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...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。展开更多
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...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。展开更多
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,...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。展开更多
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 Se...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。展开更多
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...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。展开更多
文摘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。
文摘针对传统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。
文摘异源图像配准中,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。
文摘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。
文摘针对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。