基于特征点约束关系的图像拼接算法

针对传统图像拼接算法存在的缺点,提出一种基于特征点约束关系的全自动图像拼接算法。首先使用Harris角点检测器提取两幅图像的特征点;再利用双向最大相关法对特征点初始匹配,运用两级特征点约束关系策略对初始匹配点求精;然后采用稳健的RANSAC算法求出变换矩阵初值并使用Levenberg-Marquardt(LM)非线性迭代算法精炼变换矩阵;最后使用三角函数作为融合算法,实现拼接图像的平滑过渡。实验验证了算法的有效性。

基于特征点位置约束的三维激光移动测量位姿改正方法

准确的导航定位信息是激光移动测量系统获取高精度点云的基础,但导航定位系统在短时段失效情况下会导致观测点位置信息不准确,从而无法获得准确的点云数据。为此,提出一种基于特征点位置约束的激光移动测量位姿改正方法,利用导航定位系统失效时段前后测量得到的少量特征点位置信息,构建基于不同时刻特征点配准的位姿改正模型,将导航定位系统失效时刻的观测点位置和姿态作为待估参数进行最小二乘解算,实现位姿参数恢复和点云重构。结果表明,采用基于特征点位置约束的位姿改正方法,导航定位系统短时段失效情况下的点云坐标中误差从米级改正到了分米级,对于提升组合导航系统稳定性和点云移动测量精度有重要的参考价值。

基于深度学习与特征点速度约束的室内动态SLAM方法

针对动态环境下同时定位与建图(SLAM)算法定位信息不准确、建图偏移严重的问题,提出一种深度学习与特征点速度约束相结合的室内动态SLAM方法。引入基于深度学习的潜在动态目标检测线程与基于ORB-LK光流金字塔的特征点速度计算线程。首先,通过YOLO_v5算法对场景中潜在的动态目标进行识别判断,提供先验信息;然后,利用ORB-LK光流金字塔算法计算图像中特征点的相对速度,根据特征点速度约束判断潜在动态目标区域的真实动态性,更加合理地剔除动态特征点,提高视觉SLAM系统在室内动态环境下的定位精度和鲁棒性。实验结果表明,在TUM数据集中动态子序列下与ORB-SLAM2、Detect-SLAM、DS-SLAM相比,绝对轨迹均方根误差分别平均减少94.74%、51.95%、43.61%。

基于思维进化算法的人脸特征点跟踪

提出了一种基于思维进化算法的人脸特征点跟踪的方法。通过提取人脸跟踪区域的尺度不变特征变换获得整体特征模版,并确定跟踪特征点,由整体特征模版的空间分布关系限定跟踪特征点的存在区域。应用思维进化算法的趋同过程和异化过程求得整体特征模版在目标帧的最优覆盖解,进一步提高跟踪特征点的限定区域的准确性,提高搜索速度和精度。引入原始特征和替代特征,使算法在复杂情况下仍能保持稳定跟踪和较快的跟踪速率。经试验,新方法能够在复杂情况下稳定跟踪95%的特征点,并保持25帧/s的跟踪速率。

面向视觉着陆的高精度结构化约束特征点研究

为提高视觉着陆过程中无人机的相对定位精度,选取视觉图像中的直线交点作为结构化约束特征点,设计了基于梯度一致性的边缘检测算法,并结合Shi-Tomasi角点检测算法进行结构化约束特征点的粗定位。对LSD直线检测算法进行改进并设计了亚像素角点定位精度改进算法,在结构化约束特征点粗定位的基础上,将其精度提高到亚像素级。基于实际场景中固有约束的结构化约束特征点具有鲁棒性、旋转和尺度不变性,抗干扰能力更强,其高精度定位有利于提高视觉着陆相对定位的精度与可靠性。

基于精选SURF特征点的手指静脉识别算法

为处理好手指静脉识别技术中旋转、偏移以及光照不均等难题,将Gabor滤波与对比度受限的自适应直方图均衡算法相结合来进行图像增强,并利用静脉图像的反射率进行图像分割,同时检测静脉图像中的加速鲁棒特征(Speeded Up Robust Features,SURF),然后根据SURF特征点在分割图像中的空间分布特征进行特征点约束,最后利用图像中特征点的相似性进行图像识别。在公开手指静脉数据库上的实验结果表明,所提方法不仅识别率较高,而且对手指静脉图像在采集过程中存在的手指旋转、偏移以及图像光照不均等问题有较好鲁棒性。

低功耗无线智能设备在线监测数据压缩方法

为释放数据存储空间,提升数据压缩率,提出低功耗无线智能设备在线监测数据压缩方法。分析低功耗无线智能设备在线监测数据采集过程,并传输至控制单元内。采用卡尔曼滤波算法,抑制所采集监测数据内的噪声。通过二乘规划与线性特征拟合的过程,获取滤波后低功耗无线智能设备在线监测数据的特征约束点,实现低功耗无线智能设备在线监测数据压缩。实验结果表明,该方法滤波后的监测数据更贴近实际数据,可最大限度释放数据存储空间。

基于RGB-D的室内场景实时三维重建算法

针对基于视觉的室内场景三维重建过程中存在三维点云匹配不准确、过程耗时和深度信息部分缺失的问题,提出一种带有深度约束和局部近邻约束的基于RGB-D的室内场景实时三维重建算法.该算法首先利用RGB-D相机采集到的RGB图像做哈里斯角点检测,再用SURF特征点描述方法对检测到的特征点生成64维特征描述子.接着利用特征点集合的深度信息和局部近邻特征点信息作为约束,初步筛选出相邻帧间正确的匹配点对,再结合随机抽样一致性(RANSAC)算法去除外点,以此得到相机的姿态估计.最后利用RGB-D的深度图像,在图优化方法(g2o)的基础上生成三维点云,实现室内场景的三维重建.实验中,RGB-D摄像头装载在自主移动导航的小车上,实时重构的三维场景验证了所提算法的可行性和准确性.

任意位姿平面靶标实现立体视觉传感器标定

提出一种基于任意位姿平面靶标的立体视觉传感器标定新方法。利用平面标定参照物,并允许其在测量空间内自由移动,结合镜头畸变的摄像机标定数学模型,实现传感器中摄像机标定;在立体视觉传感器三维测量模型基础上,引入特征点约束优化传感器结构参数,同时实现了传感器现场标定。该方法降低了标定设备的成本,灵活方便,切实可行。实验结果表明,该方法标定精度高,已标定传感器测量空间距离的相对误差优于0.3%。