基于FAST特征点配准与概率模型匹配的工件图像拼接算法

为了解决当前工件图像特征点不明显且数量有限,导致拼接不准确且实时性不高的问题,本文分别从特征角点检测和图像特征匹配的角度出发,提出了基于FAST特征点配准与概率模型匹配的工件图像拼接算法。首先,根据Fast特征点模型,进行特征点检测和单应性矩阵计算,实现相邻图像特征点的配准。然后,基于随机抽样一致性原则与匹配正确度概率模型,对待拼接图像进行匹配,达到准确快速拼接图像的目的。最后,基于软件编程平台Visual Stadio实现算法。实验测试结果显示:与当前普通图像拼接技术相比,本文算法拥有更高的准确性与实时性。

改进FAST特征点支持下的实时影像地标匹配算法

针对图像匹配技术中匹配时间与匹配精度不能同时满足要求的问题,提出一种基于特征点匹配的方法,利用随机森林分类器实现地标的匹配,将匹配问题转化为简单的分类问题,大大简化了计算过程,保证影像匹配实时性;采用FAST特征点表示影像地标,利用高斯金字塔结构以及仿射增强策略改进FAST特征点的尺度和仿射不变性,提升影像地标匹配率。将实验结果与尺度不变特征变换(SIFT)算法和加速鲁棒性(SURF)算法进行比较。实验结果表明在尺度变化、发生遮挡以及旋转情况下,匹配率能达到90%左右,保持与SIFT算法和SURF算法相近的匹配率,并且匹配时间相较其他两种算法减少了一个数量级,能有效地对影像地标进行匹配,匹配时间也满足实时影像地标匹配要求。

基于对称FAST特征的车辆目标检测方法

针对动态复杂环境下车辆目标识别和定位问题,提出一种基于对称FAST特征的车辆目标识别方法.利用车辆的对称特征,采用水平镜像矩阵构造FAST特征描述矢量,检测具有对称特性的FAST特征点对,以此为车辆特征聚类的约束条件,确定车辆中心线位置,并结合车辆底部阴影特征对车辆目标进行识别和定位.实验结果表明,该方法提取的目标车辆区域位置准确,平均检测准确率高达93.2%.

基于稀疏特征点的零件图像拼接方法

针对纹理弱、特征稀少且存在大量相似性区域的零件图像拼接,一般基于特征点的图像拼接方法效果较差,本文提出一种改进方法。该方法首先依据FAST特征点检测方法提取特征点,再筛选出用于匹配的候选点集;其次,利用模板区域采样灰度特征,通过设置旋转角度和缩放比例搜索域结合结构相似性(SSIM)方法完成点匹配;最后,通过点匹配结果求出旋转、缩放和平移参量,利用3σ原则去除异常值得到最终结果。实验结果表明,在角度搜索域为[-45°,+45°],缩放搜索域为[0. 5,1. 5]的条件下,本文方法能够得到较准确的旋转、缩放、平移参量及拼接效果。

基于定点航拍图像序列的运动目标跟踪方法

定点航拍图像序列不仅包括目标物的运动信息,同时包括外界环境干扰或自身抖动信息。针对航拍图像序列的背景抖动,对前后帧进行Fast特征点检测匹配,并对当前帧进行仿射变换至前帧的参考坐标系中;针对航拍图像序列中的运动目标,采用Kalman滤波来预测运动信息,设置置信度区间减少Meanshift目标检测迭代的次数。仿真表明:结合Fast特征点的背景运动补偿与改进的Meanshift目标跟踪方法,可有效地补偿外界扰动或自身抖动对航拍图像序列的影响,并对目标物进行快速的跟踪。

基于LK和FAST的时间序列图像快速配准算法

LK光流算法是一种精确高效的特征跟踪算法,能够较大幅度提高图像配准的精度和速度。针对时间序列图像的配准问题,基于LK光流算法,通过基于图像金字塔的方式跟踪改进后的FAST特征角点,采用一种鲁棒的单应矩阵估计算法解算配准参数,提出了一种基于LK光流和改进FAST特征的实时鲁棒配准算法。通过一组时间序列图像从配准精度和配准速度两个方面对所提出算法的性能进行了验证分析,平均重投影误差为0.16,平均处理速度为30 Hz。实验结果表明,该算法能够提取稳定的FAST角点,快速准确地跟踪匹配序列图像之间的特征,较好地解决时间序列图像的实时配准问题。

基于深度视觉原理的液压支架护帮板收回姿态测量方法研究

为了解决液压支架护帮板在收回过程中的空间姿态测量问题,提出了一种基于深度视觉原理的多传感器融合护帮板空间姿态测量解决方案。该方案通过FAST算法提取特征点,采用领域搜索算法优化特征点,基于护帮板姿态解算模型采用深度相机和倾角传感器相融合的方式进行姿态解算。结果表明:特征点在经过模型优化后,准确度提升25%,液压支架护帮板偏航角的平均解算误差为0.68°,横滚角的平均解算误差为1.31°,俯仰角的平均解算误差为0.82°,护帮板空间姿态角度解算最大误差为1.91°,护帮板空间姿态角度解算最小误差为0.57°,满足井下护帮板姿态检测要求。该方法不易受到环境的干扰,便于获取护帮板在三维空间中的姿态,不但可用于液压支架护帮板空间姿态测量,而且在其他领域视觉测量技术中也具有较好的普适性。

基于改进SURF算法的交通视频车辆检索方法研究

针对传统车辆检索方法中存在准确性和区分度较低的问题,提出了一个基于改进SURF(speeded up robust features)算法的视频车辆检索方法。在车辆视频关键帧提取的基础上,根据改进SURF算法完成车辆图像的特征提取及匹配,其中包含改进FAST(features from accelerated segment test)特征点检测、SURF特征向量提取以及最近邻查询方法来进行特征点的匹配;通过计算比较待检索车辆图像与数据库车辆图像的相似度,算法完成图像筛选并反馈检索结果。实验结果表明:针对交通监控视频中待检索车辆,该方法能够较为准确地进行检索并反馈结果。

双目相机和激光雷达的融合SLAM研究

针对基于图优化的激光SLAM算法在高相似度的场景中闭环检测出错的问题,提出使用双目相机进行闭环检测的方法.使用加入旋转不变性的FAST特征点和BRIEF描述子进行双目深度估计;引入局部地图的概念,使用单帧激光雷达数据与局部地图进行匹配,提高SLAM前端的精度.使用基于词袋(bag of words,BOW)模型的k叉树字典评估图片相似度从而完成闭环检测,最后构建全局优化问题并求解.与主流开源激光雷达SLAM算法的对比实验表明,研究内容改善了只使用激光雷达数据进行闭环检测的方法在相似度较高场景下失效的问题,并且在较大面积场景运行效果明显优于基于滤波的SLAM算法.

一种改进的ORB算法在图像匹配中的应用

针对ORB算法提取的特征点阈值的选取存在人为干涉且对不同对比度的图像缺乏鲁棒性的问题,提出一种改进的ORB算法。本算法对FAST算法提取特征点进行了改进,首先对图像进行直方图均衡化实现对图像的增强,然后采用自适应阈值的方法,分别设置动态全局和局部阈值提取特征点,通过引用海森矩阵去除不稳定的边缘点。实验结果表明,该改进的算法能够实现特征点的精准定位,具有较强的抗噪能力,在实现图像配准应用中明显优于传统ORB算法。

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。