融合BRIEF与ICP点云配准的零部件姿态估计方法

物体姿态估计在增强现实、自动驾驶和机器人操作等领域具有重要意义。在机器人抓取与辅助装配过程中实时并准确地估计目标姿态极其重要,为提高装配过程中零部件的抓取与监控的实时性与精度,研究了基于多视图特征库估计目标姿态的方法,设计融合BRIEF(Binary Robust Independent Elementary Features)特征匹配与ICP(Iterative Closest Point)点云配准的零部件姿态估计方法对零部件姿态角进行估计测量。以法兰、扳手、电钻等零件工具进行实验,实验结果表明融合BRIEF特征匹配与ICP点云配准的姿态估计方法运行耗时约200ms,而姿态估计的最大误差角度为4.5°,能有效保证零部件姿态估计方法的实时性与精度,可应用于机器人抓取作业、辅助装配监控等。

基于特征点匹配的步态识别

基于图像特征点匹配的算法思想,结合步态能量图(GEI),提出了一种适用于2幅GEI匹配的步态识别方法。在GEI中采用改进的FAST算法提取特征点,并采用具有良好特征描述性能的BRIEF算法描述特征点。考虑到GEI匹配不要求特征点具有旋转不变性,提出了一种质心角约束条件加速特征点的匹配。在CASIA数据库B库上的实验结果表明:方法在识别率和特征计算时间上均具有良好的表现。

基于图像结构与改进Brief检测算子的目标匹配算法

为了解决当前特征点匹配算法在前景遮挡、背景复杂的干扰下,存在匹配能力不足的问题,提出了基于改进Brief的目标鲁棒匹配算法。首先,对存在匹配干扰的图像展开分析,通过基于不变矩的特征点检测方法,改进breif特征点检测。然后扩大滤波范围来处理目标积分图像,通过基于特征点主方向的旋转矩阵,构建Brief特征描述算子;最后结合欧式距离和KNN,进行匹配运算,并编程实现算法,实验测试结果显示:与当前传统特征点匹配算法相比,在特征遮挡严重、背景极复杂的干扰下,本文算法拥有较强的匹配精度与鲁棒性。

烟幕环境地面红外运动目标快速检测方法

传统目标检测方法不能很好地满足红外跟瞄系统运动时的地面运动目标快速精确检测需要,另外由于红外烟幕干扰,图像的质量降低,也会影响目标检测的精度。为此,提出了一种烟幕环境下红外运动目标的快速检测方法。该方法首先快速提取两帧红外图像的FAST特征点,提出了改进的二进制BRIEF特征描述符进行背景匹配,然后采用随机一致性算法估计全局运动参数进行运动补偿,最后采用帧间差分法进行目标检测。实验表明,该算法能够有效地降低烟幕干扰对运动补偿的影响,快速精确地检测出运动目标的位置,对烟幕干扰及运动背景具有很好的鲁棒性。

改进AKAZE算法的高铁接触网图像特征匹配方法

针对传统多尺度特征匹配算法在高速铁路接触网图像匹配检测过程中难以保持图像局部精度和边缘细节的问题,提出了一种改进加速非线性扩散(AKAZE)算法的高铁接触网图像特征匹配方法。首先,对接触网图像利用边缘特征与局部二值模式纹理特征融合的方法,克服了传统接触网图像特征点数量不足的问题;然后,采用改进AKAZE算法提取接触网图像的特征,提出用二进制的鲁棒独立基本特征(BRIEF)描述子进行特征点的描述;再通过快速相似邻域搜索与随机抽样一致算法剔除误匹配点;最后,使用图像差分的方法实现对接触网图像的匹配检测。实验结果表明,该方法较AKAZE特征匹配算法,平均匹配精度提高了22.16%,算法的运行效率也得到了较大改善。