基于随机抽样一致性算法的车辆轮胎点云提取方法

针对激光雷达获取的车辆底盘轮廓点云中轮胎的特征提取与分割问题,提出了一种基于随机抽样一致性算法的车辆轮胎点云提取方法。为了提高轮胎提取的准确性,首先采用随机抽样一致性算法对目标车辆点云进行平面提取,然后对提取的平面点云进行K-means聚类,剔除离群点,分割出实际的连续平面点云;最后通过采用随机抽样一致性算法对剩余点云进行轮胎提取。为了验证提取方法的有效性,通过计算机仿真的方法,生成车辆底盘轮廓点云,对该仿真数据进行轮胎特征的提取与分割。结果表明,本文提出的方法具有良好的分割提取效果。

改进随机抽样一致性算法在建筑物现状测量中的应用

作为点云数据处理的关键步骤,线面拟合的结果直接影响后续数据处理的精度。针对传统RANSAC算法在建筑物平面拟合过程中存在的效率及精度方面的问题,引入一种顺序法向量检测机制,通过增加拟合模型的角度约束条件,提出了一种改进随机抽样一致性算法(M-RANSAC)进行平面和边缘探测。通过与常规全站仪测量方法以及传统RANSAC算法进行结果对比,验证了本方法的可行性和有效性,并在珠江三角洲水资源配置工程沿线建筑物现状测量中得到了成功应用。

基于序贯概率及局部优化随机抽样一致性算法

通过引入序贯概率检测及局部优化技术,给出了一种快速并具有较高精度估计的随机抽样一致性算法RANSAC(ran-dom sample consensus)。RANSAC算法是基于假设和检验的框架来实现。为了减少RANSAC算法的计算时间及提高计算精度,在模型的检验阶段,利用序贯概率检测技术,随机抽取少量的数据对模型的参数进行预检验。如果模型参数通过预检验,则进入后续的检验,否则这个模型参数不再参与后续全部数据的检验。在对模型参数估计时,使用局部优化方法,实现模型估计的精确度的提高。实验结果表明,此算法在速度和精确度方面与标准的RANSAC相比均取得了较大的提高。

一种基于随机抽样一致性的车道线快速识别算法

针对现有车道线识别算法的有效性、实时性和鲁棒性不高的问题,提出了一种改进的快速随机抽样一致性(RANSAC)的曲线拟合验证的视觉车道线识别算法.该算法首先在进行逆透视变换后选用各向异性的高斯核滤波;然后对不同光照亮度图像采用适应性强的分位数方法进行二值化,并针对车道线在变换图中几乎垂直的特性,再利用直方图统计法检测出初始车道线;最后用改进的快速RANSAC的曲线拟合算法进行曲线修正,找出车道线可能存在的弧度,使检测的曲线更加精确.为提高检测的精度,最后对识别结果进行后处理.实验结果证明,对各种复杂的城市道路,所提出的算法均具有很高的鲁棒性和有效性,且算法处理效率很高,能很好地满足智能车实时检测车道线的要求.

随机抽样一致性平面拟合及其应用研究

针对传统平面拟合算法难以拟合包含异常值点云的问题,提出结合特征值法的随机抽样一致性(RANSAC)平面拟合算法。随机选取三个点云数据直接计算平面,选择阈值统计在此平面上的内点数量,多次重复求得包含最多内点的平面,并以这些内点以特征值法进行平面拟合得到所求平面方程。对各种包含误差及异常值的平面点云进行拟合计算,并与传统算法进行比较,将其应用于双目重构得到的隧道开挖掌子面岩体三维数字模型中节理面点云平面拟合。实验结果表明该方法可以很好地适应各种误差和异常值的情况,稳定地得到较好的平面参数估计值,是一种鲁棒的平面拟合算法。

随机抽样一致性算法在激光光谱中的应用研究

为了解决波长调制激光光谱技术探测大气痕量气体浓度中信号处理算法的不足,提出了一种基于随机抽样一致性算法的气体浓度反演算法。以大气甲醛分子的仿真信号和实际测量信号为例,进行了理论分析和实验研究,并与传统的最小二乘法相比较。结果表明,该算法具有较强的抗噪声和异常点干扰能力,尤其是在低信噪比的条件下,精确度可提高1个量级,体现出较高的可靠性和优越性。

基于改进随机抽样一致算法的视频拼接算法

为了解决实时视频拼接中的鬼影和拼接缝问题,提出了一种基于改进随机抽样一致算法的实时视频拼接算法。首先,针对双目摄像头的重叠区域,采用加速鲁棒特征算法提取特征点,寻找特征匹配点对;然后利用改进的随机抽样一致算法去除误匹配点对,获得最优单应性矩阵;最后,对重叠区域像素进行动态融合处理。实验结果表明,采用本文算法可以有效地消除视频重叠区域的拼接缝和鬼影,同时可保证视频拼接系统的实时性。

基于随机抽样一致性算法(RANSAC)的农作物行提取

农作物行提取是实施农业机械导航技术的关键,运用归一化的算法对图像进行灰度化处理,采用最大类间方差分割方法将图像转化为二值图像,然后利用垂直投影方法进行定位点归类,最后采用改进的随机抽样一致性算法提取作物行直线。结果表明,该算法能够在缺株、有杂草、地膜覆盖等复杂背景下,自动剔除伪定位点,有效检测出作物行。

基于随机抽样一致性的多平面区域检测算法

在随机抽样一致性(RANSAC)的基础上,提出了一种对多个平面区域同时进行检测的算法。该算法假设对同一场景的一对未定标图像已经进行了特征点提取和匹配,首先利用对极几何约束计算出一对极点,然后随机抽取多组3对而非4对特征点定义多个待确定单应性矩阵模型,对图像对中的多个平面区域同时进行检测。模拟实验和真实实验都证明该算法具有运算量小、准确性高、鲁棒性好等优点。

一种改进的相邻概率随机抽样一致性算法

为了解决图像配准中因外点引起迭代次数激增而导致的配准效率低下的问题,提出一种改进的相邻概率随机抽样一致性算法。首先通过自适应优化内点被采用概率,淘汰外点从而形成正循环采样,结合模型评价函数估计出临时模型并得到临时内点集,再根据内点相邻原则筛选部分内点进行重采样,最后采用预检验技术得到最佳模型参数。实验结果表明:在数据外点率较高的情况下该算法能有效减少迭代次数,缩短算法时间,从而提高了算法效率。

随机抽样一致性算法在线结构光视觉测量系统中的应用

针对线结构光视觉测量系统中参数标定易受噪声和亮度突变等因素的影响,而传统算法难以拟合包含异常值点云的问题,在现有标定方法的基础上,提出了一种基于随机抽样一致性(RANSAC)的改进算法拟合光平面参数。随机选取三个点云数据拟合光平面,选择阈值并统计在此平面上的内点数量,多次重复求得包含最多内点的平面,并以这些内点以特征值法进行平面拟合得到所求平面方程。实验结果表明,与最小二乘法相比,该方法可以很好地适应标定过程中出现的误差和异常值的情况,稳健地估计平面参数值,从而进一步提高线结构光参数标定精度。

基于随机抽样一致性-网格搜索方法反演断层面倾角

采用小地震的丛集性活动资料定量地研究地下断层的三维几何信息对地震危险性评估具有至关重要的意义。若所使用的资料存在高比率的离群值,将会使断层几何参数的估值产生较大偏差。为了提高断层几何参数估值的稳健性,本文将随机抽样一致性(RANSAC)与网格搜索(GS)相结合,给出了随机抽样一致性-网格搜索(RANSAC-GS)估算方法。在数值模拟试验中,对模拟观测值加入1%,5%,10%和20%的离群值,分别采用GS和RANSAC-GS两种方法估算了断层面倾角,并从反演参数的残差、反演模型计算值与观测值的密合度、目标函数及相关度等方面证明了RANSAC-GS方法即使在高比率离群值的情况下,依然能够给出稳健的参数估值。最后,利用2008年1月至2012年12月鄂尔多斯地区小震重定位结果,以震源点到断层面距离最小为准则,采用RANSAC-GS方法反演获得太谷断裂的断层面倾角为52.5°,与前人的结果有较好的一致性,在此基础上对大地测量形变观测给出合理的阐释,从而证明了本文方法的有效性。

基于交比不变性约束的快速随机抽样一致性算法

在计算机视觉中,模型参数的鲁棒性估计是一个核心问题.虽然人们在这方面做了大量的研究,但是至今仍没有一个鲁棒性估计方法可以做到完全消除外点对模型估计的影响.当数据中外点比例很大的时候,传统随机抽样一致性(RANSAC)算法就需要大量的采样样本,这在实际运行时会降低算法效率.为了解决这个问题,提出了一个有效的基于采样的算法,利用射影变换下共线4点的交比不变性,对含有大量外点的数据进行筛选,剔除其中可能的外点数据,从而充分减少模型估计时的迭代次数.实验结果表明,当200个对应匹配中含有90%外点时,使用交比不变性约束进行平面单应矩阵估计,能够使最小迭代次数由69 074减少到11.由此可知,改进算法很大程度上提高了RANSAC的运算效率和对高噪声数据的处理能力.

融合随机抽样一致性和Hough变换的实时消失点检测

针对消失点拥有2个自由度的特点,提出一种由随机抽样一致性(RANSAC)和Hough变换相结合的实时消失点检测方法.首先利用随机抽样一致性从图像的边缘线段中抽取多条候选消失点局内线段,基于消失点位于局内线段的延长线上的特点确定消失点的第1个自由度,然后通过在候选局内线段的延长线上实施的Hough变换获得消失点的另一个自由度.基于数据集York Urban Dataset的实验结果表明,所提方法在地平线检测精度上比7种国内外同类算法高0.69个百分点以上,在处理速度上比同类方法提高90倍以上.

基于有效帧估计和随机抽样一致性的集成目标定位方法(英文)

基于到达时差(TDOA)的声源定位是声音信号处理中一个非常活跃的研究方向,具有广泛的应用。由于实际环境中的噪声和混响的影响,声源定位是一个具有挑战性的课题。针对具有噪声和混响的室内环境提出了一种鲁棒声源定位方法。首先,通过麦克风阵列活跃性的统计建模确定包含声源信息的有效帧。接下来,基于随机采样一致性算法提出了一种鲁棒算法使用TDOA对声源进行定位。有效帧检测算法是一种无监督的方法,有效地利用了多通道信息,能够方便地应用于不同环境中的音频数据;同时,基于随机采样一致性的算法具有很强的鲁棒性,能够在具有噪声和混响的不利环境中对声源进行准确定位。实验表明所提出的方法能够显著地减少声源定位的偏差而且具有较小的标准差。

基于随机抽样一致性的误匹配剔除方法研究

针对图像特征在匹配过程中产生误匹配、漏匹配的问题,对SURF算法与误匹配剔除算法进行了相关的研究.提出最小距离与随机抽样一致性(RANSAC)两种方法相融合的误匹配消除算法.算法首先通过设置适当阈值的最小距离法对特征之间的匹配进行粗略的淘汰,然后利用优化了的RANSAC对其进行精确的剔除.最后,从数据集中的随机选取两帧图像对算法进行了实验验证,表明提出的算法提高了误匹配剔除的效率的同时,保持了正确匹配的数量.

采用局域像素匹配的随机抽样一致改进算法

为提高图像拼接的配准精度和稳健性,提出基于局域像素匹配的随机抽样一致改进算法。在完成尺度不变特征变换算子或其他算子图像特征提取、特征匹配之后,利用独立于特征匹配点的局域像素,通过参考图像局域像素与映射的待拼接图像局域像素匹配,优选4对最佳特征匹配点,确定最佳单应矩阵。实验结果表明:与随机抽样一致经典算法相比,该方法未明显增加计算耗时,单应矩阵更准确,图像拼接稳健性更好。

随机抽样一致消除特征错配的一种加速算法

提出一种利用随机抽样一致方法(RANdom SAmple Consensus,RANSAC)消除图像匹配时错配的加速算法,具有平移,旋转和缩放不变性,同时允许其他方面(视角等)的较小变化,可以满足当前主流局部特征匹配算法的要求。RANSAC精度高,但时间复杂度高,时间复杂度与有效数据百分比有关,基于此提出了一类新的查找无效数据的方法,可以快速提高有效数据的比例,当它和RANSAC算法结合使用时,可以在保证高精度的情况下,有效地降低查找时间,提高图像匹配的实时性。实验表明该算法效果显著。

随机抽样一致性算法在Vondrak滤波中的应用

针对传统Vondrak滤波法易受粗差值影响的问题,提出了一种基于随机抽样一致性的Vondrak滤波算法来探测和剔除数据中的粗差。首先通过采用随机抽样一致性算法对需要滤波的观测数据进行预处理;然后对数据是否在阈值范围内进行判断,给相应的数据赋予不同的权值系数;最后利用Vondrak滤波估计预处理后的数据。为了验证所提滤波算法的有效性,通过计算机仿真的方法,采用两种不同的信号模型产生信号,并且在两种信号中都加入粗差,分别利用传统的Vondrak滤波、抗差Vondrak滤波和所提滤波算法对两种信号进行滤波。仿真结果表明,所提滤波算法具有良好的粗差探测能力。

基于改进随机抽样一致算法的视觉SLAM

同时定位与地图构建(SLAM)在智能驾驶和机器人技术中发挥着重要的作用.针对传统随机抽样一致(RANSAC)算法对噪声敏感的问题,提出了一种改进的RANSAC算法,命名为LORANSAC,简称LO*.该算法包含内点筛选和非线性优化两部分.首先,在传统RANSAC算法估计出较好的模型后,保存在这个模型下得到的内点,在这些内点中随机选出一个子集,以进一步缩小内点的选择范围,迭代地进行模型估计.然后,对估计的模型进行捆集调整,通过最小化误差优化模型.实验使用公开的TUM RGBD数据集和KITTI数据集中的共10个序列进行评估,每个序列至少存在一个闭环,数据集涵盖小型和大型、室内和室外环境.从定性角度验证该算法删除误匹配的特征点的有效性,从定量角度验证使用该算法的定位精度.实验结果显示,与传统的RANSAC算法相比,改进的算法可以提高SLAM的定位精度.此外,实验结果与4个流行的SLAM系统对比,精度平均最高提高60.82%,最低提高12.16%.实验结果证明,该方法可以有效提高SLAM的定位精度.