基于并行欧式距离变换的三维障碍距离场计算

为了快速计算空间有障碍物的三维欧式距离场,提出一种基于图形处理单元(GPU)的三维空间有障碍物的并行欧式距离场计算算法.该算法包含2步:1)采用扩展的三维欧氏距离变换算法计算待求物体形状顶点的三维Voronoi图,并用GPU并行计算加速;2)通过多次迭代快速优化计算有障碍物的欧式距离场.算法在放疗靶区的规划中可用于计算不同级别靶区(GTV)在有障碍物情况下到临床放疗靶区(CTV)的外扩.结果表明,该算法比现有方法一般采用暴力求解的方法性能上有较大提升,同时保持稳定的精度.

基于欧式距离变换的人体2D关节点标定

人体实时定位优化问题,关节点标定是构建人体模型、识别人体动作研究中要解决的一个关键问题。提出了一种欧式距离变换的人体2D关节点提取方法,从无手工干预的人体运动图像序列中自动实时定位关节点。首先采用欧式距离变换对图像序列中的人体目标对象进行细化,建立目标区域为单位像素宽的人体2D骨架模型,利用得到的关节点八邻域像素值情况进行查询,从而提取出对应的人体2D关节点的真实位置坐标。实验结果表明,与已有方法相比,改进方法简单有效,能够从多种不同运动状态的人体图像上提取出准确的人体关节点位置坐标,并具有较高的精度和准确性。

基于形态学和距离变换的根系图像交叉的分离

现今图像分割已然成为数字图像处理中必不可少的步骤之一,但是图像来源和目标形态的多样化使得至今还未有一种图像分割方法普遍适用于所有图像的分割。针对根系图像存在分支、根系交叉或重叠的现象,在现有算法的基础上,提出了一种基于形态学和距离变换相结合的分离方法。将形态学用于根系骨架交点膨胀,对根段图像利用改进的距离变换求其影响区,得到的影响区边界作为根系的分离线。实验证明和数据显示,该方法有效地解决了根系交叉和分支的分离问题,效果明显,效率较高。

基于欧氏距离变换的无人机图像拼接

针对无人机航拍图像线性拼接算法不适用于不规则融合区域的问题,提出了一种基于欧氏距离变换的无人机航拍图像融合算法。先通过加速鲁棒特性(Speeded-Up Robust Features,SURF)算法进行图像匹配,再采用欧式距离变换法来实现在重叠区域的加权融合。实验结果表明,相对于传统的线性加权融合算法,该方法显著消除了融合过程中出现的拼接痕迹和鬼影问题。对于航拍图像拼接等重叠区域不规则、重叠位置多变的多图像拼接问题,该算法拥有良好的拼接效果。

基于因子分解和光束法平差的摄像机自标定

提出一种基于因子分解和光束法平差的摄像机自标定算法,只需手持定焦摄像机围绕物体拍摄3幅以上图像即可估计出摄像机的内参数以及畸变系数。该方法有3个主要特点:一是由于在因子分解重建过程中采用了所有图像的信息,因此具有很好的鲁棒性;二是由于在完成欧式重构后采用光束法平差对摄像机内参数以及畸变系数进行了非线性优化,因此具有较高的标定精度;三是由于对标定物体、摄像机运动没有严格的要求,因此在实际应用中易于实现。仿真和真实实验证明了该方法的可行性,特别适用于基于图像序列的近景摄影测量系统,算法已经成功应用于绵阳铁牛科技有限公司自主研发的特征点拍照测量系统(TN3DOMS.FPv1.2)。

手持式激光扫描仪瞬时位置姿态的一种反求方法

传统的激光扫描仪在不同测站进行扫描时,必须保持仪器稳定并测出不同测站间的坐标转换参数。提出一种基于目标点的自动配准算法,任一扫描瞬间首先利用激光扫描仪上的双相机对目标上的人工标志点进行立体测量,然后在已知控制点库中搜索出对应点,依据对应点进行最小二乘公共点坐标转换完成扫描仪定向,最后由双相机对投射到被测物表面的激光点云进行立体测量,直接获得统一坐标系下的点云数据。利用本方法可以实现扫描仪动态测量,测量方便灵活,适用更广泛的测量对象。

基于球形结构元素的两种三维形态滤波方法

基于数学形态学的三维形态滤波在采用大规模结构元素进行运算时,变得异常耗时,若采用的结构元素为球形,则可以使用欧式距离变换代替基本的形态学运算。以某地质体二值图像为背景,对两种三维形态滤波方法进行对比分析,实验结果表明,基于球形结构元素的两种形态滤波方法的滤波效果完全相同,但基于欧式距离变换的形态滤波方法在针对大规模球形结构元素时更为有效。

一种基于SIFT的图像拼接算法及其FPGA实现

图像拼接技术是进一步做图像理解的基础,为了得到更好的拼接效果并满足实时性要求,给出了一种基于SIFT匹配算法的图像拼接算法及其FPGA实现。用摄像头OV5640获取两路分辨率为1 280×720的图像数据,用Xilinx公司的FPGA完成对图像数据的采集、图像配准以及图像融合,图像融合后通过VGA显示。图像融合通过SIFT匹配算法获取左右摄像机拍摄图片的位置关系参数,用欧式距离变换算法对图像进行融合,拼接后的图像显示在屏幕上效果良好。

基于特征点的目标检测方法

几十年来,目标检测一直是计算机机器视觉领域中非常重要的研究方向。特别在人工智能飞速发展的今天,目标检测也越来越受到人们的关注,因为很多机器视觉问题都以目标检测为前提。基于特征点的检测方法是目标检测方法中一类细节检测算法,不但可以得到目标的位置,而且可以得到目标中各个特征点的位置。除了上述特点之外,特征点检测方法很容易将特征点周围的局部纹理信息和特征点之间的空间关系信息进行融合,因此检测结果更加准确。本文就特征点检测方法的理论与发展进行总结阐述,按照功能递进的顺序详细介绍了具有平移不变性的特征点检测方法、具有旋转不变性的特征点检测方法和具有旋转尺度不变性的特征点检测方法,以期为特征点检测方法的发展提供线索与思路。

点云拼接中标志自动匹配方法

基于人工标志的公共点法是中远程地面三维激光扫描仪常用的点云拼接方法。目前,该方法还是手动或半自动,人工交互较多。本文对公共点自动拼接中的标志匹配进行了研究,提出一种基于欧式变换不变量的匹配方法。该方法不需借助编码等其他辅助手段,匹配效率高,非常适合扫描标志的匹配。