基于随机一致性采样估计的目标跟踪算法

为了解决在实际监控中因为目标遮挡、外观变化和时间过长导致跟踪丢失的问题,提出一种基于随机一致性采样(RANSAC)估计的目标跟踪算法。算法首先在搜索区域提取局部不变特征集,然后利用特征匹配传递性和非参数学习算法从特征集中分离出目标特征,最后对目标特征进行RANSAC估计跟踪目标位置。将算法在不同场景的视频数据集上进行测试,分别从准确率、召回率和综合评价指标F1-Measure三个指标分析算法性能,实验结果表明所提出的算法提高了目标跟踪的准确性,克服了长时间目标跟踪产生的跟踪漂移。

基于随机采样一致性算法的激光点云大数据自动配准技术

激光点云大数据中存在冗余数据,导致其大数据自动配准过程中存在配准速率慢、精度差等问题,为此提出基于随机采样一致性算法的激光点云大数据自动配准技术。将初始半径和最小邻域拟作自定义变量,使用密度聚类法剔除冗余激光点云数据,运用双边滤波平滑点云信息;分析不同角度下两组激光点云数据的刚体变换关联,获取对应且不共线的采样点,将模型点配准率作为激光点云采样数据和真实数据一致性衡量指标,完成激光点云大数据初始配准;通过迭代最近法找出两个点云集合的最近点,利用M-估计方法优化误差惩罚函数,实现激光点云大数据自动配准。仿真结果证明,应用所提方法得到在未引入噪声时的激光点云数据配准重合度为0.97,噪声环境下的点云配准重合度为0.96,配准平均耗时为59.6 s。

基于先验信息采样一致性的点云柱面分割方法

针对点云数据在进行模型分割中存在高比例外点数据的问题,文章提出一种先验信息采样一致性的三维点云柱面分割方法。该方法首先根据三维点云数据的先验信息计算每个数据点的初始内点概率,选择概率最高的两个样本点作为初始样本子集拟合出初始模型;然后利用几何约束对模型进行预检验,并利用界限损失函数对预检验通过的模型进行模型质量判断,更新最优模型;最后通过贝叶斯定理来更新样本点的内点概率,进行下一次迭代,不断地优化内点集,得出最优模型。实验结果表明本方法相比于传统方法在时间效率上有很大提升。

概率引导的随机采样一致性算法

为了提高随机采样一致性算法的计算效率,提出一种概率引导的随机采样一致性算法.根据采样模型在原始数据上的检验结果调整每个样本点的采样概率,使得正确样本和正确模型被采样的概率得到提高.在首次获得正确模型之后,样本采样与模型更新构成了一个正反馈环节,经过若干次迭代后,正确样本被采样的概率远超过错误样本被采样的概率.理论分析和实验数据表明,该算法收敛需要的迭代次数较少,有效地提高了随机采样一致性算法的效率.

基于随机采样一致性算法的平面匹配方法

针对传统的平面图像标定点匹配算法计算量大、准确性不高等问题,提出一种基于随机采样一致性(RANSAC)算法的快速高精度的平面图像标定点匹配方法。该方法首先基于双圆锥曲线模型,借助于椭圆边缘点附近的梯度信息求取椭圆的切线,由切线集合拟合出椭圆参数,并利用这些参数计算出椭圆圆心,即图像上的标志点;然后用RANSAC随机采样算法对标定板上的点和图像上的点进行匹配。实验验证该方法实现起来简单并且有较高的准确率。

基于随机采样一致性的规则棒料位姿识别

获得规则堆放棒料的位姿信息是引导机械手抓取的关键,对获取的规则堆放棒料的三维点云进行滤波处理得到顶层的棒料点云,采用随机采样一致性算法(RANSAC)对滤波后的顶层棒料进行分割,最终得到每根棒料的半径、位置和姿态等信息。仿真实验表明:本方法识别结果的正确性;通过对直径为35. 00 mm,长度为80. 00 mm的规则堆放棒料进行扫描,在选择不同的参数的情况下,对同一根棒料点云进行多次分割,实验结果表明:当迭代次数k=20,距离阈值t=0. 7时,分割结果稳定,耗时160 ms左右;棒料半径的最大误差为0. 47 mm,本方法具有一定的鲁棒性和可行性。该方法能准确识别规则堆放棒料的位置和姿态,能广泛应用于棒类零件的位姿识别与机械手引导抓取。

基于一致性随机采样的图像特征匹配鲁棒确认

误匹配点的存在影响了计算图像间变换关系的准确性,从而导致较差的图像匹配效果。通过随机采样一致性算法,提出了一种剔除错误匹配,精确确认图像匹配特征,从而计算图像间几何变换矩阵的鲁棒方法。该方法首先基于特征向量相似性准则,得到初始匹配点对,再利用特征点周围的灰度信息进行权值计算,在用随机采样一致性算法拟合几何变换矩阵的迭代过程中,得到使目标函数最小的匹配关系以筛选由噪声等引起的误匹配点对,从而精确计算图像间的几何变换关系矩阵,实现图像的精确配准。实验结果表明,该算法具有良好的噪声鲁棒性,得到了理想的图像配准效果。

一种结合随机采样一致性与主成分分析的点云配准方法

针对迭代最近点算法(ICP)对点云初始位姿有较高要求和随机采样一致性算法(RANSAC)不稳定的问题,提出了一种基于RANSAC和主成分分析(PCA)的点云配准方法。基于局部关键点配准、RANSAC+PCA粗匹配、全局优化精配准的框架,利用固有特征(ISS)关键点检测方法和非最大抑制值处理关键点,通过改进的快速点特征直方图(FPFH)优化建立关键点之间的对应关系组,融合过滤筛选、PCA主方向限制,以降低迭代次数且能利用ICP进行精准配准。本文对飞机点云、道路点云和兔子点云的点云配准数据进行特征点检测方法对比实验,实验表明:在相同的迭代次数条件下,RANSAC+PCA+ICP配准方法比RANSAC+ICP配准方法更具有稳定性,运算时间分别降低7.60%、13.49%、15.64%,并具有较好的配准效果。

基于改进的随机采样一致性算法的特征点匹配提纯研究

针对ORB算法中特征点匹配准确度不够高的难点,提出了一种改进的特征点匹配提纯算法。在提取图像特征点后,首先用暴风(Brute Force,BF)算法计算特征点间的Hamming距离,然后经双向匹配过滤后,获得初步特征匹配点对,再进一步设置Hamming距离阈值二次筛选特征匹配点对,最后通过改进后的随机采样一致性(random sample consensus,RANSAC)算法提纯。实验结果表明改进后的特征点匹配提纯算法在保证算法实时性的条件下匹配精度有明显提升。

基于点云特征的改进RANSAC地面分割算法

针对室外复杂场景下,轻量级和地面优化的激光雷达里程计与测图(LeGO-LOAM)算法由于地面分割不精确而导致算法定位精度降低的问题,提出一种基于改进随机一致性采样(RANSAC)的多线程地面分割算法:相较于传统RANSAC算法,该算法舍弃从全部原始数据中随机选取种子点拟合地面模型的迭代方式,首先利用点云高程、曲率等点特征信息挑选出所有小于高程、曲率等阈值的种子点以构建种子点集合,并根据种子点集合中的种子点数量判断是否需要多线程处理;然后根据判断结果从种子点集合中选择种子点子集进行地面拟合;最后比较各地面模型所包含的点云数量以获得最优地面模型参数以及地面点云集;地面分割精度的提高有效地降低了LeGO-LOAM算法的定位误差。实验结果表明,在室外复杂场景下所提出的地面分割算法分割效果更好,杂点更少;相较于原LeGO-LOAM算法,改进算法的定位误差降低至3.73 m,平面均方根误差降低了20.8%。

基于线结构光扫描的烟支表面缺陷检测方法研究

在烟支表面缺陷检测时,为解决传统二维图像方法无法获得深度信息的问题,提出一种基于线结构光传感器旋转扫描的检测方法。烟支在两同向辊轮的旋转带动下实现自转,通过线结构光视觉传感器获取物体轴向轮廓线,使用随机采样一致性拟合轮廓线,通过计算原始点到拟合轮廓的距离判断缺陷点。选取某品牌烟支在检测过程中得到的原始数据,其中多组样本的Kappa值均达到0.97,重复性达到99.3%。研究为烟支缺陷检测提供参考。

基于激光点云数据的管道破损定量检测技术

采用管道激光扫描技术可获取管道内表面的点云三维信息,解决了传统管道视频检测方法难以定量化检测的问题。本文针对管道破损缺陷的点云数据特点,利用统计滤波和半径滤波等点云滤波算法,实现了管道破裂处点云删除;基于随机一致性采样(RANSAC)算法实现了管道点云圆柱面投影和管道点云数据二维平面展开;通过网格化筛选和区域生长算法实现了管道点云数据破损缺陷检测及自动化分析。实测数据验证了该方法的可靠性和有效性,可以准确识别管道破损位置,并计算破损面积、纵向长度、环向长度等参数。

基于关键点选择和采样一致性的石料点云配准

针对石料点云噪声点多、密集度高、表面结构复杂的特性和传统迭代最近点算法配准时间长、鲁棒性差的问题,提出一种基于关键点选择和采样一致性的石料点云配准方法。首先对石料点云数据进行去噪和下采样等预处理;其次利用点云法向量邻域夹角选择关键点,构建快速点特征直方图,进行初始配准;最后根据K维树结构和点到面最小距离查找对应点对,通过随机采样一致性算法消除错误对应点对,完成点云数据最终配准。以石料点云为对象进行对比试验,结果表明,该方法比SAC-IA+NDT算法速度加快21.12%,比GICP算法精度提高47.1%,能够实现石料点云快速而准确的配准,为石料点云配准提供了新方案。

基于小平面区域特征的文物碎片重组算法

针对非薄壁文物碎片重组复原过程中,因碎片边缘或断裂面磨损而导致拼接误差大的问题,提出了一种基于小平面区域特征的文物碎片拼接算法。首先根据区域增长分割把碎片的三维点云分割出许多小平面,建立以小平面作为拼接的特征区域,根据特征描述找到初始相似的小平面区域对,然后灵活应用几何约束+随机采样一致性(RANSAC)约束策略的方法,消除误匹配;最后通过4PCS(4-Points Congruent Sets)算法进行碎片的粗对齐,再根据迭代最近点算法(ICP)实现碎片的精确拼接。实验结果表明:小平面的特征描述简单,且有较强的稳健性,采用两级约束策略的方法较好的解决了误匹配问题,提高了磨损碎片拼接的成功率,同时有效减少渗透现象。

基于特征点匹配的排水管道声点云模型配准算法

三维重建技术逐渐成为获取全面、完备、准确的排水管道信息的关键手段;而实际检测受到管道堵塞等工况与管道检测规程等因素限制,造成所获得的管道声呐点云模型会出现位姿不同、部分重叠或空缺等情况,需要通过配准获取完整管道模型;同时,传统ICP算法针对管道模型存在效率低、精度差的问题;因此,文章提出基于特征点匹配的粗配准与改进的ICP精细配准相结合的点云配准算法;首先,利用ISS特征点检测法检测出模型特征点,通过FPFH对特征点进行进一步的描述;其次,采用RANSAC算法筛选出正确特征匹配点集,利用四元数法解算出初始变换参数完成粗配准;最后,在粗配准基础上,通过改进最近对应点查询的ICP算法完成精细配准;实验结果表明了该文算法的可行性与优越性,能为后续排水管道缺陷检测提供高完备、全面、准确的点云模型。

基于三角形相似性的点云配准算法

针对点云配准过程易产生错误匹配对、点云配准精度低等问题,提出了一种基于三角形相似性的点云配准方法。三对正确的匹配点对在几何空间上形成的三角形一定满足相似三角形的一些性质,例如三角形三边成固定比例、三角形顶点的法线和平面法线的夹角固定。因此,可以利用这些性质有效地减少点云配准过程中错误匹配点对其影响。该方法首先计算点云中每个点的快速点特征直方图(FPFH)描述符,使用三角形相似性的方法进行特征匹配,通过奇异值(SVD)分解得到一个变换矩阵。实验结果表明,该方法与基于正态分布变换(NDT)算法与最近邻迭代(ICP)算法结合的点云配准算法相比,配准效率提升了15.3%,配准精度提升了18.2%。

影像密集匹配点云数据的建筑物平面分割方法

针对目前点云分割方法在影像密集匹配DIM点云中容易过分割和欠分割的问题,提出一种DIM点云数据的建筑物平面分割方法。首先对原始点云进行局部高程分割并投影到xoy平面;其次根据点云密度分布进行去噪并采用随机采样一致性结合欧式聚类算法提取建筑物轮廓线段;再次以提取的线段作为约束条件分割建筑物立面点云;最后使用欧式聚类算法提取屋顶点云。实验结果表明,该方法能有效地分割DIM建筑物平面点云。

基于3D毫米波雷达与相机的改进联合标定方法

针对传统的相机和毫米波雷达联合标定方法只能在某一固定平面标定存在数据采集繁琐的问题,基于传统方法提出一种适用于三维空间内的快速标定改进方法。首先进行雷达与图像预处理;其次通过时间同步策略在短时间内完成大量数据的采集与匹配;然后在空间标定上使用随机采样一致性算法(RANSAC)减少离群点的干扰,完成初步的粗标定;最后使用列文伯格-马夸尔特(LM)算法对粗标定结果进一步迭代完成精标定。实验表明:改进的标定方法使整体均方根误差收敛约10 pixels,与使用传统联合标定算法相比,标定精度显著提升;整体标定过程时间约12 min完成。

基于改进ICP算法的变电站设备三维识别方法研究

针对现有变电站设备三维识别方法在实际应用中存在的准确率差和效率低等问题,提出一种结合改进迭代最近点算法和Umeyama算法的变电站设备三维识别方法。通过随机采样一致性算法提取设备平面特征,通过Umeyama算法在模板库中找出平面特征最相似的几个设备,通过点云曲率特征提取设备点云关键点,通过改进迭代最近点算法对设备进行目标匹配。通过实验对其性能进行分析。结果表明,所提方法对智能变电站设备进行三维识别有较好的识别准确率和效率,识别准确率为99.50%,平均识别时间为2.07 s,有效地提高了三维识别技术的综合性能。

激光雷达的多源数据融合点云分类算法研究

根据单档输电线空间分布特性,提出了改进随机采样一致的输电线点云分割方法。首先优化初始样本点选择原则、引入最小二乘原理参数求解等改进策略,提高了随机采样一致性算法输电线模型重建精度;然后以直线-抛物线方程为单根输电线识别的约束条件,利用逐根提取方式实现输电线激光点云分割。选择两组典型代表性的机载激光点云数据进行实验分析,该方法有效解决了数据缺失、点云噪声等复杂背景环境的输电线激光点云分割,准确率、召回率和整体精度最小值分别为99.19%、99.25%、99.10%。较之已有方法,本文方法具有点云分割精度高、算法普适性强的优势;随机采样一致性(RANSAC)算法是常见的激光点云分割方法,但该算法推广至输电线场景时存在点云分割效率低、抗噪性差等不足,不利于高精度的输电线模型重建及后续线路风险检测。