双目立体视觉系统中同名点的自动提取

提出了一种新的方法来进行双目立体视觉系统同名点的自动提取,对现有的特征点匹配方法进行了改进,通过对同名点的自动提取,获取了摄像机相对校准所必需的参数.     

一种改进的遥感图像配准方法

在分析当前主要的图像配准方法的基础上, 提出一种改进的基于点特征的遥感图像配准方法: 首先对参考图像进行分块, 每块提取一定数量的特征点, 以确保各块图像特征点分布均匀; 根据已知的同名点对, 拟合变换方程, 将待配准点代入变换方程得到粗匹配点坐标, 再以粗匹配点为中心在一个较小的范围内搜索, 根据相似性测进行精配准, 确定正确的同名点位置, 在此基础上实现整体遥感图像配准。为了验证该方法的有效性, 针对变大和传感器位移较大的光学遥感图像设计了仿真实验。实验结果表明, 改进方法能很好地解决光学遥感图像之间的配准问题, 降低特征点提取和同名点匹配的时间复杂度。     

四参数模型的地形图坐标系转换中同名点的筛选方法

在测绘过程中,往往会遇到已有地形图资料的坐标系与新测地形图坐标系不一致的情况,需要将不同坐标系的地形图进行转换.小区域的地形图一般是通过选取同名点计算四参数来进行转换,选出的同名点精度直接决定了转换成果的精度.本研究提出了一种同名点筛选的方法,将同名点分解成距离分析和旋转角度分析两部份,分别采用数学统计方法进行检验,可以筛选出高精度的同名点.同时,用四川某县地形图转换中选取的同名点对该方法进行验证,得出该方法确实可以有效地筛选出高精度的同名点,从而提高地形图转换的精度.     

基于DM642的双目视觉系统和角点检测算法研究

本文分析了平行双目视觉测量技术中的角点检测算法,针对DM642嵌入式平台进行了相应改进.为了提高算法的简便性,减少人工干预,提出了自适应的Harris角点检测阈值设定算法,并针对DM642在算法实现时做了优化.经过实验,该方法可以准确地自动提取角点,比传统Harris角点检测算法更加适合嵌入式平台应用.     

双目立体视觉空间火灾定位方法的改进

针对室内空间火灾早期自动定位的需要,基于机器视觉技术对传统空间定位方法进行改进。设计简单实用的平面标定板进行摄像机标定,利用HALCON解决快速自动提取标定板上特征点像素坐标的问题。针对传统标定算法只校正径向畸变的不足,建立了更全面的摄像机畸变模型。通过迭代法利用成像模型和畸变模型求解并优化摄像机的单应性矩阵和畸变系数并通过三维重建实现空间定位。将此方法应用于消防炮工程项目,结果表明该改进方法具有有效性、快速性和准确性。     

基于GSI靶标与立体视觉的双目相机结构参数标定

针对大视场双目相机结构参数标定问题,提出了一种基于GSI靶标的标定方法。相机的内参数已知,利用同名编码点在双相机像面上成像点及双目视觉测量原理,解算出双目相机的相对方位。该方法无需移动靶标,只需要双目相机同时对靶标平面拍摄一次,简单方便。     

基于密度噪声应用空间聚类算法的机载激光雷达建筑物点云提取与单体化

针对机载激光雷达建筑物点云提取过程中自动化提取困难,以及提取后的建筑物单体化过程繁琐等问题,提出一种基于DBSCAN算法的机载雷达建筑物点云提取与单体化的方法。该方法对预处理后的点云数据基于DBSCAN算法进行去噪与初步的提取,通过三维密度聚类,将建筑物的点云进行提取与自动单体化。根据建筑物点云密度的特点,进行二维的密度聚类,结合DOM进行点云分割。最后将处理后的点云数据进行优化处理,并将建筑物单体化簇类进行提取,得到单体化建筑物点云。结果表明：本文采用的提取方法提取的建筑物点云数量正确率为97.36%,轮廓边长的中误差为0.077,可以有效的提取出建筑物点云并将其单体化。     

一种多源遥感影像自动匹配通用方法

实现多时相、高分辨率遥感影像稳健的全自动匹配是遥感科学的重要课题。针对多源遥感影像间的自动匹配,寻找出一种通用的匹配算法流程,该流程通过提取尺度不变性Harris_Laplacian特征点,采用SURF匹配算法得到初始同名点,之后利用初始关系进行点位预测及模板匹配,并采用最小二乘原理剔除残差较大的匹配点对,实现影像间稳健及精度较高的自动匹配。实验结果表明,该流程能够实现多源遥感影像的高精度匹配,并无需人工参与,提高匹配效率和自动化程度。     

基于凸包的棋盘格角点自动识别与定位方法

 采用Harris方法提取角点,应用对称算子剔除棋盘格外圈角点与伪角点,基于灰度梯度方法精确提取棋盘格亚像素角点。在此基础上,提出了基于凸包的棋盘格角点分层识别与自动定位方法,实现了棋盘格角点物像坐标的自动匹配,从而可实现摄像机自动精确标定。实验结果表明,该方法具有较高的精度与可靠性,适合于摄像机在线自标定。     

基于计算机视觉的无人机位姿估计

本文给出了无人机着陆过程中利用帧间图像提取的特征点进行无人机运动估计的算法。采用Shi-Tomasi-Kanade特征提取算法进行特征点的提取与匹配,然后建立视觉信息与无人机位姿的关系,通过对帧间图像单应性矩阵的求解,对无人机进行相对位置和姿态的估计。仿真结果表明,该算法能够有效地提高匹配速度,降低误匹配率,较好的估计无人机的相对位置和姿态信息。     

复杂地形电力线机载激光雷达点云自动提取方法

针对传统电力线自动提取方法提取复杂地形下电力线效果较差的不足,从输电走廊机载激光雷达点云数据特征出发,在分析复杂地形下传统方法提取电力线问题的基础上,提出了一种电力线自动提取的新方法,并应用实际线路点云数据进行了可行性验证.所提方法首先通过空间划分将长距离、复杂地形转换为多个小距离尺度空间组合,基于子空间特征的差异化高程阈值分割算法实现地物点分离,解决了传统单一高程阈值分割法不能有效识别电力线与地物点高程重叠的不足,然后利用高程密度分割算法实现杆塔定位与电力线提取,并提高算法效率.案例试验结果表明,所提出的方法能实现复杂地形下和平坦地形下的电力线准确自动提取,且提取的正确率高,算法效率较好,提出的算法可用于工程.     

基于图像法的点云数据边界自动提取

提出了一种反求工程中基于图像法的点云数据边界特性的自动提取方法，采用图像处理中梯度求解方法，对点云中每一点处的法矢和曲率进行估计，通过阈值得到候选边界点，再利用曲率极值法得到最终边界点。通过这些边界点可以进一步拟合边界曲线，达到对点云数据进行自动分片的目的。该方法具有较强的可操作性实用性，对于反求工程的自动化和智能化研究具有实际意义。     

基于无人机点云数据的露天采场矿车提取方法

针对在基于无人机点云数据进行露天采场验收测量过程中,由于矿车点集的存在导致验收精度降低的关键问题,提出了一种露天采场矿车点集自动提取方法.以哑巴岭露天采场无人机点云为数据源,首先利用渐进式形态学滤波算法分割出地面点与非地面点,然后通过改进的欧氏聚类算法对非地面点中的矿车点集进行聚类提取,最后基于国际摄影测量和遥感学会(ISPRS)提出的误差评判标准对矿车提取结果进行评估分析.分析结果表明,该方法可以有效提取露天采场中的矿车点集,为实现露天采场快速高效验收提供了重要的技术支持.     

一种基于特征点匹配的自动拼接算法

针对图像的无缝拼接问题,本文提出了一种基于特征点的自动拼接算法。通过对其原理和流程的分析,对智能拼接的核心过程——图像特征点的自动匹配和图像的融合进行了详细的阐述,重点分析了原始图像和目标图像特征点的自动提取。实验表明,基于特征点匹配的拼接算法对提高航空像片质量和拼接精确度具有比较好的效果。     

一种改进的遥感图像配准方法

在分析当前主要的图像配准方法的基础上,提出一种改进的基于点特征的遥感图像配准方法:首先对参考图像进行分块,每块提取一定数量的特征点,以确保各块图像特征点分布均匀;根据已知的同名点对,拟合变换方程,将待配准点代入变换方程得到粗匹配点坐标,再以粗匹配点为中心在一个较小的范围内搜索,根据相似性测度进行精配准,确定正确的同名点位置,在此基础上实现整体遥感图像配准。为了验证该方法的有效性,针对变形较大和传感器位移较大的光学遥感图像设计了仿真实验。实验结果表明,改进方法能很好地解决光学遥感图像之间的配准问题,降低特征点提取和同名点匹配的时间复杂度。     

基于双目识别技术的复杂背景中果实识别试验

为了迅速识别不同背景中的果实目标,在规范结构下建立了双目立体视觉识别系统,对复杂背景中的果实进行定位和识别.提出了基于角点聚类的局部特征提取及匹配算法,利用极限约束条件,通过提取同行像素角点特征完成立体匹配,获取果实3维信息.通过对不同背景下果实目标进行大量试验,发现基于单一特征属性的提取方法,角点匹配效率低,定位精度...     

基于障碍物地平角点的移动机器人定位*

提出了一种移动机器人快速定位方法。该方法在水平面假设的前提下,采用Harris Laplace算子并结合快速均值漂移和立体视觉方法,构建了一个障碍物地平角点提取算法取得特征角点,再以提取的障碍物地平角点为路标点,利用自适应粒子滤波方法融合路标点的深度和位置信息,实现了移动机器人高效快速和较为精确的定位。由于路标点（障碍物地平角点）数量大幅度减少,大大降低了定位算法计算的复杂度。实验的结果证明了上述方法是行之有效的。     

一种基于两次Radon变换检测棋盘方格点的新算法

提出了一种新的方格角点检测算法。通过连续两次Radon变换，找出角点所在的直线位置，再利用线性拟合方法对得到的直线进行校正，最后线性求解出角点的坐标。该方法最大的特点是能够自动地在正确区域找出所求方格角点，而无需人机交互，这对于动态校准的研究具有重要的意义。通过实际的应用，验证了该方法的正确性和可靠性。     

基于机载LiDAR系统的电力线点云提取方法研究

针对野外地形高度起伏大、走向复杂、杆塔形式多样且点云密度不均匀等造成电力线点云提取精度低的问题，文章提出一种自动化精度高的新型电力线点云提取方法。根据电力线走向对整体点云进行分块处理；使用迭代高程阈值法计算得到最佳高程分割阈值，将地面点、地物点与电力线点进行分割；采用DBSCAN密度聚类法聚类出杆塔点并进行剔除，对于误分到杆塔点的部分电力线点结合点云高程搜索进一步提取出来；使用欧式聚类法对单根电力线点进行精提取。实际输电线路点云数据实验表明，该方法电力线总提取精度为99%,实现了电力线点云的自动、高效提取，可满足实际电力巡检生产需求。     

一种优化的多源遥感影像高精度配准方法

探讨了一种优化的多源遥感影像的高精度配准算法.利用梯度算子结合Forstner算子快速提取特征点,同时采用基于熵的格网技术控制特征点的分布均匀度,在少量准确控制点的基础上以不变矩相似度量为匹配准则,采用整体松弛法匹配策略快速配准得到同名点,并利用二次多项式模型来剔除误配准点.结果表明,该方法配准速度快,得到的同名点精度高,分布均匀,可以满足遥感影像的融合与快速更新等后续处理的要求.