融合角点检测的点云配准研究

为提高点云配准效率,提出一种基于点云曲率信息的Harris角点提取算法,通过引入曲率约束,对传统Harris角点提取做出改进;计算每个点的曲率值并与整幅点云的平均曲率作比较,保留曲率值大于平均曲率的点云,实现对配准价值较低的点的剔除,为后续点云配准减少计算量;构建所提取角点之间的特征匹配,结合采样一致性(sample consensus initial alignment, SAC-IA)粗配准和正态分布变换(normal distributions transform, NDT)精配准,寻找最优的变换矩阵,实现源点云和目标点云的重合。通过比较不同算法在公开数据集上进行实验验证,结果表明该方法对复杂点云、多拐点点云都有较好的表现,对初始位置相差较大的点云也有良好的适用性。

PCB板复杂背景下的Data Matrix码定位与识别

工业二维码的应用环境通常比较恶劣,二维码识别通常伴随着噪声、过曝等问题.对工业二维码进行粗定位时,采用基于亮度、对比度和伽玛变换提高了图像整体的对比度,为阈值分割提供良好的图像基础.再对预处理后的图像采用大律法分割使得背景和前景分离并计算连通域面积和个数,定位可能存在二维码的图像区域.根据DataMatrix码的特征,提出了一种基于Shi-Tomasi角点密度的DataMatrix码快速定位算法.识别时针对二维码过曝的问题,提出了一种改进的伽玛变换算法有效地增强了图像的对比度,为识别提供良好的图像基础.

基于深度学习的贝类目标定位与统计测量方法

提出了一种基于机器视觉和深度学习的贝类目标检测和统计测量方法。首先,设计了一种带有4个角点的平面容器,在检测到图像像素角点后,根据平面投影的单应性,建立其和实际物理角点的映射关系,可得到像素坐标转换为实际物理坐标的单应矩阵。其次,采用目标检测的方法得到目标的定位框,并根据得到的单应矩阵,可将定位框的像素坐标转换为实际测量坐标,从而得到目标的实际尺寸。实现的算法可以移植到手机等便携式设备上,根据随意拍摄的图像便可直接输出目标的平均直径,具有很好的便利性。实验结果表明,本方法能够客观地对目标尺寸进行测量和统计,有效地克服了人工测量统计速度慢效率低的不足。

叶片传统特征和距离矩阵与角点矩阵相结合的树种识别算法

针对基于叶片特征进行树种识别的问题,本文在结合叶片纹理、不变矩以及传统形状共25维传统特征的基础上,自定义了叶尖角、边角均值等2个叶片轮廓特征,并以相似多边形定义及其推论作为理论依据,提出了一种基于叶片轮廓构建距离矩阵与角点矩阵进行树种识别的分类方法。该方法首先对树木叶片图像进行预处理,提取出归一化的叶片特征向量,然后利用KNN最近邻分类器筛选出相似度最高的前20个结果集(Top 20),然后构建距离矩阵和角点矩阵进行更为精确的识别匹配。在图像预处理阶段,为获取更为准确的叶片轮廓特征,利用叶片在HSV颜色空间中饱和度特征以及色度特征方面的显著差异性,设计了一种消除叶片阴影的图像预处理算法。在识别匹配阶段,利用Douglas Peucker approximation算法提取叶片轮廓的近似多边形,定义了距离矩阵、角点矩阵、矩阵中元素间相似度、矩阵相似度以及综合相似度计算方法,设计了全局匹配与局部匹配相结合的算法。该算法在Android系统的手机平台上进行了实现和运行验证,结果表明:在Flavia数据集中,对32种共1 907个正常叶片样本的识别准确率为99.61%,对32种共851个残叶样本的准确率为94.92%;在Leafsnap数据集中,对185种共23 147个Lab样本前5个结果集(Top 5)的识别准确率为98.26%。相对其他算法,该算法识别准确率更高,对叶片外形描述能力更强,对残叶、扭曲叶、阴影叶具有更好的鲁棒性,算法的实用性和适应性更强。

采用多形状特征融合的多视点目标识别

研究了多视点下三维目标的识别问题。针对传统的采用单一特征的方法在目标描述方面的不足,提出了一种融合多种特征的识别算法。首先,利用各向异性高斯方向导数相关矩阵提取目标角点,采用骨架约束提取特征角点,将各特征角点到目标质心的归一化距离作为角点描述子。接着,分别提取目标的几何矩不变量、仿射矩不变量、目标边界的傅里叶描述子;计算4种特征的类内和类间散布矩阵;以样本散布矩阵的迹作为权重,加权融合4种特征。然后,对融合后的特征向量进行独立成分分析(ICA),得到相互独立的特征分量。最后,采用支持向量机的分类方法进行分类。实验结果表明,本文提出的方法比采用单一特征的方法的正确识别率平均提高10%以上,且在小训练样本(10%总体样本)情况下仍能获得80%以上的识别率,可满足经纬仪实时目标识别系统的要求。

基于多特征融合的植物叶片识别研究

植物叶片识别作为植物自动分类识别的重要分支,有着很高的实际应用价值。针对当前叶片特征描述存在的局限和叶片识别准确率较低的实际,以叶片图像为研究对象,首先对图像进行预处理,在提取叶片几何特征和纹理特征的基础上,设计描述叶片轮廓的距离矩阵和角点矩阵,通过计算基于几何特征、纹理特征和角点距离矩阵的综合相似度对叶片进行精确识别。对Flavia数据集中的32类共计960幅叶片图像进行训练和测试,结果表明,基于叶片图像多特征融合的识别方法对叶片特征描述能力更强,识别准确率更高,对Flavia数据集的识别率可达97.50%,具有较好的识别效果。

基于边缘轮廓上多尺度自相关矩阵的角点检测算法

为了减少边缘轮廓上微小变化和边缘噪声对检测结果的影响,提高检测准确率,提出了一种利用边缘轮廓上多尺度自相关矩阵的角点检测算法。该算法首先利用边缘检测器提取图像的轮廓,同时利用不同尺度的高斯核函数平滑图像,对于轮廓曲线上的每一个像素,利用微分算子获得不同尺度下灰度变化信息来构建自相关矩阵;最后将不同尺度下自相关矩阵的归一化特征值的乘积作为新的角点测度。如果该角点测度值既大于预设阈值,又是局部窗口内的极大值,就判定是角点。仿真结果证实所提算法可以更准确地检测图像中的角点且具有更低的错检概率。

角锥棱镜谐振腔的本征偏振态

利用琼斯矩阵方法,对角锥棱镜谐振腔的本征偏振态特性进行了分析,首次发现在角锥棱镜腔激光器中存在两种彼此独立的本征偏振态,对于增益各向同性介质,这种本征偏振态为线偏振。该结果从理论上解释了角锥激光器输出光的相干特性。

折叠式角锥棱镜谐振腔的偏振特性理论与实验研究

建立了角锥棱镜的偏振模型,分析了角锥棱镜对入射线偏振光的偏振态的影响,分析表明角锥棱镜的单个入射区域存在特殊的偏振方向,该方向的线偏振光被角锥棱镜反射后仍然是线偏振光。利用角锥棱镜的该特性设计了腔内存在线偏振光振荡的角锥棱镜激光谐振腔,能够使用电光开关调Q,在振动环境中具有较好的抗失调稳定性。研制了激光器样机并进行了实验,在重复频率为10 Hz时,输出激光单脉冲能量大于300 mJ,光束质量因子β值在2左右,实验结果也表明角锥棱镜的棱和顶点并不影响输出激光的光束质量。

像素自相关矩阵的阈值自适应角点检测算法

针对Harris角点检测算法中角点响应函数(corner response function,CRF)系数阈值与非极大值抑制系数阈值需要人为设定所造成的可变性和随机性等问题,该文提出一种通过计算图像每个像素的自相关矩阵行列式值,构造特征角点图像进行自适应阈值分割的改进Harris角点检测算法。该算法首先通过计算原图像经过方向滤波和低通滤波后各像素的自相关矩阵行列式值,以此构造特征角点图像;然后采用OTSU算法计算特征角点图像分割阈值,从而筛选出预选区域;最后结合改进的非极大值抑制方法提取有效角点。通过5组角点检测对比试验结果数据分析,不同类型图像的角点检测准确率均有提高,高分二号遥感影像的角点检测准确率提高27.06个百分点,可以初步得出,该算法相比传统Harris角点检测算法不但能够自动计算角点检测的最佳阈值,而且能够更准确地定位角点和去除边缘伪角点,从而提高了角点检测的精确度,该研究可为农业遥感影像数据检测提供参考。

基于Hessian矩阵的黑白棋盘格角点检测

针对棋盘格角点的检测,提出了一种运算速度快、定位精度高的Hessian矩阵子像素角点检测算法。简述了Hessian矩阵的原理、算法的执行流程和黑白棋盘格子像素坐标提取的基本方法。通过实验检测出了黑白棋盘格中的角点,得到了角点坐标,并利用二阶泰勒展开式得到了角点的子像素坐标。最后,在不同的噪声水平下,与Harris算法作比较,计算出提取误差与提取时间。实验证明,Hessian矩阵对黑白棋盘格角点检测得更加精确。该实验结果可应用于摄像机标定中。

使用梯度相关矩阵行列式的角点检测算法

构造了反映轮廓曲线局部几何特征的梯度相关矩阵(GCM),并基于Lagrange乘子优化方法和Γ角点模型分析和证明了GCM的特征值与特征向量的特性,解释了相应的几何意义。将GCM的行列式定义为角点的响应函数,提出了相应的角点检测算法。最后,通过大量实验证明了GCM方法具有较好的检测性能,以及对各种几何变换和噪声的鲁棒性。

基于分割模板加权Hausdorff距离矩阵的特征匹配算法

针对电视制导系统图像匹配时遇到的大比例目标遮挡以及严重噪声干扰等情况,提出一种基于分割模板加权Hausdorff距离(HD)矩阵的特征匹配算法。将模板分割为若干个子模板;利用最小核相似区检测角点(SUSAN)算子提取图像的角点;分别计算子模板与搜索图像对应区域的基于角点响应函数的加权HD,构造出HD矩阵;经过角点密度矩阵修正得到相似性度量,采用Frobenius矩阵范数求得矩阵的最佳解,即对应于最佳匹配位置。在目标跟踪实验中加入大比例遮挡及严重斑点噪声(n=10),当模板与对应区域的特征点数量相差达到-43.75%～56.25%时,仍然可以实现配准。

基于过渡单元的有限元细化法在舱口角隅处的研究

针对集装箱船舱口角隅处的应力计算,提出一种针对舱口角隅处网格的自动有限元精细划分算法。在进行完整船有限元分析后,截取出局部舱口角隅模型进行网格细化,将粗网格计算结果作为细网格模型边界条件,再次进行有限元分析。结果表明细化网格分析能反映出应力梯度比较大的区域的应力变化情况,其分析结果好于整体分析结果。

基于角点检测和NMF的图像Hash算法

为了有效地实现图像Hash函数在图像认证检索中的应用,提出了结合Harris角点检测和非负矩阵分解(NMF)的图像Hash算法,首先提取图像中的角点,对角点周围图像块信息进行非负矩阵分解得到表征图像局部特征的系数矩阵,进一步量化编码产生图像Hash。实验结果表明,得到的图像Hash对视觉可接受的操作如图像缩放、高斯低通滤波和JPEG压缩具有良好的稳健性,同时能区分出对图像大幅度扰动或修改的操作。

一种新的四自由度SCARA机器人手眼标定方法

针对四自由度机器人手眼标定精度不高的问题,提出了基于标定块的手眼标定系统。通过引入亚像素角点提取算法,提取特征点的精确像素坐标;结合机械手平移规则,完成手眼系统旋转矩阵的标定,通过标定块提取机器人第三连杆中心在工作平台上的投影点所对应的世界坐标,计算系统平移矩阵。实验表明:方法不仅提高了手眼系统标定精度,而且简化了特征点世界坐标的提取过程。

基于Accord.NET框架的全景图自动拼接

基于Accord.NET框架,创建了可以全自动拼接2幅不同景观图片的算法流程,用Harris算法对图片进行特征提取,使用最大关联准则匹配相似像素点,并利用RANSAC算法对伪匹配集提纯,构造鲁棒性优越的单应性矩阵以优化匹配效果,最后利用改进的线性Alpha通道融合完成图片缝合,实现了拼接处的平滑过渡,并将各处理流程封装成Accord.NET处理类,便于2次开发与推广.实验表明,图片合成处理流程效率高,成像效果理想,具有较高的实用价值.

基于计算机视觉的地形3D重建

构造3D地形模型有很多种方法,本文提出一种用数码相机获得的未标定照片获取三维地形模型的简单方法,这种方法仅需要从两幅或多幅照片中选取对应点,根据这些对应点,求出基本矩阵,摄像机矩阵,进而进行三维地形表面的估计,实验结果及算法分析表明,本文提出的特征匹配算法精确度较高,实现地形重建方法切实可行,生成的模型可视效果较好。

多计算机上分布式矩阵转置

转角存储是信号处理中一个很重要的操作。本文研究了分布式矩阵的转置问题 ,介绍了分布式矩阵转置的实现步骤 ,分析矩阵转置的时间 ,并给出了处理时间的表达式 。

直梁圆角形柔性铰链的柔度矩阵分析

对直梁圆角形柔性铰链的柔度矩阵进行了研究。首先,基于悬臂梁理论推导了直梁圆角形柔性铰链平面内变形的解析计算方法,建立了柔性铰链平面内柔度矩阵的闭环解析模型,并给出了rt(r为铰链圆角半径,t为铰链厚度)时柔度矩阵的简化计算公式。然后,建立了直梁圆角形柔性铰链的有限元模型,得到了柔性铰链结构参数r/t和l/t(l为铰链长度)变化时柔度矩阵解析值和有限元仿真值的相对误差,以及r/t变化时柔度矩阵简化解析值和仿真值的相对误差。结果表明:采用悬臂梁理论建立的柔性铰链柔度矩阵模型,当l/t≥4时,柔度矩阵各项参数的理论解析值与有限元仿真值相对误差在5.5%以内,当0.1≤r/t≤0.5时,两者的相对误差能够控制在9%以内,当0.2≤r/t≤0.3时,两者的相对误差能够控制在6.5%以内;当r/t≤0.3时,简化解析值与仿真值的相对误差控制在9%以内,当r/t≤0.2时,简化解析值与仿真值的相对误差控制在7%以内,从而验证了柔度矩阵闭环解析模型的正确性。建立的直梁圆角形柔性铰链柔度矩阵闭环解析模型可为柔性铰链以及柔性体机构的设计和优化提供理论依据。