一种基于局部灰度匹配的无人机图像拼接算法

结合无人机图像的特点,开发了一种基于局部灰度匹配的图像拼接算法。根据无人机的飞行数据,对无人机图像进行预处理,缩小了特征点的搜索范围。然后利用图像的局部灰度算法,对提取的角特征点进行快速匹配。最后在运行速度以及特征点的匹配准确率等方面对算法进行了评价。试验结果表明,该算法较大幅度地提高了程序的运行速度,能够达到无人机图像处理的实时性的要求。该算法对无人机图像的工业化处理有帮助。

一种新型的局部立体匹配算法的研究

本文构造了一个新型的局部立体匹配算法,获取改善的初始视差图,为进一步提高立体还原精度提供可靠的前提。为了获取准确的初始立体匹配视图,本文创立了基于两个主要规则的局部立体匹配算法,即:1)利用目标像素邻域的亮度分布计算匹配带价;2)利用基于梯度的Census变换法计算匹配代价;用上述两种方法共同决定初始视差图,最后运用交叉匹配的方式对初始匹配视图进行精炼。

立体匹配算法研究综述

双目立体视觉的主要任务是通过2台位于不同位置的摄像机拍摄同一场景得到2幅视图,然后计算视差并获取3维数据信息。立体匹配是双目立体视觉中的关键环节,它利用2幅或者多幅匹配后的图像获取视差进而得到深度信息。本文通过分析国内外对双目立体匹配算法的研究,对立体匹配算法进行介绍,以全局匹配算法和局部匹配算法为对象作详细阐述,最后对各种算法的特性进行比较,并作出总结与展望。

基于上下文感知的中文新词识别算法

为提高中文信息处理中的新词识别效率,提出一种基于上下文感知的新词识别算法。首先基于网络新词的特点,对网络文本进行N元(N-Gram)切分预处理,然后利用局部匹配预测(PPM)算法对中文新词进行识别,最后采用LRU替换算法对识别出的新词进行入库处理。实验表明,较之当今几个主流的分词机制,该算法具有较高的识别率和召回率。

基于栅格地图的分层式机器人路径规划算法

采用分层规划的思想,给出一种基于栅格地图的最优路径规划算法.分层路径规划算法的第1层为拓扑层规划,采用Voronoi图起泡生成算法描述全局可行域的拓扑关系;第2层采用广义水平集算法,解决拓扑层的最优路径搜索问题;第3层为栅格层的路径再规划.在栅格层借鉴窄带水平集的思想,通过拓宽拓扑路径,得到一个机器人安全通行的窄带区域,并在此区域实行局部快速匹配算法,改善了拓扑路径,提高了算法的效率,并提高规划的实时性.

基于颜色和边缘信息的非局部立体匹配算法

为了解决传统非局部立体匹配算法在纹理丰富区域匹配误差较大的问题,提出基于颜色和边缘信息的非局部立体匹配算法。代价计算阶段,结合灰度和梯度信息求得匹配代价。代价聚合阶段,为降低相似背景下的误匹配率,利用最小生成树进行代价聚合,结合颜色和边缘信息重新定义权重函数。再利用胜者为王(WTA)策略求得最佳视差,通过左右一致性检验和中值滤波等后处理操作对视差图作精细化处理。最后在Middlebury数据平台上对算法进行可行性验证,实验结果表明,图像的平均误匹配率由原算法的6.02%降低到5.10%。

视觉导航在扑翼飞行器避障中的应用

视觉传感器本身具有独立性、准确性和可靠性等优点,使得它在无人机视觉导航的应用领域中具有独特的作用,但是传统的视觉导航设备质量过大,无法应用在扑翼飞行器上。针对此问题,本项目利用FPGA芯片设计基于Census变换的局部立体匹配算法的立体视觉模块,该模块质量轻,并且能够进行图像的实时处理,满足避障场景的实时性要求。通过扑翼飞行器实际的飞行实验结果表明,本项目设计的视觉导航模块可以为无人机的自主避障飞行提供技术支持和决策依据。

基于引导图像和自适应支持域的立体匹配

提出一种基于引导图像和自适应支持域的局部立体匹配算法。首先对校正后的输入图像进行预处理得到引导图像;在匹配代价计算阶段,提出一种梯度计算方法,结合引导图像和输入图像的梯度信息,分别计算x和y方向的梯度,再与AD(absolute difference)和Census变换融合构建匹配代价计算函数;在代价聚合阶段,使用基于自适应支持域的导向滤波;在视差细化阶段,提出一套基于自适应支持域的多步细化方法,通过该方法得到最终的视差图。实验结果表明,视差细化后全部区域的平均误差和方均根误差平均减少43.7%和38%,非遮挡区域平均减少33.7%和30.9%,所提算法具有较好的鲁棒性并能获得精度较高的视差结果。