一种改进的MLESAC基本矩阵估计算法

为提高基本矩阵估计精度,提出一种改进的随机抽样最大似然估计算法。根据对极距离选择质量较好的原始数据,采用随机抽样一致性方法进行抽样,选择内点数最多的基本矩阵检验原始数据,剔除误差大的匹配点,结合约束条件对匹配集进行检验,以提高匹配集精度。实验结果表明,该算法的估计精度较高,稳定性较好。

初探MLESAC算法在针穿刺手术中的应用

为了提高针穿刺手术中穿刺的精度和效率,合理避开障碍物,精准命中靶点,本文初步探讨了一种MLESAC算法(极大似然估计的随机抽样一致性算法)。通过分析MLESAC算法的原理和步骤,提出在针穿刺手术中应用MLESAC算法定位穿刺针位置、预测靶点运动。算法通过建立穿刺针模型定位穿刺针的精确位置,通过提取二值化超声图像中的特征匹配点,建立运动函数模型预测靶点运动,为引导下一步穿刺提供依据。该应用为未来医疗机器人应用于临床、辅助医护人员进行外科手术提供了理论参考和数据支持。

高光照条件下的大豆行线提取方法研究

针对中国南方大豆田间环境复杂,光照强度高,常用的作物特征提取算法适应性差的问题,对高光照条件下的大豆行线提取方法进行研究。通过超绿特征(2G-R-B)算法,提取大豆植株绿色特征;对灰度图进行形态学处理、小面积去噪,去除图像背景和图像中的噪声;根据SUSAN角点检测算法,提取出大豆田间作物特征点;利用特征点的位置特征自动归类特征点,采用MLESAC算法对离散点进行拟合,得到作物行线。结果表明,该算法具有较强的抗噪性能,可以准确地提取大豆苗带上的特征点,利用特征点的位置特征自动归类特征点,提取出垄上两侧的大豆苗带行线,大豆苗带行线提取准确率为93%,可以为田间导航作业提供研究基础。研究结果为大豆苗期除草、追肥等田间自主导航作业提供了一种可靠的导航方法。

基于图优化的三维激光雷达SLAM算法研究

为了提高三维激光雷达SLAM算法的定位精度和解决其z轴偏移的问题,在图优化的基础上提出了一种增加边约束和地面约束来改善闭环检测的方法。首先,使用MLESAC算法对点云数据进行滤波,去除外点;其次,采用随机采样法对点云数据进行下采样,提高点云配准算法的速度和准确性;然后,基于3D-NDT配准算法得到点云变换关系;最后,在图优化的基础上将边约束和地面约束加入优化求解器,获得优化后的位姿和点云地图;使用Velodyne激光雷达扫描的地下车库数据进行评估,结果表明所提出的方法能够改善激光SLAM的回环检测,提高定位准确度,x、y和z方向精度分别可达0.0741、0.38895、0.0015 m,特别是z轴精度从1.68 m提升到了0.0015 m。

一种图像拼接的点特征匹配算法

为了解决旋转图像间的点特征匹配问题,提出了一种以空间位置分布关系为搜索依据的新的匹配算法.首先将已检测到的特征点生成三角形,随后利用相似三角形配对获取图像间的仿射变换关系,并根据这种空间位置分布关系进行进一步的对应点搜索,最后利用MLESAC算法进行对应点筛选,得到内点以及外点.用活动摄像机采集图像进行实验,首先验证了对于旋转图像点特征搜索的有效性,接下来又验证了图像间是平移关系但存在重影的点特征搜索,结果表明该方法能有效地对旋转和平移图像进行点特征匹配.

RANSAC类方法先入为主的缺陷和避免方法

报告了一类模型拟合错误的现象,涉及RANSAC、MLESAC、PROSAC等包含随机采样环节的模型拟合方法。分析了该类错误为先入为主的验证策略所导致,并提出了避免产生这类错误的校验方法。实验结果表明:本方法可以快速有效地避免这类错误。

基于模拟退火算法的三维人脸匹配方法

基于模拟退火算法,利用深度信息对三维人脸进行匹配和识别。通过具有全局优化能力的模拟退火算法搜索获取全局极值,选择合适的适应度函数MLESAC和SIM控制匹配过程获得识别结果。基于"由粗到细"的思想,分3步匹配三维人脸,并对精准匹配阶段进行改进,通过选择合适的区域和分类器能够更好地应对表情的影响。实验结果表明,模拟退火算法跳出了局部最优解而获得了全局优化解,同时通过选择MLESAC和SIM作为不同匹配阶段的适应度函数能够有效控制匹配过程,提高了识别精准率。

运动背景下高精度视频稳定算法仿真研究

针对传统视频稳定算法存在的前景局部运动影响全局运动估计精度的难点问题,提出了一种可靠特征集合匹配的高精度视频稳定算法。算法首先利用距离筛选法和金子塔模型提高特征匹配精度,然后利用MLESAC算法剔除运动物体上的无效特征,最后将保留下来的精确匹配特征带入仿射运动模型求出全局运动矢量,并据此对视频帧进行运动补偿以实现稳定视频的目的。实验结果表明,相比于传统基于特征匹配的视频稳定算法,改进全局运动估计算法提高了视频稳定的精度。