基于深度学习的语义特征点提取匹配算法

针对传统ORB算法在特征点提取匹配方面存在的误提取和误匹配问题,以及在语义SLAM应用方面的不足,本文提出了一种基于深度学习的语义特征点提取匹配算法。首先,利用语义分割网络获取匹配图像的语义信息,再结合四叉树分配及自适应提取阈值算法,以实现提取均匀分布的语义特征点。其次,为了剔除特征点匹配环节中存在的误匹配,本文设计了一种语义角度直方图匹配优化算法,通过结合匹配语义特征点的角度和语义信息用于剔除误匹配,从而获得准确的匹配特征点对。最后,通过对比实验评估本文所提算法,实验结果表明论文提出的语义特征点算法能够有效消除误匹配并实现提取特征点的均匀分布,证明了本文算法在多种场景下的优越性能,满足语义SLAM系统的需求。

基于特征点对优化筛选的点云初始配准算法

针对源点云和目标点云中特征点对容易产生错误匹配的问题,研究了基于特征点对优化筛选的初始配准算法。首先利用主成分分析算法求取点云的法向量,利用曲率估计选取特征点并建立两点集的特征直方图,然后采用特征点对优化筛选算法准确匹配对应点集,最后利用罗德里格斯旋转公式求解旋转矩阵和平移向量。实验结果表明,与RANSAC剔除错误点对的初始配准算法相比,该算法能够减小配准误差。

提高非接触式细丝直径测量精度的技术和方法探讨

基于 Fraunhofer衍射和 Babinet原理可以实现用激光作为光源的细丝直径非接触高精度测量 .理论计算和实验表明影响细丝直径测量精度的因素包括 :衍射条纹宽度的测量、入射光波E取向和 CCD的横向移动等 .从 Maxwell方程出发 ,根据被测细丝表面的边界条件求出衍射场 ,从而进一步讨论 E的取向对细丝测量精度的影响 .

DMVC中基于图像配准的空域边信息重建算法

为了更好地压缩分布式多视点视频编码系统空间冗余度,提出了一种利用视点间存在的固有的对极几何关系计算空域边信息的方法。在此方法中,对极几何的准确度是影响边信息的质量以及运动搜索范围大小的关键因素,因此,提出了基于图像配准的匹配点对优化算法以获取更准确的对极几何关系,算法在对特征点对进行坐标优化调整的同时,剔除了部分相关性小的匹配点对,提高了其匹配精度。将该算法所得到的视点间对极几何关系用于分布式多视点视频编码系统中计算空域边信息,并对系统仿真测试。实验结果分析表明:加入了特征点对优化算法后,直接通过在对极线上搜索所获取的边信息质量提升超过了2 d B;若将搜索范围往对极线垂直方向上扩张,在保持相似重建质量的前提下,提出的算法的搜索复杂度降低为原来的10%~20%;与同等条件下的MCII算法相比,性能提升0.2~0.7 d B。

基于单目AR环境下的目标识别与跟踪算法

为解决AR技术中运动目标的识别与跟踪这一问题,提出了一种基于特征点匹配结果提纯和迭代最近邻算法的目标识别与跟踪算法。通过提取目标与视频图像的FREAK特征,采用暴力匹配的方法,并利用Hough投票以及求解单应性矩阵的方法对匹配结果进行提纯。在目标识别过程中,通过特征点提纯结果检测出视频中目标出现的第一帧,并利用迭代最近邻算法求解初始旋转平移矩阵;在目标跟踪过程中,利用上一帧中特征点的位置,通过与目标图片进行模板匹配,得到当前帧中特征点的位置,再利用迭代最近邻算法求得当前帧的旋转平移矩阵。实验结果表明,该算法能够对运动目标进行准确实时的识别和跟踪。

基于区域自适应模型耦合向量约束的图像匹配算法

目的为了解决提高图像匹配算法的匹配精度与鲁棒性。方法设计基于区域自适应模型耦合向量约束规则的图像匹配算法。首先引入采用上下文信息的显著性分析方法,提取图像的显著区域和非显著区域。根据区域的显著性特征构造区域自适应模型,用以动态调整FAST算法中的灰度阈值,提取图像中的特征点。然后,通过欧氏度量将特征点邻域内的点分为长、短点集;通过长点集生成特征方向,利用短点集生成特征向量,以获取特征点的描述符。最后,对特征点之间的Hamming距离进行度量,实现特征点的匹配。利用匹配特征点组成的向量建立向量约束规则,对匹配特征点进行优化,完成图像匹配。结果实验结果表明,与当前图像匹配技术相比,所提算法具有更高的鲁棒性与匹配正确度,当目标旋转角度达到100°时,其匹配准确率仍可达到88.95%。结论所提算法具有良好的适应性,在遇到几何变换时,具有较好的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。