基于双目深度筛选的ORB-SLAM3算法

针对ORB-SLAM3算法中特征点存在易丢失、精度低,进而导致双目在复杂场景下运动轨迹误差大的问题,本文设计了一种改进的ORB-SLAM3算法。首先,在ORB特征匹配算法中引入自适应角点检测技术,增加特征点的采集数量,并采用光流法跟踪图像特征,提高关键帧的创建成功率;其次,以特征点为中心,作区域搜索,提高实时性;然后,采用双向左右一致性检验筛选最优视差,应用Prosac算法去除误匹配点对;最后,结合深度信息对关键帧进行筛选,提高关键帧的质量,优化相机位姿。采用KITTI和EuRoc数据集进行了试验,验证了改进算法在绝对轨迹误差上具有良好的优化效果。

基于改进ORB的复杂场景煤矸石匹配算法

在煤矸石分拣过程中,传统方法通过视觉识别与胶带速度预测煤矸石实时位姿,然而,由于煤矸石随胶带高速长距离运输过程中常发生打滑和跑偏现象,预测位姿与分拣区域实际位姿不一致,导致机械臂空抓、误抓,影响分拣效率。针对这一问题,提出了一种改进的ORB匹配算法用于煤矸石在分拣区域的二次定位,首先引入局部自适应伽马校正的oFAST特征检测,提高低光照下的匹配准确率;此外,针对矸石在高速移动中由于动态干扰产生的较多误匹配点,结合BEBLID描述子和GMS算法进行快速特征匹配,并运用随机抽样一致性算法优化匹配点选择,增强算法鲁棒性;最终,通过得到的匹配点计算最小外接矩形完成位姿获取。实验结果显示,所提算法相较于传统ORB算法在尺度、光照、视角变化下煤矸石匹配正确率分别提升了16.7%、36%和22%,平均误差为1.29 mm,平均匹配耗时在40 ms以内,适用于复杂场景下煤矸石的匹配定位。

一种基于改进ORB特征匹配的无人机视觉导航方法

为了解决在全球导航卫星系统(Global Navigation Satellite System)拒止情况下无人机导航能力缺失等问题,提出了一种基于改进快速提取旋转描述子(Oriented FAST and Rotated Brief,ORB)图像特征匹配的无人机视觉导航方法。首先,为了实现无人机的绝对定位,提出了一种特征图像基准数据库构建方法;其次,为提取图像数据集的特征点,采用了一种结合尺度不变特征变换(Scale Invariant Feature Transform,SIFT)的尺度空间优化ORB特征提取算法;最后,为了将图像特征与图像基准数据库快速匹配并提高其匹配精度,提出了一种改进ORB特征匹配算法——ORB+GMS+PROSAC算法。通过在ArcGIS中分割图像构建基准数据库并进行实验分析,结果表明,基于ORB+GMS+PROSAC特征匹配算法性能显著提升,其中匹配准确率上升5.05%,匹配时间减少41.61%,明显优于其他传统特征匹配算法。

基于改进ORB算法的遥感图像匹配

针对遥感图像匹配中存在的误匹配率高、匹配速度慢等问题,结合相似图像局部结构一致的思想,提出一种将ORB特征提取算子与BRISK特征描述算子相结合的遥感图像匹配算法。首先使用ORB算法的特征点提取算子对特征点进行检测,再使用BRISK算法的特征点描述算子对检测到的特征点建立特征描述符,然后基于汉明距离使用暴力匹配完成特征点匹配,最后使用LPM算法剔除错误匹配点。实验结果表明:本文算法提取的特征点数量、匹配精确度和运行速度都满足遥感图像匹配的要求;相较于ORB、BRISK算法,做到了速度和精度的较好平衡,展现出了良好的匹配性能。

利用改进ORB算法的无人机影像匹配

针对ORB算法面对光照变化时提取特征点数量不稳定及特征点定位精度仅有像素级的问题,本文设计了一种基于前背景对比的自适应阈值方法,且结合现有的亚像素定位方法对ORB算法进行了改进。同时为了避免RANSAC算法因需人工设置阈值导致误差的问题,将MAGSAC++算法引入特征匹配过程,用于误匹配剔除。试验结果表明,改进算法能够获取数量较多的匹配数目,对光照变化具有更好的稳健性,且匹配精度提高了7%以上。

改进ORB提取匹配算法的SLAM应用研究

由于传统的ORB特征点提取匹配方法在图像纹理信息不丰富或者光照变化剧烈时极易产生特征点丢失、分布不均等问题,不利于SLAM系统的定位与建图。为此本文提出了一套较为鲁棒、精度较高的提取匹配算法。首先基于ORB特征点对其提取算法进行改进,计算自适应阈值并基于网格模型提取特征点,可提高特征点提取的鲁棒性并使其分布均匀。此外还提出了G-R图像匹配算法,基于网格特征计算邻域支持估计量来区分正误匹配点,再结合引入评价函数的RANSAC算法进一步剔除误匹配点,相比ORB-SLAM2原始匹配算法提高匹配精度9.36%,并减少时间消耗约13.6%。最后将本文提出的特征点提取匹配算法加入到ORB-SLAM2算法框架,经数据集与实际场景验证本文方法能有效提高ORB-SLAM2系统定位精度36.6%以上,使系统更具鲁棒性。

基于改进ORB-SVM的工件识别方法研究

针对传统的图像识别算法识别多品种工件,存在运行时间长、识别率低等问题,提出基于改进ORB-SVM的工件图像识别方法。在传统ORB算法的特征点检测基础上,采用SIFT算法获得具有旋转尺度不变性的图像特征描述,并利用词袋模型将图像特征转化为特征直方图,进而构建支持向量机(SVM)的分类模型,实现对工件的识别分类。试验结果表明:改进的ORB-SVM在应对旋转变换、光照变换、尺度变换时更具鲁棒性,且工件识别准确率高达98.89%,单个工件的识别时间低于0.43 s,具有良好的高效性和实用性。研究为多领域的工件识别提供参考。

基于改进ORB-FLANN算法的工件图像识别方法

针对传统图像识别算法匹配正确率低、运行时间较长等问题,文中提出了基于改进ORB-FLANN(Oriented FAST and Rotated BRIEF-Fast Library for Approximate Nearest Neighbors)的工件图像识别方法。对ORB算法特征描述、图像特征匹配算法进行修改,解决传统图像识别算法在图像存在尺度和旋转变换情况下存在的弊端并降低误匹配率。该方法对ORB算法检测到的特征点采用SURF(Speeded Up Robust Features)算法添加方向信息并完成特征描述,得到旋转尺度不变性的特征点,结合FLANN算法并引入双向匹配策略进行特征点粗匹配,最后利用渐进采样一致算法进一步剔除误匹配点对完成精匹配。实验结果表明,与其他方法相比,改进算法在处理尺度、旋转等变换图像时,匹配正确率分别提高了2.6%~18.8%和29.5%~43.9%,运行时长均在4 s以内,提高了对工件图像的识别效率和精准性。

基于四叉树的ORB特征阶梯分布算法

针对传统ORB(Oriented FAST and Rotated BRIEF)算法提取图像特征时存在的特征点数量不足且分布不均匀问题,提出了一种基于四叉树的ORB特征阶梯分布算法。通过四叉树算法分割出特征点疏密不同的区域,对每个区域采用逐步降低阈值的方法,实现FAST(Features from Accelerated Segment Test)角点自适应提取;同时依据分割区域设置逐次递减的分割深度和特征点提取比例,以减少运算时间和特征冗余,使特征点分布更均匀。采用覆盖均匀度对特征点的均匀性进行量化。试验结果表明,该算法比传统ORB算法单幅图片的特征点提取数量平均多10.45%,覆盖均匀度平均低20%,运行时间比Mur-Artal算法平均减少20.54%,有效地提高了提取特征点的数量和均匀性,提升了运算效率。

基于融合式PC-ORB的异源图像配准算法

异源图像配准中,由于图像的成像机理差异,图像像素强度关联和旋转畸变是不可避免的两大问题,针对图像像素强度关联问题,提出了基于辐射不变特征变换(radiation-variation insensitive feature transform,RIFT)的图像配准算法,对图像间像素关联差异小的图像对配准有良好的精度,但对旋转畸变图像会产生较多错误匹配。对于旋转畸变问题,传统的ORB(oriented fast and rotated brief)算法,对旋转图像的配准有一定的稳定性,但对于强度变化不明显的图像对,特征点检测质量较低,配准精度不理想。因此本文将相位一致性(phase consistency,PC)融合进ORB算法,利用相位信息代替传统的图像强度信息,再构造旋转不变性BRIEF特征描述子,对图像像素强度变化和旋转畸变均具有鲁棒性。用图像像素强度关联不明显的红外图像和可见光图像进行配准实验,本文算法针对不同旋转幅度的图像的配准精度较高,RMSE稳定在1.7~2.1,优于RIFT算法,在特征点检测数量、配准精度和效率等性能上均有良好性能。

基于自适应几何约束ORB的红外双目测距方法

针对传统特征匹配算法计算效率低、误匹配率高和双目视觉测量精度不足等问题,提出了一种基于自适应几何约束和随机抽样一致性方法的ORB(Oriented FAST and Rotated BRIEF)红外双目测距方法。首先,通过FAST(Features from Accelerated Segment Test)算法与BRIEF(Binary Robust Independent Elementary Features)算法检测并描述关键点,采用快速最近邻搜索的算法完成特征点初始匹配。然后,根据初始匹配点对的斜率与距离选择相应的阈值,构建基于斜率与距离的几何约束,剔除明显错误匹配点对。最后利用随机抽样一致性方法去除异常点完成精匹配,结合热像仪标定参数计算出目标物体的距离。实验结果表明,改进的ORB算法与传统算法相比,具有较好的特征点质量和较高的测量精度,测距平均绝对误差为1.64%,具有较好的实用价值。

基于改进ORB-SLAM2算法的动态特征点剔除

随着SLAM系统的不断发展,人们对定位服务的要求越来越高,提高定位精度是一直以来不断研究的课题。为了能以更高定位精度的方式来获取图像中的语义信息,本文首先通过对比One stage算法中的网络模型选用了YOLOV5网络模型对目标物体进行检测和识别,提出一种基于动态区域内剔除动态特征点的SLAM算法,利用训练的网络提取图像中语义信息并对动态目标特征点进行剔除,在公开TUM数据集上进行验证,通过对比真实轨迹和本文算法的估计轨迹来进行误差分析。试验结果表明,本文提出的改进算法相对位移误差的均方根误差减小了97.83%,相对旋转误差的均平方根误差减小了96.80%。

基于自适应阈值的ORB特征点提取算法研究

在弱纹理场景下,针对ORB算法提取特征点过程中,固定阈值检测FAST角点可能会导致提取效果不佳进而影响匹配精度,提出了自适应阈值的ORB特征点提取算法,通过图像灰度差值和像素分布概率来计算图像对比度,根据对比度动态计算角点检测阈值。然后根据动态阈值算法实现特征点的提取,采用暴力匹配算法和快速最近邻接匹配(FLANN)两种匹配算法,在EuRoc数据集上分别对比了ORB算法、SIFT算法与该算法的特征点匹配精度和耗时。结果表明,在匹配精度上比ORB算法提升了26.6%,比SIFT算法提升了32.7%。

改进ORB特征提取算法的ORB-SLAM2定位研究

针对ORB(oriented fast and rotated brief)算法提取图片特征时存在的特征点分布不均匀问题,提出了一种改进的ORB算法。通过密度峰值聚类算法计算四叉树分割后的各区域特征点密度峰值,并对密度峰值高的区域使用四叉树多次分割;同时在初始阈值(iniThFAST)和最小阈值(minThFAST)中加入中间阈值(middleThFAST),提高特征点灰度值差值,减少冗余特征点提取,提高图片特征点均匀性。对特征点提取与匹配进行了实验验证,结果表明改进算法对比传统ORB算法在均匀度和匹配效率方面均有明显提升。结合ORB-SLAM2定位实验表明,改进算法的定位精度平均提高16.6%,每帧追踪时间平均减少12.4%,有效保证实际定位过程的精确性和实时性。

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ORB-SLAM3的PROSAC双目优化补偿SLAM

为优化无人机SLAM系统运行过程中发生的跟踪失败导致局部建图失败以及双目摄像头在远近复杂场景下轨迹误差大的现象,提出了一种双目SLAM。首先在系统中加入新的约束优化双目匹配的视差与深度,然后应用光流法基于单应运动补偿原理和PROSAC算法去除误匹配,最后根据单应补偿结果投影得到新的数据关联,在关键帧和地图点应用新的手段提高对补偿结果的利用率,保证了系统的实时性和鲁棒性。所提算法利用双目视差优化计算关键点的深度从而提高系统的定位精度和系统鲁棒性,在室内无人机EuRoC数据集上取得了较为优秀的精度提升。

基于YOLOv7-mask和ORB-SLAM2的语义八叉树地图构建

针对传统视觉SLAM构建的地图不具有语义信息的问题,提出一种基于深度学习算法的八叉树地图构建方法。该方法采用YOLOv7-mask对图像进行实例分割,得到像素所属类别信息,生成语义灰度图,并结合ORB-SLAM2,将新关键帧投影生成语义点云地图,最终将语义点云地图转换成语义八叉树地图进行存储。通过搭建实验平台,构建了不同状况下实验室场景的语义八叉树地图,验证了所提方法的可行性。

基于改进ORB算法的图像监控系统研究

随着互联网的迅速扩展,数字媒体图像开始在网络上大量的传播。随之而来的却是数字媒体图像大量滥用和盗版等侵权问题,这使得数字版权保护成为一个需迫切解决的问题。为了解决这一问题,本研究设计了一个用来实现图像相似度对比的图像监控系统,该监控系统在特征提取、特征匹配和阈值评判上分别采用了改进ORB算法、Brute Force算法和Logistic算法。特别是在特征提取上研究采用四叉树算法优化改进ORB特征提取的过程,在提高算法运行速度的同时增加了特征的稳定性减少了特征的重复性。经实验表明,改进的ORB算法的特征提取具有良好的性能,能有效的提升疑似侵权图像的识别度,具有较高的实用价值和研究意义。

基于ORB-SLAM的单目无人机视觉自动追踪技术的研究

随着无人机应用场景的不断扩展,其使用环境也越来越复杂,因此,无人机对环境的智能感知性能越来越重要。将ORB-SLAM技术应用于无人机的视觉追踪系统中,可在无需增配其他传感器的情况下,就能够解决无人机定位以及环境地图的重建等问题,从而使无人机能实现较高精度的自主飞行。

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。