基于稀疏光流法的改进ORB特征匹配算法

考虑到无人机运动、机载摄像头采集效果、信号传输以及环境变化等因素,针对传统ORB特征匹配算法存在匹配精度低、鲁棒性差等问题,提出了一种基于稀疏光流法的改进ORB特征匹配算法。首先,采用高斯滤波对无人机采集的图像进行预处理,并采用Harris算子剔除特征点中伪角点,提高图像特征点的质量;其次,采用K-means++算法实现图像特征点的聚类处理,由此减少暴力匹配的计算量;在此基础上,将稀疏光流法引入ORB特征匹配算法,计算特征点的运动向量并根据估计特征点在待匹配图像中的二维坐标,实现剔除偏离聚类中心较远的特征点匹配对,再经过随机抽样一致性算法优化后最终特征匹配结果。实验结果表明了所设计的改进ORB特征匹配算法可行性和有效性。

基于稀疏光流法的ORB特征匹配优化

针对图像特征误匹配数量大的问题,提出一种基于稀疏光流法的ORB图像特征点匹配算法。对特征点进行暴力匹配得到初始匹配点集,利用稀疏光流法计算特征点运动向量,估计出特征点在待匹配图像中的二维坐标位置,剔除偏离估计位置较远的特征点匹配对,最后利用随机抽样一致算法进行几何校验进一步优化匹配结果,达到剔除误匹配的效果。实验结果表明:该算法相较于ORB算子、SIFT算子、SURF算子准确率平均提升了21.6%,较RANSAC-ORB算法准确率平均提升了2%,且该算法对图像光照变换、视角变换、模糊变换、旋转和缩放变换和光照变化具有较好的通用性。

改进ORB特征光流的飞行器室内导航方法

针对在GPS信号薄弱或者缺失的室内环境下定位悬停问题,文中对于传统稀疏光流法假设条件很难满足的缺点,将改进ORB算法与特征光流算法相结合来估计出飞行器的光流信息数据,并将光流信息数据与飞行器的惯导数据相融合,消除了由于飞行器自身抖动产生的对飞行器速度的错误估计,提高了室内飞行器姿态稳定性。通过自行搭建的试验平台验证了文中提出方法的可行性。

一种基于光流跟踪的航天器多未知地标导航方法

传统的未知地标导航方法是通过对同一地标的多次观测来估计航天器的状态。相较于使用已知地标,该方法无需进行地标识别与地标库建立,但由于地标状态未知,该方法收敛速度较慢,导航精度也较差。针对上述问题,提出一种同时估计航天器位置、速度及地标位置的多未知地标导航方法,在模拟的遥感图像序列中,使用Lucas-Kanada稀疏光流法跟踪多个未知地标,将地标视线矢量作为观测量,利用扩展卡尔曼滤波器对航天器和地标的状态进行估计。以轨道高度300 km的卫星进行仿真验证,仿真结果表明,所提方法可实现300 s内快速收敛,滤波收敛后卫星位置和速度误差分别为402.67 m、0.481 m/s,地标位置误差为679.88 m,在提高收敛速度的基础上,获得了较高导航精度。

基于轻量化YOLOv8n的动态视觉SLAM算法

为了改善在动态场景下同步定位与地图绘制(Simultaneous Localization And Mapping,SLAM)算法定位精度低的问题,提出一种基于轻量化YOLOv(You Only Look Once version)8n的动态视觉SLAM算法。利用加权双向特征金字塔网络(Bidirectional Feature Pyramid Network,BiFPN)对YOLOv8n模型进行轻量化改进,减少其参数量。在SLAM算法中引入轻量化YOLOv8n模型,并结合稀疏光流法组成目标检测线程,以去除动态特征点,利用经过筛选的特征点进行特征匹配和位姿估计。实验结果表明:轻量化YOLOv8n模型参数量下降了36.7%,权重减少了33.3%,能够实现YOLOv8n模型的轻量化;与ORB-SLAM3算法相比,所提算法在动态场景下的定位精度提高83.38%,有效提高了动态场景下SLAM算法的精度。

基于金字塔分层L-K光流法的燃气火焰动态特征提取与分析

本文研究了金字塔分层L-K光流算法在燃气火焰诊断中的应用,通过实验提取不同工况下燃气火焰图像动态特征,并验证火焰动态特征灵敏性和有效性.结果表明:在稳定工况下,速度大小的均值和方差相比于速度方向的均值和方差更能反映火焰的动态变化;在不稳定工况下,动态特征的速度大小、均值出现周期性变化,描述了不稳定燃烧和火焰熄灭的过程;速度大小均值和方差与工况参数之间呈现显著相关,而速度方向均值和方差相关性较弱.本研究为开发新的燃气检测技术提供参考.

基于视频监控的烟雾检测算法

突发灾害事件应急响应的关键是预警系统是否能够提供早期的报警。该文通过分析早期火灾烟雾的运动规律,提出了一种利用背景运动检测和YUV空间建立烟雾的颜色模型,分割出烟雾疑似区域。在灰度空间使用二维离散小波变换对烟雾疑似区域及对应的背景区域进行能量分析,并改进了论文[11]中稀疏光法在多目标检测时必须手动标注的问题。我们使用该方法对森林火灾、操场和室内烟雾的视频进行了测试,效果十分理想。

基于树莓派的安全头盔视频稳像模块设计与实现

安全头盔采集的视频具有与传统方式采集的视频不同的振动特性。在树莓派开发板上,基于经典的稀疏光流法,与基于特征点的方法相结合,设计与实现了一个安全头盔视频稳像模块,提高了输出视频图像的平稳度。重点讨论了如何结合树莓派开发板的特性,提高模块的运行速度的问题;从精简部分运算过程、波浪式并行执行、视频硬编码等角度,充分调用树莓派的运算能力,在实现视频稳像的同时减少了模块执行时间。