基于视觉的近距离编队对偶四元数相对位姿估计算法

针对近距离编队飞行中位姿估计问题,提出了一种新的点到区域匹配航天器间视觉相对位姿估计算法。给定主星表面上的点集及与之匹配的从星摄像机像平面图像凸区域,结合对偶四元数及凸优化数学工具,充分利用对偶四元数描述坐标系变换的简洁性,建立了对偶四元数凸优化位姿估计模型,估计出主星与从星之间的相对位姿参数。该算法不仅利用对偶四元数较传统四元数描述坐标系变换的优势,而且采用凸优化方法可大大降低传统位姿估计方法中需要精确的点到点匹配的要求。仿真结果证明,该算法能满足近距离编队相对位姿估计精度要求,具有较好的鲁棒性,对目前航天任务中航天器间视觉相对位姿估计具有重要参考价值。     

基于矢量约束的随机特征点选取算法

无人机利用视觉在未知区域自主着降时,提取的特征点具有数量多、随机性强等特点。针对利用随机特征点进行位姿估计精度低、稳定性差的问题,提出一种基于矢量约束的随机特征点选取算法。首先通过分析位姿估计方程可知,特征点地理坐标是影响方程组求解精度的重要因素;然后在引入矢量角均分度、矢量模值均值及矢量模值最大值三项约束指标基础上,制定了一种基于矢量约束的特征点选取策略;最后利用正交迭代算法对所选取的特征点进行位姿估计精度验证。实验结果表明,提出的算法相比于随机选取的特征点进行相对位姿估计精度更高,鲁棒性更强。     

基于CSS角点提取的红外与可见光图像匹配算法

针对红外与可见光图像中特征点匹配的难题,提出了一种基于曲率尺度空间（curvature scale space,CSS)角点提取的特征点匹配算法。首先采用基于曲率尺度空间的角点检测算法进行特征点提取;其次利用三维二次函数剔除低对比度的特征点;然后以特征点所在曲线的法线作为主方向,避免了图像的旋转代价;再通过计算构建特征点邻域的梯度方向在［0,π)范围的分布直方图,计算其统计特征并构造一个64维的特征点描述符,并进行归一化;最后采用最近邻算法实现直线匹配。实验结果表明,该算法能够有效地实现对红外与可见光图像特征点的精确匹配。     

基于激光扫描数据的三维可视化建模

利用地面三维激光扫描仪获取的空间数据,进行了三维空间地物可视化建模研究,提出了利用地面固定激光扫描数据建立建筑物三维可视化模型的框架。针对激光扫描数据的特点进行了地物分离和降噪处理,提取目标建筑物,去除测量噪声和遮挡物;应用平面分割和Hough变换对目标物识别并提取特征点、线、面,进行目标建筑物立面整体匹配纠正,在此基础上,对原始测量数据进行重新采样和多站点拼接配准,得到正确的、完整的目标建筑物立面信息;通过构建三角网建立三维表面模型,通过进行纹理映射实现三维模型可视化表达。试验结果表明,利用上述方法可以有效地处理三维激光扫描获取的空间点位数据,实现对建筑物快速三维可视化建模。     

旋转相控阵雷达变数据率目标跟踪算法

旋转相控阵雷达由于天线面阵旋转和电子波束偏移限制, 每天线周期有66.7%左右的时间不能照射到正在跟踪的目标, 可连续取值的自适应变数据率跟踪算法不适用于旋转相控阵雷达。在Cohen研究基础上, 提出一种离散取值的变数据率跟踪算法应用于旋转相控阵雷达目标跟踪。该算法在直角坐标系下进行运动状态估计, 在球坐标系下计算跟踪残差, 利用量测噪声对残差进行归一化, 根据当前采样时刻天线法线方向与目标的相对位置确定下个周期的采样周期, 避免了过程噪声计算复杂等问题。最后, 以一个圆周机动的目标为例仿真验证了所提算法的正确性和有效性。     

面向近红外合作目标的鲁棒检测与匹配算法

针对无人机视觉着舰相对导航合作目标检测易受环境干扰问题,提出了一种面向近红外合作目标的鲁棒检测与匹配算法。首先,搭建了由850nm的近红外合作目标以及带有850nm滤镜摄像头组成的成像系统;然后,设计了基于几何约束的方法剔除合作目标图像中的异形干扰点,再利用Hu矩排除其中的相似干扰点;最后,利用形状上下文匹配算法解决拍摄图像中合作目标可能存在尺度、角度畸变使得合作目标难以匹配问题。实验结果表明,所提出的方法可以在不同距离、不同光照、不同角度以及环境干扰下,实现合作目标鲁棒检测与匹配。     

基于法向夹角的点云数据精简算法

随着三维扫描技术的不断发展,获得的点云数据规模也日益庞大。存储、处理或显示这些数据都将消耗大量的时间和计算机资源,因此需要对点云数据进行精简。提出一种基于法向夹角的点云数据精简算法,通过对不同的点云数据使用本算法和传统方法进行实验,表明该算法能够在移出冗余数据的同时,在特征区域保留更多的细节。     

基于极线约束的角点匹配快速算法

针对同一物体从不同角度拍摄形成的不同图像的匹配问题,提出新的基于区域互信息和极线约束的角点匹配快速算法.该算法首先采用Canny边缘捡测算子提取图像边缘,再利用曲率最大原理求取局部板值完成角点检测,随后基于区域互信息测度获取角点的初始匹配;进一步采用基于极线约束及马氏距离测度的改进松弛算法完成角点的精匹配.实验表明,本算法具有较好的鲁棒性,能有效、快速.高精度的进行角点匹配.     

基于改进ASM模型的人体特征点定位和建模方法

针对传统的Procrustes归一化方法需要多次迭代且计算量大的缺陷,采用标记定位点的方法,以平均形状作为初始化规则模型,只经过一次平移旋转及缩放即可达到训练集对齐的效果;传统ASM算法计算时间较长且易使特征点因灰度模型相似而错误匹配,采用以特征点为中心,选取其周围的矩形区域灰度分布训练灰度模型,并选择24邻域点进行目标搜索。实验结果表明:改进的ASM方法进行人体特征点定位,减少了算法迭代次数,缩短了算法运行时间,提高了定位精度。     

面向手机平台的快速笑脸识别方法

近年来,随着手机平台处理能力的增强,手机内置笑脸识别功能变得可行。传统基于Gabor的笑脸识别方法应用于手机平台遇到的主要难点是运算量大、实时性差。提出了一种改进笑脸特征提取算法,该算法基于Gabor变换和Adaboost算法,训练时采用Gabor变换提取全部特征,然后利用AdaBoost算法从降采样特征中挑选关键特征;检测时先计算关键特征点和相关特征卷积模板,然后计算特征值,最后进行匹配。实验表明改进算法不仅比原算法识别速度快,而且特征点分布规律表明识别性能还具有改善的可能。     

基于时域滤波的点目标检测算法

当红外预警系统对低空飞行的运动目标进行检测时,由于云杂波的存在,系统的检测性能会受到严重影响。分析了云层背景下目标和云层在探测器上的时间响应特性,建立了四种类型的像素点时域模型。并以这四种时域模型为基础,提出了云层背景下点目标的时域检测算法。理论分析和实验结果表明,新算法能有效检测出各种云层背景下的点目标。     

基于几何特征不变量的快速3D医学图像配准

针对颅部三维医学图像配准计算量大、配准效率低等问题,提出了一种基于几何特征空间约束的快速配准方法。提取三维轮廓点云,提出了一种基于点云集最优拟合环的特征构造方法,并以每个特征环和每个层的质心用作特征量,通过使用迭代最近点(Iterative Closest Point, ICP)方法完成快速配准。实验结果表明,与传统的ICP算法相比,该方法计算量小,配准精度高,配准速度快。它是一种有效的实时三维配准方法。     

ICP优化下的B样条四维CT图像弹性配准方法

为提高不同生理状态下两组四维CT图像之间配准的精度和速度,基于多分辨率B样条的自由形变模型(Free Form Deformation, FFD),提出一种使用迭代最近点(Iterative Closest Point,ICP)优化该模型的配准算法。在传统B样条之前加入ICP算法实现两组四维CT图像间的点云配准：根据分割完的两组四维CT图像生成点云数据和灰度数据,使用ICP对模型中的两组点云配准。level 1,level 2,level 3相似性测度提高率分别为：8.68%,10.46%,2.39%,速度提高率分别为：-51.89%,41.71%,81.09%,结果证明新模型在不同控制网格大小配准上精度和速度都有提高。     

基于遗传算法的点云数据与CAD模型坐标归一化研究

用非接触测量方法进行复杂型面零件数字化检测,点云数据与CAD模型的坐标归一化处理是必须的。针对传统的ICP(Iterative Closest Point)方法在坐标归一化过程中对初始点要求严格及由于型面的特殊性所造成的算法不能收敛问题,采用遗传算法对点云与CAD模型进行坐标归一化,由于遗传算法具有全局收敛性及对初始位置要求不严格,所以用该方法能使点云与CAD模型达到正确的配准。并以具体的实例验证了算法的可行性。     

机器人三维定位系统中关键技术的研究

深入研究了机器人三维定位系统中的扫描匹配及位置信息空间定位技术,提出了一种基于ICP的高效扫描匹配算法。该算法采用滤波,特征提取及非线性迭代的方法在保持扫描匹配的精确度的同时大幅减少了计算时间,弥补了传统ICP算法效率较低以及可能收敛不到全局最优解的缺陷。然后使用在改进算法的基础上引入倾角传感器的方法解决了传统机器人定位系统中存在的不易获取地面坡度信息以及恢复出的机器人空间位置精度较低的问题。     

结合图像特征和几何特征的级联图像匹配方法

提出了一种多特征级联目标匹配算法(MFCM)。在先前的研究中提出的基于几何特征的匹配方法复杂度普遍较高,需要改进。MFCM算法首先使用图像特征为每一个特征点建立潜在匹配集,然后进行两级匹配:第一级匹配采用分治思想,利用几何特征建立匹配结果集,并应用投票机制来确保匹配的稳定性;第二级匹配在模板点集和匹配结果集之间建立对应关系。新算法有效提高了几何匹配方法的效率,同时保持了较高的匹配正确率。实验结果表明,MFCM算法可以有效处理大数据量的目标匹配问题。     

非刚体图像配准中一种改进的点匹配方法

为了解决在非刚体点匹配过程中，由于点集之间相对位置变化的复杂性，导致配准结果易收敛于局部最小值点的问题，提出了基于预中心配准的非刚体点匹配联合估计法。在用迭代最近点算法确定两个点集中的点之间的对应关系前，通过预先进行两个点集的中心配准的方法，可以更加合理地确定点之间的对应关系，从而使匹配结果可以最大程度地收敛于全局最优点。仿真实验表明，此方法和传统算法相比，在没有明显增加运算量的前提下，匹配效果更佳。     

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,...     

Research on time series mining based on shape concept time warping

Time series is an important kind of complex data, while a growing attention has been paid to mining time series knowledge recently. Typically Euclidean distance measure is used for comparing time series. However, it may be a brittle distance measure because of less robustness. Dynamic time warp is a pattern matching algorithm based on nonlinear dynamic programming technique, however it is computationally expensive and suffered from the local shape variance. A modification algorithm named by shape DTW is presented, which uses linguistic variable concept to describe the slope feather of time series. The concept tree is developed by cloud models theory which integrates randomness and probability of uncertainty, so that it makes conversion between qualitative and quantitive knowledge. Experiments about cluster analysis on the basis of this algorithm, compared with Euclidean measure, are implemented on synthetic control chart time series. The results show that this method has strong robustness to loss of feature data due to piecewise segment preprocessing. Moreover, after the construction of shape concept tree, we can discovery knowledge of time series on different time granularity.     

基于多参量模型的全局运动估计算法

提出了一种基于特征点匹配的视频序列多参量运动估计算法,即将初始特征点域,进行梯度方向上的极坐标变换,并依据正交特征,作方向轴上的一维投影,构建出新的特征曲线,从而将孤立的特征点匹配转化成特征曲线相关.依据曲线的相关性,完成特征点对的匹配,最后使用最小二乘解算平移、旋转、缩放等变换参量.实验结果表明:算法的特征点误匹配率<5%,缩放误差<0.1%,平移误差<0.1像素;各参量估计范围:缩放因子s:0.7130°,平移参量|d|>35.算法在保证了高精度的同时,具有更为宽松的使用条件及适用性.