基于均匀角点匹配的基础矩阵估计方法

鉴于Harris角点匹配时产生的聚簇现象,引入邻近点剔除策略,可以提取到较为均匀的匹配角点。在此基础上,进一步对计算基础矩阵的8点算法进行改进,通过对匹配点进行分组求解基础矩阵,以每组得到的基础矩阵求平均值作为最终值。实验结果表明,该方法求解的基础矩阵具有较高精度。

基于GPS和视觉同步定位与建图的无人驾驶车辆定位方法研究

为提高无人驾驶车辆的定位精度,提出一种基于GPS与视觉同步定位与建图(VSLAM)相融合的定位算法,在VINS-Mono基础上进行改进,提出了VINS-FAST算法进行角点提取,并将VINS-FAST与GPS技术相结合,提出了GPS与VSLAM相融合的VINS-GPS算法。试验结果表明:VINS-GPS在KITTI数据集07和09子集上的均方根误差较VINS-Mono分别降低了18.16%和33.08%,改善了VSLAM在大范围环境中表现较差的问题,同时提高了在GPS信号薄弱或无GPS信号环境中的定位精度。

一种分层描述符的无人机影像匹配方法

针对无人机航摄由于对地摄影,地面、河流、居民区等地物地貌容易出现许多弱纹理与重复纹理区域,传统影像匹配算法针对此容易出现鲁棒性不足的问题,该文提出一种基于均匀ORB特征与格式塔心理学邻近原则分层二进制描述符的改进ORB算法。该方法先对ORB角点进行均匀化操作,以提升特征分布质量;基于格式塔心理学邻近原则将大特征邻域划分为“重要”与“一般”两层区域,以构建可区分性更高的描述向量参与匹配。实验表明,该方法在含有较多弱纹理或重复纹理区域的影像上正确匹配分布质量与平均匹配正确率上均优于ORB、BRISK与SIFT算法,平均匹配正确率分别高约11.10%、5.68%与11.98%;且能在更多的弱纹理与重复纹理区域获得正确匹配。