低重合度图像多视点纹理特征自动配准仿真

对低重合度图像多视点纹理特征自动配准,能够完善图像结构,增加图像利用率。当前基于SIFT的纹理特征自动配准方法,通过回字双层邻窗划分纹理区域的方式对纹理特征配准,纹理特征匹配吻合度低,误配点剔除效果较差。提出一种基于RANSAC的低重合度图像多视点纹理特征自动配准方法。通过自适应的图像纹理特征提取法,对图像的纹理密度进行量化估计,并进行图像深度超像素的特征分割。获得图像显著主颜色的分量特征数据,同时对图像向量的量化区域中图像超像素级的视觉特征进行计算,完成不同像素级深度内多视点同质异构纹理特征的提取。设置纹理特征自动配准条件参数,并构建纹理特征点集合;选取任意特征点组建变换矩阵,并利用该矩阵的映射功能完成纹理特征点的初步匹配。对匹配过程进行迭代,并判断是否达到上限,找到纹理特征匹配最大内点数量,以此确定最优纹理特征自动配准模型,利用误配点剔除函数剔除误配点,以提高配准水平。仿真表明,上述方法有效增强了纹理特征自动匹配效果,误配点的剔除结果也十分理想。

输电线路螺栓检测的激光点云数据自动化配准研究

输电线路螺栓较小,检测难度较高,易导致螺栓漏检、错误检测,增加故障和安全事故风险。因此,提出一种面向输电线路螺栓检测的激光点云数据自动化配准方法。建立激光点云数据均匀化空间,通过约束格网范围均匀点云数据特征量,完成抽稀化处理;在点云数据集中选取任意目标点,通过调节空间域和频率域高斯核函数大小均衡云数据噪声数值;使用k-means聚类算法对点云数据进行分类;根据点云数据的三维空间坐标,计算目标配准点与源点在不同方向上的坐标值,通过坐标对比完成自动化配准。实验结果表明,所提方法在不同高度、不同距离以及不同方向上的配准准确性较高,且RMSE指标数值最大值为0.3,表明配准值与真实值拟合程度较高,具有较高的配准精准度。

多幅点云数据与纹理序列间的自动配准方法

为对激光扫描仪与数码相机中的数据进行有效配准,提出一种基于中心投影的多幅点云数据与纹理序列自动配准方法。对多幅局部点云数据进行预处理操作,实现多幅局部点云数据配准,形成一幅完整的点云数据。采用中心投影方法将点云数据生成强度图像,通过特征匹配得到纹理影像与强度图像间的匹配关系,利用RANSAC算法进行匹配关系优化,确定每个纹理影像与强度图像间的变换关系。在此基础上,对纹理影像序列进行融合预处理,利用共线方程实现多幅点云数据与多张纹理影像的配准,获得带有RGB颜色的点云数据。实验结果表明,该方法能够降低2种异源数据的差异性,可以在实现较好配准效果的同时提高执行效率。

基于边缘最优映射的红外和可见光图像自动配准算法

针对同一场景的红外和可见光图像间一致特征难以提取和匹配的难题,提出了一种在多尺度空间中基于边缘最优映射的自动配准算法.在由粗至细的尺度空间中,算法分别采用仿射模型和投影模型作为参考图像和待配准图像间的空间变换模型.在每个尺度层上,首先基于相位一致性方法提取两幅图像的边缘结构,并在相应的空间变换模型下将在待配准图像中提取的二值边缘映射到参考图像的边缘强度图上;接着采用并行遗传算法寻找一组全局最优的模型参数,使两幅图像间的结构相似度最大.在各层的寻优结束之后,使用Powell算法对全局寻优后的模型参数进行局部精化.实验结果表明,该算法能够充分利用图像间的视觉相似结构,有效地实现红外和可见光图像的自动配准.

遥感影像配准中控制点的自动提取

针对遥感影像的处理应用中,传统的手工选取控制点速度慢、精度低和强度大等缺点的问题,提出了一种基于影像灰度和影像特征混合自动提取控制点的新方法。在进行控制点的自动提取时,该方法速度快、错误匹配率低、精度高。方法内容包括特征点提取、构造影像金字塔以及基于金字塔数据结构的互相关匹配。

一种基于角点特征的图像自动配准方法

图像配准是图像处理和计算机视觉中的重要环节。提出了一种基于角点特征的图像自动配准方法来处理具有相似变换的图像配准问题。角点特征由改进的Harris算子提取,然后将提取的角点组成虚拟三角形,利用在相似变换下参考图像和待配准图像中对应的虚拟三角形相似的原理,找到最相似的两个虚拟三角形,以它们对应的顶点作为控制点,求出变换模型参数,从而配准两幅图像。该方法只要求两幅图像中提取的角点特征包含3个以上的对应角点,就能配准两幅图像。它的另一个优点是理论上对两幅图像之间发生的平移、旋转和尺度变化没有限制。实验结果表明:这种图像自动配准算法是正确和有效的。

基于并联机构的三维视觉重构系统点云自动配准

目前点云配准方法需要在相邻的两幅深度图像上有重叠的区域来保证最后的正确匹配,不能在有平坦区域或重复几何特征的深度图像上得到正确结果。针对这一问题,将并联机构与结构光视觉技术相结合,构筑一个三维视觉重构系统。利用并联机构运动过程中的位姿信息,通过坐标变换,将各点云数据独立的变换到适当的坐标系,实现多视点点云同时自动配准。

基于B-SHOT特征和3D-NDT的点云自动配准

提出一种结合B-SHOT特征的3 D-NDT点云自动配准方法。首先分别提取两个点集的B-SHOT特征点,并且估算这些特征点的B-SHOT特征描述子,然后通过双向汉明距离估计两个点集之间的三维特征匹配点对,并利用随机采样一致性算法估计两个点集的初值转换参数,最后使用3D-NDT算法完成精确配准。实验结果表明,算法能快速精确的进行两个点云集之间的自动配准。

面向机械零件三角网格模型自动配准中增强特征的分割方法

三角网格模型配准是工业自动化检测软件中的重要一环,其配准精度对检测机械零件的形位公差有重要影响。针对三角网格模型的自动配准精度低、鲁棒性差的问题,本文提出一种面向机械零件三角网格模型自动配准中增强特征的分割方法。首先,确定三角网格模型特征分割的K值,通过拉普拉斯矩阵确定种子点进行迭代初始化。其次,本文采用合适的区域形状代理和代价函数以加速该过程,并通过多源迭代聚类得到特征分割结果。最终,在三角网格模型特征分割结果的基础上进行基于奇异值分解法的粗配准,之后再根据EM-ICP进行精配准。与传统的特征描述子粗配准结合ICP精配准的方法进行对比,结果表明,本文方法的配准误差下降了25.2%,自动配准时间缩短了62.6%,有效地提高了三角网格模型自动配准的精度和效率。

基于外部标记点的图像自动配准方法探讨

目的 提出一种基于外部标记点的图像自动配准方法。方法 首先通过选取适当的密度阈值在预处理后的源图像中分离出候选标记点。然后根据标记点的特征从候选标记点中筛选出真正的标记点 ,并计算其质心。最后 ,根据识别出的标记点实现图像配准。结果 将此方法分别应用于人体体模 2例及健康成人 8例 ,共计 40个标记点 ,均被正确识别。结论 本方法具有配准精度高、速度快。

基于纹理特征的三维点云数据配准算法研究

使用Kinect可以方便地获取物体的纹理图像和三维点云数据,研究一种通过获取纹理图像的特征点进行快速三维点云数据配准的算法,并最终应用到室内环境的三维场景重建中。实验表明,此算法具有直观、实现简单、运算量小等优点。

一种影像辅助的由粗到精的边坡点云自动配准

针对边坡激光扫描的多期点云自动化配准难度高、人工配准工作量大的问题,本文以提高边坡点云配准自动化程度及精度为出发点,提出一种由粗到精的边坡点云自动配准方法。首先利用激光虚拟影像完成两期激光点云粗配准;再根据多期地面激光扫描站心位置不变这一约束条件,提出带中心约束条件的ICP算法。实验表明,本文方法有效提高了边坡点云配准的效率与精度。

基于DLG的LiDAR点云自动配准及精度分析

针对LiDAR数据平面精度达不到大比例尺传统测绘要求的问题,提出一种基于DLG的LiDAR点云自动配准方法。通过提取点云地物边界曲线与DLG数据曲线进行匹配,得到校正向量,实现机载LiDAR点云的全地形自动配准。本方法引入傅里叶描述子用于描述曲线特征,克服了常规方法中只提取直线特征的局限。通过对配准结果的精度统计和分析表明,能够达到较高的配准精度。

基于特征提取的点云自动配准优化研究

针对三维点云自动配准精度不高、鲁棒性不强等问题,提出一种基于判断点云邻域法向量夹角的自动配准算法。该算法首先计算点云中每个点的法向量与邻域点集的法向量夹角的余弦值,然后把邻域各点的余弦值作为该点的属性特征向量,进行特征分类提取特征点,根据几何特征的相似性初步搜索匹配点对,并采用欧式距离约束条件剔除匹配错误的点对;运用最小二乘法计算初始配准参数,再通过改进的迭代最近点(Iterative Closest Point,ICP)算法进行精匹配。实验证明,该算法相对于经典的ICP算法无论收敛速度还是匹配精度上都有提升。

一种简易的激光雷达点云与光学影像自动配准方法

将激光雷达点云与光学影像进行配准融合,在数字城市建模、自动驾驶和导航避障等方面有重要的应用价值。当前多数自动配准方法需要专门设计特殊的场景结构,操作复杂。根据激光雷达对玻璃具有穿透的特性,提出利用透明的门窗等室内建筑物场景来实现对激光雷达点云与光学影像的自动配准。首先,将激光点云量化为图像,提取光学影像与量化图像的门窗角点特征,并利用相关系数法实现特征点的自动匹配;然后,对激光雷达与相机之间的配准转换参数进行求解;最后,对两种数据进行配准融合。实验结果表明:利用室内门窗这种规则的半透明场景,可以轻松实现激光点云与光学影像的自动化配准,简单实用,操作性强。

基于Point-to-Plane ICP的点云与影像数据自动配准

针对三维激光点云与二维影像数据的融合问题,采用了一种基于Point-to-Plane ICP的配准方法;该方法仅采用一块普通的平面黑白棋盘格作为标定板,能同时完成单目相机的标定与三维激光扫描仪和相机的联合标定,进而实现三维点云数据与二维影像数据的配准;与以往基于控制点或者边缘对应的配准方法不同,该方法使用RANSAC算法自动提取场景中的标定平面,通过优化点到平面的距离来求取两组数据的变换。实验结果表明,该配准方法减少了人工的干预,并获得了很高的精度。

基于特征点的高分辨率卫星遥感影像自动配准方法

在高分辨率卫星遥感影像配准中,由于数据量的迅猛增长以及分辨率的提升,使配准精度逐渐下降,配置工作越堆越多。为此,文中设计一种基于特征点的高分辨率卫星遥感影像自动配准方法。对高分辨率卫星遥感影像数据实施云层二值化、灰度拉伸这两种预处理。云层二值化的处理主要通过OSTU算法实现,灰度拉伸处理使用的方法是直方图均衡。基于影像特征点,通过SURF算法实施高分辨率卫星遥感影像的特征点提取。通过提取的特征点在遥感影像上构建多个小面元区域,利用小面元微分纠正的方式对2幅影像实施精确配准。为实验配置硬件环境与软件环境,使用2种影像数据测试设计方法的配准性能。测试结果表明:所设计方法对于白天非雪天拍摄的图像与白天雪天拍摄的图像的配准精度都很高,二者差异较小;对于相同场景、不同传感器拍摄的影像以及不同场景、同一传感器拍摄的影像,设计方法的配准精度均较高。说明设计方法能够克服不同因素的影响,实现较为精准的自动配准。

遥感图像自动配准的串行与并行策略研究

面对数据量呈指数增长的全球遥感图像,研究快速、有效、高精度的自动图像配准算法成为遥感领域迫切需要解决的问题。综述了遥感图像自动配准算法的研究现状和关键技术,且从新的角度分类总结了已有算法的特点及适用情况,并给出了综合的解决方案;同时研究并提出了三种新的并行策略,获得了较好的实验结论。由于算法采用粗粒度的数据并行方法,因此可扩展性和可移植性较好,无论在理论上还是在实践上都能为实际的遥感应用提供有益的指导和借鉴。最后提出了有待进一步研究的问题。

应用显著纹理特征的医学图像配准

针对传统的基于几何度量的配准方法无法配准存在局部变形的医学器官的问题,提出了应用显著纹理特征的经典迭代最近点(ICP)医学图像配准算法。该方法借鉴主动外观模型(AAM)思想对医学图像的显著纹理特征建模,将显著性强的特征点赋予较大权重,率先配准。在传统基于空间距离的图像配准基础上加入显著纹理距离。然后,模拟格式塔心理学提出的人类视觉认知过程,使用线性递减的权重平衡两种"距离"度量方式。该算法前期主要根据几何距离取得整体配准效果,后期依赖图像纹理特征使存在局部变形位置的特征点也能精确配准。最后,在腹腔肝脏图像上进行实验。实验结果表明该算法取得了较好的配准效果,准确率达78.82%,比其他几种流行算法提高了22.22%,且对图像的旋转变化不敏感。提出的算法基本解决了存在局部变形医学器官图像的配准问题,达到了精度高、鲁棒性强的配准效果。

基于SIFT特征的多视点云数据配准和拼接算法

针对无特征标志点的大场景多视点云数据,提出了一种新的基于SIFT特征的配准和拼接算法。算法提出了有效纹理图像的概念,并对有效纹理图像进行SIFT特征提取和匹配;然后将提取的SIFT特征点和匹配关系反射到三维点云数据,获取多视点云数据的特征点和匹配关系,完成多视点云数据的拼接。算法在有效纹理图像中提取和匹配特征点,排除了点云数据中孔洞和无效数据的干扰,并且算法只利用较高鲁棒性的特征点对进行拼接,计算简单,匹配精度和效率都得到提高。对室内和室外两个大场景的2个视点数据进行实验,实验结果证明拼接速度和精度都有较大的提高。