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。

分层网格划分实现海量地图标记物聚散可视化

在传统的地图可视化中,面对海量地图标记物展示会采用点聚合的方式,但是各类点聚合算法都是运行时计算,没有分层机制,在海量点的散开展示时,对于地图标记物堆叠没有过滤机制。针对这一问题,提出了分层的网格划分实现海量地图标记物聚散一体化解决方案。该方法对分层网格中心点构建K-D树索引,对海量点构建四叉树索引,通过索引和存储技术,实现了聚合的高效查询。对海量点散开时增加网格过滤,消除堆叠问题。在实验案例数据集上进行对比,结果表明,与传统的点聚合方案相比,在数据量大的情况下,计算性能显著提高,对海量标记物散开展示增加过滤算法,有效提升了用户体验。

一种新的时序一致性特征的近重复视频检测算法

针对基于镜头关键帧层次进行近重复视频检测耗时的问题,该文提出了一种新的视频镜头的时序一致性特征,使用该特征对已有研究的级联式近重复视频检测算法进行改进。首先在进行关键帧特征提取之前,在镜头层次利用镜头的时序一致性特征初步滤除掉一些完全不相同的视频,然后再使用全局分块颜色特征和SURF特征,并使用k-d树型索引结构来实现快速最近邻检测,最终逐步检测与查询视频重复或近重复的视频。通过在CC_WEB_VIDEO标准数据集上进行实验,并与现有常用的三种方法比较,结果显示本文方法的检测效果更好,尤其对于那些画面变化较大以及运动场景复杂的视频更明显。