一种基于点云语义图描述符的回环检测方法研究

随着计算机水平和机器人传感器技术的不断进步,移动机器人已逐渐向智能化发展。其中,定位与建图(SLAM)是其定位的关键技术,回环检测是SLAM系统的重要模块。为解决传统回环检测耗时长和效率低等问题,本文提出一种基于点云语义图描述符的回环检测方法,在KITTI里程计数据集00和05序列中进行回环检测性能测试,并与Scan Context、LEGO-LOAM和VFH三种算法进行对比。结果表明:该方法在100%准确率下的召回率和50%召回率下的准确率最高,回环检测性能最好。

基于关键特征增强机制的3D人脸识别

3D人脸识别是计算机视觉领域的重要组成部分,Pointnet依靠深度学习解决了点云的无序性,实现了3D点云的全局特征提取,但由于点云数据缺乏细节纹理,仅靠全局特征很难实现复杂情况下的人脸识别。针对以上问题,基于Pointnet提出了一种局部特征描述子,用于描述点云局部空间的几何特征,并引入关键特征增强机制,通过特征概率分布增强人脸关键信息,该机制能减少不必要特征对任务的干扰,有效提升模型的准确率。在公共数据集CASIA-3D、Lock3DFace、Bosphorus上进行实验测试,结果表明该方法能很好地应对表情变化、部分遮挡以及头部姿态的干扰,在弱光环境下其准确率高于RP-Net 1.1%,并具有良好的实时性。

LSVSH描述符:高鉴别强鲁棒的点云局部特征统计直方图

三维局部特征描述是三维计算机视觉中的重要任务.现实场景中包含噪声、遮挡和杂波等干扰,使得准确和鲁棒的三维局部特征描述具有很大的挑战性.为提高特征描述的性能,提出一种局部曲面变化统计直方图(local sur-face variation based statistics histogram,LSVSH)描述符.首先设计一种不依赖于局部参考轴(local reference axis,LRA)的新属性(称为曲率属性),增强描述符对LRA误差的稳健性;然后沿径向剖分局部空间,在每个子空间中统计3个角度属性和1个曲率属性生成LSVSH描述符,实现对局部曲面信息的全面稳健描述.在B3R,U3M,U3OR和QuLD这4个数据集上进行大量的实验,结果表明,LSVSH在4个数据集上的RPC下面积(the area under the recall-precision curve,AUCpr)值分别为0.95,0.70,0.54和0.10,优于现有的局部特征描述符的性能;在U3M数据集上的正确配准率和在U3OR数据集上的正确识别率分别达到70%和100%,验证了LSVSH应用于物体配准和识别任务上的有效性.

基于DDP的激光回环检测算法

回环检测作为SLAM技术重要组成部分,能够提高轨迹估计的全局一致性。针对目前效果较好的扫描上下文算法(SC),本文提出一种基于DDP改进的回环检测算法。首先,根据点云分布对齐点云坐标系;其次,利用方位角与尺度信息构建DDP点云描述符;最后,提出高度维度描述符余弦距离与离散度描述符相关距离加权方法,计算候选帧DDP点云描述符相似度。实验结果表明,本文所提出的基于DDP改进的回环检测算法在KITTI数据集大多数序列中,精确率与召回率优于IRIS、NDD、SC和ISC算法,且能够满足激光雷达实时性要求。

一种高效的二进制点云局部特征描述算法

针对现有点云局部特征描述算法时效性和紧凑型不能满足实际应用需求的问题,提出一种二进制多层切片距离特征描述算法(B-MSD)。首先在特征点处建立了一种稳健的局部参考坐标系;然后设计了两种多层切片和子区域划分方式并计算平均距离,以提取点云局部三维形状特征;最后通过量化的方法将各子区域计算的平均距离转化为二进制码串,串联所有码串生成最终的二进制描述子。在多个公开点云数据集上与几个经典描述子进行仿真对比,结果表明,在鉴别力更强的基础上,上述算法的紧凑性、计算效率和匹配速度方面综合表现更好。3D目标检测和点云配准应用实验也验证了上述算法的有效性。

基于SuperPoint的轻量级特征点及描述子提取网络

图像特征点及描述子提取是SLAM、SFM和3D重建等任务的基础,较好的图像特征点及描述子提取算法会对这些任务的进步产生十分重要的作用.本文聚焦于提取特征点和描述子算法中鲁棒性较高、性能较好的SuperPoint网络,对该网络进行了一定程度的改进.针对其计算量和参数较大的问题,首先将普通卷积改成深度可分离卷积,改变卷积层数和下采样方式,之后改进通道剪枝算法,使其可以应用于深度可分离卷积,对网络进行剪枝.实验结果显示,在轻微损失特征点检测和匹配效果的情况下,将网络参数量压缩为原来网络的15%,运算量压缩为原来网络的5%, FPS提升6.64倍,取得了较好的实验效果.

仿人眼双目图像特征点提取与匹配方法

模仿人眼的视觉特性已成为机器迈向智能感知、智能认知的研究热点和难点。图像边缘蕴含着丰富的信息,因此人眼对场景中物体的边缘更加敏感。为在机器上实现这一视觉特性,提出了一种仿人眼双目图像特征点提取与匹配方法。首先选择边缘特征提取能力突出的SUSAN(small univalue segment assimilating nucleus)算子作为特征检测器;然后改进尺度不变特征变换(scale-invariant feature transform,SIFT)描述子的采样邻域,减少远离特征点的梯度信息因视点和视角差异带来的匹配误差,保留靠近特征点的主要梯度信息;随后对输入图像建立多尺度结构,在不同尺度上计算同一特征的主要梯度信息;最后利用平方根核比较梯度信息的相似性,生成多尺度描述子,增强描述向量的独特性。实验采用多种评价指标分别对提出的多尺度描述子和整体算法进行评估,并与经典的SIFT、SURF(speeded up robust features)、Root-SIFT等算法和先进的BEBLID (boosted efficient binary local image descriptor)、SuperGlue、DFM等算法进行对比。结果表明:提出的多尺度描述子能够提高边缘特征点的匹配准确率,并对光照变化具有更强的适应能力,体现出更好的匹配稳定性;与其他算法相比,本算法具有更高的匹配准确性。

Structural Vector Description and Estimation of Normal Boiling Points for 66 Aromatic Hydrocarbons

A molecular vector-type descriptor containing 6 variables is used to describe the structure of aromatic hydrocarbons (AHs) and relate to normal boiling points (bp) of AHs. The col relation coefficient (R) between the estimated bp and experimental bp is 0.9988 and the root mean square error (RMS) is 7.907 degreesC for 66 AHs. The RMS obtained by cross-validation is 9.131 degreesC, which implies the relationship model having good prediction ability.

基于改进的协方差矩阵描述子的点云配准方法

点云配准是数字化文物保护的关键一环,提高配准精度与抗噪性是文物点云配准的主要目标。针对该问题,提出一种基于协方差矩阵描述子的三维点云配准方法。使用张量投票法剔除噪声点,对剔除噪声后的点云,使用内在形状签名法提取关键点;对提取的关键点构建邻域信息,利用该信息建立协方差矩阵描述子;通过计算最近距离寻找匹配点对,使用法向量夹角对其约束,剔除误匹配点对;选取匹配点对计算变换矩阵完成粗配准,再通过迭代最近点对方法进行精配准。实验结果表明,相比于常用配准算法,本文算法配准精度更高,且适用于低重叠率模型与含噪声模型。

无人机巡检图像识别算法研究和系统设计

针对当前无人机巡检图像识别匹配度低、精度差的问题,对无人机巡检系统进行设计,并对图像识别算法进行研究。对无人机巡检系统工作流程和系统结构进行了分析,利用快速无人机景象匹配算法对巡检图像进行识别。利用景象匹配算法流程对场景图片进行预处理和图像特征点提取。在所得的特征点基础上建立了描述符,从而得到了准确的地图坐标。对不同算法描述子选择结果进行分析,并对目标特征点的检测精确度进行分析。研究结果表明:快速景象匹配算法较其他算法图像识别匹配精度高,识别特征点多,准确率接近96%。快速景象匹配算法可以准确、快速地匹配到正确的目标区域。该设计在一定程度上提高了无人机巡检图像识别精度。其创新性在于将快速景象匹配算法应用到了无人机景象匹配系统中,拓宽了无人机巡检技术研究方法,为后续图像处理方案设计提供方法借鉴。

一种快速变电站设备三维点云识别方法

针对变电站设备点云识别的问题,提出一种新的识别方法。首先,建立设备点云的局部坐标系,利用设备点云在空间中的对称性和分布密度,确定局部坐标系的x、y轴,该坐标系具有平移和旋转不变性,并且对噪声鲁棒。其次,结合变电站设备点云的形状和设备视图的差异,定义一种新的特征描述子,用于设备点云的描述和识别,并建立一个包含避雷器、断路器、隔离开关等54种电气设备的模板库,库中包含了每个模板设备的型号、编号以及模板设备的特征描述子信息。通过计算待识别的设备点云的特征描述子,将其和模板库中的特征描述子进行匹配,找到匹配误差最小的模板,完成对设备点云的识别。最后,在90个待识别设备点云上对本文算法和另外两种变电站点云识别算法进行验证,结果表明:本文算法可以达到90%的识别准确率,识别一个设备的平均时间为3.2 s,可以较好地平衡识别准确率和识别效率,并且当待识别点云中存在噪声和遮挡时,本文算法的识别准确率略高于另外两种算法,当待识别点云密度不均匀时,本文算法仍然能保持70%以上的识别准确率。

结合形态描述和直方图特征改进的点云配准

针对点云配准过程中配准效率和精度无法兼得的问题,提出一种将内部形态描述(ISS)特征点和二进制方向直方图(BSHOT)特征描述符相结合的改进的点云配准算法。该算法先采用体素格网下采样和ISS算法提取特征点;然后通过二进制的方向直方图(BSHOT)特征描述符结合汉明距离和随机采样一致性算法(RANSAC)进行粗配准;最终利用改进的ICP算法进行精确配准。利用多组点云数据对该方法进行验证。结果表明,在相同条件下,改进后的算法在配准时间和配准精度上均优于其他算法。说明所提出的方法具有较高的配准效率与精度,且随着点云数量的增多,配准精度的提高效果会增强。

三维动画视频关键帧图像信息提取方法研究

在提取关键帧图像信息中,由于对特征的分析结果精度较低,导致信息提取结果与实际情况存在较大偏差,针对此,提出三维动画视频关键帧图像信息提取方法研究。首先分析了关键帧图像所在尺度空间的极值,利用三维动画视频关键帧图像的尺度空间函数和高斯函数之间的关系,计算相邻尺度上任意两个连续高斯图像的差值,计算得到差分高斯图像,根据采样点与图像区域相邻点关系,确定极值点;结合不同类型不稳定点的属性去除不稳定点后,根据特征点方向信息提取三维动画视频关键帧图像特征点描述符;最后在随机抽样一致性算法的辅助下,通过对图像平移、旋转和尺度变换矩阵求解,得到对应的图像信息。在测试结果中,设计方法对图像颜色信息中亮度信息的提取结果与实际数据拟合值始终在0.99以上,色度和饱和度的拟合值也始终稳定在0.89以上。

一种基于三维视觉的金属铸锭氧化渣区域感知方法

文章提出一种基于三维视觉的金属铸锭氧化渣区域感知方法。首先,针对B-SHOT二进制描述符存在信息丢失、编码错误等问题,提出了改进的WB-SHOT二进制描述符,该描述符增加了新的编码规则,解决了局部编码错误的问题,实现了高准度的氧化渣快速空间特征描述;其次,针对氧化渣点云配准存在精度不高的问题,融合RANSAC粗配准算法和ICP精配准算法,提出一种基于WB-SHOT二进制描述符的粗细两阶段点云配准算法,对空间位置差异较大的模具点云数据和铸锭氧化渣点云数据进行高效配准;最后,结合相似性度量的氧化渣区域分割策略,实现氧化渣三维点云区域的感知,实验结果验证所提方法的有效性。

基于3D点云地图和描述子的蒙特卡罗定位方法

为了实现机器人充分利用多线激光雷达感知信息进行位姿跟踪,论文提出了一种基于已知3D点云地图和描述子匹配观测模型的蒙特卡罗定位方法。首先设计了一种全新的以三维分箱形式统计障碍物结构信息的BOSS描述子,及高效的相似度计算方法;然后设计了基于扫描帧与局部点云地图BOSS描述子相似度匹配的观测模型;最后提出BOSS-MCL定位方法,借助描述子采样集预生成策略完成粒子的高效更新,实现机器人实时位姿跟踪。在实车平台上的测试结果表明,与传统蒙特卡罗定位相比,该方法在定位精度和稳定性上得到显著提升,具有实际应用价值。

基于方向直方图签名描述符的点云配准方法

针对复杂场景下传统点云配准精度与效率低、鲁棒性差,难以配合机器人进行工业作业,提出一种基于方向直方图签名(SHOT)描述符的点云配准方法。对模型点云和场景点云采用体素重心降采样预处理,对降采样后的点云采用内部形状签名(ISS)提取特征点;计算特征点SHOT描述符并构建KD树快速检索特征相似的点对;采用随机采样一致(RANSAC)去除误匹配点对并完成粗配准,获取点云粗配准初始位姿,联合迭代最近点(ICP)完成精配准。实验结果表明:复杂场景下,本文方法能够快速识别定位H型钢和热电偶,配准用时2 s,配准精度在5 mm以内;与传统ICP算法相比,本文方法配准精度更高、鲁棒性更好,能够对一定程度遮挡、残缺物体点云进行识别,满足工业要求。

改进SURF匹配算法在并联机器人中的研究

针对传统机器人中图像匹配方法准确率低、匹配时间长的问题,提出一种新型的基于机器视觉进行加速稳健性特性(SURF)的改进算法。以SURF特征点检测为基础,利用增强高效局部图像描述符(BEBLID)替换描述子,实现高维到二值化的转换;以自适应设定阈值方法降低人为设定对匹配产生的影响,结合渐进一致采样(PROSAC)优化策略对误匹配点对的剔除方法,获取有效的匹配点对。实验结果表明:与近几年改进算法相比,该算法在正确匹配率和匹配时间上分别提高了12.06%、9.66%,可见在特征点对的提取和匹配处理上,该算法具有更高的实时性、准确性,能够满足产品检测机器人分拣的实时性要求。

基于ISS-3DSC的NDT三维点云配准算法研究

工件形貌的三维扫描需求在车间自动化装备中越来越多,其中点云配准作为三维数据处理的重要步骤。现有三维点云配准存在特征点对误配、配准时间长、配准精度差等问题,提出了一种基于内部形状描述子-三维形状上下文特征(ISS-3DSC)的NDT三维点云配准算法。首先通过内部形状描述子(ISS)算法提取三维点云关键点,提高配准效率;然后结合三维形状上下文特征(3DSC)进行关键点的特征描述,并根据特征点对中值距离法剔除错误点对,采用SVD分解计算初始变换矩阵;最后使用NDT算法完成精配准。测试实验结果表明:算法在鞋面、鞋底点云数据配准时的精度可达到0.025 cm,相比传统SAC-IA+NDT算法配准效率提升明显,具有一定的工程应用价值。

采用显著性分析与改进边缘方向直方图特征的红外与可见光图像配准

为了实现红外图像与可见光图像的信息融合,弥补单一模态图像的不足,提出了一种基于显著性分析与改进的边缘方向直方图EOH(Edge Orientation Histogram)特征的红外与可见光图像配准算法。该算法首先利用显著性分析技术找到可见光图像中的重要信息,得到显著性图;将其与可见光图像融合,实现可见光图像中重要信息的划分。然后,利用自适应FAST(Features from Accelerated Segment Test)算法,探测可见光与红外图像上的特征点;利用改进的EOH,描述特征点。最后,根据描述计算特征点的相似性,在可见光与红外图像上找出对应的特征点,实现红外与可见光图像的匹配。在3种不同情况下对红外与可见光图像数据进行了配准实验。结果表明:在红外图像与可见光图像采集条件相似情况下,特征点正确匹配率为96.55%,而在图像采集条件差异较大的情况下,特征点正确匹配率可达74.21%。该算法可实现红外与可见光图像的精确快速匹配,即使红外图像与可见光图像采集的角度与位置均存在较大差异的情况下,仍可以满足红外与可见光图像匹配对精度和稳定性的要求。