A Parallel Algorithm for Corner Detection on Object Contour

A new parallel algorithm for corner detection on object contour is presented in the paper. In this algorithm whenever a point (pixel) is scanned, the k direction codes between the two sides of the point, which is on the edge of an object, are obtained by k-step forward and backward boundary tracking. A comer is determined by the sum of the difference between the two weighted code chains. Note that the whole chain code sequence or boundary of an object is not necessary to be extracted at all in this algorithm, and the corners are obtained immediately once the image is scanned, furthermore, what humans perceive as corners can be detected and localized by this algorithm.

基于定位、速度双误差的物流无人机碰撞概率分析

物流无人机(UAV)批量运行会存在一定的碰撞风险,为量化UAV之间在空中的碰撞概率,针对物流UAV空中运行阶段开展建模分析其碰撞风险。基于冲突区域理论,建立定位、速度双误差的UAV碰撞概率模型,分析不同夹角情况下物流UAV碰撞概率变化情况。分析识别美国联邦航空管理局官网中关于民用小型UAV的事故/事件数据中的关键风险因素。结合2万飞行小时的物流UAV故障数据建立UAV安全飞行间隔模型,给出可接受安全水平下的最短飞行间隔。探究在给定飞行间隔前提下不同航迹角以及不同风向对UAV之间碰撞概率的影响。结果表明:当物流UAV之间最短安全间隔大于90.71 m时,所有飞行场景下UAV的风险水平均在可接受范围之内。当航迹角为30、60、90°时,碰撞概率随风向变化的波动范围较小,其中,航迹夹角为90°时最稳定。而当夹角为140°时,碰撞概率的波动范围较大,UAV安全飞行对环境因素更为敏感。

基于运动轨迹检测与支持向量机的高压断路器机械缺陷诊断方法

高压断路器是电网中的关键设备,机械缺陷是其主要故障类型,尽早发现潜在缺陷并及时进行维修意义重大。文中基于计算机视觉技术,提出一种采用角点跟踪法从动态图像中提取运动轨迹、支持向量机进行缺陷识别的高压断路器机械缺陷检测方法。首先,利用高速摄像机获取断路器操动机构的动作过程视频,通过角点跟踪算法获取拐臂角位移曲线;接着,通过主成分分析将高维特征向量降低为新空间中的低维特征向量;最后,利用支持向量机进行缺陷分类。实验测试结果表明,28组训练集、8组测试集的准确率分别为92.86%、87.5%,达到了良好的诊断效果。该方法作为一种非接触式测量方法,无需安装传感器,测量速度快,准确率高,对于现场检修具有重要意义。

机器视觉中角点检测算法研究

角点检测是运动检测、图像匹配、视频跟踪、三维重建和目标识别等必不可少的关键步骤,角点检测的准确性直接影响实验结果;为了更好地了解角点检测技术的发展现状,根据3种现有的角点检测方法分类对角点检测方法及相关改进进行了总结分析,并选择了FAST、SUSAN、SIFT、Shi-Tomas这几种较为典型的角点检测算法进行了实验对比,并给出了实验结果;不同的实际应用对角点检测的要求不同,不同的角点检测算法也可以相互结合,通过对现有角点检测技术的总结分析为在实际应用中对角点检测技术的选择和改进方向提供了借鉴和参考。

基于引导滤波的巡检无人机自主循迹自动控制

巡检无人机自主循迹控制过程一直是一个难点,该文提出了一种基于引导滤波的巡检无人机自主循迹自动控制方法。引导滤波通过色彩空间转换、滤波分层和加权融合得到高质量的无人机视觉图像。以所得的无人机视觉图像为基础,利用拉普拉斯算子与Harris算子检测航迹点。以航迹点为循迹目标,利用外环方位控制器和内环姿势控制器实现无人机自主循迹的自动控制。实验结果表明,巡检无人机的循迹方位偏差和姿态角度偏差较小,波动区间均稳定在允许的范围内,说明该方法能准确控制无人机实现自主循迹的目标,实际应用价值较高。

基于CB-RRT^(*)算法的滩涂履带车路径规划

针对滩涂履带车在受潮汐影响的滩涂环境中进行长时间勘测作业的需求,提出柯西贝塞尔快速搜索随机树星(Cauchy Bessel Rapidly-exploring Random Tree Star,CB-RRT^(*))算法进行路径规划。为规划出安全路径,基于全局地图和潮汐数据,并通过滩涂履带车到分界区的距离构建出滩涂预测模型;为提高滩涂履带车移动到目标点需进行多次路径规划的速度,对初始路径的关键树节点使用柯西概率密度函数进行采样缩小采样范围来提高节点的利用率,进而提高算法的收敛性;在重选父节点过程中考虑最大转角约束设定相应系数,并使用连续二次贝塞尔曲线进行拼接的方式来生成路径,达到提高路径平滑度的目的和解决平滑后路径与原路径偏差过大造成的安全性问题。仿真实验结果表明,CB-RRT^(*)算法在静态滩涂环境和动态滩涂环境中,能大大提高算法的收敛性和路径的平滑性,且保证路径长度最优,研究内容可以保证滩涂履带车在各种滩涂环境中进行长时间安全作业。

基于光学相干断层血管造影的眼动跟踪系统设计

光学相干断层血管造影技术是一种基于运动对比的血管造影方法,尽管采集速度有所提高,但是眼球运动仍然是造成伪影的主要原因。文章描述了一个基于硬件的主动眼底跟踪扫描激光检眼镜系统集成到OCTA系统的方法,在OCTA采集过程中SLO系统也同步启动,同时成像并对SLO图像引用GPU并行处理Frangi滤波和四象限角点匹配的偏移计算方法来进行实时的眼动矫正,可达到消除眼动伪影,视网膜眼底血流结构高精度成像的效果。

基于Harris的遗传粒子滤波及其在车牌跟踪的应用

为了有效解决传统粒子滤波算法所存在的种群多样性衰减问题,消除由此而带来的算法效率、精度下降的弊端,该研究提出利用遗传算法的交叉和变异遗传操作算子来优化其重采样过程。具体而言,在重采样后,对样本集中各个样本粒子依照适应度值排列顺序,再将适应度低于平均值的样本剔除,同时从留下的适应度较优的粒子中随机地选取同等数量样本用于对应补充被剔除样本,再引入遗传算法的遗传操作对粒子进行交叉、变异操作,来完成样本集的更新。同时考虑到传统视觉目标跟踪常用的灰度和颜色直方图特征极易受到背景颜色干扰、对光照变化极为敏感和计算量也较大等问题,提出引入具有容易提取、运算量小、抗旋转或倾斜角影响等优势的Harris特征,配合遗传粒子滤波跟踪框架,得到了一种鲁棒性较高的跟踪算法。将所提出的基于Harris特征的遗传粒子滤波跟踪器应用于高速公路上的车辆车牌定位,应用实验的结果表明经过遗传操作改进的使用Harris角点检测特征的粒子滤波算法精度、数值稳定性都得到了提高,在目标快速移动、光线和背景剧烈变化等场景都能够实现对目标车牌的有效跟踪。

基于Mean Shift的自适应尺度变化跟踪算法研究

在实时跟踪系统中,要求在跟踪过程中跟踪窗口的大小实时地适应运动目标的外观变化,这对应着Meanshift的尺度变化.针对跟踪这种尺度变化的问题,在跟踪框内检测角点并进行匹配,将所有得到的匹配角点对建立仿射模型,并采用最小二乘法求解得到尺度变化系数,进而更新跟踪框尺度,使得Meanshift算法可自适应地变化尺度并跟踪到大小不断变化的目标.实验结果表明,提出的算法具有较好的准确性、鲁棒性和实时性.

自适应跟踪算法在增强现实中的应用

介绍在增强现实应用中的一种改进跟踪算法——自适应跟踪算法。该算法根据平板图案的运动状态自动调整检测窗口参数,从而实现各种条件下对平板图案的较为稳定的跟踪。实验结果证明,在平板图案发生快速运动以及目标图案较小或者平板与摄像机平面偏角较大的情况下,该算法能在一定程度上保证跟踪的准确度和健壮性。

一种基于角点的Mean Shift目标跟踪算法

为了提高经典的Mean Shift算法在复杂场景中的跟踪性能,提出了一种基于角点的目标表示方法。首先,利用Harris角点检测算法提取表示目标主要特征的角点;其次,基于提取的角点,建立目标模型,将其嵌入Mean Shift 算法进行跟踪。该方法仅用少量的关键点表示目标,能够自动去除目标和背景中的次要特征,有效地抑制背景成分对目标定位的影响,从而改进Mean Shift目标跟踪算法的性能。通过测试两个复杂环境下的视频,实验结果表明,相对于传统的目标跟踪算法,提出的方法<正>取得了更好的性能。

回头曲线路段的轨迹曲率特性和汽车过弯方式

为了明确山区公路回头曲线上的车辆轨迹特性和驾驶行为偏好,通过实车路试采集了自然驾驶习惯条件下回头曲线路段上的车辆行驶轨迹线和轮迹线-车道线的横向距离等参数,基于实测数据计算了轨迹曲率,分析了轨迹曲率与道路设计曲率之间的关系,确定了轨迹曲率变化模式,提出了轨迹等效半径的概念,研究了回头曲线路段的切弯行为和典型过弯方式.研究发现:(1)回头曲线的入弯、弯中和出弯均可见严重的车道偏离.(2)入弯时汽车在缓和曲线之前便已进入曲线行驶状态,出弯时车辆轨迹曲率在驶出缓和曲线之后的直线上降低至0,轨迹曲率的变化率要低于缓和曲线的曲率变化率;左转轨迹的曲率变化率要低于右转轨迹的曲率变化率.(3)左转轨迹曲率的幅值回头曲线中部低于或者接近道路设计曲率,右转轨迹曲率则高于道路设计曲率.(4)左转弯的轨迹等效半径要高于弯道设计半径,右转弯轨迹半径最小值和均值普遍则低于设计半径.(5)驾驶人可以通过不同的切弯方式来实现回头曲线路段轨迹半径的增加和最大化,但需要侵占对向车道.(6)驾驶人切弯时,左转弯的轨迹半径增量要高于右转弯的轨迹率半径增量,即车辆左转驶入回头曲线是更容易取得切弯效用;在大头线、平头线和小头线(转角分别大于、等于和小于180°)3类回头曲线中,小头线和大头线上的切弯效果更明显.

特定边界跟踪中角点检测研究

针对边界跟踪算法中在角点附近丢失边界信息的问题,对待检测边界中角点的判别和检测方法进行了研究。分析了边界搜索中所扩展的邻域的半径和角点位置的关系,提出了角点存在判据,给出了角点存在区间。提出了寻区间法角点检测算法,用5个已知边界点之间的关系,判断出角点存在的邻域,通过选取合适的邻域半径,使角点存在区间向角点收敛。对测试图像和人侧面轮廓图像的边界利用所提出的算法进行跟踪,测试图像的边界点从19个增长为37个,人侧面轮廓图像边界点从13个增长为21个,新算法准确地检测到轮廓角点和后续种子点,使边界跟踪能够反映所有的边界信息。

基于改进SUSAN算法的箭环目标跟踪与测量

针对发射场火箭初始段漂移量的测量,提出一种带灰度梯度方向的SUSAN算子,实现了基于该算子与变模板相关跟踪算法的目标跟踪测量方法.首先在SUSAN特征检测原则的基础上,将对角点的检测转化为对边缘的检测,同时记录梯度方向,在剔除了图像噪音点之后,由具有特定方向信息的边缘像素点精确定位角点的坐标.该方法克服了标准SUSAN算法准确度低的弊病,使得对目标的提取准确度可以达到亚像素级,并增强了抗噪性能,实验证明该算法提取准确性高,运算量小,易于实现.

基于角特征和Mean-shift的车辆跟踪方法

提出一种基于角特征点和Mean-shift的车辆跟踪方法,对不断改变尺寸的车辆目标进行有效跟踪,利用角特征点把模板目标构造成若干个同尺寸的子窗口,每个子窗口单独地按Mean-shift算法进行跟踪,并寻找其相应的中心位置,通过关联过程确定车辆目标在整个视场中的运行轨迹。实验结果表明,该方法简单、可靠,可以稳定地跟踪车辆目标。

基于角点检测的建筑物轮廓矢量化方法

针对高分辨率航空影像的特点,提出了基于角点检测的建筑物轮廓矢量化方法:首先,对航空影像进行多尺度面积形态学分割,获取建筑物的二值图像;其次,利用边缘跟踪技术,记录边缘点,在边界曲线上利用高斯函数计算其曲率,提取候选角点集,并由自适应支持区域确定的角点角度和一个动态曲率阈值代替固定的阈值筛选出正确角点;最后,以直角作为约束条件,对直线段进行规划和修整,得到最终的矢量化结果。实验结果证明,该方法具有运算速度快,精度高的优点,适合于高分辨率航空影像中建筑物的轮廓矢量化。

基于多分辨率光流和多尺度角点的运动车辆跟踪

针对稀疏光流LK(Lucas-Kanade)算法不能稳定跟踪快速移动目标的局限性,提出了基于小波金字塔的多分辨率光流跟踪算法.算法基于多分辨率思想对原始稀疏光流进行了改进,从而实现了准确跟踪快速移动目标.在特征提取方面,提出了多尺度Harris角点检测方法,较好地解决了传统Harris方法的漏检和角点分布不均匀的缺陷,适合复杂交通场景中运动车辆特征提取.实验表明,当运动车辆旋转、移动以及摄像机变焦时,角点始终稳定可靠,并且跟踪算法能够快速、准确地匹配特征角点,实现了复杂交通场景下对运动车辆目标的实时稳定跟踪.

视线跟踪系统中的眼角点精确定位方法

在视线跟踪系统中,提出了一种以眼角点为参考点来计算人眼注视方向和位置的新方法。该方法中以动点和参考点的差值来计算人眼的注视方向和位置。动点采用虹膜中心,因为它可以准确反映眼球的变化。参考点采用眼角点,因为眼角点在人脸上是个非常稳定的点,人脸表情的变化基本上不会引起它的位置变化。该方法克服了过去以mark点或普尔钦斑点为参考点的缺点,不需要使用者在脸上做mark点,而且允许人脸在小范围内偏转。实验证明,该方法中自动定位眼角点快速准确,可以很好地解决视线跟踪系统中眼睛相对运动距离的问题。

基于多项式展开及Harris角点的轨迹跟踪系统

提出了一种基于多项式展开帧间估计和Harris角点检测的运动轨迹跟踪系统。系统先将视频监控图像输入系统,转化为灰度图,以便进行特征提取;接下来确定兴趣区域抓取目标点,提取ROI内角点坐标;最后确定角点的新坐标,定位目标在下一帧的位置,从而实现对目标的跟踪。通过对常用的光流检测算法和角点判断方式进行分析比较,最终选择多项式展开帧间估计和Harris角点检测算法作为图像配准和角点跟踪的方案,并进行参数优化,使系统的鲁棒性和得到了提升,并更能够适应复杂的环境条件。

基于关键点建模与弱监督外观更新的多目标跟踪

针对多目标跟踪在复杂场景中的遮挡、漏检和噪声问题,利用关键点建模和弱监督外观模型更新,提出一种改进的多目标检测与跟踪方法。使用角点检测器获得关键点及其绝对位置,运用背景差分法得到图像的二值映射。根据图像映射将关键点分为显著关键点和微弱关键点,利用显著关键点构造候选模型,并应用弱监督外观模型对目标跟踪框进行更新,从而实现多目标检测。在多个视频集上的实验结果表明,与基于高斯混合概率密度滤波器的跟踪方法、连续前向估计的多目标跟踪方法相比,该方法具有更高的多目标跟踪精度及更快的运行速度。