基于改进最小平方中值算法的基本矩阵估计算法

针对基本矩阵的估计问题,为了消除误匹配点对和高斯噪声的影响,本文提出了一种估计基本矩阵的改进算法——基于遗传算法的最小平方中值算法,该算法是在最小平方中值算法中引入遗传算法,克服了传统鲁棒算法中对内点集的数据等同处理问题,利用遗传算法的全局优化特性,通过遗传算法对最小平方中值算法所得到的内点集合进行筛选,利用选取的8个匹配点对来估计基本矩阵。通过实例仿真表明,该算法在误匹配点对和高斯噪声存在的情况下具有更好的鲁棒性和精确性。

基于最小平方中值定理的立体视觉里程计

提出了一种基于最小平方中值定理(LMedS)的立体视觉里程计方法。利用图像中尺度不变的SIFT特征点作为路标,基于KD树的最邻近点搜索算法来实现左右图像对特征点的匹配和前后帧间特征点跟踪。通过特征点的三维重建,基于最小平方中值定理估计出机器人的运动距离和方向信息。实验表明该方法在不同图像间匹配、三维路标跟踪和机器人运动估计中具有很强的鲁棒性。

基于最小平方中值的点云平面拟合算法

三维扫描获取待测对象点云时,不可避免地会出现噪声点和异常值,严重影响点云平面参数估计和平面拟合精度。随机抽样一致性(RANSAC)和主成分分析(PCA)结合的算法可以有效估计点云平面参数并拟合平面,具有一定鲁棒性,但RANSAC算法每次迭代时都需要判断以区分内点与外点,具有冗余性,对运行效率有一定影响,同时其估计结果也会受到迭代次数的影响。针对以上问题,提出了一种结合最小平方中值(LMedS)和PCA的算法拟合点云平面,并选取3种点云模型进行实验,分别为Semantic3D户外场景点云数据库、线激光传感器获取的零件表面点云及普林斯顿大学的室内数据集。实验结果表明,在十万数量级点云中,LMedS算法可以有效估计点云平面参数,与RANSAC算法相比,LMedS算法不仅可以有效估计平面模型,且运行速度有一定提高,耗时少,两者的精度相当,是一种具有较强鲁棒性和优势性的点云平面拟合算法。

结合快速鲁棒性特征改进ORB的特征点匹配算法

针对定向二进制简单描述符(ORB)算法不具备尺度不变性的问题,提出一种结合快速鲁棒性特征(SURF)算法和ORB的改进算法。首先,利用Hessian矩阵检测特征点的方法,使得提取出的特征点具有尺度不变性;然后,用ORB生成特征描述子;接着采用K-近邻算法进行粗匹配;最后,通过比率测试、对称测试、最小平方中值(LMed S)定理进行提纯。尺度变化时,该算法比ORB的匹配精度提高了74.3个百分点,比SURF的匹配精度提高了4.8个百分点;旋转变化时,该算法比ORB的匹配精度提高了6.6个百分点;匹配时间高于SURF低于ORB。实验结果表明,改进算法不仅保持了ORB的旋转不变性,而且具备了尺度不变性,在不失速度的前提下,匹配精度得到较大提高。

基于代数距离的椭圆拟合的优化及应用研究

鉴于传统的椭圆拟合算法容易受噪声的影响,本文提出了一种基于代数、几何距离和RANSAC算法的最小平方中值的椭圆拟合方法。方法先采用线性变换对原始数据进行预处理,在得到处理后的离散点后,最小化椭圆和离散点之间的欧氏距离,采用五边形的方法对筛选出的不同点集进行测试,最后确定出椭圆的5个参数,拟合出最终的椭圆图形。仿真实验和实际图像的拟合结果表明,方法可以快速地对星体进行拟合和识别,对噪声具有一定的抵抗力,具有良好的准确性和鲁棒性。

激光内径测量系统参数校正及算法优化

基于激光位移扫描的大尺寸内径测量系统中,测量数据存在多个系统误差参数并易受到粗大误差的影响.在分析该系统工作原理的基础上,分析了测量传感器安装倾斜误差和回转臂偏心误差,并提出了相应的校正补偿方案.针对动态测量、管壁划痕、斑迹等引入的粗大误差对测量数据的最小二乘圆拟合精度影响较大的问题,提出了一种剔除粗大误差的方法:根据最小平方中值法构建基准圆,剔除孤立点,再用最小二乘法拟合,实验结果表明该算法的精度优于直接最小二乘法5倍.

基于背景抑制的红外小目标检测方法

分析了红外图像中小目标 ,噪声以及背景的特点 ,为了抑制背景从而检测出红外小目标 ,应用了最小平方中值滤波器算法和数学形态学算法 ,并和时域中值滤波器算法作了比较。仿真结果证明数学形态学算法是性能最好的算法 ,时域中值滤波器算法次之 。

基于椭圆拟合的隧道断面监测及其应用

基于最小平方中值法提出了一种改进的方法,即先进行最小平方中值法拟合,再用样本中位数剔除数据中的粗差,最后用最小平方中值算法拟合椭圆曲线,增强了拟合结果的稳健性。通过高精度的椭圆拟合,可以计算出每次的变形量,且提出的收敛比例很好地反映了隧道断面某一部分的微变形趋势。利用新模范马路隧道的监测数据进行了验证。

一种新的高精度的L-M基本矩阵估计算法

分析了基于随机抽样检测思想的现有鲁棒算法在基本矩阵估计中存在的不足,结合LMedS和M估计法各自的优点,提出一种新的高精度的L-M基本矩阵估计算法。利用LMedS思想方法获得内点集,此时内点集通常情况下不包含误匹配,但仍存在位置误差,用Torr-M估计法计算基本矩阵,因为当匹配点只存在位置误差时,用M估计法得到的基本矩阵非常精确。大量的模拟实验和真实图像实验数据表明,在高斯噪声和误匹配存在的情况下,该算法具有更高的鲁棒性和精确度。

基于中心环绕滤波器检测的图像特征点匹配算法

针对传统图像匹配算法特征点检测稳定性和准确性差的问题,提出一种尺度不变性的基于中心环绕滤波器检测(SCFD)的图像特征点匹配算法。首先,构建多尺度空间,利用中心环绕滤波器检测图像在不同尺度下的特征点,采用Harris方法和亚像素插值获得稳定的特征点;其次,联合快速定向旋转二进制稳健基元独立特征(BRIEF)(ORB)算法确定特征点的主方向,构建特征点描述算子;最后,采用汉明距离完成匹配,通过最小平方中值(LMed S)定理和最大似然(ML)估计剔除误匹配点。实验结果表明,在尺度变化时,所提算法的匹配精度达到96.6%,是ORB算法的2倍;其运行时间是尺度不变特征变换(SIFT)的19.8%,加速鲁棒性特征(SURF)的28.3%。所提算法能够有效提高特征点检测的稳定性和准确性,在视角、尺度缩放、旋转、亮度等变化的情况下具有较好的匹配效果。

单目视觉拼图导航中的单应矩阵估计

在单目视觉拼图导航与水下自主机器人的准确定位中,针对单一的单应矩阵代数估计方法和鲁棒估计方法导致估计结果较大的偏差性,研究了利用图像对之间的匹配点估计单应矩阵的原理。分析了测量数据点对可能存在的误匹配及测量误差,会导致测量矩阵的非线性、病态性,从而影响单应矩阵的准确估计。融合几种单应矩阵估计方法,提出了因子归一化鲁棒估计方法对单应矩阵进行估计。利用该方法既能优化测量矩阵,又能剔除误匹配点。实验结果表明,该方法较准确地估计了单应矩阵。

一种新的基础矩阵估计算法研究

该文提出了一种新的估计基础矩阵的鲁棒算法——基于粒子群算法的最小平方中值法(PSO-LMed S)。该方法是将最小平方中值法(LMed S)与粒子群算法(PSO)相结合,将LMed S方法得到的匹配点对作为PSO的初始种群,利用粒子群算法的全局优化特性,通过不断的寻优过程,估计得到最佳基础矩阵,提高基础矩阵估计精度。通过仿真实例,证明改进后的算法具有较高的鲁棒性和精确性。

一种有效的基于消失点的摄像机自标定方法

文中提出了一种有效的基于消失点的摄像机自标定方法。为了使用较少幅图像获得有效的消失点估计,文中首先选择合适的角度在不同位置拍摄若干幅图像,然后使用J-linkage和LMedS的算法检测每幅图像中在场景内两个正交的平行线段组,再使用MLE最优化方法求取消失点,任意选择四对正交消失点标定摄像机内参。为了减少消失点估计误差对标定摄像机参数精度的影响,文中进一步引入附有参数的条件平差方法,调整参数的估计值,提高摄像机内参的精度。实验采用真实环境中的图片,实验结果表明只要6幅图像就可以得到摄像机准确的内参,具有较好的精度和稳定性,说明文中标定方法是有效的。

基于改进的ORB算法与姿态估计的跟踪注册方法研究

针对传统的特征提取算法在图像匹配过程中易出现误匹配现象,提出在ORB算法的基础上融入一种最小平方上值估计法——LMedS方法。利用ORB算法的特点和LMedS方法去除可能存在的外点,消除误匹配现象,从而得到正确的匹配特征对,使特征匹配率有很大的提高;同时采用基于非线性最小二乘进行姿态估计,通过迭代算法估算相机姿态完成虚实注册。实验结果表明,该方法无论是在特征点匹配还是在实际场景中都具有很好的鲁棒性,在不同尺度、部分遮挡的情况下同样具有良好的性能,准确、实时地完成了跟踪注册。

基于部分可见星的接收机完好性监测方法

传统的伪距残差检测接收机自主完好性监测算法在无法获得较为准确的接收机先验位置信息时,先验位置偏差往往会对各颗卫星的伪距残差造成严重影响,从而导致故障检测与识别出错。因此可能将含有粗差的观测值用来定位,而剔除了高质量的观测值。特别是在多颗卫星观测值受粗差影响的情况下,定位精度将严重恶化。为了解决此问题,本文提出了一种基于部分可见星定位结果的鲁棒接收机自主完好性监测算法,算法首先利用了部分可见卫星观测值进行最小二乘的粗略定位,并用此定位结果来计算伪距残差量。同时为了保证此粗略定位结果的精度满足后续伪距残差检测的要求,本文还提出了一种鲁棒性的基于最小平方中值的方法对其进行精度估计。此外,本文也从理论上推导与分析了所提出的接收机自主完好性监测算法的门限值。最后利用仿真与实测数据对所提出的方法与传统最小二乘伪距残差检测法进行了性能对比测试实验,结果表明:本文所提出的方法在复杂环境下对故障卫星的漏排除率比最小二乘伪距残差检测方法有明显的降低(实验中降低了7.77%),定位结果的精度也比传统最小二乘伪距残差检测方法有明显的改善。

利用LMedS算法与特征值法的点云平面拟合方法

针对三维点云数据中存在的异常点会对平面拟合过程产生不利的影响,提出了一种将最小平方中值算法(Least Median of Squares,LMedS)与特征值法相结合的点云平面拟合新方法。首先,通过LMedS算法进行多次迭代确定最佳阈值并剔除点云数据中的异常点。然后,采用特征值法对剔除完异常点后的点云数据进行平面拟合,以获得更加精确的拟合平面参数解。最后,分别采用最小二乘法、特征值法、RANSAC+主成分分析法与所提出方法对仿真和实测点云数据进行平面拟合计算。实验结果表明,相比于其他方法,该方法的平面拟合精度更高,适用于对含有异常点的点云数据进行平面拟合,具有较高的鲁棒性。

基于相位一致性检测的目标分割和跟踪方法

在复杂背景下,目标和背景的亮度或对比度变化以及光照不均匀等因素都会影响目标分割的结果,导致跟踪不稳定或失败。针对这些问题,介绍了基于相位一致性检测的目标跟踪算法。该算法利用log Gabor滤波器获取多方向相位一致图像,并根据最小尺度下6个方向log Gabor小波滤波图像的中值平方确定目标响应最大的3个方向,进行目标分割;利用分割结果确定目标大小、质心位置,进而实现波门自适应跟踪。实验表明,该算法不受亮度和对比度变化影响,采用一个固定的分割阈值,就能得到很好的分割结果,实现了对目标的稳定跟踪,具有较高的跟踪精度。

基于参数约束的隧道断面抗差拟合研究

城市地铁建设过程中,测量隧道断面并进行椭圆拟合,可得到断面中心坐标和收敛数据,进一步指导施工。隧道施工现场具有干扰多、遮挡多的特点,导致测量数据易出现粗差和数据缺失,进而影响椭圆拟合的准确性。针对隧道断面拟合的难点,本文提出一种基于参数约束的抗差拟合方法:通过最小平方中值方法剔除数据粗差,再利用附带参数约束的最小二乘拟合方法进行计算。本文以模拟数据和上海14号线地铁项目数据为例,验证了该方法的有效性和可靠性,解决了隧道断面拟合计算的难点问题。

地铁隧道椭圆度监测方法研究

地铁盾构隧道工程椭圆度监测是衡量隧道管片变形的重要指标之一。论文提出应用全站仪免棱镜测量方法进行隧道椭圆度监测方法,给出了隧道椭圆度监测流程,外业实施中利用高精度全站仪免棱镜扫描采集管片构件上的测量点位,在内业数据处理中则利用最小二乘原理中的最小平方中值法拟合椭圆。实验证明全站仪免棱镜测量方法及最小平方中值的椭圆拟合方法具有较高的可靠性及实用性。

卡尔曼滤波拟合椭圆在地铁隧道断面监测中的应用

最小二乘法拟合椭圆过程中,把所有样本点都当作准确值,但当拟合点中出现噪声和孤立点时,拟合出的椭圆误差较大,而最小平方中值法具有较好的稳健性,但该方法计算量大,计算不方便。针对这种情况,笔者首先使用最小平方中值法拟合出一组椭圆参数,然后利用中位数法剔除孤立点,最后使用卡尔曼滤波方法修正椭圆的参数,通过模拟实例和工程实例,证明该算法能够剔除孤立点,并且拟合出的椭圆具有较小的形状误差,因此该方法可以推广到实际工程中应用。