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。