一种快速角点探测算子研究

基于SUSAN和角点几何结构分析的思想提出一种改进的快速角点探测算子。首先进行角点粗探测,然后再对粗探测的结果进行角点几何结构分析,即图像中的像元如果为角点,它必须满足角点的圈层结构。通常认为角点处各个方向上灰度差变化都较大,所以角点响应函数采用反映角点突出性的响应函数,使提取的角点含有更高的信息量。实验证明,本算法提取的角点定位准确,快速有效,可以适用于实时图像处理。

基于FAST改进的快速角点探测算法

提出了一种改进的快速角点探测算法。该算法基于FAST算法,首先对角点进行粗提取,即如果某点为候选角点,那么在该点的某个圆形邻域的圆周上应有足够多的点,这些点的灰度值与该点的灰度值之差的绝对值应大于自适应阈值;然后利用海森矩阵去除不稳定的边缘点;最后计算候选角点周围邻域内像素点的拉普拉斯值,只有取得拉普拉斯极值的候选点才能最终确定为角点,进一步剔除了虚假角点。实验表明:改进后的算法具有运算量小、定位精度高以及抗噪能力强的特点,更能满足实时应用的要求。

基于边界的角点无阈值识别算法

提出了局部特征和全局特征相结合的角点无阈值识别的思想和算法,同时提出了4个重要的概念及其算法:边界局部角度、相似度、高度、线性度,作为实现的基础。角度和相似度描述角点的局部特征;高度和线性度描述角点的全局特征,4者的拟合函数为F。F变化率的最大值点自动确定角点和非角点的分界。实验结果证实了该算法角点定位的准确性、旋转不变性,具有一定的尺度不变性和抗噪声能力。

基于FAST关键点的增强现实跟踪注册算法

介绍了一种基于FAST关键点的无标志点增强现实跟踪注册算法.算法在标定关键帧图像的基础上,对获取的视频图像,使用FAST角点探测算法提取特征点并建立相应点的SURF描述.经过RANSAC算法消除外点后,将这些点与关键帧图像中的FAST关键点进行匹配,获取摄像机的姿态,完成系统的自动跟踪注册.实验结果表明,算法实时性好、鲁棒性强、跟踪定位精度高,有效推动了AR在智能终端的应用.

基于图像的对象环绕视图生成方法研究

基于图像的环绕视图生成应用IBMR替代传统的三维对象建模的方法,对虚拟场景中的对象进行建模和表现。该文探讨了基于图像的建模与渲染在环境表现和对象表现上的区别,提出了环绕视域空间划分的对象采样方法,通过建立相邻样本之间的特征点匹配关系,计算样本之间的相对关系,进行视图的平行变换和合成。

一种广泛适用的激光雷达数据特征提取方法

提出了一种新颖的、无需先验知识的、广泛适用于各种环境的激光雷达数据特征提取方法来解决同步定位与地图创建(SLAM)中的特征提取问题.这种方法采用经典的图像特征提取方法——Harris角点探测器,具体来说,是多尺度Kanade-Tomasi角点探测器,来提取特征.这种方法可以从各种尺度的测量数据中提取稳定、精确的特征点,并同时可以得到特征点描述器和不确定性信息.文章将这种方法应用在了软件仿真环境及经典数据集上,包括:2维的维多利亚公园数据集、英特尔研究中心数据集(Intel Research Center dataset)以及3维的麻省理工学院美国国防部高级研究计划局城市竞赛数据集(MIT DARPA Urban Challenge dataset).实验结果表明这种方法可以从各种环境中提取高精度、高重复性的稳定特征.

基于分层光流场的运动车辆检测与跟踪

针对LK(Lucas Kanade)算法不能稳定跟踪快速移动目标的局限性,采用一种图像分层光流的跟踪方法,能获得针对目标的大尺度运动的较好预测结果。为了减少计算量,提出一种基于特征角点的光流跟踪技术,首先提取运动车辆的特征角点,计算其光流场,对角点实施跟踪极大地减少了光流计算量,可以满足目标检测实时性的要求。实验表明,当运动车辆转弯和移动时,角点始终稳定可靠,并且跟踪算法能够快速、准确地匹配特征角点,实现了复杂交通场景下对运动车辆的实时稳定跟踪。