面向低光弱纹理环境的SLAM系统实验教学平台设计

为提升机器人专业实验教学质量和人才培养质量,针对机器人状态估计和精确定位工程问题提出一种面向低光弱纹理环境的视觉惯性融合鲁棒SLAM算法,并设计一种面向低光弱纹理环境的SLAM系统实验软件教学平台,实现稳健鲁棒4DOF状态估计和高精度实时定位,并在公开数据集上验证了该算法的有效性。实验结果表明,与现有的视觉惯性SLAM算法相比,所提算法在结构化弱纹理场景中有着更高的精度和鲁棒性,能有效降低机器人系统的累积误差,保证地图构建的一致性。通过上述SLAM系统教学平台在实验教学中的应用,可提升机器人专业本科生在工程问题中的创新能力和实践能力。

弱纹理飞机蒙皮曲面图像特征匹配及拼接

为了解决弱纹理飞机蒙皮特征点分布不均匀、正确匹配的特征点对较少的问题,提出了一种改进的LoFTR算法对飞机蒙皮图像进行拼接。根据相机位姿利用柱面反投影对蒙皮图像进行曲面校正;通过图像之间的重叠区域确定特征提取区域,从而减少错误匹配点对的生成;使用LoFTR算法进行特征提取,并且使用RANSAC算法对特征点进行筛选;根据图像分块的思想对重叠区域进行网格划分来对特征点进一步筛选,使得特征点分布更加均匀,得到更加准确的变换矩阵进行图像配准。实验在自研无人车采集的飞机蒙皮图像上进行了测试和验证,改进的方法与SIFT、SURF、ORB、BRISK以及AKAZE进行了特征匹配率比较实验,SIFT、SURF、ORB、BRISK和AKAZE匹配率分别为4.84%,0.47%、2.9%、0.86%、5.08%,提出的算法特征匹配率达到55.21%,SSIM平均值提高了44.38%~88.46%。该方法适用于对飞机蒙皮图像的拼接任务,且不存在因弱纹理而导致漏拼的问题。

借助弱纹理匹配的TEDS车底故障区域定位算法

针对当前动车组运行故障动态图像检测系统(trouble of moving EMU detection system,TEDS)故障识别准确率低的问题,本文提出一种借助弱纹理匹配的动车底部潜在故障区域定位方法。首先,采用拓扑交叉数检测大量弱纹理区域特征点;然后,以特征点为中心的环形区域内各像素点的拓扑交叉数值筛选特征点,构建相应特征向量进行弱纹理特征匹配;最后,对配准后的图像进行比对定位潜在故障区域。实验结果表明,该算法保证了匹配精度,能检测出大部分潜在故障区域,弱纹理区域的特征匹配准确率超过80%且所有图像对均存在特征匹配对,为以后的精准故障分类提供了有利条件。

基于深度学习的宽基线弱纹理影像匹配研究

为了解决宽基线弱纹理影像匹配中的挑战性问题,本文深入研究了基于深度学习的匹配方法。首先,设计了宽基线弱纹理影像匹配的完整流程,包括几何纠正、粗等级匹配预测和最终匹配等关键步骤。在几何纠正方面,本文采用了一种有效的影像配准方法,以纠正由于摄影角度和地形变化引起的几何畸变。接着,通过引入深度学习模型,实现了对宽基线弱纹理影像的粗等级匹配预测,为后续精细匹配提供了可靠的初值。在最终匹配阶段,本文提出了一种结合传统特征和深度学习特征的综合匹配算法。研究结果表明,应用本文方法进行宽基线弱纹理影像匹配时,匹配正确率均在95.00%以上,显示了该方法在处理具有挑战性的影像数据时的优越性能。

抗视差的宽基线弱纹理影像自动拼接算法

针对目前带有视差突变的宽基线弱纹理影像拼接效果差及需要人工干预的问题,本文从影像匹配和影像配准两方面进行改进,提出了面向宽基线弱纹理影像的抗视差全自动拼接算法。首先,采用融合了影像视角几何纠正的局部特征变换模型,由粗到精地实现弱纹理特征的准密集对应;然后,基于匹配点和深度神经网络,泛化学习宽基线影像间的可靠透视变换,以获取全局配准视差,局部视差则通过薄板样条函数来精确拟合;接着,将影像拼接结果的多边形边界进行规则化处理,通过全卷积网络将其训练为规则化矩形,在有效剔除空白区域的同时,最大限度地保留影像拼接内容;最后,选取4组无人机和地面近景宽基线弱纹理立体像对进行测试,并将本文算法的影像匹配及配准各阶段结果分别与现有代表性算法结果进行对比。试验结果表明,本文算法在匹配点数目、匹配精度及影像拼接质量等方面具有显著优势,并能够在影像弱纹理区域及视差突变场景表现出较好的稳定性。

弱纹理环境下的视觉惯性里程计优化方法

基于视觉的机器人自主定位与导航系统都是利用点特征进行工作,但在弱纹理环境中,无法提取充足的点特征,系统的精度与鲁棒性就会下降。为此,提出了一种弱纹理环境下的视觉惯性里程计优化方法。将点线特征融合,相对于点特征,线特征在弱纹理环境下有较强的鲁棒性,可提供更多的环境几何结构信息,有利于三维地图的构建。为了提高精度,使用紧耦合的方式将相机与IMU采集到的数据融合。利用滑动窗口算法,将IMU预积分后的误差与点线重投影误差,在滑动窗口中用最小化误差函数的方式进行优化。通过EuRoc数据集,将优化后的系统与VINS-Mono系统进行比较。经测试,不同场景中的几组数据的绝对轨迹误差都很小,且均方根误差下降3%左右。验证了算法的精度与鲁棒性。

弱纹理环境双目视觉稠密视差鲁棒估计方法

精确稠密视差估计是立体视觉系统恢复观测场景三维信息的关键。从立体视觉在机器人环境感知的实际应用角度出发,提出了对于弱纹理、阴影和遮挡等关键影响因素,具有良好鲁棒性、精度和处理速度的稠密视差图估计算法。针对弱纹理、阴影和深度不连续的问题,设计了基于灰度相似度概率的置信度传播算法,结合视差平滑约束,以期实现较高精度的视差初值快速估计。由视差级数定义的消息向量通过异向平行迭代进行传播,消息向量包含表征像素点灰度相似性和平滑性的能量信息,通过全局能量函数的迭代收敛,快速获得视差初始估计。根据独立连通区域通常具有相似纹理特征和视差一致性的先验知识,提出了基于Mean-Shift聚类分割算法和参数空间投票自适应视差近似面估计算法,进行稠密视差的精细优化估计。利用具有不同弱纹理特征的5组标准测试图像、4组室内环境实际图像、4组室外环境实际图像和4组月面模拟特殊光照环境的实际环境图像进行了测试实验,实验结果表明了本文算法的良好鲁棒性和有效性。

缺帧环境下弱纹理图像的三维重建方法

针对传统方法进行缺帧环境下弱纹理图像三维重建时容易受到边缘缺帧点干扰的影响,降低三维重建效果的问题,提出一种基于边缘轮廓角点分割和相邻帧补偿缺帧环境下弱纹理图像三维重建方法.构建缺帧环境下图像采集模型,采用阈值降噪算法对采集的缺帧环境下弱纹理图像进行降噪滤波预处理,对降噪输出图像进行边缘轮廓角点分割,采用相邻帧补偿方法进行弱纹理修复和稳像处理,提高了对图像弱纹理特征的重建能力,实现图像三维重建的改进.仿真结果表明,改进方法能提高图像纹理识别和修复重建能力,输出图像质量得到有效改善.

基于深度学习的弱纹理图像关键目标点识别定位方法

为提高弱纹理图像关键目标点的检测识别能力,提出基于深度学习的弱纹理图像关键目标点识别定位方法;构建低光照强度弱纹理图像关键目标点的拓扑特征分布模型,采用透射率作为检测系数,结合亮通道的先验知识,建立像素大数据分布集,采用暗原色融合和RGB像素分解方法实现对低光照强度弱纹理图像的信息自适应增强处理;根据透射区域噪点融合匹配结果,采用交叉组合滤波检测和深度学习算法,实现对低光照强度弱纹理图像降噪和信息增强,据此实现对低光照强度弱纹理图像关键目标点检测识别;仿真结果表明,采用该方法定位识别的精度较高,平均为0.93,图像输出质量较好,峰值信噪比平均为32.87,通过准确率-召回率曲线的对比也表明性能较为优越。

基于光学滤波的水面弱纹理提取方法研究

水下潜体运动产生的内波反映到水表会形成一定的红外弱纹理信号,这使得利用红外遥感手段探测成为可能。但是这种纹理信号的对比度很弱,而且往往和振幅很强的背景杂波混在一起,给信号的提取造成很大困难。比较了已有水面弱纹理探测方法的优缺点,提出光学滤波的方法增强水面弱纹理信号的信杂比,使这种信号的提取更容易。基于非相干光学滤波的原理和特定信杂比评估弱纹理信号提取性能的方法,对不同特定频率信号的光学滤波方法采用信杂比进行分析和评估,然后在此基础上,针对特定频率的信号优化了相应的非相干光学传递函数,通过仿真和实验验证了该方法的可行性,同时表明优化的双孔径非相干光系统对弱纹理模型和信号具有较好的提取能力,该优化的系统可以得到7%以上的信杂比增强,再结合后续的数字对比度增强技术可以进一步有效提高对弱纹理信号的提取能力。

关于弱纹理人脸图像匹配方法的改进研究

由于弱纹理图像无显著的纹理特征,使得图像特征提取不完整。为了通过图像特征进行匹配,针对弱纹理人脸图像,无法根据图像特征进行匹配,导致匹配效果差的问题,提出改进径向基算法的弱纹理人脸图像匹配优化方法。通过采集不同姿势时同一个人的脸部几何特征,得到人脸图像各个区域的平均几何特征,并对图像中人脸的旋转信息进行度量,融合径向基函数变形技术对人脸形状变形,提取弱纹理人脸图像的原始纹理信息,选择相应的模板纹理信息进行置换,得到新的纹理信息特征,并将获取的纹理特征叠加在已经变形的人脸图像上,精确地完成对弱纹理人脸图像的匹配。仿真证明,采用改进的弱纹理人脸图像匹配,可以有效减少人脸图像匹配的误差,提高图像匹配速率。

输电杆塔弱纹理部件的可迁移式检测

输电杆塔关键弱纹理部件的通用检测方法依赖大量样本的标注和学习。在无相关部件样本训练情况下,本文提出一种可迁移的输电杆塔弱纹理部件检测方法。本文方法结合了孪生神经网络和互相关卷积用于融合样本块与待搜索区域的特征,其中通过样本部件掩膜裁剪以有效滤除背景噪声,最后在尺度、位置、交并比3个方面提出了对应的分数修正策略以提高检测精度。实验结果表明,本文提出的掩膜裁剪和分数修正策略有效提高了弱纹理部件的检出精度,按照AP50的标准,本文检测方法的平均准确率达到了98.0%,能有效避免由于观测视角、尺度以及光照带来的干扰。

一种弱纹理图像特征跟踪的鲁棒方法

目的提出一种用于弱纹理图像的特征提取和跟踪的鲁棒方法．方法选取包含若干表面片的结构化特征，并假设结构化特征中的表面片之间的关系在图像运动时保持不变．使用基于梯度的方法和基于相关性的方法在另一幅图像中求取对应的结构化特征．利用结构化特征不变性判据，评价对应结构化特征的有效性．结果与结论该算法能有效地跟踪一般表面片特征，非常适合于在室外获取的一般图像序列和弱纹理图像序列运动分析．

西南弱纹理林区提高空中三角测量精度方法

作为空三加密中的重要内容,相对定向精度对空三成果质量至关重要。当前数字摄影测量中对地面目标的自动识别与提取主要依赖于对影像结构与纹理的分析[1],在西南云贵川地区山高林密,弱纹理区的相对定向精度难以控制,严重影响了空三加密和测图精度。本文根据项目经验,总结出弱纹理林区提高相对定向精度的一套流程方法,平差改进pos法+人工刺点方法在实践中效果良好。

基于弱纹理检测及视差图融合的立体匹配

为了在消除弱纹理区域匹配歧义性的同时保证纹理区域的匹配率,提出了一种基于弱纹理区域检测及视差图融合的立体匹配算法。该算法首先根据输入图像的颜色(灰度)变化情况检测出弱纹理区域,然后基于这一检测结果,对输入图像对应用改进的极线距离变换算法,以提高弱纹理区域像素的可区分性,接着,采用窗口匹配算法和置信度传播算法分别对原始输入图像和极线距离变换后的图像计算视差图谱,最后,以弱纹理检测的结果为基准,对这2张视差图谱进行融合,以实现在弱纹理区域和纹理区域的同步最优匹配。通过对弱纹理化后的Middlebury图像库中图像的实验表明,在几乎不增加计算复杂度的同时,该算法的匹配率比当前先进算法提高至少20%,同时,实验还表明了该算法对照度不一致输入图像对匹配的鲁棒性。

大尺度弱纹理场景下多源信息融合SLAM算法

为实现自主机器人大尺度弱纹理场景下局部精准和全局无漂移的状态估计,提出一种视觉惯性与全球导航卫星系统多源信息融合的同时定位与地图构建算法。首先,通过在局部状态估计中加入线特征来更直观表示环境的几何结构信息,有效提升了弱纹理场景中关键帧之间相对位姿估计的准确性;其次,通过引入线性误差表示,将线性特征表示为直线端点上的线性约束,从而将线特征整合到基于特征点算法的线性表示中,有效改善算法在重复线特征场景下的鲁棒性。最后,使用多源信息融合算法,融合视觉惯性与GNSS测量信息实现了局部精确和全局无漂移的位姿估计,有效解决了大尺度弱纹理场景下的精准状态估计问题。多个公共数据集的评估结果表明,所提出算法的鲁棒性更强、定位准确度更高。

高光弱纹理物体表面鲁棒重建方法

为解决高光弱纹理物体表面重建时,存在的孔洞和噪声,及信息缺失等问题,提出了光照补偿结合深度图像的重建方法.结合光照方向和光照强度的参数估计,确定高光区域并均匀光照,再以激光点的变化轨迹修正均值漂移算法的漂移区域,建立改进的均值漂移中心描述子,对深度图像的噪声和孔洞进行判定并修复,实现物体表面重建.结果表明,该方法既可以保持不同种类对象重建完整,避免信息缺失,还可减少外界环境和对象自身特征的负面影响.通过高光弱纹理标准图片和实拍物体重建实验,以及使用均方根误差、峰值信噪比和结构相似性等性能指标进行评价,验证了该方法的鲁棒性和有效性.

基于弱纹理块的噪声估计方法在侧扫声呐图像去噪中的应用

侧扫声呐图像受混响效应影响导致侧扫声呐图像斑点噪声强,边缘模糊,纹理较弱,严重时还会掩盖海底地貌。噪声方差是许多侧扫声呐图像变换域去噪算法的必要参数。指出了侧扫声呐图像在乘性噪声的影响下灰度值溢出的问题,并且以侧扫声呐图像中乘性噪声为背景,考虑灰度值范围对乘性噪声的抑制作用,提出了一种基于弱纹理块的噪声估计方法。算法主要根据噪声的散射模型,将侧扫声呐图像经过幂变换和对数变换,将服从瑞利分布的乘性斑点噪声变换为高斯白噪声,基于变换图像的梯度协方差矩阵和弱纹理块的动态选择,以迭代的方式确定噪声方差。实验结果表明:该算法能够去除灰度值溢出现象对噪声估计的影响,在高亮区域及背景区域的噪声估计结果稳定准确。

基于形变模型的弱纹理人脸图像合成方法改进

对弱纹理人脸图像进行合成处理,可以提高人脸图像的质量和真实感。在进行弱纹理人脸图像合成时,人脸图像因不同维度采样投影形成的纹理形变以及遮挡等问题造成合成的人脸图像扭曲变形,而传统的基于姿态估计算法是根据正常人脸图像姿态进行合成,在人脸图像扭曲变形的情况下,降低了人脸图像合成的效果。提出一种基于形变模型的弱纹理人脸图像合成方法,通过构建二维人脸形变模型,对缺失的人脸形状和纹理进行重构,利用平均二维形变模型对待合成图像的姿态参数进行计算,测试图像同模型实现匹配求解,分别重构测试人脸的三维形状和纹理,并依据测试图像同重构二维人脸模型合成正面人脸图像。仿真结果表明,上述方法与传统方法相比,用于弱纹理人脸图像合成的效果较好,合成的人脸图像真实感强。

基于张量投票和深度图的弱纹理图像三维重构

基于图像的三维建模中图像的弱纹理区域因其颜色单一和局部反光现象,使得该区域内难以有效的检测和匹配特征点以及进行鲁棒的三维点云扩展,容易产生空洞现象和大量的噪声三维点,影响三维建模的精度和完整性。运用松弛变量约束对误匹配特征点滤波并优化相机矩阵,在稠密点云扩展阶段运用张量投票原理,滤波点云扩展中与周围三维点法向不一致的噪声点,运用多尺度离散-连续深度图法重构三维模型。实验结果表明:提出的方法与PMVS(patch based multi view stereo),MVE(multi view environment),Mesh Recon等重构方法相比,具有更好的建模精度和完整度。