基于RANSAC的圆拟合算法在螺纹孔检测中的应用

在视觉检测过程中,针对多残缺、多噪声圆周的拟合精度不佳的问题,提出了一种基于RANSAC的圆拟合算法。首先对图像进行边缘检测,使用基于Scharr算子的Canny算法可获得高质量的边缘分布图;使用霍夫梯度法在边缘分布图中对目标圆弧进行粗定位,并提取包含目标圆弧的点集;提取到的点集中含有大量无关边缘像素点,使用RANSAC算法剔除点集中的异常数据,得到有效样本数据构成的待拟合圆周点集;最后采用LIN算法对待拟合圆周点集进行拟合,得出最终的拟合结果。算法在椒盐噪声和曲线噪声抗干扰实验中表现优异,有着较强的抗干扰能力。已经成功应用到了螺纹孔圆周的拟合,精度和实时性均可满足实际生产要求。

基于融合改进RANSAC光流法的无人机视觉SLAM研究

针对同时定位与建图(SLAM)中存在定位精度不足、匹配特征点误差累积和特征匹配时间较长,提出了一种融合改进RANSAC光流法的优化算法。该方法基于传统RANSAC算法,加入最小二乘法对模型进行迭代优化来估计最优模型,对光流法的误匹配点进行剔除,大量减少图像误匹配特征点;把融合改进后的RANSAC光流法与特征点通过卡尔曼滤波进行融合,最后使用改进后的算法在公开的EuRoC MAV数据集中进行SLAM定位精度实验。实验结果表明:该改进算法能够有效减小光流法特征匹配的误差,从而提高无人机视觉SLAM的定位精度。

一种基于Meanshift和RANSAC的车道识别方法

为满足车辆行驶时能对各种车道线(实线、虚线、直道、大弯道)准确识别,提出一种基于Meanshift原理和RANSAC(Random Sample Consensus)算法的车道识别方法;该方法首先利用改进的最大熵阈值分割方法和图像灰度概率密度特征对左右车道线目标进行初定位,动态地建立车道线ROI(Region of Interests),然后运用Meanshift算法对左右车道线进行精确定位,最后利用RANSAC算法对各搜索框中候选车道线的重心进行筛选,并采用最小二乘法对左右车道线进行拟合;实验结果表明,该方法可以识别各种车道线型,并具有较好的鲁棒性;车道检测平均时间为80ms/f,车道跟踪平均时间为40ms/f。

改进的RANSAC圆检测算法

为解决传统随机抽样一致性(random sampling consistency,RANSAC)圆检测算法中无目的抽样耗时较长,检测结果准确性和稳定性较差等问题,提出一种改进的RANSAC算法.该算法先滤去较短的图形边缘,仅留下较长的边缘进行抽样.当第一次取到候选圆时,该算法还借助候选圆进一步排除无效点,大大减少了所需抽样次数.然后,用最小二乘法对这些候选圆参数进一步优化、筛选,提高了最终结果的稳定性和准确性.实验表明,该算法速度快、准确性好,完全能满足实际检测的需要.

红外视频的SIFT-RANSAC稳像算法研究

针对红外热像仪在载体的非平稳运动中获得的视频信号存在帧间的非平稳抖动问题,本文提出了一种SIFT-RANSAC稳像方法,将图像匹配中的SIFT特征应用于红外视频的稳像处理中,并针对红外热像仪的成像特点,给出了一种基于RANSAC的方法估计运动参数,对运动参数的滤波得出无抖动的运动轨迹,再对每帧图像做运动补偿得到无抖动的视频。仿真结果表明,该方法有效地解决了特征点匹配过程中的误匹配问题,大幅度地提高了红外视频的稳像精度。

一种引入RANSAC算法的匹配点云规则化方法

针对影像匹配点云的大数据量和分布不规则化问题,本文提出了一种基于平均模型的RANSAC规则化方法。该方法首先对匹配点云进行格网化,然后以格网为基本单位,利用RANSAC方法重复随机抽取多个样本,根据高程平均模型和设定的判断条件得到最终一致集,最后基于该子集利用平均模型和最邻近原则完成该格网的规则化。对比实验证明,本文方法在保证数据精度的同时,大大提高了数据的简化度和可靠性。

融合RANSAC光流跟踪法和特征点匹配法的视觉里程计

为了解决光流跟踪法定位精度不足、误差累积和特征点匹配法耗时久的问题,设计了一种将随机抽样一致性(random sample consensus,RANSAC)光流跟踪法和改进的特征点匹配法结合的视觉里程计。利用RANSAC光流跟踪法对关键帧之间的小规模运动进行估计,RANSAC算法对光流跟踪的误匹配点进行剔除,大大降低了光流跟踪法存在的误匹配;而关键帧之间的运动估计则利用改进的特征点匹配法,以修正光流跟踪法的估计误差;最后利用卡尔曼滤波将RANSAC光流跟踪法和改进的特征点匹配法进行融合。实验结果表明:该文的算法能够克服光流跟踪法精度不足、误差累积的问题,将平均相对误差由15.5%提升到了2.6%;同时也能在一定程度上提高特征点匹配法的速度,将特征点匹配法的平均耗费时间由37.28 ms提升到了21.07 ms。

结合RANSAC的SIFT算法在交通视频检测中的稳像技术研究

交通视频监控摄像头在大风条件下存在抖动问题,给后续的视频分析带来了困难。针对这一问题,文中首先介绍了3种相关方法:RANSAC、SIFT和最小二乘法。并在此基础上提出了一个视频稳像算法,实验证明该方法能较好地解决路面上的摄像头画面抖动问题。

基于GC-RANSAC算法的单目视觉同时定位与地图构建

移动机器人单目视觉同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术在应用过程中会获取大量数据,针对其带来的异常值干扰问题,提出一种基于新提出的随机抽样一致性(Random Sample Consensus,RANSAC)算法改进的半直接单目视觉里程计(Semi-direct Monocular Visual Odometry,SVO)算法。算法分为两个线程:建图线程提取点特征与边缘特征,并采用了图割RANSAC(Graph-Cut RANSAC,GC-RANSAC)算法进行异常值剔除,通过计算特征点的深度值,来构建的环境特征地图;位姿估计线程通过最小化局部地图点和边缘线的重投影误差以及帧与帧、特征与特征之间的约束关系优化,得到位姿信息,实现定位功能。通过Euroc公开数据集上得到的仿真实验结果可见,该算法剔除异常值效果明显,平均定位精度相比SVO算法提高了15.6%。

基于Ransac模型的太极拳竞赛场地分割算法

本文提出一种基于Ransac模型的太极拳竞赛场地分割算法。首先根据像素的颜色以及该像素邻域内的颜色进行白点像素筛选。其次通过Ransac模型对全部筛选出的白点像素进行拟合,进而确定太极拳竞赛场地的边界像素。最后通过射线法分割出太极拳竞赛场地。

结合光流法和RANSAC的视觉里程计设计

针对提高服务型机器人室内定位精度的需求,设计了一种将RANSAC算法和光流法结合的双目视觉里程计.采用RANSAC算法对误匹配点对进行剔除的方法,大幅降低了光流法跟踪存在的误匹配,以保证匹配准确度.推导了双目深度测距原理基于前后帧的相机运动模型,并通过PNP算法对运动模型进行求解,最终得到相机即机器人的位姿变化.结果表明:设计的算法将定位的平移误差降低到0.95%,旋转误差降低到0.0045°/m,能够满足室内机器人的定位精度要求.

高效高精度光照自适应的ORB特征匹配算法

针对非均匀光照下ORB图像特征检测算法存在特征点过于聚集、匹配准确率不高等问题,提出了一种高效高精度光照自适应的ORB图像特征匹配算法。利用自适应阈值提取待测图像的oFAST特征点,通过优化的四叉树分解法均匀分配,进一步提高了低照度或高曝光区域特征点的数量,随后,根据汉明距离进行特征匹配,使用改进的RANSAC算法剔除误匹配,提高ORB算法中特征点的匹配准确率。实验结果表明,针对具有明显光照变化的数据集,相较于ORB、MA、Y-ORB及S-ORB算法,本文算法的平均特征分布均匀度提高13.1%,特征提取时间节省26.3%,综合评价指标提升18.5%,可高效完成复杂场景变化下的特征匹配,对目标识别和三维重建等领域具有较强的应用价值。

基于改进GA-Otsu与RANSAC回归的指针式仪表识读算法

为解决指针式仪表的人工读数效率低、识读精度不高等问题,提出一种基于改进GA-Otsu与RANSAC回归(随机抽样一致性)的指针式仪表识读方法。利用ABF(自适应双边滤波器)对指针式仪表图像进行纹理和噪声滤除,结合Hough梯度法与Mask掩膜法对仪表图像进行表盘提取。基于改进GA-Otsu的图像分割算法得到分离的指针区域,经过形态学处理提取指针细化图。采用RANSAC算法拟合得到指针中心所在直线,计算其角度值,并结合量程信息与角度法完成仪表读数识读。实验结果表明,该算法能有效地分离指针目标与背景,相较改进前识读速度提升了约42.34%、识读平均相对误差小于1.15%,并对不同光照和阴影干扰均有较强的鲁棒性。

图像识别技术在电力设备在线监测中的应用研究

为解决传统人工巡检方法存在的局限性,保证电力设备监测高效性和智能化,文章提出一套行之有效的电力设备运行状态在线监测方案。介绍了图像识别技术理论;从直方图增强、图像去噪、图像锐化、图像边缘检测4个方面入手,实现对电力设备在线监测系统图像预处理。从图像预处理、变电站图像匹配方法、基于SIFT(尺度不变特征变换)与RANSAC(随机抽取一致)算法的电力系统图像识别技术等方面入手,形成电力设备在线识别系统。结果表明,所提出的电力设备运行状态在线监测方案具有较高的可靠性和可行性,不仅可以远程化、智能化检测出电力设备各种异常状态,还能达到无人值守的目的,有效地降低人工成本,完全符合预期使用需求。希望通过这次研究为相关人员提供有效的借鉴和参考。

基于SR-SURF的岩石显微图像拼接

岩石显微图像拼接是对岩石分析和研究的关键环节,由于岩石显微图像数量多(成百上千张)内容丰富并且包含大量相似易混淆区域,导致拼接速率和配准准确率低,并且多幅图像拼接时会产生误差累积导致拼接错位,针对此问题提出了一种SR-SURF(similar region-SURF)的岩石显微图像拼接方法.首先选用哈希指纹快速提取相似区域(similar region),然后在此区域检测特征点;之后利用改进的RANSAC(random sample consensus)算法剔除错误匹配点;再然后选用最佳模板匹配纠正错误配准图像;最后引入最小二乘法消除单应性矩阵相乘产生的累计误差;实验结果显示本文的算法消除了多幅图像拼接产生的累计误差,解决了拼接错位问题,提高了拼接速率和配准准确率,具有较高的实用价值,推动了岩石薄片的数字化存储进程.

基于点云的工件基准面定位检测研究

针对大型工件检测过程中人工基准面的定位检测精度低、速度慢、重复性差等问题,提出一种基于机器视觉的工件基准面检测方法。以大型工件基准面的3D模型为对象,利用3D深度相机采集基准面的点云数据;通过点云直通滤波器分离背景和工件基准面点云,采用50倍均匀下采样法精简点云,降低点云数;采用统计滤波技术剔除异常点和噪声干扰。使用改进的RANSAC算法先对点云数据进行粗拟合,提取内点,再通过最小二乘法对内点点云集合进行二次精确拟合。实验结果表明,存在干扰和排除干扰的情况下,所提方法都能保持较高的精度,拟合平面和基准面夹角小于0.3°,且具有一定的鲁棒性。该方法能够应用于在线工件检测,为机械臂提供姿态调整的参数,具有一定的应用价值。

基于序列影像的飞机姿态跟踪测量方法研究

探讨了一种基于序列影像的飞机姿态获取方法。基于这些影像和运动轨迹 ,从摄影测量和投影几何的角度出发 ,深入探讨了利用序列影像对空中飞行的目标进行姿态跟踪测量的方法 ,并提出了利用广义点反馈迭代的最小二乘方法 (parapointfeedbackiteration ,PFI)和模拟影像与真实影像匹配的目标姿态跟踪求解方案。

随机抽样一致性平面拟合及其应用研究

针对传统平面拟合算法难以拟合包含异常值点云的问题,提出结合特征值法的随机抽样一致性(RANSAC)平面拟合算法。随机选取三个点云数据直接计算平面,选择阈值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。对各种包含误差及异常值的平面点云进行拟合计算,并与传统算法进行比较,将其应用于双目重构得到的隧道开挖掌子面岩体三维数字模型中节理面点云平面拟合。实验结果表明该方法可以很好地适应各种误差和异常值的情况,稳定地得到较好的平面参数估计值,是一种鲁棒的平面拟合算法。

一种估计基础矩阵的新鲁棒算法

基础矩阵描述了单个场景两幅视图间的对极几何关系,在计算机视觉领域占有重要地位。该文基于RANSAC算法的随机抽样思想,通过记录抽样过程中每对匹配点被判定为内点的次数,选择次数较多的匹配点作为初始集合。采用鲁棒扩充算法对初始集合进行扩充寻求内点集,并利用该内点集计算基础矩阵。以大量的模拟数据和真实图像进行了实验,结果表明,该算法能进一步降低噪声和错误匹配点对基础矩阵估算精度的影响,可以有效检测和删除错误匹配点。

运动视频序列影像的自动配准

影像配准是运动视频处理应用中的关键技术,从计算机视觉角度出发提出了一种针对运动视频处理的自动影像配准方法。其主要思路可以归结为基于特征匹配的配准过程,具体分为3个方面:利用Harris算子检测角点特征;以互相关函数为测度对角点特征进行初步匹配,特别使用RANSAC拟合基础矩阵F的方法剔除匹配中的错误对应;利用得到的结果重新拟合配准模型进行重采样变换。最后进一步分析了此方法应用于具体运动视频处理时需要考虑的一些问题。