复杂、形态多样且具有视角变化的清代龙袍纹样作为待匹配图像,首先对拍摄视角变化造成的经度角和纬度角进行模拟,得到一系列模拟后的图像;其次在模拟后的图像中进行IA-FAIF检测与描述;最后对得到的描述符进行粗匹配和精确匹配,实现清代龙袍纹样的特征提取与匹配。本文提出的方法对大视角变化下的纹样提取具有准确率高和快速性好的优点。

融合全景SLAM与目标识别的无人机自主飞行技术

无人机自主飞行可以使无人机更好地应对复杂的环境和任务,降低操作成本和飞行风险,对环境做出及时响应,实现更高效、安全、广泛的应用,在民用和军事领域都能发挥重要作用,为多个领域赋能。全景相机具有360°的全方位视角,获取的环境信息更加完善,相较于单目相机更有优势。为了实现无人机的自主飞行,基于全景相机进行同时定位与建图,利用SPHORB算子进行特征提取和匹配,从而获取无人机的位姿数据的同时对周围环境建图,获取环境信息。利用YOLOv5算法进行目标识别,获取目标地物在相机坐标系中位置,为无人机自主靠近/远离目标提供信息基础,使无人机具备更加强大的环境感知能力,有利于无人机避障飞行,更好地规划飞行路径,实现自主飞行。

改进ORB-SLAM在嵌入式系统中实现

针对飞行载体的实时ORB-SLAM实现问题,提出一种在嵌入式系统实现的改进ORB(oriented FAST and rotated BRIEF)单目视觉里程计算法。算法首先对输入图像进行灰度化、高斯滤波预处理实现简化运算和图像去噪,考虑到算法移植及在嵌入式系统实现,将图像预处理和ORB图像特征提取与匹配等功能封装为IP(intellectual property)核,布置到硬件系统中,提高特征提取与匹配的速度和正确率,保证位姿估计实时性。搭建ZYNQ嵌入式系统,开展对比实验,实验结果表明:改进后的算法特征点匹配率提高了3.78倍,特征提取与匹配的耗时缩短为原来的1/8,处理图像的帧率可以达到19 fps,满足实时性要求。

基于CUDA的尺度不变特征变换快速算法

针对尺度不变特征变换(SIFT)算法耗时多限制其应用范围的缺点,提出一种基于统一计算设备架构(CUDA)的尺度不变特征变换快速算法,分析其并行特性,在图像处理单元(GPU)的线程和内存模型方面对算法进行优化。实验证明,相对于CPU,算法速度提升了30～50倍,对640×480图像的处理速度达到每秒24帧,满足实时应用的需求。

结合自适应关键帧策略与运动信息的特征匹配方法

针对视觉惯性导航系统在高动态场景下由于快速运动、成像模糊等导致特征匹配精度低的问题,提出一种结合自适应关键帧策略与运动信息的特征匹配方法。首先,基于时间、惯性运动、成像清晰度及视差4项因子构建关键帧的更新判据,提出一种自适应关键帧策略,以提升关键帧的选取质量。其次,根据惯性运动信息,通过对图像进行几何变换实现相邻关键帧图像之间的共视区域匹配,旨在增强共视区域特征的可检测性。然后,采用改进的Oriented FAST and Rotated BRIEF(ORB)特征方法进行特征点的提取与匹配,以提高视觉特征点的匹配精度。最后,在公开数据集EuRoC上对所提方法进行测试。实验结果表明,所提特征匹配方法具有较好的精度与鲁棒性,在光照变化、成像模糊等动态场景具有较好的实用价值。

一种基于光流-线特征的单目视觉-惯性SLAM算法

以实现机器人导航系统的高精度实时定位为目标,针对弱纹理环境下视觉SLAM运行不稳定、累积误差大,以及快速运行时算法失锁等问题,提出一种基于光流-线特征的单目视觉-惯性SLAM算法(PL-VINS)。参考开源的VINS-Mono系统架构,通过视觉-惯性联合初始化估计PL-VINS初始时刻的状态,为后端线程提供良好的初始值。在此基础上,整合回环检测误差、惯性误差及点线视觉重投影误差,构建目标优化函数,并利用滑动窗口双向边缘化策略,实现回环检测与重定位。采用通用开源数据集EuRoc评估PL-VINS性能并与VINS-Mono做对比,实验表明,在某些特定的场景下,PL-VINS的导航定位精度上要高于VINS-Mono,且增强了VINS在弱纹理环境下的适应性,为短时快速、非理想光照场景下的视觉SLAM设计提供了重要的模型参考。

一种无人机滑坡遥感影像的快速匹配算法

由于传统匹配方法主要基于高斯线性空间进行,所得细节与噪声程度相似,不能有效保留滑坡的边缘信息,因此影响滑坡定位的准确性和时效性。针对上述问题,设计了一种基于AKAZE特征和二进制稳健不变特征(BRISK)算法的无人机滑坡遥感影像的快速匹配算法,克服了传统特征提取与匹配方法的不足。利用AKAZE算法进行关键点探测,然后使用快速最近邻搜索库(FLANN)对关键点进行匹配,最后利用Ratio方法和单应性估计法剔除误匹配,提高关键点匹配质量。通过无人机滑坡遥感影像匹配试验,结果表明:同等条件下新算法耗时仅为传统算法的12%~48%,匹配率较传统算法增加了10%~40%,不仅能够准确地完成同名点的匹配,还提高了运行效率,为滑坡灾害的有效管理以及相关部门进行应急救援提供一定的技术支撑。

二进制特征图像算法性能分析

为研究几种常用二进制特征提取算法的实时性及复杂环境下的鲁棒性,对ORB、SIFT、SURF、BRISK四种基于二进制特征的主流算法,使用Euroc数据集和真实场景图像对进行匹配和统计,对比分析其实时性。选用Mikolajczyk数据集,在图像旋转变换、模糊变换、光照变换、视角变换场景下对算法的鲁棒性进行比较。采用的评价指标为算法耗时和特征匹配数目。实验结果表明,ORB能够在达到足够匹配图像对的同时运行时间在24.6ms以内;SURF在模糊变换、光照变换、视角变换场景下,当环境变化量达到最大时匹配数不低于123对;ORB、BRISK算法在光照变化情况下能获取足够的匹配对数。在实时性方面,ORB算法在满足足够匹配数情况下运行速度最快,实时性最高;SURF在模糊变换、光照变换、视角变换场景下有良好的鲁棒性,SURF算法鲁棒性最强。

基于运动预测的改进ORB-SLAM算法

针对不同运动场景下以固定的点特征提取与匹配策略的ORB-SLAM算法存在系统跟踪定位误差较大的问题,考虑相机自身运动对视觉SLAM系统的影响,提出基于运动预测的改进ORB-SLAM算法.该方法利用上一帧的点特征利用率和匀速运动模型,预测出相邻2帧之间的共视范围,实时动态调整不同运动状态下的点特征提取阈值,在保证系统稳定性的情况下,提高系统的准确性.提出基于运动预测的点特征匹配优化策略,基于匀速运动模型快速确定出共视范围内的有效待匹配点,结合图像金字塔缩小匹配搜索范围,减少大量的无效匹配过程.在TUM数据集上进行对比实验,结果表明,提出的算法不仅实时性好,而且提高了系统的精度.

基于改进ORB-SLAM2的单目视觉算法

【目的】视觉SLAM算法受光照强弱或低纹理等场景的影响,导致产生特征提取鲁棒性差、位姿计算精度低等问题,为解决上述问题展开针对性研究。【方法】研究团队提出基于改进ORB-SLAM2的SuperPoint-SLAM算法模型,将ORBSLAM中的特征匹配模块替换成基于SuperPoint网络的特征匹配,并据此进行特征跟踪、局部建图、关键帧识别、回环检测、位姿估计。将改进后SLAM算法与ORB-SLAM2算法分别在freiburg3_sitting_xyz与freiburg3_walking_xyz_validation两个数据集进行训练验证。【结果】SuperPoint-SLAM算法在动态环境中具有比ORB-SLAM2更高的定位精度,在特征点提取数量上提升近50%,轨迹误差减少0.008 m,而且在强弱光照条件下,基于SuperPoint网络的单目SLAM相较ORB-SLAM2有更强的鲁棒性。【结论】研究团队将利用Kinect2.0,基于SuperPoint与ORB-SLAM2,进一步进行稠密地图构建,实现机器人导航。

基于双目立体视觉的集装箱卡车定位方法研究

针对目前存在的集装箱卡车(以下简称集卡)定位方法无法有效地解决集卡准确定位以及箱距计算等问题,提出一种基于计算机视觉的集卡定位系统方案。实验表明,该方案能提供准确、及时的集卡定位引导信息,能够极大提高集装箱的装卸效率。

基于立体视觉的线迹质量自动检测方法

针对目前各种缝纫线迹质量检测全部依赖人工目视检测和逐针检查,导致工作量巨大,且容易由于视觉的疲劳造成漏检或误检的问题,以降落伞缝纫线迹为例,提出一种基于立体视觉的线迹质量自动检测方法.首先对立体摄像机进行标定,获取立体摄像机的内参数和相对位置姿态;然后对立体影像进行图像分类、线迹目标稳健提取、同名特征匹配等一系列处理;最后结合立体摄像机标定结果计算缝纫线迹上针脚点的三维空间坐标,实现缝纫线迹属性参数的计算和质量评定.利用多组降落伞缝纫线迹数据进行实验的结果表明,采用文中方法检测的线迹密度误差在±0.2针以内,均匀度基本相同,完全能够满足缝纫线迹检测精度要求,从而验证了该方法的可行性和有效性.

排球扣球动作的三维手势重建系统设计

针对传统排球扣球动作手势重建系统的噪声干扰大、重建精确度偏低及成本较高问题,提出一种基于立体视觉的排球扣球动作三维手势重建系统设计方法,首先通过传感器或摄像机等设备获取排球扣球动作二维手势图像,并对其进行平滑去噪;然后采用基于2D平面标靶的标定原理,建立摄像机成像的排球扣球动作三维手势图像几何模型并获得其参数;最后利用双目立体视觉算法实现对排球扣球动作三维手势图像的特征提取与匹配,完成三维手势重建。实验结果分析证明,所提方法可以提高排球扣球动作三维手势重建效率,提高重建精确度,降低噪声影响,具有更加广泛的使用价值。

基于视觉传达的多帧视频图像邻域跟踪仿真

在处理复杂多帧视频图像时,传统的基于SURF特征的图像邻域跟踪方法暴露出目标邻域精度不高、边界不够平滑且无法满足实时处理要求的情况.针对上述情况提出了一种基于视觉传达的多帧视频图像邻域跟踪方法.方法首先通过选取适当的叠加尺度,将邻域特征描述的向量与适当的叠加尺度进行完全叠加,完成去除冗余特征点和离散点处理,再对叠加区域中出现的目标给予权值,最后将权值与显著性加权最小二乘图像匹配方法结合完成多帧视频图像的邻域跟踪.实验表明:提出的方法不仅可以提高多帧视频图像的特征提取与匹配的精准率,而且降低了在匹配过程中出现的噪声问题,证明了上述方法相对于现有的邻域跟踪方法有很大的优越性,为下一步的多帧视频图像领域跟踪提供了精确的方法.

基于区域的图像检索算法

本论文主要针对现在日益增长的多媒体信息检索需求,以及目前国内外现有的基于区域的图像检索算法的局限性,深入地探讨了基于区域的图像检索的通用技术问题,提出了解决方案,着重于新的图像特征描述方法,相似度检测、特征提取与快速检索算法等方面的研究,构建了一个基于区域的图像检索通用模型,通过大量实验,验证了方案的合理性。