基于SIFT匹配算法的移动机器人单目视觉定位研究

以单目视觉为模型给出基于视觉的移动机器人目标定位系统算法,利用尺度不变特征变换匹配方法(SIFT)求得基本矩阵与本质矩阵,分解本质矩阵后进一步得到相机的运动参数,最后结合立体视觉方法以及运动恢复结构方法获得目标的深度信息,实现目标定位。给出了三维信息获取过程与计算机仿真结果。实验结果表明,算法能满足移动机器人对目标实现定位的精度要求。     

三维重建中特征点提取与匹配算法研究

提取图像的特征点并进行匹配,是三维重建中的关键技术之一,也是计算机视觉的一个瓶颈,至今仍未得到彻底解决.本文研究了Harris和SIFT两种应用广泛的特征点提取算法,对提取的特征点采用欧式距离度量点对的相似性,利用最近邻法搜索策略进行特征匹配.通过实验比较了两种算法的特征点提取结果,Harris算法对特征点进行了非最大抑制,特征点比较分散,SIFT特征点具有尺度不变特性,定位精度达到子像素级.最后,对SIFT特征点进行了宽基线下的匹配.     

利用双树复小波变换和SURF的图像配准算法

为了进一步提高图像配准的运算效率、匹配正确率及配准精度,提出了一种利用双树复小波变换和加速鲁棒特征（speeded up robust features, SURF）的图像配准算法。首先利用双树复小波变换将参考图像和待配准图像分解为低频部分和高频部分,选取其对应的低频部分作为SURF算法的输入图像,得到两者的粗匹配结果;然后通过随机抽样一致（random sample consensus, RANSAC）算法对粗匹配点对进行提纯,剔除误匹配点对,解决了SURF算法存在较多错误匹配点对的问题,同时计算出最佳匹配的变换模型参数;最后根据该变换模型参数对待配准图像进行几何变换,经双线性插值确定灰度,完成图像的配准。大量实验结果表明,与尺度不变特征变换（scale invariant feature transform, SIFT）算法和SURF算法相比,所提算法的运算速度更快,匹配正确率和配准精度更高,同时在抗噪声、抗旋转及抗亮度变化性能方面更加优越。     

基于视差梯度约束的匹配点提纯算法

在图像拼接过程中,粗匹配点对提纯算法RANSAC(Random Sample Consecsus,随机抽样一致性)存在计算量大,效率低等缺陷.为提高该算法提纯匹配点对的效率,基于预检验的策略,提出了基于视差梯度约束的RANSAC算法.实验结果表明,算法在不改变匹配精度的前提下,很好地提高了算法的效率.     

基于区域重叠核加权Hu矩的SIFT误匹配点剔除算法

针对尺度不变特征变换（scale invariant feature transform, SIFT）算法在特征点匹配时容易出现误匹配现象,提出了一种基于区域重叠核加权Hu矩的SIFT误匹配点剔除算法。该算法首先通过对SIFT描述子区域内的重叠4邻域计算Hu矩,生成能够描述纹理特征与轮廓特征的种子点描述子;其次,根据描述子的区域特点利用核函数对种子点描述子进行加权,生成63维区域重叠核加权Hu矩描述子;最后用巴氏（Bhattacharyya）系数计算归一化后描述子的相似度,并剔除相似度较小的匹配点。将该算法与其他3种算法进行对比,实验结果表明,该算法的鲁棒性最强,实时性较高,综合性能最优。     

基于图像特征的双目测距系统的研究

针对双目视觉测距中测量误差大、图像信息单一、实时性差等问题,提出一种基于ORB(orientedfast and rotated brief)特征的双目测距方法.对视频帧进行中值滤波处理,提取图像ORB特征,通过实验选出匹配效果最好的汉明距离.对筛选后的匹配点进行RANSAC(random sample consens...     

基于相干斑抑制SIFT的SAR图像配准方法

基于尺度不变特征变换(scale invariant feature transform, SIFT)算法,提出了一种能有效抑制相干斑噪声干扰的合成孔径雷达图像配准方法。该方法首先基于相干斑抑制各向异性扩散滤波模型建立图像的各向异性尺度空间,在滤除斑点噪声的同时保持了图像细节,弱化了斑点噪声对特征提取的影响;然后采用改进的二元直方图分析方法优化双向匹配初始结果,剔除了随机分布的误匹配点;最后引入临近特征点变换误差分析的过程,增加正确匹配点对数量,提高了变换模型参数的准确度。实验结果表明,该方法能增强SIFT特征点的稳定性,取得较高的配准精度,对相干斑噪声具有良好的适应性。     

一种基于极几何和单应约束的图像匹配算法

提出一种综合应用极几何和单应约束的图像特征点匹配算法,首先使用互相关法对图像特征点集进行初始匹配,然后运用RANSAC方法鲁棒地估计基本矩阵和单应矩阵并相应地剔除错误匹配点,最后利用优化后的基本矩阵和单应矩阵引导匹配以获得更多、更精确的匹配点。大量真实图像实验表明,所提出的算法能够产生更多的匹配点并具有较高的匹配精度。     

利用SIFT特征联合匹配的非刚体目标跟踪算法

为了解决非刚体目标跟踪过程中由目标形状快速变化带来的困难,提出了利用SIFT特征联合匹配的非刚体目标跟踪算法。首先分别提取目标模板和当前搜索区域的SIFT特征点;然后利用改进的联合匹配策略在目标模板和当前搜索区域之间进行特征匹配;最后根据匹配结果确定目标在当前帧的位置和尺度。改进的联合匹配策略在构建相似度矩阵时,不但利用了具有旋转和尺度不变性的SIFT特征向量,并且充分考虑了特征点的空间位置信息,有效提高了特征匹配的准确性。将这种改进的联合匹配策略成功地引入到SIFT匹配跟踪中,克服了传统SIFT匹配算法用于非刚体目标跟踪时的缺陷。实验结果表明,该算法对目标的非刚性形变、尺度变化以及背景干扰都具有较强的鲁棒性。     

基于最佳几何约束和RANSAC的特征匹配算法

为解决特征点匹配的质量与计算效率不能兼得的问题,研究了一种基于最佳几何约束和RANSAC(random sample consensus)的特征点匹配方法.采用 KNN(k-nearest neighbor)算法对提取到的特征点完成初始匹配,根据匹配点对连接线长度相等、斜率相同的特点,基于统计排序策略构建最佳几何约束,...     

基于多尺度光流融合特征点视觉-惯性SLAM方法

为提高视觉-惯性导航系统在弱纹理环境下的鲁棒性和精度, 结合特征点法精度高和光流法速度快的特点以及惯性信息, 提出一种多尺度均匀化光流融合特征点法的视觉-惯性同时定位与地图(simultaneous localization and mapping, SLAM)构建方法。首先, 改进快速特征点提取和描述(oriented fast and rotated brief, ORB)特征提取过程, 采用多尺度网格化的方法提取ORB特征点并利用四叉树均匀分配特征点, 提高特征分布离散性。其次, 在帧间采用LK(Lucas and Kanade)光流法追踪特征点进行帧间的数据关联, 在关键帧对特征点进行描述子的计算和匹配从而实现关键帧间的数据关联, 保证算法速度的同时提高定位精度和鲁棒性。最后, 基于光流法建立的数据关联得到的初始位姿为后端优化提供初始值, 整合ORB特征点重投影误差、惯性测量单元(inertial measurement unit, IMU)预积分误差以及滑动窗口先验误差构建最小化目标函数采用滑动窗口非线性优化进行求解。实验表明, 所提方法相比单目视觉惯性系统具有更高的定位精度和鲁棒性, 定位精度平均提升16.7%。     

高鲁棒性和独特性的图像局部不变特征描述

为了提高尺度不变特征变换（scale invariant feature transform, SIFT）算法的不变性,并降低图像中存在多个相似区域时的误匹配率,提出了一种将基于局部二进制模式的中心对称的改进局部三进制模式（center symme-tric improved local ternary patterns, CS-ILTP）描述子和全局灰度值分布（global distribution of intensity,GDI）描述子相融合的局部不变特征描述算法。通过迭代变换,使得由SIFT算法得到的初始特征点收敛到仿射不变点并得到仿射不变区域;分别提取 CS-ILTP和GDI描述符,从而得到图像的局部不变特征描述。实验结果表明,所提算法具有高鲁棒性和独特性,相似区域和人工路标匹配中的正确匹配特征个数分别比SIFT算法增加了100%和86%以上。     

全仿射形变下基于点特征的SAR图像配准方法

全仿射形变条件下,待配准合成孔径雷达(synthetic aperture radar, SAR)图像与参考SAR图像之间存在各向异性尺度变化,导致传统的点特征图像配准算法难以提取到足够多的匹配特征点进行图像配准。为此,提出了一种基于仿射形变矩阵分解与尺度变化矩阵估计的点特征图像配准算法。该方法首先将仿射形变矩阵分解为图像旋转矩阵、尺度变化矩阵以及常数矩阵的乘积,而后利用粒子群优化(particle swarm optimization, PSO)算法对尺度变化矩阵中的未知参数进行搜索估计,并根据估计结果对图像进行尺度规范处理,以抑制图像间的各向异性尺度变化,在此基础上再利用尺度不变特征转换(scale invariant feature transform, SIFT)算子提取匹配特征点进行配准处理。实验结果表明,与现有方法相比,对于全仿射形变条件下的SAR图像配准,本文所述算法可以提取到更多的匹配特征点,因而具有更好的配准性能。     

关于卫星机器人地面装配的目标快速识别方法

针对在卫星机器人地面装配领域,基于尺度不变特征变换的目标识别方法存在实时性能缺陷的问题,提出结合标量量化描述和倒排文件索引的典型目标快速识别方法,以满足卫星装配过程中准确高效识别工件和装配体的需求。在初始检测、定位和描述特征点的基础上,通过中值划分和遮蔽掩模方式完成浮点型描述向量的标量量化;利用倒排文件结构的查询策略快速搜索近邻特征点;依据距离比率准则和随机采样原则筛选稳定匹配点;通过仿射变换求解出矩形框中心坐标和边界宽度识别目标。实验结果表明,所提识别算法的平均正确率均值曲线图包围面积平均达到尺度不变特征变换的90.12%,能够正确匹配特征点并框选有效目标,具备相似的区分性能优势;同时匹配阶段执行时间只有尺度不变特征变换的19.54%,总体执行时间也只有49.84%，具有实时性能方面的优势。     

SAR图像最佳欧式空间距离矩阵匹配方法

在基于尺度不变特征变换算法的合成孔径雷达图像配准算法中,一个特征点通常具有多个主方向,虽然该主方向分配方式可以有效增加正确匹配对数,但是匹配性能会受到特征向量之间的相互影响而下降。文章提出了一种最佳欧式距离匹配方法,该方法通过欧式空间距离矩阵计算待匹配图像两组特征向量集的相似度,获得最佳相似特征点。此外,文章引入代表位置关系的转换距离作为判断特征点空间一致性的依据,有效地消除错误匹配点。与DM等匹配方法相比较,最佳欧式空间距离矩阵匹配方法在匹配精度和匹配效率上验证了其有效性。