应用改进LK算法求解固定货架拣选优化问题

针对自动化立体仓库中固定货架拣选作业要求速度快、效率高的特点,分析和研究了一种新型改进Lin Kernighan(LK)算法,并将其应用于固定货架拣选优化问题。仿真实验结果表明,该算法能够大大降低时间和空间的计算复杂度,快速、稳定地找出最优解,满足了多次作业时待拣选货物数目在较大范围内变动的要求,尤其是满足了中大规模作业的要求。

考虑非对称情形的一类拣选问题的改进LK算法求解

分析并推证出单巷道固定货架的拣选优化问题可归结于对称或非对称旅行售货商问题 ,研究了一种新型的改进Lin Kernighan (LK)算法 ,并将其应用于固定货架的货物拣选优化过程中。实验仿真结果表明 ,用该算法能降低固定货架对称和非对称拣选优化时间和空间计算的复杂度 ,快速、稳定地找出最优解 。

基于K均值聚类和LK算法的应急物资调度

突发性事件中应急物资调度方案最优化问题是典型的车辆路径规划(VRP)问题。对于大规模的VRP问题求解,经典的启发式算法易陷入局部最优,难以得到高质量的调度方案。针对这一问题,提出了一种基于K均值聚类和LK算法的调度方法。该方法采用K均值聚类方法将需求节点分成n个子集合,对聚类结果进行修正后分配给n辆运输车辆,采用LK算法对每辆运输车辆的运输路径进行优化。仿真实验结果表明,方法获得了较好的调度方案,而且单个运输车辆服务的需求节点个数越多,方法的优势越明显。

基于LK光流和网格运动统计的图像匹配改进算法

针对AKAZE算法在玻璃封装电连接器图像匹配中准确率低及耗时长的问题,文中提出了基于LK光流和网格运动统计的图像匹配改进算法。首先采用AKAZE算法提取玻璃封装电连接器特征点,运用M-LDB描述子进行特征描述。然后利用LK光流法计算匹配区域进行条件约束,从而得到匹配点,并通过FLANN算法进行特征匹配。最后将玻璃封装电连接器图像划分为多个网格,计算FLANN匹配好的特征点邻域的正确匹配个数和阈值并剔除误匹配点。文中实验采用公开数据集和玻璃封装电连接器数据,从实时性和准确性两方面对算法性能进行验证分析。结果表明,改进的算法在处理模糊、亮度及旋转变化的玻璃封装电连接器图像对时,其匹配准确率均达到93%以上,耗时为0.4 s内,证明了算法的有效性。

基于LK光流跟踪法的有效目标点增强跟踪

为了提高基于几何形态的物体跟踪方法的准确率,详细分析了基于几何形态的物体跟踪方法下目标点的正确性,并根据分析的结果 ,在对目标物体采样时选取更容易被跟踪到的目标点,对于跟踪的结果 ,排除由于背景影响产生的无效目标点,从增强有效点和排除无效点这两方面入手,提出了基于LK光流法的有效点增强跟踪算法。实验证明,提出的算法能够更加有效地跟踪物体,尤其是当目标快速运动或者发生形变时,能够有效地减少跟踪目标的中心错误率。

一种基于改进FAST角点检测的LK光流算法

针对传统LK光流法无法有效跟踪快速移动的目标,跟踪时存在特征点选取实时性和准确性不足的问题,提出一种结合改进FAST角点检测的LK光流算法。应用改进后的FAST角点检测提取出的角点作为候选特征点,通过设定筛选方案从中选取具有较高对比度的特征点作为目标特征点,结合图像金字塔分层,最终使用LK光流法对其进行跟踪。改进FAST角点检测能够更快速地提取出最强的灰度变化角点,使得子像素计算准确性得以提高并且减少了提取特征点的时间。引入图像分层缩放源图像,能够使算法稳定跟踪快速运动的目标。实验结果从运动目标检测所需时间、特征点的数量、每秒处理的视频帧数以及x轴和y轴方向运动误差等方面进行分析比较,证明所提出的改进算法运行速度快,能够快速且准确地跟踪动态目标。

基于语义分割和光流加速的动态场景ORB-SLAM算法

针对同步定位与地图建立(simultaneous localization and mapping,SLAM)算法在动态环境下存在位姿估计和地图构建误差较大的问题,提出一种光流语义分割方法用于增加动态场景下的可运行性。将ORB-SLAM2系统与YOLOv5模型结合,对传入图像提取特征点的同时将YOLOv5网络模型语义分割后的物体分为高、中、低动态物体。利用运动一致性检测算法,对三种检测物体动态阈值判断,辨别其是否需要剔除特征点,增加ORB-SLAM2算法在动态环境下的运行精度。为加快系统运行速度,用LK光流法加快普通帧与普通帧之间的匹配,其原理为使用LK光流匹配特征点代替ORB特征点匹配,大大的缩小运行时间,同时运行误差变化不大。实验在TUM数据集下测试,平均每一帧提取2000个特征点,在增加LK光流后缩短0.01 s以上,若在900帧数据集下,可缩短9 s.其绝对轨迹误差对比于ORB-SLAM2和DS-SLAM平均提升在95%与30%以上,证明了算法在动态场景下良好的运行精度与鲁棒性。

LK光流法和三帧差分法的运动目标检测算法

三帧差分法是目前较为常见的运动目标检测算法之一。它的执行速度较快,但是它会存在各种干扰以及易受到环境噪声的影响,而且容易在检测到的运动目标内部产生较大的空洞,以致影响到最后的检测效果。针对这些问题,将Lucas-Kanade光流法与三帧差分法进行结合。利用Lucas-Kanade光流法计算得到运动目标的大致矩形区域。在确定的区域内外通过选取不同的阈值利用三帧差分算法提取运动目标,构成一种分级阈值的三帧差分法。并且利用前面光流法计算得到的角点来完善目标轮廓。这样将传统三帧差分算法的阈值分割转换成阈值分割与区域分割相结合的模式。试验结果表明,该改进算法具有良好的抗噪性,能够得到比原算法更好的检测效果。

基于金字塔LK算法的运动目标的检测

在由摄像机采集所形成的图像数据库中,如何让机器人可以检测出在这些图像数据库中存在的运动物体,以便减小对机器人定位的误差,是一个必须解决的问题。针对这个问题,提出了一种新的基于金字塔LK算法的运动物体检测的方法。金字塔LK算法弥补了传统的光流算法的不足,在大运动的情况下,仍然能够得到准确的结果。结合OPENCV,对运动的目标完成运动检测。实验结果证明,基于金字塔LK的算法可以检测出图像数据库中存在的运动物体,并且可以辨别出运动趋势。

一种四旋翼无人机定位的改进LK光流算法

在无人机迅猛发展的今天,无人机的室内定位仍然是个难题,集中出现精度不高、不稳定、过长的延时等问题。提前布置室内环境提供定位信息方案成本高,且不符合经济效益。针对四旋翼无人机,提出一种改进后的LK光流算法,采用Shi-Tomasi角点检测算法、双线性插值法,提高无人机定位精度和稳定性。并将该算法在载机上实现。研究表明:改进后的LK光流法室内定位精度高,稳定性好;无人机在稳定光照条件下能进行定点飞行;定点精度为半径30 cm的圆形。

基于四旋翼飞行器的改进金字塔LK光流算法的研究

针对四旋翼飞行器在飞行过程的水平漂移问题,提出利用改进的金字塔LK光流算法予以改善。首先,通过Visual Studio2013仿真,确知改进的金字塔LK光流算法比传统金字塔LK光流算法对图像的速度信息提取精度更高。然后,再建立四旋翼飞行器的动力学模型,将两种光流算法导入MATLAB的仿真模型中,得出:四旋翼飞行器能有效根据改进的金字塔LK光流算法获得速度信息以降低水平漂移。最后,通过在轴距为430 mm的四旋翼飞行器的平台上进行飞行试验,结果表明:采用改进的金字塔LK光流算法能使四旋翼飞行器的水平漂移程度降低,可实现较为稳定的悬停。

基于改进LK光流的四旋翼无人机悬停技术研究

随着无人机应用场景的不断拓展,在GPS信号不可靠时仍能精确定位是无人机发展要解决的难题。以四旋翼无人机为研究对象,针对传统LK光流法在实际应用中存在定位精度不高的缺点,采用一种用于精确估计的改进LK光流法。该方法针对光流传感器的有限运算能力,采用Shi-Tomasi角点检测算法和双线性差值法提高无人机定位精度和稳定性;在光流计算时,通过建立光流金字塔解决无人机运动产生的大位移问题,并对计算产生的FB误差进行补偿,提高计算精确度;利用无人机硬件平台在室内进行实际飞行验证。结果表明:这种改进的LK光流法定位精度高,在稳定光照条件下能进行精确定位悬停飞行,其定点精度大约为半径40 cm的圆形。

基于改进SBR算法的人脸特征点稳定检测

基于图像的特征点检测器在静态图像上取得了卓越的性能,然而这些方法应用于视频或序列图像时其精度和稳定性显著降低。配准监督(Supervision-by-Registration,SBR)算法利用光流算法(Lucas-Kanade,LK)追踪,可通过无标注视频训练针对视频的特征点检测器,已取得较好的结果,但LK算法仍存在一定局限性,导致检测的特征点序列在时空上的连贯性不强。为获得精准、稳定、连贯的人脸特征点序列检测效果,提出了平滑一致性损失函数、权重掩码函数对传统SBR网络模型进行改进。网络中添加长短期记忆网络(Long Short-Term Memory,LSTM)提高模型训练鲁棒性,在模型训练中使用平滑一致性损失函数提供稳定性约束,获得准确且稳定的人脸视频特征点检测器。在300VW、Youtube Celebrities数据集上的验证显示,SBR改进模型将人脸视频特征点检测的标准化平均误差(Normalized Mean Error,NME)从4.74降低至4.56,且视觉上人脸特征点检测的抖动显著减少。

基于改进LK光流法的车流量检测

为了实现基于交通监控视频的车辆检测,提出了一种基于LK光流法与分水岭算法相结合的车辆检测方法,利用LK光流法生成车辆光流数据,对光流数据进行处理生成车辆前景图像,对前景中产生的车辆粘连的情况采用改进分水岭算法完成分割.实验结果表明,该方法一定程度上避免了LK光流法因车辆粘连而造成的误判断情况,较现有方法有所提升,有较好的识别效果.

结合光流法和卡尔曼滤波的视频稳像算法

针对手机拍摄过程中产生的视频抖动问题,提出了一种基于光流法和卡尔曼滤波的视频稳像算法。首先通过光流法预稳定抖动视频,对其生成的预稳定视频帧进行Shi-Tomasi角点检测,并采用LK算法跟踪角点,再利用RANSAC算法估计相邻帧间的仿射变换矩阵,由此计算得出原始相机路径;然后通过卡尔曼滤波器优化平滑相机路径,得到平滑相机路径;最后由原始相机路径与平滑路径的关系,计算相邻帧间的补偿矩阵,再利用补偿矩阵对视频帧逐一进行几何变换,由此得到稳定的视频输出。实验表明,该算法在处理6大类抖动视频时均有较好的效果,其中稳像后视频的PSNR值相比原始视频的PSNR值约提升了6.631 dB,视频帧间的结构相似性SSIM约提升了40%,平均曲率值约提升了8.3%。

基于四轴飞行器的单目视觉避障算法

针对四轴飞行器平台上单目视觉避障算法实时性不够,准确率不高的问题,提出了一种新的基于金字塔LK(Lucas-Kanade)光流与平移光流融合的单目视觉避障算法并给出了这一方法的数学推导过程。在配有320pixel×240pixel摄像头的ArduCopter四轴飞行器上开发和实现了该算法,并进行了多次飞行测试验证了算法的可行性与有效性。在飞行器自主飞行过程中,采用消失点进行导航,并结合神经网络PID对其进行飞行自适应控制。与单目即时定位与地图构建(SLAM)避障算法、Horn-Schunck光流避障算法以及图像分割避障算法比较了算法的实时性和准确性,结果显示:本算法具有实时性好和准确率高的优点,可以满足实际工程中四轴飞行器的实时避障要求。

求解TSP的混合遗传算法

介绍一种求解TSP的混合遗传算法,该算法结合了基于邻域的LK算法和采用Inver-Over算子的遗传算法,并在算法中增加一些控制策略,加快算法的收敛速度,又保证群体的多样性。实验表明该算法是有效的。

一种稀疏光流计算方法

光流是图像序列中像素点运动的瞬时速度，在许多计算机视觉任务中发挥着重要作用。因此，光流的计算一直是人们研究的热点。但是，大多数光流算法需要计算每个像素点的光流，算法耗时，难以满足实时性的要求，这大大阻碍了光流的应用。而且，在运动跟踪和机器人避障等具体任务中，计算全局光流场也是不必要的。基于此，本文提出一种稀疏光流计算方法，该方法首先用Shi-Tomasi角点检测算法寻找具有大特征值的角点，然后在寻找的角点处使用LK算法求得光流场。实验结果表明该算法不仅运行时间大大减少，而且光流的精确度也得到提高。

战场运动目标快速跟踪研究

针对现有的基于图像序列目标提取算法HS算法和LK算法过于复杂、运算量大等缺点,提出了快速微分光流法,并利用Matlab仿真实验验证了该技术的可行性。

基于鱼眼视频图像的人群运动估计算法

随着公共活动在规模和数量上的不断增长,人群危险事件的预防已成为人群监控安全领域的重要问题。本文针对常规相机在人群监控领域的局限性,使用鱼眼镜头对人群进行监控,提出了基于图像金字塔迭代的LK光流算法,得到人群运动的矢量,对人群运动的方向和速度等信息进行估计,便于提前预防危险事件的发生。通过对比实验验证,结果表明该算法与高精度的全搜索块匹配算法结实验结果接近,且耗时更少,适用于人群监控领域。