基于随机采样一致改进算法的单目视觉里程计研究

运用SIFT算法对单目所采集的室外视频图像的相邻两帧进行了特征点的检测与匹配。采用改进的RANSAC算法对所匹配点进行了误匹配点剔除。根据相邻两帧图像特征点的跟踪以及里程计读数作为辅助信息,求解特征点的三维坐标;进而根据视觉里程计模型,达到机器人的定位。实验结果表明,该方法相比传统的里程计定位精度高,比之双目激光等定位方法,又有成本廉价的优点。     

基于图像理解的移动机器人定位问题研究

为了能够提高在一般环境下移动机器人定位的精度,文章采用栅格地图来描述环境;提出基于图像理解的移动机器人定位的概念,将栅格地图当成图像来处理,从而可以将图像配准中的优秀算法引入移动机器人定位中;对于栅格化的图像提取其Harris角点,同时提出两步匹配法寻找相邻2个时刻的2幅图像中匹配的Harris角点。首先采用里程计的数据对角点进行粗匹配,而细匹配采用的是基于随机抽样算法,能够有效地剔除粗匹配过程中误匹配的角点对,提高了定位算法的鲁棒性;最后用非线性最小二乘法估计机器人的位姿。通过实验可以看出在一般的环境中,基于图像理解的定位算法要优于基于线段特征的定位算法。     

序列图像目标跟踪的神经网络算法

针对序列图像目标跟踪问题，在提取图像特征点的基础上，提出了一种最优化算法，该算法将序列图像目标跟踪问题转化为相信两帧图像特征点间的匹配问题。文中根据匹配问题的各种限制条件给出代价函数，并利用Ｈｏｐｆｉｅｌｄ神经网络最优化计算功能来求取该代价函数的局部极小值。其中神经元的状态用以表示相邻两帧图像特征点间的匹配关系。神经元间的权连结用以反映地应特征点间的匹配程序。也就是说，本文针对序列黑种人希目标跟踪     

大型工件测量系统中的快速图像拼接方法

根据大型工件测量系统中的图像拼接特点,提出了一种改进的模板匹配与特征提取相结合的高精度快速图像拼接算法.该算法对相邻的两幅图像采用多尺度Harris算子提取特征点,在第一幅图像中根据特征点的分布确定模板块,在第二幅图像中进行模板匹配找到匹配块,再基于特征提取在匹配块内进行对应特征点的计算,完成拼接.试验结果表明,该算法...     

基于兴趣区域的特征匹配的电子稳像方法

为提高电子稳像技术中运动矢量估计的准确性, 采用基于兴趣区的特征点匹配进行运动矢量估计。该算法选取图像的兴趣区(ROI: Region of Interest)进行Harris 的特征点检测, 将ROI 内的特征点稀疏化, 利用SAD 准则在相邻帧的特征窗内寻找匹配点对和距离准则剔除误匹配点进行逐帧运动补偿。实验结果验证了该算法的有效性。     

基于滑动窗口优化的激光雷达惯性测量单元紧耦合同时定位与建图算法

针对现有的激光里程计在面临室外大场景建图时,普遍会出现定位精度低、鲁棒性差的问题,本文提出一种16线激光和IMU惯性测量单元紧耦合的SLAM算法。首先对IMU进行估计位姿,通过线性插值矫正激光点云的运动畸变;接着通过曲率提取场景特征,并根据不同特征性质进行分类;然后利用帧间匹配模块在滑动窗口内构建局部地图;最后利用帧与局部地图匹配得到的距离和IMU数据构建联合优化函数。借助KITTI数据集和自行录制的园区数据集,对改进算法与主流的Lego-LOAM和同样使用紧耦合方案的LIO-Mapping进行分模块和整个系统的精度评定,实测结果表明,在符合里程计实时性的要求下,改进激光里程计精度高于Lego-LOAM和LIO-Mapping方案。     

一种鲁棒的图像拼接算法

图像拼接的核心是图像的配准.提出一种准确、高效的图像拼接方法:利用Harris角点检测算子提取相邻图像的特征点,通过Euclid度量改进熵变换的算法,进行特征点匹配,并通过最小均值二乘估计求解相邻图像的变换矩阵,以此实现宽视角图像的拼接.实验结果表明:所给出的算法能够实现场景图像的精确匹配.     

基于多信息融合的移动机器人定位算法

为了提高机器人的定位精度,提出了一种基于里程计、单目视觉与激光雷达信息相融合的自定位算法.首先,由里程计推算出机器人在各个时刻位置的估计值;其次,在不同时刻计算出机器人摄像头与任意两个环境特征点的夹角变化,通过激光雷达获得环境特征点的距离和角度并利用扩展卡尔曼滤波算法与里程计的定位信息进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计.实验结果表明,该算法在多转角、长距离的情况下取得了满意的效果,有效地提高了定位精度.     

无人机视角下的特征匹配引导粒子滤波跟踪算法

粒子滤波(particle filter, PF)算法被广泛应用于视觉目标的跟踪,然而,在无人机视角下,摄像机与画面中的目标同时运动,导致了PF对目标运动状态的预测失效.针对此问题,提出一种面向无人机视角下的改进的粒子滤波跟踪算法——特征匹配引导的粒子滤波跟踪算法.首先,利用相邻两帧图像中目标物体尺度不变特征变换(scale invariant feature transform, SIFT)特征匹配的结果作为初次定位;然后,利用空间加权的HOG特征与PF相结合获取二次定位结果;最后,利用chamfer distance修正跟踪结果的SIFT特征点作为下一帧特征匹配的模板,从而循环产生准确的视频跟踪结果.比较试验表明,该算法有效地改善了传统PF跟踪算法在无人机视角下运动状态预测方程失效的问题,能够较准确地对运动目标进行跟踪.     

基于Harris-改进LBP的特征匹配及目标定位算法

为满足机器人伺服抓取中定位精度和实时性的要求, 提出一种基于Harris及改进局部二值模式(LBP)的特征匹配和目标定位快速算法. 首先采用Harris检测算法提取图像特征点; 然后提出一种新的特征点描述子定义方法, 先利用胡矩确定特征方向, 再根据特征方向对局部图像做标准化处理, 提取标准化局部图像LBP特征作为特征点描述子; 最后通过计算两张图像中各特征点描述子间的汉明距离实现特征匹配, 再根据匹配结果估计单应性矩阵, 定位目标在场景图像中的位置. 实验结果表明, 该算法匹配速度快、 定位精度高.     

基于Harris-Hist的特征匹配及目标定位算法

针对目前机器人伺服定位抓取中定位精度和实时性较差的问题, 提出一种基于Harris-Hist的快速特征匹配及目标定位算法. 首先, 采用Harris检测算法提取图像特征点; 然后, 提出一种新的特征点描述子定义方法, 计算特征点圆形邻域内像素点灰度直方图刻画特征点, 通过计算两幅图像中各特征点描述子间的距离实 现特征匹配; 最后, 根据匹配结果, 估计单应性矩阵, 定位目标在场景图像中的位置. 实验结果表明, 该算法匹配速度快、 定位精度高, 能满足机器人伺服定位抓取中定位精度和实时性的要求.     

改进K-means聚类的自适应加权K近邻指纹定位算法

针对指纹定位精度易受指纹数据K-means聚类预处理效果不佳、加权K近邻算法采用固定K值进行匹配定位精度差等问题,提出一种基于改进K-means聚类的自适应加权K近邻算法.算法在对指纹数据进行聚类计算过程中充分考虑参考点间接收信号强度值与实际物理坐标的双重影响,以避免参考点分类不明确;根据每个测试点的匹配参考点之间实际距离的均值和标准差设置阈值,动态选择K值.实验结果证明,改进K-means聚类的自适应加权K近邻算法相较于传统室内定位算法定位精度提高了44％,可为相关应用提供更精确的定位服务.     

基于SURF算法的电路板元件定位及检测

为解决人工电子元件检测日益困难的问题,提出了一种基于加速鲁棒特性(speed-up robust features,SURF)算法的电路板元器件的定位及检测方法.针对SURF算法在实际图像匹配应用中会发生较大概率误匹配的问题,提出了一种提高匹配概率的算法.首先用最近邻方法进行粗匹配,然后利用曲线拟合剔除错误匹配点对,最后利用匹配点对的坐标位置关系找出元件的位置,用改进的7个不变矩方法进行产品检测.实验证明了此方法的有效性和可行性,提高了特征点匹配的精度,实现了电路板元件的精确定位和检测.     

结合空间金字塔局部特征的谱匹配算法

为提高基于谱分解的图像匹配算法的匹配精度,通过对中心对称局部二值模式(CS-LBP)进行修正,并引入空间金字塔尺度划分方法,获取图像局部特征描述向量;并以此向量之间相似性作为度量方式,重构邻接矩阵,通过谱分解获取特征点匹配关系.通过对比实验,结果表明,该算法匹配精度较高.     

GPS视觉导航系统中多级实时匹配算法研究

为了解决GPS导航中存在的精度低、不稳定和移动通信定位代价高的问题,引入了图像的外极限约束和多级实时匹配算法。该算法根据特征点对图像进行分级处理,首先匹配特征比较明显的点,再利用已匹配点的数据通过外极限约束确定后面几级像素点的视差范围,使得算法能够覆盖绝大部分点的真实视差,对于少部分落在搜索范围之外点的匹配,主要靠中值滤波去除。实验表明,多级实时匹配算法定位精确性和匹配速度优于传统的区域匹配算法。     

交互式地图匹配算法在组合导航中的应用

针对捷联惯性导航系统（SINS）/里程仪组合导航中车辆受初始对准偏差和测量器件自身误差等因素影响的精度随时间和位移增加而降低的问题,设计了交互式电子地图匹配修正新方案.通过车辆姿态角变化选择合适的地图匹配算法,并在转弯处精确反馈修正车辆坐标,同时利用定位误差修正初始对准偏差和里程仪刻度系数误差,降低其对以后导航定位的影响.仿真结果表明,采用交互式电子地图匹配算法,航向失准角偏差可很快收敛至2′左右,里程仪刻度系数偏差也降低至0.08%左右,能够实现系统的需要,跑车实验也证明了此方案的有效性.
     

一种基于递增权值函数的图像谱的匹配算法

文章提出了一种基于递增权值函数的图像谱的匹配算法,利用递增权值函数,分别对2幅待匹配图像的特征点构造Laplace矩阵,其次进行SVD分解;通过分解后的矩阵特征值和特征向量,寻找匹配矩阵,根据匹配矩阵的特征信息,实现2幅图像特征点之间的匹配;通过对Laplace矩阵和邻接矩阵比较实验,表明了Laplace谱能使发生刚体变换前后的图像获得更高的匹配精度,递增权值函数的Laplace谱比欧式距离的Laplace谱匹配精度要高。