GMS特征匹配与图像差分融合的连接器多余物检测方法

在航空航天设备中连接器被广泛地应用,但其装配质量因多余物的存在导致装备服役性能下降。针对目前连接器多余物的检测主要依靠人工,效率低、误检率高、成本高的问题,研究中利用机器视觉的优点,设计了Grid-Based Motion Statistics (GMS)特征匹配与图像差分融合的连接器多余物检测软硬件系统。首先,提取连接器图像ORB特征描述符,通过GMS匹配算法实现检测图像与其对比图像的特征匹配;其次,以两图像的特征点集计算单应性矩阵,并通过透视变换对齐检测图像;再次,将对齐的图像做图像差分,并通过高斯模糊、形态学操作、轮廓查找等实现多余物检测。实验表明,与传统直接做图像差分检测多余物的方法相比,检测精度大幅提升;研究中以采集的147张图像做检测,精度为98.64%。

基于网格运动统计的改进快速鲁棒特征图像匹配算法

针对快速鲁棒特征算法(SURF)局部不变特征描述符存在运算时间较长、匹配准确率较低的问题,文中提出基于网格运动统计的改进快速鲁棒特征图像匹配算法.首先运用Hessian矩阵行列式确定图像中的特征点,采用梯度方向改进SURF中的主方向提取方法,提高特征点主方向的准确性,并使用二进制特征描述子进行特征点描述.再对获取的特征点进行汉明距离粗匹配.最后,采用网格运动统计剔除误匹配点.在Oxford VGG标准数据集上的实验表明,文中算法在图像发生尺度、光照、旋转等变化时匹配准确率与效率较高.

基于网格运动统计算法和最佳缝合线的密集重复结构图像快速拼接方法

针对常用的图像拼接算法对具有密集重复结构的图像会产生大量误匹配点从而出现明显鬼影且耗时较长的问题,将网格运动统计(GMS)算法与最佳缝合线算法相结合,提出了一种密集重复结构的图像快速拼接方法。首先,在图像的重叠区域提取大量粗匹配点;接着,采用GMS算法进行精匹配,然后在此基础上估计变换模型;最后,采用基于动态规划思想的最佳缝合线算法完成图像拼接。实验结果表明,将所提算法应用于两组具有密集重复结构的图像上,不仅可以有效消除鬼影,得到理想的拼接效果,而且显著减少了拼接时间;平均拼接速度分别是传统尺度不变特征变换(SIFT)和加速稳健特征(SURF)算法的7.4倍和3.2倍,分别是结合区域分块的SIFT算法和SURF算法的4.1倍和1.4倍。所提算法能够有效地消除密集重复结构拼接时的鬼影,同时缩短了拼接时间。

基于网格的运动统计特征配准算法在医疗服务机器人中的应用

目的针对医疗服务机器人目标识别中特征匹配准确率低、实时性差等问题,提出一种基于评分框架的基于网格的运动统计(SF-GMS)特征配准算法。方法 SF-GMS算法使用网格对特征点邻域进行分割,统计每个邻域中特征点的数量,设置评分框架函数,根据邻域特征点数量和评分阈值判断特征匹配准确性。结果和结论与典型性特征配准算法随机采样一致性(RANSAC)算法相比,SF-GMS算法能有效提高特征成功匹配率,并具有较好的实时性;对光照视角、遮挡、仿射、比例尺度缩放和旋转等环境变化具有较好的稳定性,能满足模拟医院病房场景下服务机器人自主导航的需求。

基于LK光流和网格运动统计的图像匹配改进算法

针对AKAZE算法在玻璃封装电连接器图像匹配中准确率低及耗时长的问题,文中提出了基于LK光流和网格运动统计的图像匹配改进算法。首先采用AKAZE算法提取玻璃封装电连接器特征点,运用M-LDB描述子进行特征描述。然后利用LK光流法计算匹配区域进行条件约束,从而得到匹配点,并通过FLANN算法进行特征匹配。最后将玻璃封装电连接器图像划分为多个网格,计算FLANN匹配好的特征点邻域的正确匹配个数和阈值并剔除误匹配点。文中实验采用公开数据集和玻璃封装电连接器数据,从实时性和准确性两方面对算法性能进行验证分析。结果表明,改进的算法在处理模糊、亮度及旋转变化的玻璃封装电连接器图像对时,其匹配准确率均达到93%以上,耗时为0.4 s内,证明了算法的有效性。

基于局部聚类的改进运动网格统计算法的研究

针对常用的匹配点筛选算法效率低、对具有角度和尺度变化匹配图像稳定性差等问题,提出一种基于局部聚类的改进网格运动统计特征点筛选算法。首先,通过局部区域抑制算法筛选响应强度较高且成对出现特征点作为种子点,并以种子点为聚类中心分割图像,得到最小外接矩形作为运动网格;随后把运动网格划分为3×3邻域支持估计量网格,计算运动网格在不同方向上的梯度最大值,作为运动网格的主方向;最后,把待匹配图像邻域支持估计量网格旋转至目标图像运动网格的主方向位置,借助网格运动统计算法筛选匹配。实验表明:对具有JPEG压缩变换、光照变化、模糊变换的匹配图像,所提算法匹配正确率在90%以上;对具有旋转和尺度变换图像,所提算法匹配正确率相较运动网格统计算法提高10%左右,高达40%以上;算法耗时仅为13 min,效率较高;所提算法可稳定高效地筛选正确的匹配点。

基于改进ORB-GMS-SPHP算法的快速图像拼接方法

针对传统图像拼接算法存在拼接速度慢、图像拼接有色差等问题,提出了一种基于ORB-GMS-SPHP算法的大视场多图像拼接方法。该方法首先利用高斯函数构建尺度空间,将高斯尺度空间划分为多个网格,在每个网格内借助FAST算法提取尺度空间特征点,使用BRIEF算法提取描述符并匹配,得到更加均匀分布的特征点;然后使用运动网格统计算法筛选匹配点;最后采用SPHP算法融合图像重叠区域,从而得到完整的拼接图像。将改进的ORB-GMS-SPHP算法与现有的传统特征点匹配算法在特征点匹配精度和特征点匹配速度进行对比与评价,验证了该方法特征点匹配速度快、精度高,并且可以保留更多的正确匹配点的特点。将该拼接方法与传统拼接方法在拼接速度、图像配准均方误差RMSE以及视觉主观判断拼接色差进行对比与评价,验证了该拼接方法具有较快的拼接速度、更高的拼接精度和无明显色差。该方法在2736像素×3648像素图像中,特征点匹配时间降低至6.463 s,图像配准精度RMSE降低至3.87。实验证明该方法特征点匹配速度快、精度高,且拼接精度高、无明显色差。

基于加权网格运动统计的改进ORB算法

针对传统ORB算法存在特征点分布集中,在光照条件变化的情况下特征点提取不稳定,匹配准确率下降的问题,提出一种改进ORB算法.首先构建高斯差分金字塔,然后将各层图像划分成多个区域,根据区域内像素值的中位数计算每个区域的阈值,提取每个区域的特征点,之后采用双向匹配算法对特征点进行粗匹配,最后提出一种加权网格运动统计(Weighted Grid Motion Statistics,WGMS)算法对粗匹配结果进行优化.实验结果表明改进ORB算法可以使特征点提取更为均匀,在光照变化的情况下,可以稳定地提取特征点,算法耗时较传统ORB算法慢了10.7%,匹配准确率提高了41.7%.

基于改进网格运动统计特征的图像匹配算法

为了解决尺度不变特征变换(SIFT)算法在图像匹配中匹配正确率低、耗时长等问题,提出一种基于改进网格运动统计特征RANSAC-GMS的图像匹配算法。首先,利用快速旋转不变性特征(ORB)算法对图像进行预匹配,对预匹配的特征点采用网格运动统计(GMS)来支持估计量以实现正确匹配点与错误匹配点的区分;然后,采用改进的随机抽样一致性(RANSAC)算法通过匹配点间的距离相似性对特征点进行筛选,并采用评价函数对筛选后的新数据集进行重新整理,进而实现对误匹配点的剔除。采用Oxford标准图库和现实中拍摄的图像对图像匹配算法进行测试对比,实验结果表明,所提算法在图像匹配中的平均匹配正确率达到91%以上;与GMS、SIFT、ORB等算法相比,该改进算法的近景匹配正确率和远景匹配正确率分别最少提高了16.15个百分点和3.56个百分点,说明它能有效剔除误匹配点,进一步提高图像匹配精度。

基于改进ORB和网格运动统计的图像匹配算法

针对当前图像匹配方法中存在特征点匹配耗时长、匹配率不足等问题,提出一种基于改进ORB和网格运动统计的图像匹配检测方法。使用SURF算法提取图像特征点,构建4层图像金字塔为特征点赋予尺度不变性特征,并使用灰度质心法添加方向信息。由于运动的平滑性导致了正确匹配的特征点邻域有较多匹配的点,完成粗匹配后,使用基于网格运动统计的特征配准算法完成特征点误匹配的筛选与剔除。实验结果表明:所研究算法在图像发生旋转、尺度变化、模糊和亮度变化时配准精度均大于94%,具有较好的匹配识别率和鲁棒性。

基于改进网格运动统计特征的在线三维测量

为了解决在线三维测量技术中像素匹配耗时长,准确率低等问题,提出了一种基于改进网格运动统计特征的像素匹配算法。该方法只需一帧固定的正弦光栅投影到被测物体上,由摄影系统连续采集五帧物体在相等位移下的变形条纹图,提取出相应的调制度信息,并利用快速旋转不变性特征算法提取图像的特征点匹配对,然后利用改进的网格运动统计特征算法来实现误匹配对的剔除。最后根据在线三维测量中对其精度要求很高的特点,取其出现位移量最多的值以获得一组相移量相等的条纹图,采用等步相移算法重建出在线移动物体的三维形貌。大量实验验证了该方法的可行性和有效性,与传统的在线傅里叶变换轮廓术算法进行对比,所提方法的鲁棒性更高,能够恢复出更高精度的三维面形。

网格运动统计的刑侦现勘图像匹配算法

刑侦现勘图像存在质量差、模糊、目标复杂且分辨力低等缺点,这些缺点导致图像匹配时出现效果差、耗时长等问题,针对该问题提出一种基于网格运动统计(GMS)的特征匹配算法。该算法首先使用网格对图像均匀分割,然后在网格邻域中统计额外支持特征的数量,其次分别计算正确与错误匹配的概率以构造评分函数,最后通过评分函数和评分阈值来区分正确与错误匹配。实验结果表明,该算法对刑侦现勘图像能够实现快速准确的匹配,且该算法对模糊人脸和高纹理的刑侦现勘图像都有较好的匹配效果。

网格运动统计算法的电力走廊图像拼接

针对电力巡线无人机拍摄输电线路图像具有视差、配准精度低、纹理复杂易出现特征集聚等问题,提出一种基于网格运动统计算法的输电线路拼接方法。首先使用加速“风”算法匹配特征并借助网格运动统计算法保留尽可能多的正确匹配点,然后借助自适应非极大值抑制算法均匀化特征点,再通过尽可能投影算法计算局部单应性矩阵,随后利用随机采样一致性算法得到最优相似变换矩阵并与局部单应性矩阵加权叠加,最后完成图像配准融合。经实验表明:与常用算法相比,所提算法的视觉感观最佳,配准误差最小,拼接效率最高。

基于网格运动统计的工件识别改进算法

为提高快速鲁棒特征(SURF)算法在复杂环境下进行工件识别的匹配精度及匹配效率,提出一种基于网格运动统计(GMS)的工件识别改进算法。首先,用加速分割检测(FAST)算法代替SURF特征点检测进行工件图像特征点的快速提取,并对特征点建立64维SURF描述符,使加快关键点检测速度的同时得到具有旋转尺度鲁棒性的特征点;其次,对特征点进行快速近似最近邻(FLANN)匹配得到粗匹配集;最后,采用改进GMS算法对图像进行网格化处理,根据运动平滑性进行内点与离群点的区分,保留正确匹配特征点对,实现误匹配点的剔除,准确找到待识别工件的位置。实验结果表明:改进算法比传统的SIFT、SURF和ORB等算法在工件图像受到旋转、平移、尺度、亮度等变化及影响时能够更高效、更准确识别工件,提高了复杂环境下工件识别的效率。

一种改进的GMS图像特征点匹配算法

网格运动统计(GMS)匹配算法中网格化图像加速了算法的实现,然而网格边缘的特征点没有进行有效地处理,导致匹配对中存在着错误匹配对,为此提出了一种融入自适应边距的网格运动统计的图像误匹配剔除算法。首先采用了自适应算法计算出最佳网格边缘距离,将网格边缘的特征点归属到相邻的其他网格,使得这些特征点可以有效发挥对正确匹配点的支持作用,提高了正确匹配点的得分;最后通过表征运动平滑约束的统计特性剔除初始匹配中的错误匹配点。仿真实验表明,该方法相比GMS算法召回率提高了10%左右,同时实时性也提高了30%左右,相比于SIFT算法,运行时间平均缩短了17倍;相比于SURF算法,正确匹配个数平均提高了8倍,充分说明能有效、高效地剔除错误匹配点,进一步提高图像匹配质量。

基于GMS和改进最佳缝合线的视差图像拼接算法

针对视差图像拼接时,拼接图像存在鬼影、亮度不均匀等问题,本文提出一种基于网格运动统计(Grid-based Motion Statistics,GMS)和改进最佳缝合线的视差图像拼接算法。算法首先利用快速特征点提取和描述(Oriented FAST and Rotated BRIEF,ORB)算法提取特征点,并采用GMS算法筛除误匹配点;然后引入HSV颜色空间和图像梯度差改进能量函数,避免缝合线穿过图像边缘;最后基于图切割法求取最佳缝合线,进行图像的梯度融合拼接。仿真实验结果表明,在图像存在较大视差的情况下,本文算法特征点匹配正确率较基于尺度特征不变(Scale Invariant Feature Transform,SIFT)算法和基于加速稳健性特征(Speeded Up Robust Features,SURF)算法最低和最高提高了2.01倍和4.73倍,图像自然度平均提高了22.6%,且拼接的图像亮度均匀、无透视畸变。

融合GMS与VCS+GC-RANSAC的图像配准算法

针对当前图像配准算法配准时间过长、配准正确率低等问题,提出一种基于网格运动统计(GMS)、矢量系数相似度(VCS)与图割随机抽样一致性(GC-RANSAC)的图像配准算法。首先,通过ORB(Oriented FAST and Rotated BRIEF)算法对图像进行特征点提取,并对特征点进行暴力匹配。之后,通过GMS算法对图像中的粗匹配特征点进行网格划分,利用网格中正确匹配点邻域内具有较高特征支持量的原理对粗匹配对进行筛选;并引入图像匹配对在进行矢量运算时VCS不超过某一设定阈值的原理对匹配对进行部分剔除,以利于算法后期的快速收敛。最后,运用GCRANSAC算法进行局部最优模型拟合,得到精匹配特征点集,实现高精度的图像配准和拼接。通过与ASIFT+RANSAC、GMS、AKAZE+RANSAC、GMS+GC-RANSAC等算法对比,实验结果表明,该算法在平均匹配精度上提高了30.34%,平均匹配时间缩短0.54 s。

基于ORB+GMS算法的航拍图像匹配方法的研究

ORB算法匹配效率较高、鲁棒性较好,网格运动统计算法可保留更多内点,故结合使用ORB和网格运动统计算法并在航拍图像上验证匹配效果。经实验证明:与ORB+RANSAC算法相比,执行效率提高0.2 s左右,内点比约提高11%,内点数量大幅度增加,所提算法可应用在对效率、稳定性和内点数量要求较高的航拍场景。

基于改进ORB的复杂场景煤矸石匹配算法

在煤矸石分拣过程中,传统方法通过视觉识别与胶带速度预测煤矸石实时位姿,然而,由于煤矸石随胶带高速长距离运输过程中常发生打滑和跑偏现象,预测位姿与分拣区域实际位姿不一致,导致机械臂空抓、误抓,影响分拣效率。针对这一问题,提出了一种改进的ORB匹配算法用于煤矸石在分拣区域的二次定位,首先引入局部自适应伽马校正的oFAST特征检测,提高低光照下的匹配准确率;此外,针对矸石在高速移动中由于动态干扰产生的较多误匹配点,结合BEBLID描述子和GMS算法进行快速特征匹配,并运用随机抽样一致性算法优化匹配点选择,增强算法鲁棒性;最终,通过得到的匹配点计算最小外接矩形完成位姿获取。实验结果显示,所提算法相较于传统ORB算法在尺度、光照、视角变化下煤矸石匹配正确率分别提升了16.7%、36%和22%,平均误差为1.29 mm,平均匹配耗时在40 ms以内,适用于复杂场景下煤矸石的匹配定位。

改进特征匹配的ORB-SLAM稠密建图算法

对于同步定位与建图(SLAM)中主流的特征点法,特征匹配是估计相机运动的关键,然而在特征匹配过程中存在图像特征的局部特性、误匹配等问题,成为视觉SLAM的瓶颈。此外,特征点法生成的稀疏地图只能用于定位,无法满足更高层次的需求。针对ORB-SLAM3中ORB特征点匹配效率低且未能生成稠密地图的问题,提出一种改进的ORB-GMS匹配策略并在ORB-SLAM3系统中加入稠密点云构建线程来实现稠密建图。将运动平滑性约束作为特征点运动统计的方法,通过比较特征点邻域内的匹配数量和阈值快速判断当前匹配是否正确,将图片网格化并快速计算网格内特征点的匹配数量,进行相机的位姿估计。根据关键帧与相应位姿构建稠密点云地图,采用外点去除滤波和体素网格滤波减小点云规模。在TUM的RGB-D数据集上的实验结果表明,与ORB-SLAM3相比,该算法可以减少约50%的匹配耗时,同时在匹配数量上平均提升60%,定位平均误差降低32%。此外,与稀疏地图相比,该方法生成易于2次加工的稠密点云地图,扩大算法的应用场景。