自然环境中显著性多路标提取算法的研究和改进

自主移动机器人利用视觉传感器在自然环境中进行探索,因为没有任何先验信息,只有提取自然环境中比较显著的物体作为路标。因此,自然路标提取是对未知环境开始探索的第一步,也是至关重要的一步,因为它直接影响到移动机器人后续的定位导航的完成,文中融合亮度、纹理1、颜色等信息,结合中心上-中心外机制得到显著性区域,并采用分块聚类方法跟踪完整提取多显著性区域,实验结果表明本算法对显著性区域具有较好的检出能力,并且基本完整提取多个显著性自然区域路标,能够适应远近尺度、旋转、视角变化及一定的光线变化等自然识别的要求。

移动机器人自然路标特征提取方法

介绍了一种基于2维激光测距仪的自然路标特征提取方法.本方法由3部分组成:数据聚类、滤波平滑以及特征提取.该方法根据计算机图形学中的尺度空间理论,利用无迹卡尔曼滤波器(unscented Kalman filter)构建曲线模型估计器,对描述环境局部区域形状的扫描点间的几何拓扑关系进行估计.根据估计过程中获得的Mahalanobis距离构建滤波卷积核对原始范围图像进行自适应滤波平滑处理,利用距离数据的曲率函数对聚类后的数据进行分割并提取特征.该方法对噪声鲁棒稳定,并且可以有效地提取非结构化环境中的自然路标特征.实验结果证明本文所提出的方法对自然路标特征提取是行之有效的,可以为自主移动机器人导航系统提供丰富的路标特征.

在机检测中STL格式自然二次曲面特征参数的提取

根据工件的几何特征及其参数进行测量轨迹规划是在机检测系统中重要的环节之一.为了从STL(stereo lithographic)文件中提取出其所描述的工件模型的几何特征及参数,给出了一种针对其数据文件格式特点的自然二次曲面特征参数提取新方法.该方法首先根据三角面片法向量在高斯球面的映射图像判定自然二次曲面几何特征,然后将快速聚类法和Gauss-Newton法相结合,对STL文件中坐标点进行几何特征参数的计算.计算实例表明,该算法能够稳定、准确地提取出自然二次曲面的几何特征参数.

一种基于特征点三维信息的自然路标提取与快速匹配方法

自然路标提取与匹配是vSLAM的基础。文中提出了一种基于特征点三维信息的自然路标提取、局部特征描述与快速匹配方法。采用双目视觉获取环境图像,提取左右目图像的特征点,并进行匹配。建立左摄像机坐标系下的每个匹配点的三维信息,提出视场约束规则对特征点进行过滤。在此基础上基于改进的MeanShift聚类算法进行自然路标提取。提出一种路标描述符,可以快速进行两个聚类的匹配。该方法可以有效提取非结构化环境中的自然路标,对机器人位姿估计精度要求较低。

基于聚类与边缘检测的自然场景文本提取方法

为了解决复杂自然场景、光照不均匀及背景纹理丰富图像中文本的有效提取,提出一种基于K-means聚类与边缘检测结合的自然场景文本提取方法。该方法通过改进K-means聚类算法,实现文本区域的分割;然后对分割后的图像进行二值子图分解,将分解后的各子图像的连通区域进行标记与分析,得到候选的字符区域;最后利用文本区域的边缘特征对候选字符区域过滤,实现文本字符的提取。实验结果表明,该方法能有效提取出复杂背景、光照影响及背景纹理丰富图像中的文本字符区域。

基于GF-1影像的建筑信息提取及变化检测研究:以草海国家自然保护区为例

建筑信息是重要的地理要素,也是遥感信息提取的热点研究内容。基于高分一号(GF-1)影像数据,以草海国家自然保护区为研究区,利用面向对象分类方法对研究区建筑信息进行提取,并分析其变化特征。结果表明,基于GF-1利用面向对象分类方法对研究区土地覆盖分类时,形状因子设置为0.50,紧致度为0.50,边界强度为0.50,合并尺寸为100,分割尺度为50时能够较好地对建筑物进行分割;利用面向对象分类的方法对GF-1进行分类整体效果较好,2015年和2020年的总体分类精度分别为81.38%、82.59%,Kappa系数分别达到了0.702和0.704;2015—2020年,研究区范围内建筑物的总体面积呈扩张趋势,净增120.06 hm~2。建筑物的增加主要由植被和耕地转入,转入面积分别为177.08 hm~2、145.05 hm~2。基于GF-1影像进行建筑信息提取与变化监测,可为保护区土地利用规划及环境保护提供参考。

车载激光点云道路标线提取方法

针对车载激光点云中道路标线的强度随扫描距离与扫描入射角等因素变化较大而难以提取的问题,提出了一种在强度特征图像中进行边缘检测的道路标线提取方法。该方法首先将道路面点云投影成强度特征图像,然后在图像上检测图像边缘,并根据道路标线的几何特征进行连通分析,提取道路标线边缘,最后通过道路标线边缘信息从道路面点云中提取道路标线候选点云,并引入高斯混合模型剔除路面噪声点,得到最终的道路标线点云。3份测试数据的实验结果表明,该方法提取道路标线的平均完整率和平均正确率分别为93%和97%。

基于显著性检测与模糊C均值聚类算法的叶片病斑区域提取方法

针对自然场景下获取的叶片病斑图像,提出利用图像显著性检测与模糊C均值聚类方法相结合的叶片病斑区域提取方法。首先,利用SLIC(simple linear iterative clustering)方法结合马尔科夫吸收链进行图像显著性检测,获取显著图,实现符合视觉特征的显著区域检测;其次,利用模糊C均值聚类算法对显著图进行分割,进而获取二值化后的叶斑图像;最后,结合原始图像获取最终叶片病斑区域。试验结果表明,叶片病斑区域提取比较准确,满足病斑进一步处理和分析的要求。

多方向自然场景文本检测

针对自然场景图像背景复杂和文本方向不确定的问题,提出一种多方向自然场景文本检测的方法。该方法利用颜色增强的最大稳定极值区域(C-MSER)方法对图像中的字符候选区域进行提取,并利用启发式规则和LIBSVM分类器对非字符区域进行消除;然后设计位置颜色模型将被误滤除的字符找回,并利用字符区域中心进行拟合估计文本行倾斜角度;最后通过一个CNN分类器得到精确的结果。该算法在两个标准数据集上(ICDAR2011和ICDAR2013)测试,得到F-score分别为0.81和0.82,证明了该方法的有效性。

巡天遥地 “豫”见星河——“河南一号”卫星助力提升自然资源治理能力

河南省自然资源卫星应用技术中心承担全省航空航天遥感影像数据的获取、统筹、处理、分发和应用服务等工作。2022年8月,“河南一号”卫星成功发射运行,协同“吉林一号”卫星星座,结合常态化接收的自然资源陆地遥感卫星,形成了共同保障河南省卫星影像需求的新局面,实现全省亚米级遥感影像,每两月覆盖一次的遥感数据支撑能力;构建了“T+2”接收机制,实现卫星拍摄后48小时内接收;“即时”处理机制,实现影像产品当日接收、当日处理。产品体系和统筹机制“河南一号”卫星遥感产品体系涵盖影像产品、监测产品、平台产品三大类。其中,影像产品有传感器校正产品、单景正射产品、镶嵌正射产品、影像地图产品,监测产品有地物分类产品、变化检测产品、要素提取产品、目标检测产品、作物解译产品,平台产品分为河南省自然资源卫星应用云服务系统、智能解译平台。

一种新的结合区域与边缘特征的目标提取方法

该文借助知识理论,提出一种新的基于子图像块的区域分割与边缘检测相结合的目标提取方法。先对分块后的图像进行粗检,辅以知识确定目标的大概区域,然后借助改进的方向Canny边缘检测器增强并检测出较弱的目标边缘。实验结果表明该方法计算量较小、便于硬件实现,使复杂自然背景中,低对比度及不均匀光照条件下的一定形状尺寸的目标提取获得了满意的效果。

基于生物视觉特征的目标轮廓提取算法

自然场景中的目标轮廓提取是计算机视觉中的一个重要研究问题。其难点在于场景中大量的纹理边缘严重地干扰了轮廓提取的完整性。近年来,一些研究工作将生物视觉特征引入图像边缘轮廓提取,取得了一定的效果。其中通过引入视觉外区抑制特征可以在提取物体轮廓边缘的同时抑制一定量的纹理边缘,从而得到轮廓边缘集合。然而在整合轮廓边缘时,传统模型仅仅采用求交并集的简单合并方法,使得强响应的细小纹理残留。基于此,提出了一种改进的基于生物视觉特征的自然场景目标轮廓提取算法。首先采用多水平抑制方法得到候选轮廓边缘集合。接着将一种基于生物视觉特征的边缘组合方法用于将候选边缘整合成为一个完整的目标轮廓。与传统的外区抑制算法相比,基于视觉特征的轮廓提取算法提高了自然场景中目标轮廓提取的准确性和完整性。

基于边缘的标志牌文本提取方法

标志牌上包含了许多重要的信息,提取自然场景图像中标志牌上的文本具有很高的实用价值。本文提出了一种有效的基于边缘的文本提取方法。该方法对背景的复杂度、文字的颜色、大小以及排列方向具有很强的鲁棒性。首先,算法有效地去除大量不规则的非文本长边缘;然后,针对不同的字符大小范围进行分级提取,根据文本区域中边缘之间的关系,用窗口法扫描边缘图像,进一步去除非文本边缘;然后,将提取的结果合并。在验证阶段,本文应用了字符边缘的特点,提高验证的准确率。最后,详细介绍了实验结果。

顾及拓扑结构的道路标线提取

道路标线是重要的交通标志信息,车载激光雷达点云为道路标线的提取提供了高精度的三维坐标和反射强度信息。由于扫描距离、目标材质等因素影响,不同目标会表现为相近的强度值,给道路标线的提取带来干扰;道路使用过程中的磨损老化会破坏标线原有的结构,造成标线提取后出现间断不连续问题;此外,道路标线种类多样且实际中出现的概率不同,导致分割网络提取结果中样本较少的类别分类精度较低。为此,本文提出了一种可准确提取各类标线并具有拓扑稳健性的分割+分类两阶段提取方法。首先,使用多层感知机自适应学习强度与其影响因素之间的关系,对路面点云进行强度改正;然后,提出链式空间拓扑网络LST-Net对道路上的所有标线进行语义分割,引入行列卷积、注意力机制捕捉标线结构信息,加入拓扑惩罚对其训练,确定标线的位置;最后,使用YOLOv5对标线进行检测,单独训练分类网络,解决分割中样本不均衡的问题,完成对标线的分类。在不同场景的3份车载点云上进行试验,结果表明本文方法标线提取精度达到94.1%,召回率达到95.6%,具有较强的实用性和有效性。

基于知识图谱的自然语言中歧义字段切分系统设计

传统自然语言中歧义字段切分系统设计对于歧义字段的分辨能力较差,切分效率差,准确度低。针对上述问题,设计一种基于知识图谱的自然语言中歧义字段切分系统。系统硬件设计了三个模块:采集及分词知识提取模块负责对自然语言中的字段进行收集与信息提取,辨别歧义字段;算法与测试模块处理负责检测所捕捉字段的歧义字段信息,提高系统精准度;分词识别模块负责对歧义字段进行系统切分。软件设计了系统的各项功能,包括系统分词精度提升功能、速度提升功能、完备性增强功能、可维护性以及系统可移植性增强功能,综合整理各结构的性能,进一步提高整体系统切分能力,以实现对歧义字段的切分目的。为检测系统工作效果,与传统系统进行实验对比,结果表明,基于知识图谱的自然语言中歧义字段切分系统设计的切分效果优于传统系统设计。

未知环境中基于视觉显著性的自然路标检测

自然路标检测是移动机器人在未知环境中表示与识别环境的基础,基于此,本文提出一种具有适应能力、基于视觉显著性的自然路标检测系统.设计了保细节采样策略.能够自行调节参数以适应各种环境纹理分析的 Ga-bor 滤波器,在多尺度空间上计算颜色、纹理的对比度,经综合处理得到描述路标可选区域的显著性指示图.实验结果表明本文算法在显著点检测方面具有较高的准确性,并且具有较高的重复检测能力,能够适应远近尺度、旋转和视角变化等自然环境识别要求.

自然图像中目标轮廓上显著边缘检测的计算模型

如何模拟人类视觉感知系统的感知过程,建立一个鲁棒性较好、无监督的自然图像中目标轮廓上显著边缘检测的计算模型是文中要讨论的问题.首先确定自然图像中目标所在的子区域.然后通过分析纹理以及颜色等低级视觉特征得到一组潜在的轮廓边缘,对这些潜在的轮廓边缘进行闭合性分析,建立各条潜在边缘之间闭合关系的图模型.最后通过最短路径找出最优的轮廓上的显著边缘.将该模型用于多幅自然图像,实验效果较好.该模型在生物学上的合理性也得到验证.