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。

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。

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算法的风电机组塔筒倾斜度检测方法

随着风电行业的快速发展,由于设计缺陷、制造问题以及检查和维护不充分导致风电事故频繁发生。机组倒塌是典型的事故之一,检测塔筒倾斜度是避免机组倒塌事故的重要措施。为解决利用最小二乘法无法剔除检测数据的局外点和噪声而导致检测精度低的问题,提出了一种基于随机抽样一致性的算法,可以剔除不良数据,并具有较强的抗噪声和异常点干扰能力。依托甘肃瓜州某风电场进行试验,结果表明,该算法能够较好地应用于塔筒倾斜度检测。

影像同名点匹配的SIFT算法与贝叶斯抽样一致性检验

为提高影像匹配的稳健性,引入基于SIFT特征匹配的贝叶斯抽样一致性算法(Bayes sample consensus,BAYSAC),提出基于随机概率U(0,1)、基于像点到像片中心距离比值和基于影像重叠度的3种正确点先验概率估计方法,并根据相似性原理简化了贝叶斯公式,用于更新正确点概率。以SIFT算法为基础,结合贝叶斯抽样一致性算法,对不同的正确点概率估计方法进行了试验。试验结果表明,改进后的算法减少了迭代次数,从而减少了计算时间。同时,它能剔除更多的误匹配,并保留更多的正确匹配,从而提高匹配正确率。

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。

基于RANSAC的单应性矩阵估计优化算法

图像特征匹配是机器视觉处理技术的关键环节。在图像特征匹配中,需要根据检测到的特征点及其相应的特征描述子进行特征点匹配。在众多匹配方法中,传统随机抽样一致性(RANSAC)算法因为能利用随机抽样从样本集中剔除误匹配点,再对单应性矩阵进行估计,而获得了广泛的应用,但其模型参数估计依然存在精度不高和效率较低的问题。本文用基于先验概率抽样的方法代替随机抽样方法,同时,使用二次匹配代替正向匹配来计算重投影误差,使用标准测试图集进行实验。实验结果表明:单应性矩阵的估计精度和效率分别提升了48.42%和53.57%。

基于PCA法向量估计与RANSAC算法的隧道中轴线提取

为了减少隧道点云噪声对隧道中轴线提取精度的影响,提出主成分分析(PCA,Principal Components Analysis)算法点云法向量估计与随机抽样一致性(RANSAC,Random Sample Consensus)算法相结合的隧道中轴线提取方法。首先对隧道点云数据进行ROI(Region of Interest)区域提取及统计滤波预处理,其次通过PCA算法估计隧道点云法向量并进行点云法向量方向一致化处理,通过设定阈值分别提取满足要求的隧道拱顶及拱腰处法向量,最后用RANSAC算法代替最小二乘算法对筛选出来的法向量提取出精度较高的隧道中轴线。实验结果表明,本文方法所提取出来的隧道中轴线受噪声影响较小,斜率最大偏差0.007 1,最小偏差0.000 3,算法稳定性好,结果精度较高。

RANSAC算法在超大直径洞门钢环精密检测中的应用

洞门钢环对盾构机顺利始发以及隧道掘进中线的控制起着巨大的作用,因而对隧道洞门钢环的定位精度有着极高的要求。而直径超过10 m的超大直径洞门钢环对精度有着更高的要求。本文结合某过江通道15.5 m超大直径隧道洞门钢环安装难度大、精度要求更高的特点,通过洞门安装定位实测数据计算分析,针对原始数据中混入的噪声点影响拟合精度的问题,在传统的拟合方法中加入随机抽样一致算法(random sample consensus,RANSAC),提高了拟合模型对粗差的抵抗性,有效地克服了噪声点对拟合精度的扰动,获得了良好的抵抗效果。

基于改进RANSAC算法的单应矩阵鲁棒估计方法

单应矩阵的鲁棒性和精度直接决定了其应用效果,如何利用RANSAC算法估计出鲁棒、精确的单应矩阵,仍是一个有待研究的热点问题。针对传统RANSAC算法迭代次数多、运行时间长、单应矩阵估计精度较低的问题,在SIFT特征匹配算法的基础上,从剔除样本集中不符合图像几何特性的部分外点、快速舍弃不合理单应矩阵和迭代精炼单应矩阵等方面对RANSAC算法进行改进,提出一种基于改进RANSAC算法的单应矩阵估计方法,提高了单应矩阵估计的精度和效率。实验结果表明,该方法有效解决了传统RANSAC算法存在的问题,能够快速、精确估计单应矩阵。另外,对于不同视角和大小的图像,该方法均具有较好的鲁棒性。

改进的RANSAC算法在图像配准中的应用

为了提高图像配准的速度,提出了一种基于改进的随机抽样一致性(RANSAC)算法的快速图像配准方法。该方法首先采用Harris角点检测算法提取出参考图像和目标图像的特征角点,然后利用灰度相关性进行特征角点的匹配,最后采用基于预检测的RANSAC算法快速而精确地估计变换矩阵,进行图像配准。该算法中采用预检测的方法快速抛弃那些不是候选模型的临时模型,提高了算法的速度。同时使用随机块选取法选择样本,很好地消除外点的影响进而保证精度。实验结果表明,此方法在得到较高的精度和鲁棒性的情况下,还大幅度减少了运算量,提高了图像配准的速度。

基于结构相似的RANSAC改进算法

为了减少传统RANSAC(Random Sample Consensus,随机抽样一致性)算法的迭代次数和运行时间,提高算法的速度和精度,提出了一种基于结构相似的RANSAC改进算法。采用BRISK(Binary Robust Invariant Scalable Keypoints)算法提取和描述二进制特征点,用Hamming距离进行特征匹配,获得初始匹配点集,利用结构相似约束剔除误匹配点,得到新的匹配点集,用新的点集作为RANSAC的输入,求出变换矩阵。该算法在初始匹配后进行了匹配点提纯,能快速求得变换模型。实验证明该算法迭代次数和运行时间比传统RANSAC算法明显减少,因此改进的算法在速度和精度上优于传统的RANSAC算法。

RANSAC算法的自适应T_(c,d)预检验

随机抽样一致性算法是计算机视觉领域应用最广泛的鲁棒性算法。为了进一步提高RANSAC算法的运算速度,首先在介绍RANSAC算法的Tc,d预检验加速模型的基础上,提出了一种两步法用来实现优化的预检验参数选择;然后基于这种优化选择方法提出了自适应Tc,d预检验的新算法,从而实现了不依赖用户选择的RANSAC算法的自适应加速。基于窄基线和宽基线图像对的极线几何计算的实验表明,该新算法相对于标准RANSAC算法的运算速度平均提升超过了400%。

结合SIFT和RANSAC算法的InSAR影像配准

配准是合成孔径雷达干涉测量(In SAR)得到干涉图前的关键步骤。本文提出了基于SIFT和RANSAC的In SAR影像配准。尺度不变特征变换(SIFT)和随机采样一致性(RANSAC)相结合,得到特征稳定、匹配点对可靠的In SAR影像配准。利用PALSAR数据及Terra SAR-X数据,进行不同分辨率、不同波段的SAR影像配准试验,结合生成的干涉图条纹的清晰程度,评价其精度。并与目前主流的交叉互相关方法得到的相干系数进行了对比,证明了该方法在In SAR影像配准应用中是一种简单、有效的方法。

基于优化RANSAC算法的二次元快速稳定配准

针对检测零件缺陷的二次元光电检测仪的速度和稳定性要求,提出了一种加入预匹配的快速稳定的RASNSAC匹配方法。首先对零件图像轮廓区域矩分析以及轮廓多边形逼近以及对其CAD标准档进行解析计算得到图像轮廓和CAD图的重心、主轴方向以及特征点集,然后通过重心和主轴对零件图像和CAD图进行预匹配,最后利用RANSAC对预匹配后的特征点集进行快速匹配。实验结果表明,此改进算法显著地提高了图像的匹配速度和稳定性。

基于改进SURF和RANSAC算法的室内环境图像匹配

针对移动机器人在室内环境下定位及地图创建要求,比较SURF特征算法以及随机抽样一致性(RANSAC)算法各自优势,设计实现以改进SURF及RANSAC相结合的室内图像匹配方法.初始阶段,采用SURF算法提取图像特征,利用双向K最近邻分类法筛选提取到的特征点进行特征预匹配;再利用RANSAC算法对预匹配结果进行优化,剔除误匹配对,完成对图像的匹配矫正;最终得到准确的匹配图像.实验结果表明,此方法提高了匹配的正确率,也缩短了匹配时间,提高了匹配效率.

基于RANSAC算法的三角网格特征曲面提取

针对三角网格模型中的二次曲面提取问题,利用随机抽样一致性算法(Random Sampling Consensus,RANSAC)提出了一种球面、圆柱面和圆锥面等二次特征曲面的提取算法。该算法首先计算每个顶点的法向量,然后用带顶点法向量的三角面片统一表示每类二次曲面的最小子集,最后利用RANSAC算法进行二次曲面提取。实验结果分析表明该算法具有良好的稳定性和运算效率等特点。

基于改进RANSAC算法的PCB板定位方法的研究

为了快速精确识别定位Mark点从而确定PCB板连片折板位置,提出一种基于改进RANSAC算法的边缘拟合算法。通过对目标模型的固有特性进行分析,定向筛选样本点,得到估计模型;采用分层抽样法抽取样本点进行残差分析;经过多次迭代后筛选出最符合的模型。对比分析了加权最小二乘法拟合、基于Zernike矩的边缘拟合和基于改进RANSAC算法的边缘拟合3种方法在效率和准确性方面的差异。实验证明:基于改进RANSAC算法的边缘拟合法较其他两种方法具有鲁棒性更好和稳定性更高的特点。