基于Kinect传感器的移动机器人室内环境三维地图创建

针对移动服务机器人在未知室内环境下的三维感知问题,提出了一种基于低成本Kinect传感器的三维地图创建实用方法.对于机器人在运动过程中连续采集的多帧RGB-D信息,首先利用SURF算子对RGB图像提取稳定特征点并进行特征点匹配,然后结合深度图像,采用RANSAC算法剔除可能存在的误匹配点并完成初始配准,从而估计得到图像帧间粗略的相对转移关系,最后运用广义ICP算法对采集的深度图像进行精确配准,得到拼接的三维点云图.在此基础上进一步开发了移动机器人三维地图创建应用系统,实验验证了该方法的可行性和有效性.     

基于相对坐标ICP的室内场景三维重建算法

针对不同视角下多帧点云数据的坐标中心不统一的问题,提出了一种基于相对坐标ICP(iterative closest point)的室内场景三维重建算法.该方法首先基于Kinect传感器获取场景的彩色图像和深度图像,并利用SIFT(scale-invariant feature transform)特征匹配点对计算相邻帧的坐标变换矩阵;然后由ICP算法建立以初始点云数据为中心的相对坐标关系进行帧间匹配;最终基于上下层配准点云数据,将配准后的点云数据与对应的颜色纹理信息融合,得到可视化的室内场景三维重建模型.实验结果表明,本文方法对于室内场景三维重建有较好的效果,具有一定的理论和实际应用价值.     

适用于DIBR的匹配误差校正算法

由于可见性变化、深度图像的不精确性以及计算的不精确等原因,采用基于深度图像绘制(DIBR)技术生成的虚拟视点视图中可能会存在匹配误差.为此,提出了一种适用于DIBR的匹配误差校正算法——零交叉校正(ZCC)算法.该算法建立在顺序匹配约束的基础上,通过分析目标图像像素点与参考图像上对应匹配点的映射关系来确定匹配误差区域,...     

基于空间结构约束的改进迭代最近点影像配准

提出了一种改进的基于空间结构约束的迭代最近点(ICP)影像配准方法.该方法通过结合特征点的空间结构相似性和特征相似性获得特征点的匹配矩阵,其中特征相似性通过特征点的局部特征描述算子进行计算,空间相似性则通过特征点的空间位置进行计算.特征点之间的空间结构相似性不仅包括了对应特征点之间的空间距离,还包含了特征点到邻近特征点的空间距离.在匹配过程中,分别从参考影像和待配准影像的角度出发,实现了匹配的对称性处理.通过对具有不同影像特征的真实遥感影像进行实验,结果表明该算法具有较高的配准精度.     

地貌测量中图像特征的匹配算法

针对地貌测量重构中的图像特征匹配问题,提出了一种新的图像特征匹配方法.通过对待匹配的资源和模板图像进行分区,并根据灰度相关值实现区域之间的匹配,在区域匹配的基础上再根据角点所属区域的对应关系进行角点特征匹配运算.在角点特征匹配过程中,利用去均值归一化相关法进行区域灰度相关运算,从而确定出初始匹配点对.为消除初始匹配角点对中的错误匹配点对,保证角点特征提取的准确性和可靠性,采用松弛迭代法、零交叉法以及最小平方中值法进行了错误匹配角点的滤除.实验结果表明,该算法可有效提高地貌图像特征匹配的精度和效率.     

基于邻域结构和驱动力准则的非刚性点集配准

非刚性点集配准的关键是找到点集之间的正确对应关系。传统点集配准方法通常将特征点的全局空间距离作为判别准则，而未考虑点集的邻域结构信息，容易产生误匹配，为此，文中提出了一种基于邻域结构和驱动力的非刚性点集配准算法。首先，在一致性点漂移(CPD)算法的基础上，提出了一种局部距离计算方法，并将其与空间距离相结合，有助于提高匹配精度；此外，对传统形状上下文方法进行了改进，构建了一种新的驱动力准则，以在初始配准过程中提高搜索速度，在后期减小配准误差；最后，采用期望最大化(EM)算法迭代求解各点对的对应关系。在常用国际点集数据集上的仿真实验结果表明，在非刚性变形、噪声、异常点和遮挡等情况下，文中算法比经典算法具有更高的鲁棒性，匹配准确率也更高，并且对真实图像可以获得比较理想的配准效果。     

基于改进角点特征的多传感器图像配准

对模糊和有噪声干扰图像设计的高对比度角点提取算法进行了改进,将角点检测范围限定在高对比度“边缘带”,减少了角点检测范围,在保持角点检测精度的同时,算法效率提高了大约1倍.在点特征匹配阶段,采用归一化互相关初步建立点特征的对应关系,利用马氏距离仿射不变性筛选出正确点对,从而得到图像之间的仿射变换关系,实现图像的自动配准.实验结果证明了此算法的有效性和高效性.     

一种基于特征匹配的全景图自动拼接方法

提出了一种基于特征匹配的拼接算法,通过对应特征点来查找2幅图像的匹配位置.该算法不需要手工指定特征点,可自动对一组图像进行无缝拼接.实验结果验证了算法的有效性.     

基于双曲线的计算机视觉的管口尺寸测量

为了测量管口的尺寸,通常采用计算机视觉方法。以往利用图像中的曲线计算特征点和建立左右图像中点与点之间的对应关系,速度慢,实时性差。针对此问题,提出了一种新方法,在两幅图像中两个二次曲线建立全局匹配和对场景中二次曲线全局重建。通过解三个单变量方程,两个二次曲线的匹配能被全局地建立。实验表明,该算法具有很好的鲁棒性、实时性。     

基于一致性随机采样的图像特征匹配鲁棒确认

误匹配点的存在影响了计算图像问变换关系的准确性,从而导致较差的图像匹配效果.通过随机采样一致性算法,提出了一种剔除错误匹配,精确确认图像匹配特征,从而计算图像间几何变换矩阵的鲁棒方法.该方法首先基于特征向量相似性准则,得到初始匹配点对,再利用特征点周围的灰度信息进行权值计算,在用随机采样一致性算法拟合几何变换矩阵的迭代过程中,得到使目标函数最小的匹配关系以筛选由噪声等引起的误匹配点对,从而精确计算图像间的几何变换关系矩阵,实现图像的精确配准.实验结果表明,该算法具有良好的噪声鲁棒性,得到了理想的图像配准效果.     

基于改进模糊C均值聚类和区域合并的矿物颗粒分割方法

岩矿石薄片图像中矿物颗粒的分割提取是分析鉴定工作的前提,为了进一步提高矿物颗粒提取的准确性,提出一种新的矿物颗粒提取分割方法。该方法以一组岩矿石薄片正交偏光序列图作为输入,对每张正交偏光序列图采用改进的模糊 C 均值聚类(FCM)算法进行初始的边缘提取,并叠加多张边缘图像,再对得到的叠加边缘图像进行精细化处理并进行目标颗粒筛选,得到初始的分割提取图像。为了抑制颗粒的过分割现象,利用基于区域邻接图(RAG)的合并算法进行区域合并,首先依据颗粒的颜色纹理等特征进行初始合并操作,再根据矿物颗粒在不同正交偏光角度下的变化规律进行二次合并操作,从而得到最终的分割提取图像。通过对多组图像进行实验表明,该方法可以获得良好的效果。     

激光水下通信中图像数据压缩的模糊控制

提出了一种用模糊逻辑算法实时控制图像编码比特率的方法．研究了模糊集的建立及量化控制的模糊逻辑算法；确立了计算量化增益因子的模糊控制规则；设计了带有模糊控制的图像压缩系统．对20幅不同内容的图像进行实验，实验结果表明，所提出的模糊逻辑算法能够显著减少不同图像的编码比特率差别，具有推理量小、速度快、对不同图像有较强的适应性等优点．     

基于混合算法的点云配准方法研究

为解决ICP( Iterative Closest Point) 算法对初始点云位置要求高且易陷入局部最优的问题,提出一种新的配准方法。首先遵从优势互补基本思想,结合将人工萤火虫算法和粒子群算法生成自适应人工萤火虫-粒子群算法( AAGPSO: Adaptive Artificial Glowworm-Particle Swarm Optimization) ,以使算法的收敛速度变快,解的精度得到提高; 其次优化迭代最近点算法( ICP) ,将已改进的AAGPSO 算法引入ICP 配准算法中进行点云配准,解决ICP 算法因点云的初始位置相差较大而陷入局部最优问题,加快整体的配准效率。通过实验对比原始ICP 配准方法和改进的配准方法并对其进行误差分析,结果验证了AAGPSO 算法在传统ICP 算法的基础上提高了配准精度,并且加快了算法收敛速度,改进的配准方法具有明显优越性。     

Fast Iterative Closest Point-Simultaneous Localization and Mapping(ICP-SLAM) with Rough Alignment and Narrowing-Scale Nearby Searching

Two deficiencies in traditional iterative closest pointsimultaneous localization and mapping( ICP-SLAM) usually result in poor real-time performance. On one hand, relative position between current scan frame and global map cannot be previously known. As a result, ICP algorithm will take much amount of iterations to reach convergence. On the other hand,establishment of correspondence is done by global searching, which requires enormous computational time. To overcome the two problems,a fast ICP-SLAM with rough alignment and narrowing-scale nearby searching is proposed. As for the decrease of iterative times,rough alignment based on initial pose matrix is proposed. In detail,initial pose matrix is obtained by micro-electro-mechanical system( MEMS) magnetometer and global landmarks. Then rough alignment will be applied between current scan frame and global map at the beginning of ICP algorithm with initial pose matrix. As for accelerating the establishment of correspondence, narrowingscale nearby searching with dynamic threshold is proposed,where match-points are found within a progressively constrictive range.Compared to traditional ICP-SLAM,the experimental results show that the amount of iteration for ICP algorithm to reach convergence reduces to 92. 34% and ICP algorithm runtime reduces to 98. 86% on average. In addition,computational cost is kept in a stable level due to the eliminating of the accumulation of computational consumption. Moreover,great improvement can also been achieved in SLAM quality and robustness.     

稀疏激光扫描点的自主移动机器人地图创建

在自主移动机器人实际地图创建中,针对迭代最近点(ICP)算法不符合一对一单映射关系的问题,提出一种稀疏扫描点的对应点对搜索方法.首先,在方向和位置上对相邻两次激光扫描点集进行粗配准;然后,对配准结果建立一种对应点对搜索机制,剔除无效对应点;最后,采用ICP算法对剩余数据进行精配准.结果表明:文中方法可有效处理无效对应点,提高算法的配准精度,在实际环境中具有准确性和有效性.     

Edge detection of range images using genetic neural networks

Due to the complexity and asymmetrical illumination, the images of object are difficult to be effectively segmented by some routine method. In this paper, a kind of edge detection method based on image features and genetic algorithms neural network for range images was proposed. Fully considering the essential difference between an edge point and a noise point, some characteristic parameters were extracted from range maps as the input nodes of the network in the algorithm. Firstly, a genetic neural network was designed and implemented. The neural network is trained by genetic algorithm, and then genetic neural network algorithm is combined with the virtue of global optimization of genetic algorithm and the virtue of parallel computation of neural network, so that this algorithm is of good global property. The experimental results show that this method can get much faster and more accurate detection results than the classical differential algorithm, and has better antinoise performance.     

基于特征点提取改进的ICP算法

点云数据在逆向工程,可视化技术,虚拟现实技术,机器视觉等领域具有十分广泛的应用。提出了基于特征点提取的改进ICP算法,在曲率特征和管理点云数据的索引方法 K-D tree的基础上对改进的ICP算法进行了详细的分析,将该算法应用到对雕像数据进行精确配准,实验表明该算法在一定程度上提高了配准的精度和效率。     

尺度各异刚体碎块断裂面的匹配方法

针对厚度不可忽略的刚体碎块,提出一种尺度刚体碎块匹配方法,以解决碎块匹配中的刚体变换和尺度变换的问题.采用改进的区域生长算法对碎块的外表面进行分割,并根据曲面的粗糙程度提取碎块的断裂面;通过添加尺度矩阵、旋转角约束和动态迭代系数的方式来改进迭代最近点（iterative closest point,ICP）算法,并采用该改进的ICP算法实现碎块的断裂面匹配.实验结果表明,跟ICP算法相比,改进的ICP算法不仅能够克服ICP算法不能解决的尺度变换问题,而且与尺度ICP（SICP）算法相比,可以更加精确、快速地实现碎块的断裂面匹配.      

基于序列内窥镜视频图像的膀胱三维场景重建

内窥镜被广泛用于器官和体腔内部的诊断成像,尽管采集到的内窥镜视频中包含着丰富的信息,但是由于内窥镜的成像范围受到探头太小的限制,图像的放大倍数与视野范围不能兼得,且视频不能将个体二维图像与三维器官形态关联起来,大部分具有巨大数据潜力的内窥镜视频仅用于医师实时指导,并在收集后丢弃。提出基于序列内窥镜视频图像的膀胱三维场景重建的方法。先提取前后两幅序列图像中相对应的多个特征点,基于特征点采用运动恢复结构算法计算得到膀胱模型三维点云。然后,采用泊松曲面重建算法对各三维点进行网格化,并完成场景的三维重建。实验结果表明所提出的算法是可行的。     

基于自然梯度的非平稳信号自适应盲分离算法

基于自然梯度原则并利用信号的时间相关属性对一类代价函数进行推导,获得一种新的非平稳信号自适应盲分离算法．算法利用样本的多时延解相关方法以及迭代计算的形式获得盲混合信号的分离矩阵,无需对观测样本进行分块处理,计算工作量低．仿真结果表明,算法分离精度高,迭代过程平稳,对多个信号源的盲分离可实现良好的分离性能．