基于改进ORB-FLANN算法的工件图像识别方法

针对传统图像识别算法匹配正确率低、运行时间较长等问题,文中提出了基于改进ORB-FLANN(Oriented FAST and Rotated BRIEF-Fast Library for Approximate Nearest Neighbors)的工件图像识别方法。对ORB算法特征描述、图像特征匹配算法进行修改,解决传统图像识别算法在图像存在尺度和旋转变换情况下存在的弊端并降低误匹配率。该方法对ORB算法检测到的特征点采用SURF(Speeded Up Robust Features)算法添加方向信息并完成特征描述,得到旋转尺度不变性的特征点,结合FLANN算法并引入双向匹配策略进行特征点粗匹配,最后利用渐进采样一致算法进一步剔除误匹配点对完成精匹配。实验结果表明,与其他方法相比,改进算法在处理尺度、旋转等变换图像时,匹配正确率分别提高了2.6%~18.8%和29.5%~43.9%,运行时长均在4 s以内,提高了对工件图像的识别效率和精准性。

基于改进SPHP算法的无人机遥感图像拼接

针对无人机遥感图像拼接的稳健性问题,对SPHP(Shape-preserving half-projective,SPHP)图像拼接算法进行了改进。利用SIFT(Scale invariant feature transform,SIFT)算法完成特征粗匹配,按粗匹配点对之间的距离对所有匹配点对进行排序,以最优匹配点对作为随机采样一致算法的初始样本集进行特征精匹配。利用投影变换和相似变换相结合的变换模型进行图像配准,采用线性加权图像融合方法进行无人机遥感图像的无缝拼接。实验结果表明:本文算法能有效剔除错误匹配对,匹配正确率平均提高约7%,明显改善图像拼接的视觉效果和图像质量,可以满足实际需求。

基于ORB-SLAM2系统的快速误匹配剔除算法与地图构建

针对ORB-SLAM2系统中随机抽样一致(RANSAC)算法在误匹配剔除时因其算法本身的随机性而导致效率较低的问题和在ORB-SLAM2系统里未能构建稠密点云地图的问题,采用渐进一致采样(PROSAC)算法来改进ORB-SLAM2系统中的误匹配剔除,并在系统中添加稠密点云地图和八叉树地图构建线程。首先,与RANSAC算法相比,PROSAC算法依据评价函数对特征点进行预排序,并选取评价质量较高的特征点求解单应性矩阵,根据单应性矩阵的解与匹配误差阈值进行误匹配剔除;然后,根据ORB-SLAM2系统进行相机的位姿估计与重定位;最后,根据所选关键帧进行稠密点云地图与八叉树地图的构建。根据TUM数据集上的实验结果,PROSAC算法在进行相同图像的误匹配剔除时所用时间是RANSAC算法的50%左右,并且所提系统的绝对轨迹误差与相对位姿误差与ORB-SLAM2系统基本一致,表现出良好的鲁棒性;另外,与稀疏点云地图相比,提出的新构建地图可以直接用于机器人的导航与路径规划。

基于改进SIFT的图像特征匹配算法

鉴于传统尺度不变特征变换(scale invariant feature transform,SIFT)算法特征描述子维度过高、匹配时间长和误匹配率较高的问题,提出一种改进SIFT的图像特征匹配算法。首先,将SIFT特征点邻域的方形区域改为十字形分区来简化特征描述子,降低描述子的维度,减少匹配计算量;然后,在由欧式距离获取初始匹配点对的基础上,结合余弦相似度约束条件过滤伪匹配;最后,利用渐进一致采样(progress sample consensus,PROSAC)算法进一步优化匹配结果,实现精准匹配。实验结果表明,该算法在模糊、光照、仿射、尺度旋转等变化条件下均显著提高了正确匹配率,并缩短了匹配耗时,有效提升了在复杂场景下的匹配性能。

基于双边滤波和词袋模型的图像匹配算法

针对传统ORB(oriented FAST and rotated BRIEF)算法存在计算量较大、匹配精度较低等问题,提出一种将双边滤波和词袋(BoW)模型相融合的匹配算法。首先,采用双边滤波对图像进行对比度增强和去噪;获取图像的特征点和描述子,将BRIEF描述子通过BoW模型转化为BoW特征向量,利用BoW模型进行相似度筛选;最后通过渐进采样一致(PROSAC)算法剔除误匹配点对,提高算法的匹配精度。实验结果表明,改进的算法与传统算法相比匹配精确率和匹配速度都明显提高,并且具有较强的鲁棒性。

基于超宽选票的图像拼接方法

针对机器视觉的电子选举系统中出现的超宽选票无法被现在主流的电子选举系统进行加载识别的问题,提出一种改进的图像拼接方法。首先,在特征提取部分简化了尺度不变特征变换(SIFT)算法中金字塔的层数以提升特征提取的效率;然后,在图像拼接阶段,先使用近邻(NN)算法进行特征粗匹配,再使用渐进一致采样(PROSAC)算法提高匹配精度,实现图像配准;最后,对重合区域使用渐入渐出融合法进行融合处理,实现了电子选票图像的拼接。由实验结果可以看出,该算法在保证了图像拼接质量的基础上,拼接平均耗时大概为30 ms,拼接效率高,满足了电子选举系统对超宽选票机器采集的需求。

基于ORB特征的高分辨率图像拼接改进算法

针对传统图像拼接方法处理速度慢、效率低、无法满足高分辨率图像快速准确拼接的需要,提出一种基于ORB特征的高分辨率图像拼接改进算法。首先在ORB特征点提取的基础上,采用汉明距离进行快速粗匹配;然后基于渐进采样一致性(PROSAC)算法对匹配点对进行优化,去除误匹配点对之后,求解图像变换矩阵;最后采用渐入渐出加权融合算法对图像重叠区域进行融合,去除拼接痕迹。实验结果表明,相较于传统算法,本文算法不仅在处理速度上具有明显优势,而且匹配准确度更高,能够对高分辨率图像实现快速准确的拼接。