LiDAR辅助下利用超高分辨率影像提取建筑物轮廓方法

以精确自动提取建筑物轮廓为目标,提出一种LiDAR辅助下利用超高分辨率影像进行轮廓提取的新方法。其要点分为4步:①预处理,检测LiDAR中建筑物点并分割成每栋建筑物的点集;②建立轮廓提取区,针对每栋建筑物做缓冲区和外接矩形,通过缓冲区过滤和外接矩形切割,建立轮廓提取感兴趣区域;③线段提取,借助LiDAR估算出建筑物概略主方向,并在该方向的约束下,自动、鲁棒地检测出建筑物的主方向和建筑物的线段;④轮廓筛选,基于LiDAR密度分析与Kmeans聚类动态筛选出精确轮廓。本方法所提取的建筑物轮廓定位精确、细节完好,轮廓提取准确率91%。

八角光纤端面几何参数测量算法设计

针对传统的八角光纤端面的几何参数测量效率低下且精度不高的问题,设计了一种基于机器视觉的八角光纤端面几何参数测量算法。使用数字图像处理技术,利用亚像素轮廓检测算法对八角光纤包层端面进行边缘提取与分割,设计有效轮廓筛选算法,设定相关筛选参数以去除无效边缘,提出辅助线参数测量法,完成八角光纤端面几何参数测量。为验证算法重复性,针对多组图像进行几何参数测量实验,测量结果显示几何参数的重复性平均值约为0.015μm;实验结果表明:该算法易于操作且达到企业技术指标要求。

一种移动车辆遮挡下的车道线检测方法

针对存在移动车辆遮挡等强干扰的情况,提出了一种基于轮廓筛选的车道线检测方法。首先基于轮廓角度和像素数目滤除非车道轮廓进而实现特征点粗提取,然后提取像素点的位置信息,通过设计一种基于相对距离与梯度的自适应双阈值筛选法进行车道线特征点的精提取,进而拟合车道线。实验结果表明,该算法具有较强的抗遮挡能力,且满足实时性要求。

基于混合高斯模型的运动目标平均背景法检测

首先采用平均背景法对混合高斯建模获得的背景进行处理得到纯净的背景,然后在当前图像与背景图像之间进行差分运算,最后通过轮廓筛选的方法去除目标图像中的干扰点,并通过形态学处理对目标中的间隙进行填充,获得完整目标。实验结果表明,对于运动目标及停留的目标,该算法的识别率和误检率分别为86.7%和8.3%。

一种区域知识引导的船舶吃水线动态识别算法

用于船舶吃水线识别的机器视觉检测方法采用固定相机获取水尺区域,存在船舶外弦吃水线图像数据采集难度大、吃水线测定效率低等问题。基于此,利用无人机搭载相机航拍图像,充分考虑其图像特点,提出一种吃水线区域动态识别算法。无人机航拍图像克服了已有固定相机的不足,但是,由于无人机飞行航迹的变化导致吃水线图像存在波动,此外,吃水线区域的水迹线、水波纹以及不同曝光环境也会影响吃水线的识别精度,为此,首先采用融合水尺特性先验知识的轮廓统计筛选方法,提取先导知识,定位整幅图像中感兴趣的吃水线水平区域;进而综合利用像素点在L×a×b颜色空间的信息,采用知识引导的K-means++聚类和分水岭算法,实现吃水线的精确分割。面向多场景下的航拍图像,实验结果表明,所提算法可以有效避免光照条件和水迹线等的干扰,实现动态视频下船舶吃水线区域的快速识别,对港口这一复杂航拍场景具有较强的环境鲁棒性,为准确实时水尺计重提供有效保障。

环形编码标志点鲁棒识别研究

环形编码标志点在近景摄影测量中应用广泛,具有平移、旋转、缩放无关的优良特性。环形编码标志点的鲁棒识别与解码对后续三维重建工作有着重要意义。针对杂乱背景、不均匀光照等复杂环境下的编码标志点识别,提出了一种两步法的轮廓筛选策略,首先基于轮廓长度和圆度进行粗筛,然后基于灰度分布统计分析进行精细筛选。实验结果表明,当拍摄角度小于75°且编码点成像大于30像素时,能够保证较高的识别准确率与解码准确率;在复杂环境下,识别正确率和解码正确率分别为99.53%和100%,误识别率为0%。实验证明,所提方法有效降低了误识别率,在复杂环境下具有良好的识别效果。

基于局部轮廓特征的无人机头部检测跟踪算法

针对无人机的结构特点,提出了一种基于目标轮廓提取、轮廓自动分段、头部定位以及头部模板匹配四个模块的目标头部检测跟踪算法。首先对第一帧图像提取目标轮廓,并通过计算轮廓点的变化率,对轮廓进行自动分段,得到目标的4个局部轮廓点列,进而根据头部轮廓点列的特点,完成头部轮廓筛选,然后利用基于目标中轴的二次曲线拟合,实现头部顶点的检测,并在轮廓图中提取头部模板。对后续帧,通过与前一帧进行头部模板匹配,完成目标图像序列的头部检测跟踪。实验表明,该算法能够有效地实现无人机头部的检测跟踪。