一种利用近似平均曲率提取散乱点云模型特征点的快速算法

在处理散乱点云数据的过程中,一般需要先确定模型的特征点。提出一种从三维空间二次曲面方程中估算一点的平均曲率的新方法,利用平均曲率和视点来提取散乱点云模型的特征点。首先计算一点的k-邻近点,并求出经过这k个点的三维空间二次曲面方程,结合经过该点法线的两个正交平面来估算该点的平均曲率,平均曲率大于给定阈值的点是第一类特征点;第二类特征点是由法向量和视线向量的内积决定的,内积小于给定阈值的点称为特征点。将这两种特征点作为最后点云模型的特征点。该方法与其它方法相比,平均曲率模型参数个数由27个减少到17个,计算量小,仿真效果好。     

基于形态学的散乱点云轮廓特征线提取

采用逆向工程领域切片技术和数学形态学方法提取点云的轮廓特征线.空间散乱点云密度高且无拓扑关系,通过切片分层可将空间点云转换为不同层的平面切片点云.借鉴图像处理方法,将切片点云转换成二值图像,使用形态学运算提取其轮廓像素,将轮廓像素转换为轮廓特征点并采用B样条曲线拟合成轮廓特征线.实验验证该方法可以得到高质量轮廓线,并可以有效地解决"多环"切片难以正确提取轮廓特征的问题.     

基于特征点和轮廓特征的粘连数字分割

提出一种粘连数字分割的新方法．利用粘连数字图像细化后得到的特征点给出图像的图表示,然后结合粘连数字的轮廓特征给出分割候选点,最后利用本文定义的分割效果评价标准,从分割候选中给出最佳分割．实验证明本文给出的新方法具有分割结果良好并且速度快的特点．     

基于曲率的轮廓精确分段技术

提出了一种基于轮廓曲率及曲率累加和曲线的轮廓精确分段方法。不仅吸收了曲率类方法所具有的旋转不变性及计算量少的优点，而且吸收了直接法对单纯直线类轮廓准确分段的优点，实现对复杂轮廓的精确分段。     

一种基于特征点的二维碎片匹配算法

提出了一种基于特征点的二维碎片轮廓匹配算法,有效地减少了匹配过程中的计算量。先对图像轮廓进行提取和去噪,计算轮廓曲线的曲率后选取特征点。接着计算特征片段的弧长与弦长比值,作为曲线特征进行匹配。实例表明,该方法提高计算的效率和匹配的成功率。     

基于轮廓曲率的树上苹果自动识别

为实现机器人采摘作业中苹果的空间定位,研究了单幅自然光条件下果树图像中苹果及其果柄识别定位的方法.建立以规格化的r,g为输入,苹果、树枝、树叶等为输出的三层BP神经网络模型,用于图像分割,经预处理后,提取苹果目标,根据目标形状将苹果分为5类,通过不同的圆拟合方法得到苹果的准确位置.在对被遮挡苹果进行圆拟合时,依据目标轮廓曲率的变化,抽取连续光滑轮廓线段,用采样点平均曲率的倒数作为拟合圆的半径,再由几何关系求出圆心位置.结合苹果的拟合圆,给出果柄所在的近似矩形区域,在区域内分割出树枝部分,进而利用投影法确定果柄的精确位置.通过对40幅果树图像试验表明,苹果及其果柄的识别率在80%以上.     

一种改进的角点提取方法

提出了一种改进的角点提取算法,该算法是基于角点的性质,即在角点的某个领域内,图像灰度的变化在任意一条通过该点的直线上都很大。为了便于对最后的灰度变化值求取极值,同时兼顾灰度变化值计算的准确性,采用了在方形窗边界上的线性插值。在插值的基础上,可计算出边缘角,通过它来对角点候选点作进一步的筛选,测试表明该方法比较进前取得了更好的效果。     

基于颜色和轮廓点分布特征的高速图像检索

介绍的图像检索方法以图像像素的颜色分布统计信息和轮廓点的位置分布统计信息作为图像的特征量并使用该特征量实现图像的类似检索⒀通过对图像颜色空间的预先压缩和颜色的分段线性匹配,大大提高了特征抽取及检索响应速度⒀     

一种基于链码的轮廓平滑算法

研究基于目标轮廓链码的轮廓平滑算法。方法通过对目标轮廓链码的分析,选出在人工目标中出现较少或不可能出现的边缘作为不平滑边缘,通过变换将之转换成平滑边缘。     

基于图像处理和轮廓特征点检测的植物叶片几何建模

提出了一种植物叶片轮廓的几何建模方法,对植物叶片的数字图像进行二值化和边缘提取．通过边缘扫描算法,将叶片图像的边缘数据按照像素点原有的拓扑关系生成坐标链表．以坐标链表检测到的轮廓特征点进行三次样条曲线插值,建立植物叶片的几何模型．实验结果表明,该方法较好地保持了植物叶片原有的轮廓特征,并具有数据获取简便、数据量少和几何模型简单的优点．     

基于特征点匹配的拼接算法研究与实现

针对图像间因具有旋转及光线强度差异等现象而导致的拼接效果不佳及拼接速度慢的问题,提出一种基于特征点的配准算法.该算法首先利用相位相关法确定图像重叠区域,然后采用改进Harris角点检测算法检测角点,再根据相似测度NCC(Normalized Cross Correlation)方法提取出匹配特征点对,最后用渐进渐出的方...     

基于曲率和积分投影的人脸特征检测

针对以往基于图像的人脸特征检测对光照敏感的缺陷,提出了一种基于3D数据的人脸特征检测算法.首先对人脸3D数据计算其主曲率,设定阈值进行人脸特征的初步分割得到二值化的分割图,然后在二值化图上进行水平和垂直积分投影进一步确定人脸特征的位置,最后利用人脸特征的先验拓扑知识对检测到的人脸特征进行验证.实验结果表明,该算法能够有效地提取人脸特征点,具有一定的鲁棒性.     

一种改进的基于轮廓特征拐点的遮挡车辆分离方法

在传统的基于4类特征拐点的遮挡车辆分离方法的基础上进行改进,提出了一种基于8类特征拐点的分离方法.该方法以车辆常用的矩形模板为先验知识,首先对存在遮挡的连通区域提取边缘轮廓,并将轮廓上的特征拐点分为8类;然后在对相邻且同类的轮廓特征拐点进行合并的基础上,利用改进的车辆轮廓特征拐点的类型组合来实现遮挡车辆的识别和分离.仿真实验表明,本文所提出的新方法具有更好的鲁棒性和精确性,且方法简单,具有很高的实际应用价值.     

散乱点云数据的曲率精简算法

针对海量散乱点云数据精简问题,提出了以平均曲率为判据的精简算法.采用八叉树结构对点云数据进行空间分割,由分割结果建立k邻域.在散乱数据点参数化的基础上,对k邻域内的散乱点进行二次曲面拟合,求出拟合曲面的平均曲率,进而得出邻域内所有数据点的平均曲率均值,以此为判据进行数据精简.构造曲率差函数,识别出边界数据点,对其进行数据保护.结果表明,该算法对具有曲率多样化特点的点云数据精简具有一定的理论意义和应用价值.通过实验验证了该算法的可靠性和准确性.     

基于特征点检测的重叠图像拼接算法

为提高铁道车辆工程应用中自动监测与故障诊断的准确性,对5种常用的特征点检测方法进行了对比研究,采用 SIFT (Scale Invariant Feature Transform)特征点检测实现重叠图像的拼接算法。在较宽松的条件下准确地匹配两幅图像。实验证明,该算法能有效地拼接普通相机拍摄的照片,消除图像扭曲、交叠和旋转对图像拼接的影响,并获得高分辨率的场景照片。     

基于改进ORB的图像特征点匹配

鉴于ORB算法在特征点匹配时基本不具备尺度不变性,结合SIFT算法思想,提出了改进的ORB算法:SIRB(ORB and SIFT)。首先生成图像的多尺度空间,并在多尺度空间里检测稳定的极值点,使得提取出的特征点具有尺度不变信息;然后使用ORB描述子对特征点进行描述,生成旋转不变性的二进制描述子;最后通过Hamming距离完成对特征点的匹配。实验结果表明,SIRB有效地解决了ORB不具备尺度不变性的缺陷,在图像尺度发生变化时,SIRB算法特征点匹配的平均准确度达到约93.3%,相比于ORB提高了约70.7%;同时SIRB和ORB两种算法的匹配速度大致相当,SIRB保留了原ORB算法的快速优越性,平均匹配速度比SIFT快约63.2倍;将提出的SIRB算法应用到视频目标跟踪系统中,取得了良好的实验效果,具有一定的应用价值。     

基于共面光标提取的空间目标单目测量技术

针对空间目标捕获任务技术需求,设计了一种基于平面靶标特征点提取的单目视觉线性相对位姿解算方法. 提出基于几何指数阈值判别的特征光标提取方法,并采用非线性项变量代换方法,设计了基于特征光标提取的线性相对位姿解算方法,建立了单目视觉相对测量地面实验系统,在模拟目标航天器相对位置和姿态低速动态漂移的条件下进行了试验. 测量结果表明,所提出的特征光标提取算法能够有效避免高亮光斑对特征光标提取的不利影响,且相对位姿解算算法具有较好的精度和实时性,相对于传统非线性迭代求解方法,该方法计算量小,求解过程稳定.      

叶片截面线特征点的快速提取及其实验研究

针对叶片加工过程中的测量效率问题,从叶片截面线的曲率突变性出发提出一种提取截面线特征点的方法.根据截面线离散点积分曲线的单调性将截面线划分为曲率平滑区域与曲率突变区域,综合离散点曲率与区域性质选取基本特征点.构造B样条曲线逼近原始曲线,直到两曲线之间的Hausdorff距离满足预设阀值,完成特征点提取.计算及实验结果表明,特征点分布疏密程度与截面线曲率变化相关.在阀值为0.05mm的条件下,算法平均压缩率达到98%,平均计算时间为103 s.相比传统方法,该方法能快速收敛到设定误差,对提高叶片测量效率有一定指导意义.     

基于特征跟踪的视频判读方法

针对发射场火箭初始段漂移量测量,提出并实现一种新的判读方法,主要采用特征点或特征区域检测与目标跟踪相结合的方法,利用各种数字图像处理手段,借助辅助开发工具,计算目标在各帧图像中的坐标,实现对目标运动的高精度判读。该方法既具有自动判读的功能,又具有适应性强的半自动判读功能,能够计算出多个目标点的精确位置;同时还具有对判读结果的实时校验的功能。实验结果表明,该方法判读精度高,速度快,具有较好的稳定性和适应性,有向其他目标或领域扩展的能力。     

特征点稀少的炮管内膛图像拼接技术研究

针对火炮身管内膛图像特点,提出一种特征点稀少的火炮身管内膛图像拼接算法。通过Harris角点提取,进行特征点匹配,消除不良匹配点和误匹配点,利用Levenberg-Marquardt算法进行参数优化设计和双线性插值完成图像的重注册,最后采用函数加权法来处理重叠区域的图像,确保内膛图像的无缝过渡。利用Matlab和Visual C 6.0混合编程技术,开发了火炮身管内膛图像拼接软件系统,对内膛检测硬件系统采集到的跨视场内膛图像进行拼接与展开,结果表明,该算法速度较快、稳健性较好、图像配准精度较高。