基于AKAZE特征的复杂抖动数字视频稳像算法

针对目前大部分视频稳像算法实时性及适用性较差的问题,基于AKAZE特征,提出一种复杂的抖动数字视频稳像算法。通过AKAZE特征提取视频图像的特征点,采用快速近似最邻近库算法匹配视频邻帧间的特征点。利用特征点筛选机制剔除误匹配的特征点,以提高运动估计的准确性,并采用随机抽样一致性算法迭代求解视频图像间的运动参数。为得到去抖动的视频运动参数,使用高斯滤波器将运动参数进行滤波,对视频序列进行运动补偿得到稳像视频。实验结果表明,该算法在特征点数较多的情况下,其运动估计速度接近于加速健壮特征(SURF)算法的3倍,比基于SURF特征点的运动估计算法具有更强的实时性及健壮性,比三维内容保持变换算法、子空间视频稳像算法效果更稳定。

基于改进Kaze特征匹配的低分辨人脸识别算法

针对普通算法难以提取低分辨人脸图像特征以实现人脸识别问题,探讨一种基于改进Kaze特征匹配的识别算法。首先,通过改进P-M扩散滤波中阈值和扩散函数来保留低分辨图像的边缘和细节,并利用加性算子分裂算法构造非线性尺度空间;其次,通过寻找不同尺度归一化后的Hessian矩阵局部极大值点来检测特征点,并使用M-SURF构造特征描述向量;最后,利用欧式距离进行特征向量的匹配实现识别分类。实验结果表明,与基于SIFT、SURF和普通Kaze特征匹配的算法相比,所探讨算法正确识别率更高,同时对噪声图像也有更好的鲁棒性。

地面目标特征识别与无人飞行器位姿估计

针对小型无人飞行器位置姿态估计问题,提出了一种基于视觉图像目标特征的相对位姿估计算法。应用Camshift算法获取目标初始位置,利用非线性尺度空间下的KAZE特征进行跟踪区域特征点提取,与源目标特征点进行匹配,得到精确的目标位置信息,实现了在图像平面内的目标快速跟踪,并得到机体轴系下无人飞行器与目标间相对位置和姿态角的估计值。对算法进行了实验验证,具有优良的跟踪性和实时性。

基于非线性局部特征匹配的重复定位精度测量方法

重复定位精度是机器人精度评估的重要指标之一。提出一种基于光学图像非线性局部特征匹配的2-DOF机器人手臂重复定位精度测量方法,具有非接触、高精度和易测量等优点。在XY-Theta测试平台采用远心光学成像系统采集2种工况下机械臂定位点的视觉图像,并对其进行KAZE特征点提取和匹配,计算定位坐标点云并拟合其最小包围圆,进而得出机械臂的重复定位精度。对比实验结果表明:所提算法相比传统方法在精度、稳定性方面均具有显著优势,可推广到其他精度测量应用中。