复杂环境下基于自适应极线约束的AGV视觉SLAM算法

针对传统视觉同步定位与地图构建(SLAM)算法不能有效处理复杂环境中的动态及潜在动态目标而影响定位与建图性能的问题,提出一种基于Mask R-CNN神经网络以及ORB-SLAM3算法改进的视觉SLAM方法。针对动态目标,提出一种基于语义信息的运动一致性检验算法,使用自适应阈值的极线约束方法实现图像中动态特征点的精确剔除;针对潜在动态目标,提出一种改进的长期数据关联方法,通过增大关键帧选取密度及优化关键帧中的潜在动态目标信息,对算法的回环优化和地图融合过程进行改进,提高回环优化效果与地图复用性。在TUM数据集和真实场景中进行验证,实验结果表明与ORB-SLAM3算法相比,采用TUM数据集在低动态场景和高动态场景中的绝对轨迹均方根误差分别减小8.5%和65.6%;在真实场景下测试,所提算法的定位精度提高了62.5%。

结合SURF算子和极线约束的柑橘立体图像对匹配

提出一种结合SURF算子和极线约束的立体匹配方法。对采集的双目视觉柑橘图像进行R-B分量的计算,在该分量上,采用快速hessian检测子进行特征点检测,并使用SURF描述子对检测到的特征点进行64维的特征描述。采用欧式距离和极线约束进行特征点匹配。实验表明,该方法对一幅图像对的平均处理时间为293ms,在果实被遮挡或光线变化的情况下均能较好地进行特征点提取和匹配。该方法为后续的深度信息计算提供了基础。

基于外极线约束的快速精确立体匹配算法

针对三维运动捕捉系统标记点匹配中存在标记点交叠等情况和速度要求,提出利用平行相机结构,使用统计匹配像素点的平均高度差计算相机间的高度差,并将其与外极线约束相结合将匹配标记点搜索范围限制在一个特定区域内,与传统的利用外极线约束需要在整条直线上进行搜索相比,将搜索范围限制在一个估算点周围,减小了搜索区域,提高了匹配速度。对于标记点存在交叠的情况,使用聚类的方法和加权距离最小值得到正确的匹配标记点,从而提高了立体匹配的精度。实验结果验证了算法的有效性。

一种基于极线约束的激光条纹匹配算法

提出了一种基于极线约束的激光条纹匹配算法。先通过双CCD摄像机摄取左右两幅图像 ,然后对图像进行预处理。处理之后的两幅图像是在不同视角下摄取的两条单像素宽的激光条纹 ,在极线约束和连续性约束的理论基础上 ,提出了一种直线和曲线求交的匹配方法 。

基于极线约束与激光标识的空间焊缝的立体视觉检测

针对安装在焊接机器人末端的双目立体视觉系统,建立了左右图像坐标的极线约束方程.采用极线约束和激光标识相结合的立体视觉匹配方法,完成了相交圆管马鞍形空间焊缝的立体视觉检测.结果表明,含激光条纹的焊缝图像,经细化、去毛刺处理后,可以得到分段光滑的曲线,通过曲线奇变点检测与曲线—极线相交点检测两种方法的融合,实现了空间焊缝检测点在左右图像中的可靠匹配,从而提高了焊缝及周边结构立体视觉检测的准确性.对检测的马鞍形焊缝及周边圆管的三维数据进行了重建,与实际结构尺寸比较误差小,满足一般机器人自动焊接过程中的焊缝检测要求.

基于极线约束SIFT特征和粒子滤波的目标跟踪算法

针对采用颜色或边缘等特征的目标跟踪算法所存在的跟踪效果不稳定的问题,提出了一种基于极线约束尺度不变特征变换(SIFT)和粒子滤波的目标跟踪方法.该方法采用SIFT特征向量构建目标模型,引入极线约束改善目标匹配精度,采用粒子滤波算法获得SIFT特征向量的候选目标模型,利用似然函数计算目标模型与候选目标模型间的相似性.实验结果表明,该方法可解决目标与背景颜色相似时的跟踪失败问题,且对目标外形与位姿发生变化具有较好的适应能力.

基于RANSAC算法的极线约束立体视觉匹配方法研究

立体视觉匹配一直是机器视觉和模式识别领域中的一个重要问题。极线约束是立体匹配中的基本约束之一,为进一步提高立体匹配精度和效率,在对极线约束数学描述推导的基础上,通过求解基本矩阵得到相应匹配点的极线,提出了求解基本矩阵的一般算法,即采用RANSAC算法。首先得到特征点的初始匹配点对,然后运用7点算法将初始匹配点对划分为内点和外点,最后用所有的内点来重新计算优化基本矩阵,并通过对实际图像的立体视觉匹配实验,以验证该匹配算法的有效性。

基于极线约束的ORB特征匹配算法

图像匹配是机器视觉领域的基础核心课题,针对当前ORB(oriented FAST and rotatedBRIEF)图像特征匹配算法虽然执行速度快、但是匹配质量不高的问题,提出一种通过极线约束来改进ORB匹配的算法。通过合理设计Hamming阈值大小来提高初始匹配点数量,采用RANSAC(random sample consensus)和8点改进法计算基本矩阵,应用极线约束剔除误匹配保留大量优质匹配点。仿真实验结果证明,算法改进后的优质匹配点数量可达原始算法的23倍,同时极大地提高了匹配点的质量,证明了算法的有效性。

基于编码结构光和外极线约束的自由曲面三维轮廓术

提出了一种新的基于编码结构光和外极线约束的自由曲面立体视觉测量方法,这种方法有效解决了立体视觉中的图像匹配问题;外极线约束将可能的候选点限制在直线分布,引入编码光用来确定光栅条纹的级次;这种方法极大地减小了图像匹配的运算量,同时减小了错误匹配的概率;实验表明,采用编码光栅投影视觉测量能够高效准确地测量自由曲面的三维轮廓。

利用外极线约束的图像匹配新算法

针对排爆机器人要求获取目标物的精确的三维坐标,在原来只用灰度匹配的基础上,提出了利用图像灰度局部特征约束的一种新算法。该算法首先对图像进行粗匹配找出可能出现的区域,再利用外极线约束进行精确匹配,这样就减少了搜索区间,提高了匹配精度。外极线约束算法对于有遮挡现象问题的处理也非常有效。

利用编码和极线约束相结合的方法实现工业摄影测量中的点匹配

提出一种利用编码和极线约束相结合实现点匹配的方法,该方法利用圆环式编码点作为识别码标识区域。此类编码点具有旋转、缩放、变形的无关性,测量点是与编码点中心圆斑大小一样的圆斑。针对大尺寸测量对象中点的匹配问题,本文提出了分区的思想。首先进行区域匹配,即粗匹配;然后利用极线约束匹配小区域测量点,即细匹配,这样就完成了整个匹配。试验表明该方法能够有效地降低数据处理时间,提高匹配率和自动化程度。

基于极线约束的角点匹配快速算法

针对同一物体从不同角度拍摄形成的不同图像的匹配问题,提出新的基于区域互信息和极线约束的角点匹配快速算法。该算法首先采用Canny边缘检测算子提取图像边缘,再利用曲率最大原理求取局部极值完成角点检测,随后基于区域互信息测度获取角点的初始匹配;进一步采用基于极线约束及马氏距离测度的改进松弛算法完成角点的精匹配。实验表明,本算法具有较好的鲁棒性,能有效、快速、高精度的进行角点匹配。

采用极线约束与圆窗口匹配的立体视觉检测

首先建立了一般形式的双目立体视觉的极线约束方程,使其包含两个独立摄像机的所有内部参数和相对参考坐标系的外部结构参数,针对传统矩形窗口匹配存在的问题,提出了采用沿极线滑动的圆形窗口实现左右图像对应点的匹配。以灰度相关系数和Hu矩不变量作为匹配测度,完成了相交圆管(工件)的立体视觉检测,在进行灰度相关计算时采用了主轴旋转校正技术。实验结果表明:圆窗口下计算的灰度相关性和Hu矩不变量的相似测度都好于矩形窗口,对获得的工件表面三维坐标进行拟合重建与实际尺寸相比误差很小,说明文中建议的极线约束下基于圆窗口的匹配技术用于立体视觉检测是有效的。

利用极线约束方法实现图像特征点的匹配

点匹配一直是计算机视觉和模式识别领域中的一个重要问题。通过对双目立体视觉测量数学模型的研究,在2副图像中特征点数相等的情况下,基于极线约束等理论,给出了一种解决图像特征点匹配的新方法,对三维空间中的离散点在2个视平面上的投影点进行了正确的匹配。实验结果表明,该方法效果良好,具有实用价值。

极线约束下的多分辨率相关匹配算法

针对计算机视觉在几何测量应用中图像匹配特点,提出了将多分辨率和极线约束与相关法相结合的图像匹配方法。该方法采用金字塔分层和极线约束来弥补相关匹配带来运算量大的不足,克服了图像匹配中精度低的缺点。通过计算机视觉在几何测量检测系统中图像匹配的实际应用,验证了该算法具有较高的测量精度、速度及其实用性。

基于结构光和极线约束的三维重建

结构光可以简单、快速并且精确地对被测物体进行三维信息提取,从而得到三维数据点云。而在结构光三维信息获取系统中,条纹的准确检测是影响系统精度的关键因素之一。为了改善这一问题,先利用格雷码对图像条纹进行粗定位,再结合相位码准确地对图像条纹进行细定位并利用极线约束把图像匹配过程中的二维搜索降为一维搜索。结构光条纹和极线的交点就是图像的匹配点,对匹配点空间前方交会即可得到物体的三维点云。反复试验表明,该方法能取得较好的效果。

基于极线约束的多线激光条纹匹配算法

依据双目视觉方法,先由双CCD摄像机摄取左右两幅标记有多线激光条纹的图像,然后对图像进行预处理.处理后的两幅图像是在不同视角下摄取的多条单像素宽的激光条纹,在极线约束的理论基础上,提出了一种多线激光条纹的匹配方法,从而实现了激光条纹的匹配和激光扫描线的三维重建.

基于解剖结构模型和外极线约束的冠脉血管段匹配算法

采用基于解剖结构模型和外极线约束相结合的血管段匹配算法对两幅不同角度的血管骨架图进行匹配.利用解剖结构模型匹配大部分血管骨架点,形成特征点对,利用这些特征点对计算两幅图像间的几何变换矩阵.利用外极线约束法匹配剩余血管骨架点,通过互相关算法对匹配点对进一步优化.该综合算法可以弥补单一算法的不足并结合基于边缘检测的血管宽度提取方法获取血管的宽度信息,为医生的确诊提供参考依据.

一种基于极线约束的激光条纹匹配算法

本文介绍一种基于极线约束的激光条纹匹配算法。先通过双CCD摄像机摄取两幅图像 ,然后对图像进行预处理。处理之后的两幅图像是在不同视角下摄取的两条单像素宽的激光条纹 ,在极线约束和连续性约束的理论基础上 ,提出了一种直线和曲线求交的匹配方法 ,从而实现了激光条纹的快速精确匹配和激光扫描线的三维重建。

基于极线约束的图像目标识别可信度评价方法

在图像辅助的惯性末制导系统中,提出了一种基于极线约束的图像目标识别可信度评价方法.当惯导系统给出的摄像机姿态或图像中目标的像素点位置存在误差时,为了平衡极线约束方程需要引入一个冗余量(residual),该冗余量可由惯导系统给出的摄像机两位置的相对运动及相应图像中目标点的像素位置计算得到.当惯导系统的姿态误差小于0.3°时,冗余量可以用来评价图像目标识别的可信度.理论推导及仿真实验证明,冗余量作为图像目标识别可信度的评价指标,具有良好的特性.