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。

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。

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。

复杂动力学网络系统在随机采样控制下的一致性分析

为了对无向拓扑结构下带有随机采样控制的复杂动力学网络系统的一致性进行分析,首先提出了在连续时间状态下带有随机采样控制的复杂动力学网络系统;其次,在系统中利用采样信息连接节点,即在扰动项中带有采样信息且含有非线性函数,并假设非线性函数是满足一般Lipschitz条件的。为了使网络系统达到状态稳定,利用所有节点在采样时刻的状态输入对误差系统进行估计,然后通过串联系统输入状态稳定性质、Lyapunov函数、图论、矩阵不等式等方法实现在采样时刻的一致性。最后,给出一个实例来说明结论的有效性。

基于随机抽取一致性的稳健点云平面拟合

针对常用的平面拟合方法在点云数据存在误差或异常值时产生拟合不稳定的现象,提出了结合最小二乘法的随机抽取一致性(random sample consensus,RANSAC)平面拟合算法.该方法先用RANSAC算法检测并剔除异常数据点,再利用最小二乘法将得到的有效数据点拟合,计算平面模型参数.实验中,分别采用该算法和最小二乘法、特征值法对仿真数据进行平面拟合,且采用本文提出的算法,分别对含有不同程度误差和异常值的点云数据进行拟合计算.研究结果表明:该算法适用于存在误差和异常值的点云数据拟合,能稳定地得到较好的平面参数估值,具有较强的稳健性.

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。

基于随机采样一致改进算法的单目视觉里程计研究

运用SIFT算法对单目所采集的室外视频图像的相邻两帧进行了特征点的检测与匹配。采用改进的RANSAC算法对所匹配点进行了误匹配点剔除。根据相邻两帧图像特征点的跟踪以及里程计读数作为辅助信息,求解特征点的三维坐标;进而根据视觉里程计模型,达到机器人的定位。实验结果表明,该方法相比传统的里程计定位精度高,比之双目激光等定位方法,又有成本廉价的优点。

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%。

事件触发的时滞二阶多UAV系统一致性控制

研究具有固定输入时滞的二阶多无人机系统在事件触发下进行不完全随机采样,并达到一致性控制的问题。提出一种阈值依赖于多无人机系统事件触发时刻和初始状态的事件触发机制,并给出在此事件触发机制下具有固定输入时滞二阶多无人机系统的分布式控制策略。当无人机自身状态变化量满足触发条件时,无人机间进行信息交互,控制器根据此次事件触发的采样状态值进行控制输入更新。通过理论推理证明一致性控制的结论。最后,通过仿真验证了算法的有效性。

基于特征点一致性约束的实时目标跟踪算法

基于光流法建立特征点的目标模型和随机采样模型,实现平稳的运动目标跟踪.通过考虑特征点在速度和方向上的一致性约束,学习目标的稳定特征,保持目标模型的稳定性,从而获得稳定的跟踪轨迹.对存在光照变化,目标形变,部分遮挡,高速运动,尺度缩放、旋转,图片噪音、模糊等因素影响下的视频进行仿真对比.结果表明,该算法面对局部非刚体目标和变速运动目标均能达到很好的鲁棒性和实时性.

有向通信拓扑丢包情况下的多智能体系统一致性

针对具有有向通信拓扑的采样数据丢失情况下的多智能体系统一致性问题进行研究,其中数据丢包采用二值Bernoulli随机过程描述.首先,采用提出的基于通信拓扑有向生成树关联矩阵构造的线性变换,将多智能体系统的状态一致性问题等价转化为一个降阶系统的渐近稳定性问题.其次,对降阶系统利用Lyapunov方法和线性矩阵不等式(linear matrix inequality,LMI)得出多智能体系统状态达到渐近均方一致的充分条件,给出基于镇定控制的一致性控制增益设计,并分析采样周期的允许边界、随机丢包概率和控制增益矩阵之间的相互影响关系.最后,数值仿真实例验证了所提理论方法的正确性.

基于IRANSAC-IRLS直线拟合算法及应用

针对工业视觉检测中直线边缘存在沾连、毛刺等噪声,导致拟合效率不高、精度较差的问题,提出一种基于梯度方向改进的随机采样一致性(improved random sample consensus,IRANSAC)的迭代加权最小二乘(iterative reweighted least-squares,IRLS)直线拟合算法,即IRANSAC-IRLS算法。首先,利用直线上边缘点的梯度方向相近,将梯度方向引入边缘点RANSAC拟合,来降低错误的随机抽取的次数;然后,对IRANSAC提取出来的局内点进行迭代加权最小二乘拟合,求得最终的直线参数。在噪声点比例为20%、40%、60%、80%的条件下,将IRANSAC-IRLS与基于随机采样一致性算法的最小二乘(RANSAC-LS)拟合算法的仿真实验结果进行对比,IRANSAC-IRLS比RANSAC-LS的拟合效率分别提高16.3%、41.9%、47.5%、53.2%,拟合精度分别提升14.3%、16.7%、44.0%、69.0%。

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。

基于选星预处理的改进随机抽样一致性RAIM方法

多星座导航能够增加可视卫星数量,改善卫星几何构型,已成为卫星导航定位领域发展的重要方向之一。多星座导航接收机自主完好性监测(RAIM)技术对提高导航系统的完好性具有重要作用。面向多星座导航的完好性监测需求,分析了传统随机抽样一致性(RANSAC)故障检测方法的不足,提出了一种基于最小样本集选星预处理的改进RANSACRAIM算法。该算法基于最大四面体积法和GDOP值贡献度的选星方法选取具有较好构型的卫星构成卫星子集,取代了传统RANSACRAIM方法通过遍历构成卫星子集,可有效避免卫星子集中存在较差卫星几何构型的情况,减少子集数量,提升故障检测的准确率。静态和动态仿真实验表明,改进的RANSACRAIM算法在检测效率和检测准确率等方面明显优于传统方法。

基于机器视觉的电芯绝缘介质定位算法

为保证电芯绝缘介质定位的准确性和时效性,文章提出一种基于双线性插值亚像素坐标结合改进随机抽样一致性(random sample consensus,RANSAC)算法的绝缘介质定位算法。对工业采集的图像进行空间滤波、阈值分割等预处理操作,分割出目标并增强特征;运用Canny边缘检测算子检测边缘,选取定位轮廓并根据最小外接矩形分离4条边缘直线,用双线性插值公式精确定位边缘直线亚像素坐标;采用部分点先验模型约束RANSAC算法提取4条边缘直线的高质量内点,再用最小二乘法分别拟合4条边缘直线并计算出相应偏移量。实验结果表明,该算法能有效保证绝缘介质的定位精度且具有一定的时效性,可以较好地满足实际生产应用的要求。