基于SIFT特征点提取的ICP配准算法

为解决传统迭代最近点(ICP)算法对点云配准的起始点对选择不佳而导致配准时间长、效率低的问题,提出一种基于尺度不变特征变换(SIFT)特征点提取的ICP点云配准算法(ST-ICP)。首先使用SIFT算法进行原始点云与目标点云的SIFT特征点提取,根据提取特征点完成快速点特征直方图(FPFH)特征运算,通过采样一致性初始配准算法(SAC-IA)搜索对应点对、求解变换矩阵,再进一步运用ICP算法进行点云精细配准。实验结果表明:与ICP算法相比较,ST-ICP算法的配准误差在迭代次数为5次时减小了1.019 cm,迭代次数为10次时减小了0.443 cm;在配准误差达到10^(-2) cm级别时,ST-ICP算法所用时间比传统ICP算法减少了12.829 s。ST-ICP算法优化了对应点对的选择,提升了配准精度和配准效率。

基于快速特征点提取和描述算法与色调、饱和度和明度的图像特征点匹配算法

提出了一种基于快速特征点提取和描述(ORB)算法与色调、饱和度和明度(HSV)的图像特征点匹配算法,并进行了实验研究。首先利用双边滤波和均值滤波结合对图像进行预处理;然后使用ORB算法进行特征点提取;接着利用K维二叉树(K-D Tree)算法与汉明距离进行特征点粗匹配;再利用图像的HSV信息对匹配特征点对进行二次筛选。实验结果表明,在图像进行预处理阶段,采用方差、Vollath、信息熵的加权平均作为评价指标,与原图、直方图均衡化、双边滤波结果相比,双边滤波和均值滤波结合得到的图像指标值最佳;在特征点匹配和图像拼接阶段,利用HSV信息筛选后特征点匹配正确率提高了12.60个百分点,由此得到的图像拼接结果质量更好,其自然图像质量评价(NIQE)指数值更小。

仿人眼双目图像特征点提取与匹配方法

模仿人眼的视觉特性已成为机器迈向智能感知、智能认知的研究热点和难点。图像边缘蕴含着丰富的信息,因此人眼对场景中物体的边缘更加敏感。为在机器上实现这一视觉特性,提出了一种仿人眼双目图像特征点提取与匹配方法。首先选择边缘特征提取能力突出的SUSAN(small univalue segment assimilating nucleus)算子作为特征检测器;然后改进尺度不变特征变换(scale-invariant feature transform,SIFT)描述子的采样邻域,减少远离特征点的梯度信息因视点和视角差异带来的匹配误差,保留靠近特征点的主要梯度信息;随后对输入图像建立多尺度结构,在不同尺度上计算同一特征的主要梯度信息;最后利用平方根核比较梯度信息的相似性,生成多尺度描述子,增强描述向量的独特性。实验采用多种评价指标分别对提出的多尺度描述子和整体算法进行评估,并与经典的SIFT、SURF(speeded up robust features)、Root-SIFT等算法和先进的BEBLID (boosted efficient binary local image descriptor)、SuperGlue、DFM等算法进行对比。结果表明:提出的多尺度描述子能够提高边缘特征点的匹配准确率,并对光照变化具有更强的适应能力,体现出更好的匹配稳定性;与其他算法相比,本算法具有更高的匹配准确性。

基于多域特征提取的电力数据离群点检测研究

为解决传统方法存在随机检测误差导致检测结果不精准的问题,提出基于多域特征提取的电力数据离群点检测研究。该方法从波动性、趋势性和变动性三方面分析6维数据特征,通过多域特征训练对数据进行降维,有效剔除冗余特征。使用K-means算法任意选择对象作为初始聚类中心,根据聚类对象计算各个对象与聚类中心的距离,以此划分离群点区域。计算误差函数,避免离群点分布位置误差影响检测结果,结合网格算法确定6维区间数目和数据分布密度,汇集每一维区间正常点,由此完成离群点检测。实验结果表明,该方法检测到的离群点位置与实际分布位置一致,且只出现2个离群点丢失的情况,其余离群点均能被检测出来,说明应用该方法检测结果精准。

基于线特征约束ICP算法的机载激光雷达点云与影像配准研究

传统ICP算法存在计算效率低、易陷入局部最优等缺点,故提出一种附有线特征约束的ICP算法。该方法采用由粗到精的配准策略,首先在点云和影像数据生成的DSM图像中使用SIFT算法进行特征点配对,经RSANC算法消除误匹配后,作为数据配准的初始参数;然后分别在原始点云数据和影像DSM数据中提取建筑物边界线作为线特征,并将线特征进行简化、拟合、正交化;而后用端点表示特征线,将同名特征线的端点加入到ICP算法中作为线特征约束,完成点云数据和影像密集点云数据的配准。相较于传统ICP算法,新方法不需要对全部的点云数据进行运算,只需抽样少量点(3%左右)参与配准计算,即可完成点云与影像3D-3D配准,算法效率大幅提高,同时在线特征约束下,可避免传统算法容易陷入局部最优的缺点。实验表明,改进算法将配准结果中平均点间距由0.462 m提高到0.342 m,精度提升显著。

融合形状与纹理的点云局部特征描述算法

针对现有点云局部描述符缺乏色彩纹理信息导致特征描述能力不足,以及耗时过长的问题,提出一种基于FPFH(快速点特征直方图)的多特征融合描述符。利用FPFH算法提取形状特征;为特征邻域内点云建立拓扑结构,利用点对间HSV色彩通道比值提取纹理特征;通过特征融合构造描述符,基于最近邻比值的策略进行特征匹配来评估性能。实验结果表明,该算法相较其它描述符有效减少了计算量,可以提高彩色点云特征匹配的效率和精度。

二维图象特征点快速提取算法

三维立体重建中的主要难题之一就是如何有效选择兴趣点 .虽在文献 [2 ]～ [5 ]中提出了各种算法 ,但这些方法计算量大 ,且不能有效抑制干扰噪声 ,对光照条件的要求也十分苛刻 .基于此 ,提出了一种二维图象特征点快速提取方法 .通过与文献 [2 ]、[4 ]中方法就特征点识别与提取结果的实验对比 ,证实了该算法具有抗干扰能力强 ,对外界光照条件适应性强及算法简单、运行速度快等显著特点 .通过对一具有已知三维坐标的标准件的三维重建 ,证实了该算法的有效性 。

结合点云纹理信息的快速点特征直方图描述子算法

为了提高点云匹配识别过程中的特征提取效率和匹配精度,提出一种结合点云纹理信息的快速点特征直方图描述子算法。首先基于快速点特征直方图描述子构建形状特征直方图,采用CIELab色彩空间和多种点对纹理属性度量构建纹理特征直方图,然后将两特征直方图连接获得结合点云纹理信息的快速点特征直方图描述子。运用公开点云数据集及实景点云数据进行验证,对该特征描述子与多个现有描述子展开特征匹配试验及点密度变化试验。试验结果表明:当采用CIE00色差作为点对纹理属性度量时描述子的综合性能最佳;且该算法具有良好的特征描述性能和匹配精度,特征提取效率和匹配效率高,在点云密度变化时具有较强的鲁棒性。

一种EB_SHOT特征的电子元器件点云配准算法

针对机器人在抓取电子元器件中目标实时精准定位的问题,应用点云配准技术,提出了一种扩展的二进制特征描述子(EB_SHOT)的电子元器件点云配准算法。首先,对采集的电子元器件点云进行ISS关键点提取,获取点云表面均匀分布且具有显著特征的点集。其次,对关键点采用SHOT特征描述和位置空间信息相结合的方法生成E_SHOT特征描述子,并将其编码为EB_SHOT特征描述子。最后,基于FLANN特征点搜索路径进行SAC-IA和ICP相结合的点云配准方法,得到点云之间的空间坐标变换矩阵,从而获得电子元器件的位姿信息。实验结果表明,使用这里方法进行电子元器件点云配准,在配准精度和速度上均有所提高,满足机器人抓取的要求。

基于先验信息与特征匹配的无人机图像快速拼接技术研究

本文针对无人机航拍大区域图像拼接时间长、拼接失败,以及拼接后图像存在错位鬼影等问题,设计了一种基于先验信息与特征匹配的无人机图像快速拼接技术。该技术利用图像条带序列关联等信息,进行图像自动排序、重叠区域特征提取、特征筛选匹配及融合拼接等快速处理,有效提高无人机图像拼接效率和拼接质量。实现大区域全景图像的快速高效生产。

特征区域最近点迭代地表移动分析算法

为了获取人员难以到达的陡坡、悬崖等危险地形的地表移动和变形值,采用三维激光扫描技术对其进行精细测量,结合点云特征区域提取和最近点迭代(Iteration Closest Points,ICP)算法,对点云分析方法进行了深入研究,提出了特征区域最近点迭代地表移动分析算法(Surface Movement Analysis Algorithm Based on Feature Region Iteration Closest Points,FRICP)。该算法通过点云滤波处理,实现地面点和植被点有效分离;在此基础上,将法向量和植被高程信息相结合,提取点云中的特征点;再对同一区域地面特征点进行聚类分析,形成特征区域;然后建立球形搜索区域及特征度量指标,匹配多期同名特征区域;最后使用ICP算法对同一地点不同时期的观测点云进行计算,利用获得的坐标变换参数求取地表移动值。采用某矿开采沉陷区山坡移动监测数据进行了算法验证,结果表明:FRICP算法可以准确获取山地边坡的移动和变形值,与人工精确判读结果相比,三维坐标最大偏差为12 mm,最小偏差为3 mm。FRICP算法可同时计算地表下沉和水平移动值,为利用三维激光扫描技术分析山地边坡地表移动提供了新思路,可为山区开采沉陷监测等领域提供技术支持。

装配式建筑平面激光点云数据线性特征提取方法

提取建筑物线性特征时,由于未对采集到的建筑物点云数据预处理,导致最终提取的建筑物线性特征存在完整度差、提取正确率低的问题,对此,提出装配式建筑平面激光点云数据线性特征提取方法。通过内设激光测距系统获取建筑物在三维向量的有效数据,采用非接触式几何支撑系统建立基于有效数据的空间向量模型,将该模型输入三维激光扫描仪的目标物体表面校正系统中,获取到建筑物的整体点云数据。利用Otsu目标检测法对获取的整体点云数据进行优化处理,采用改进IFFT算法建立基于优化数据的物像空间位姿表征模型,利用连续投影算法提取网格内部特征点并连接成线,完成建筑物点云数据线性特征的提取。实验结果表明,所提方法的装配式建筑平面激光点云数据线性特征提取清晰度高、完整度好,且建筑物线性特征的提取正确率最高可达100%,说明该方法具有实用性。

一种简化的SIFT图像特征点提取算法

针对目前尺度不变的图像特征点提取算法计算量较大,算法较复杂的问题,提出一种简化的SIFT图像特征点提取算法。此算法通过改变金字塔尺度空间的结构实现对SIFT特征点提取过程的简化,通过改变特征点描述子的结构实现对特征向量计算的简化,从而在保证算法鲁棒性的同时减少了计算量并增强了实时性。实验证明了该算法的有效性。

基于小平面区域特征的文物碎片重组算法

针对非薄壁文物碎片重组复原过程中,因碎片边缘或断裂面磨损而导致拼接误差大的问题,提出了一种基于小平面区域特征的文物碎片拼接算法。首先根据区域增长分割把碎片的三维点云分割出许多小平面,建立以小平面作为拼接的特征区域,根据特征描述找到初始相似的小平面区域对,然后灵活应用几何约束+随机采样一致性(RANSAC)约束策略的方法,消除误匹配;最后通过4PCS(4-Points Congruent Sets)算法进行碎片的粗对齐,再根据迭代最近点算法(ICP)实现碎片的精确拼接。实验结果表明:小平面的特征描述简单,且有较强的稳健性,采用两级约束策略的方法较好的解决了误匹配问题,提高了磨损碎片拼接的成功率,同时有效减少渗透现象。

基于点对分布的三维模型特征提取算法

基于形状分布算法提出了一种基于点对分布的三维模型特征提取算法。该算法根据两随机点间的连线与模型是否有交点,将连线分为U类和W类,并分别为两类连线构建形状分布直方图,从而解决了形状分布算法对于外形相近但细节不同的三维模型的检索问题,提高了检索精度。

基于改进SIFT算法的苗木图像特征点提取

根据自然环境下苗木图像的特点,通过改变尺度空间的金字塔结构对SIFT算法进行改进。采用改进后的算法对不同的焦距、光照条件、遮挡程度下拍摄的70组苗木图像进行特征点提取和匹配实验。结果表明提出的改进算法显著提高了程序的运行速度,验证了改进算法的有效性。

单幅图像的三维重构视觉系统特征点提取算法的研究与实现

实现基于单幅二维图像不标定欧氏重构三维场景的关键技术之一是有效提取彩色伪随机编码图像特征角点。为给图像特征点匹配提供更多的样本信息,采用定位于彩色图像Harris算子探测特征角点,并动态给出角点响应的自适应阈值条件。特征点提取实验及三维欧氏重构结果证实了该方法的适用性和有效性。

B-Spline-ORB特征点提取算法

针对传统ORB算法尺度不变性较差的问题,提出了基于图像金子塔的ORB算法。首先研究了高斯图像金字塔和B-spline图像金字塔,通过实验对两种图像金字塔进行了探讨。实验表明,3阶B-spline图像金字塔的图像所包含的图像信息要高于相同层上高斯图像金子塔的图像所包含的信息。其次,在图像尺度发生变化的前提下,通过实验对传统ORB算法、基于高斯图像金字塔的ORB算法和基于B-spline图像金字塔的ORB算法进行了探讨。实验表明,基于3阶B-spline图像金字塔的ORB算法相比较传统ORB算法所提取的特征点配准率提高了40%。同时,相较基于高斯图像金字塔的ORB算法,本文提出的改进算法在匹配准确率和运行速度上也有所提升。

一种基于三维形状上下文特征的点云配准算法

针对点云配准过程中点云数据量大、配准时间长、配准精度低的问题,提出了一种基于内部形态描述子(intrinsic shape signatures, ISS)和三维形状上下文描述子(3D shape context, 3DSC)的点云配准算法。该方法首先使用体素网格滤波器对点云进行下采样,接着利用ISS算法提取特征点,并通过3DSC进行描述,然后通过改进的随机采样一致性(randon sample consensus, RANSAC)算法进行粗匹配,最后用改进的迭代最近点算法(iterative closest point, ICP)对点云进行精匹配。试验结果表明,与基于ISS+3DSC的三维正态分布变换(normal distribution transformation, NDT)算法和基于采样一致性初始配准(sample consensus initial aligment, SAC-IA)的ICP算法相比,本文算法的配准精度及效率更高,且对于数据量大的点云也有较好的匹配效果。

基于数字孪生技术的变电站快速建模点云分割方法

针对点云分割结果完整度和逼真度较低的问题,研究基于数字孪生技术的变电站快速建模点云分割方法。使用三维激光扫描技术采集变电站点云数据,依据特征点的密度初步分割变电站点云数据,运用随机森林深入分割难以确定分类的边缘点云数据,引入数字孪生技术实现变电站快速建模。实验结果表明,该方法能很好地保留变电站各区域的边缘轮廓和纹理特征,模型完整度和逼真度较高,且对结构简单的单一设备,以及大规模、结构复杂的变电站均具有优良的快速建模效果。