SMT-PAAG下的Harris角点检测与匹配算法

结合多核处理器SMT_PAAG的平台特性,实现基于数据并行和任务并行的Harris角点检测与匹配算法。在SMT-PAAG仿真器上对其算法进行验证,根据加速比和效率两个性能指标对实验结果进行分析,结果表明SMTPAGG上Harris角点检测与匹配算法的并行化实现效果显著。

复杂环境下尺度不变特征的检测与匹配技术研究

针对农业机器人复杂的工作环境,引入了一种新的鲁棒特征点检测算法——SURF算法,其对光照变化、旋转、尺度变化等具有很好的鲁棒性,精度能达到亚像素级别;在此基础上,利用最近邻法则结合BBF(best bin first)搜索算法,对SURF特征点进行精确匹配,实验表明,所提出的方法鲁棒性或实时性较目前常用的Harris算法和SIFT算法更好,可应用在机器人视觉定位、地图构建、智能导航等方面,具有一定的理论和应用价值。

基于曲率尺度空间角点检测与匹配的薄壁件振动模态测试方法

基于视觉的位移和振动测试方法大多需要人工在结构表面预设物理标记,这使得现场测试和监控变得繁琐。针对现有机器视觉技术在薄壁件振动模态测试上的不足,提出基于曲率尺度空间(CSS)角点检测与匹配的薄壁件振动模态测试方法。该方法通过人工设置的虚拟角点代替传统的物理标记,利用改进的CSS角点检测方法定位振动图像序列中的关键点,并采用基于像素平方差改进的匹配方法实现关键点匹配,最终获取振动信息并识别模态参数。对薄壁梁和薄壁圆筒进行振动模态实验,并利用有限元仿真和加速度传感器进行分析验证,结果表明,该方法能够有效准确地获得薄壁件的模态参数,测试精度误差在5%以内。

融合多边形拟合与凹点匹配的黏连重叠矿石图像分割算法

用选矿机进行矿物分选可以提高目标矿物的含量,从而优化资源利用,提高生产效率,在矿业领域中具有重要意义与价值,但分选过程中通过X射线透射技术所得的矿石图像会存在目标黏连及重叠的情况,这将严重影响矿物分选效率及精度,获取独立矿石图像是使用该方法对矿石进行识别、定位、分选的必要条件。为提高矿物分选精度与效率,提出了一种基于多边形拟合的凹点检测与匹配算法用于分割黏连矿石图像。首先,将矿石二值图像拟合为多边形图像并从图像拐点中甄别出凹点;其次,利用拐点构建直线方程形成检测区域,在该区域内搜寻凹点的待连接点,完成凹点匹配;最后,将计算机视域由二值图转移至灰度图,通过分析待分割区域的灰度值判断该区域是否为矿石间实际黏连处,从而决定是否执行分割操作。试验结果表明,算法在黏连矿石数据集上的总体分割准确率为93.60%,凹点噪声率仅为5.23%,处理尺寸为281×336的图像平均计算时间低至5.13 ms,检测效率最高可提升220倍以上,其噪声凹点滤除能力、凹点检测精度、分割准确率、算法运行速率均优于同类算法,对不同黏连数量及不同黏附形式的矿石图像均展现出较强的分割稳定性。

视觉SLAM综述

视觉SLAM指的是相机作为唯一的外部传感器,在进行自身定位的同时创建环境地图。SLAM创建的地图的好坏对之后自主的定位、路径规划以及壁障的性能起到一个决定性的作用。本文对基于特征的视觉SLAM方法和直接的SLAM方法,视觉SLAM的主要标志性成果,SLAM的主要研究实验室进行了介绍,并介绍了SIFT,SURF,ORB特征的检测与匹配,关键帧选择方法,并对消除累积误差的闭环检测及地图优化的方法进行了总结。最后,对视觉SLAM的主要发展趋势及研究热点进行了讨论,并对单目视觉SLAM,双目视觉SLAM,RGB_D SLAM进行了优缺点分析。

基于场景复杂度与不变特征的航拍视频实时配准算法

实时、鲁棒的图像配准是航拍视频电子稳像、全景图拼接和地面运动目标自动检测与跟踪的前提和关键技术.本文以航拍视频序列为处理对象,提出了一种新的基于场景复杂度与不变特征的实时配准算法,其主要特点包括:(1)在对航拍视频配准难点进行详细分析的基础上,有针对性的提出基于积分图的快速图像尺度空间构建、依据场景复杂度的检测特征点数量在线精确控制、基于描述子误差分布统计特性级的联分类器构造等新方法,使得算法配准性能不随场景的复杂度发生改变,能够在各种地貌条件下实时、稳定的进行图像配准;(2)将多尺度Harris角点和SIFT描述子相结合,并通过对帧间变换模型参数进行鲁棒估计,保证了算法具有良好的旋转、尺度、亮度不变性和配准精度.实验结果表明,算法可在场景变化、图像大幅度平移、尺度缩放和任意角度旋转等复杂条件下实时、精确的进行图像配准,对分辨率为320×240的航拍序列的平均处理速度达到20.7帧/秒.

单目视觉同步定位与地图创建方法综述

随着计算机视觉技术的发展,基于单目视觉的同步定位与地图创建(monocular SLAM)逐渐成为计算机视觉领域的热点问题之一。介绍了单目视觉SLAM方法的分类,从视觉特征检测与匹配、数据关联的优化、特征点深度的获取、地图的尺度控制几个方面阐述了单目视觉SLAM研究的发展现状。最后,介绍了常见的单目视觉与其他传感器结合的SLAM方法,并探讨了单目视觉SLAM未来的研究方向。

基于双目立体视觉的三维重建

三维重建是图像处理、计算机视觉、计算机图形学的一个重要研究领域。基于双目立体视觉的三维重建通过相机标定搭建一个对准的标准立体实验平台采集图像,进而对图像进行特征点检测与匹配找到待重建点,然后通过双目视觉原理计算三维坐标,最后进行纹理映射。根据真实图像的实验结果表明,具有较好的重建效果。

一种用于图像特征提取的改进ORB-SLAM算法

针对复杂室内环境下视觉SLAM定位存在实时性差、轨迹漂移等问题,本文提出了一种基于图像特征提取方法的ORBSLAM算法。该算法在前端中提高图像特征检测与匹配的效率和精度,引入闭环检测策略优化相机位姿轨迹,提高定位精度。以不同来源图像对比分析不同特征提取算法SIFT、SURF、ORB的有效性,运用该算法估计机器人运动轨迹,与真实轨迹相对位姿误差为0.144 8 m,试验表明所提出的方法切实可行,具有较高的稳健性。

基于特征点与边界信息的全自动多模态遥感图像配准方法

多模态遥感图像在光谱成分上的巨大差异,导致点特征检测与匹配算法在该类图像配准中的正确匹配率非常低。为了提高尺度不变特征变换和加速鲁棒性特征算法在图像配准时的可靠性和鲁棒性,提出了一种多模态遥感图像配准的新方法。该方法既能利用复杂轮廓中蕴含的几何变换信息弥补点特征在多模态图像配准中的缺点,又能利用点特征所蕴含正确匹配区域的启发性信息克服边界匹配算法的不足。结果表明:该方法能够在完全无人参与的情况下,全自动地实现多模态遥感图像的配准,并且具有较高的稳健性和可信度。

基于运动恢复结构的雕塑的3D重建研究

近年来,图像的三维重建在计算机视觉中发挥了很大的作用,并且在质量和性能上有了较大的提升。基于运动恢复结构的三维重建方法已成为3D重建领域的研究热点。本文由真实物体入手,系统研究运动恢复算法,详细分析了特征点检测与匹配的过程,基础矩阵与本质矩阵的计算,以及使用CMVS/PMVS重现逼真的三维结构。实验证明,通过运动恢复结构来进行稀疏重建,稠密重建来对物体或者场景进行重建的研究有着极高的价值。

基于图像颜色信息的C-FAST特征检测和匹配算法

以效率较高的加速分割测试特征提取(FAST)算法为基础,添加原FAST算法不具备的尺度不变性和旋转不变性特征描述子,在特征检测和匹配时将颜色信息作为重要参考变量,提出了一种基于颜色信息改进FAST算法的图像特征检测和匹配算法(C-FAST)。改进后的算法效率较高,具有更高的检测和匹配精度,且在光照变化和噪声下均有很好的稳健性。使用公开数据集和常用图像对FAST算法、快速稳健特征(SURF)算法、基于颜色信息的尺度不变特征转换(CSIFT)算法及所提C-FAST算法进行了性能分析。结果表明,所提算法能有效可靠地完成图像的特征检测和匹配,对比原FAST算法,准确率提升30%。

改进ASIFT算法的PMVS三维重建

基于多视图的三维重建的特征点检测与匹配能力较差,通常使用的Harris、SIFT算法所能检测和匹配的特征点较少,误匹配的特征点数量较多。因此,提出了基于Bicular算法的自适应尺度优化结合Harris算法改进Asift算法,将改进算法BH-Asift(Bicular Harris-Asift)运用到基于PMVS的多视图三维重建系统中,改进后的算法特征点检测与匹配能力较强,生成的最终三维模型更加真实。

城市基础地理信息数据库更新方案研究

城市基础地理信息数据库是构建智慧城市、数字城市的基础,能够为城市建设提供地理服务。然而,随着应用行业需求的增加,城市基础地理信息数据库的现势性明显不足,亟需自动化数据更新方案,加快数据库的更新速度。针对此问题,本文以城市基础地理信息数据库的面要素更新为核心,从数据变化检测、要素自动匹配、数据库增量更新三个角度阐述自动化的更新方案,以期能够提供城市地物实体频繁变化的准确数据。