特征点法与光流跟踪融合的视觉里程计算法

针对视觉里程计中特征点法因计算量大而导致实时效果不好的问题,提出了一种特征点法与光流跟踪融合的算法。首先,通过度量运动大小的视差阈值和地图点的跟踪衰减系数作为筛选策略选取关键帧;其次,仅对关键帧中的特征点计算描述符,而对于非关键帧中的特征点则是通过基于图像金字塔的稀疏光流法建立起关键点间的对应关系,从而降低计算量;最后,通过最小化重投影误差得到当前帧的位姿估计。通过实验测试证明,该算法的定位精度与ORBSLAM2相当,但运行速度可提高70%以上,实时性明显优于ORBSLAM2算法。

基于点对特征和局部参考系的六维位姿估计算法

针对大量物件分拣工作中单目视觉无法精确估计目标位姿从而无法完成随机堆叠工件分拣的问题,以点对特征为基础,提出了基于点云的目标识别和位姿估计算法的改进算法.模型训练阶段,使用改进的下采样方法,保留更多有区分性的点对,构建局部参考系作为补充特征;在线匹配阶段,以距离作为投票权重,并利用匹配点对的局部参考系相似度验证候选位姿;最后通过模型与场景的重叠率筛选未遮挡的多实例目标作为可抓取目标候选.结果表明:在方差为3%,5%倍模型尺寸的高斯噪声下,目标识别率分别可达97%,78%;所有试验的识别耗时均在1 s以内,满足实际需求.

基于视觉的无人飞艇地面目标检测

针对无人飞艇地面目标检测中细节信息缺失的问题,提出一种静态目标和运动目标的检测方法。利用Lucas-Kanade方法跟踪目标区域内特征点,从而实现静态目标的连续检测。通过图像特征点的跟踪估计相邻帧图像间的全局运动,进而对图像进行运动补偿,利用补偿后的帧差图实现运动目标的检测。采用上海交通大学"致远一号"无人飞艇采集的实际视频数据进行实验与分析,结果验证了该方法的有效性。

机动车辆辅助驾驶动态障碍物检测方法

针对背景复杂多变和摄像机的随车运动对机动车辆辅助驾驶系统动态目标检测算法提出的鲁棒性和实时性要求,提出了一种基于快速全局背景运动补偿和改进三帧差分法的快速目标检测算法,基于影像金字塔两步法估计改进SIFT方法,实现快速全局背景运动补偿参数估计,在三帧差分图像上,通过改进假设检验及边缘检测与目标区域相"与"最终实现动态目标的准确检测。实验表明,算法极大地提高了特征配准和动目标检测速度,提高了全局运动补偿参数估计和目标检测的精确性,满足系统的实时性要求。

基于三维镜框建模的眼镜虚拟试戴系统

在虚拟试戴系统中,虚拟眼镜需要精确地叠加到人脸图像上,这决定了虚拟试戴系统的体验感,其中的关键技术在于构建真实的眼镜模型以及快速准确地估计图像中人脸的三维空间姿态。针对该要求,文中提出了将三维镜框建模与基于人脸特征检测的头部空间姿态估计相结合的虚拟试戴技术,并实现了一个虚拟试戴系统。首先采用ERT级联回归定位人脸图像面部特征点;然后通过VTK可视化工具构建三维镜框,根据人脸特征点的信息和头部的旋转信息将处理后的镜框图像准确融合到人脸图像上;最后使用AFLW人脸数据库检验姿态估计的精确度。结果表明,该算法精度高、速度快,其在大角度、背景干扰物较多、光线条件差等复杂情况下仍能快速准确地实现三维多角度虚拟试戴,效果自然逼真,基本满足虚拟试戴技术的要求。

基于改进SIFT算子的动态障碍物检测方法

针对行车辅助驾驶系统在进行动态障碍物检测时遇到的背景复杂和实时性要求,提出了一种基于快速鲁棒的动态目标假设检测算法,算法首先采用相邻帧间特征点位置估计改进SIFT匹配算子,实现全局背景运动补偿参数快速估计,然后利用三帧差分法对图像处理后,通过改进背景方差估计,改善传统假设检验方法对图像边缘目标漏检的问题,进一步提高动态目标检测的准确性。实验表明,算法不仅保持了SIFT算子的优越性能,提高了参数估计精确性,而且极大地提高了特征配准和检测速度,满足系统的实时性要求。