基于射影不变性的单幅图像测量

设计了一种由正方形及其内切圆组成新的平面模板,在此基础上提出了一种基于射影不变性的单幅图像测量方法。在该方法中,首先利用Canny算子检测出空间平面和平面模板的图像中直线和椭圆的特征;然后运用最小二乘法拟合出直线和椭圆的方程,从而可以得到直线与椭圆的切点;根据射影几何中直线和点的结合性保持不变的性质,得到空间平面上的点与图像特征点间的对应,从而估计出空间平面与图像平面之间的单应矩阵;最后,由单应矩阵实现了对空间平面上任意两点距离的测量。模拟实验和真实图像实验说明本文的方法是可行的。     

基于2D单应矩阵约束的图像匹配方法

针对目前普通图像匹配不精确的问题,用2D射影变换的单应矩阵约束估计算法和尺度不变特征变换(SIFT)算法结合,提出了一种适应性强,图像匹配精度高的图像匹配算法.首先对图像进行SIFT特征提取,在不同的尺度空间下提取特征角点,建立对应数据库.再对特征数据库进行初始化单应矩阵估计,剔除野值点后再用L-M(Levenberg-Marquardt)算法约束对单应矩阵继续估计,直到求出最优化的单应矩阵,最终根据优化单应矩阵生成内点数据库.     

一种基于自然特征点的增强现实注册方法

介绍了一种基于自然特征点的增强现实注册方法．根据计算机视觉的理论，在透视变换的情况下，一个景物平面与一个图像平面之间的变换是平面投影变换．通过这个原理就可以推导出投影矩阵在满足一定条件下可由单应矩阵得到．根据这个原理，首先通过一个景物平面和图像之间的单应得到初始状态相机的投影矩阵，然后对后面每帧图像和前一帧进行自然特征点匹配，通过匹配点对计算出图像之间以及图像与景物平面的单应关系，由此就可以得到每一帧图像对应的相机的投影矩阵，从而完成虚拟物体的注册．     

基于全局单应性变换的虚实注册方法

提出了一种基于全局单应性变换的三维注册方法,有效地解决了基于标识的三维注册系统中的误差积累问题.设计了一种新的对仿射变换鲁棒的特征点检测方法--边角点法,确保每个特征点位于多条直线的交点上,最大限度消除特征检测结果的随机性及其对特征匹配所造成的负面影响.采用基于全局单应性矩阵的虚实配准方法,利用前一帧所对应的全局单应性矩阵对初始图像作射影变换,并将变换后的图像与当前图像做特征匹配,直接建立当前帧与初始帧之间的单应性关系,从而解决了传统方法所存在的误差积累问题.实验结果表明本算法有效可行.     

基于标识与平面间单应性矩阵的虚实注册方法

提出了一种基于单应性矩阵与平面标识相结合的三维注册算法，解决了标识部分被遮挡情况下的虚实注册问题，提高了系统的健壮性、可用性．该方法将直接求解三维注册矩阵问题分解为利用图像间的匹配特征点来计算相邻两帧图像间的单应性关系，并利用该单应性关系恢复最终注册矩阵．就实验结果与ARToolkit的注册性能作了比较，结果表明该算法能够解决标识部分遮挡情况下的虚实注册问题，在健壮性方面明显优于ARToolkit．     

移动机器人车载摄像机位姿的高精度快速求解

在分析移动机器人车载摄像机位姿的特殊性质的基础上,根据摄像机的等效转轴构造辅助旋转矩阵,利用该旋转矩阵将原始待分解本质矩阵和单应矩阵转换为一类简单的、可通过初等数学运算进行分解的本质矩阵和单应矩阵。仿真实验的结果表明,该车载摄像机位姿估计算法较传统方法具有更高的精度和更快的运算速度,对摄像机等效转轴的扰动也具有很好的鲁棒性。此外,分解出的可能解的数目较传统算法减少了一半,且在除诱导单应阵的空间景物平面与地面垂直的情况下,均能直接得到移动机器人的唯一转角,为移动机器人姿态控制提供了极大的便利。     

基于单应性矩阵剔除SURF错误匹配点的研究

根据图像特征点匹配一一对应的特点,提出一种利用单应性矩阵剔除错误错误匹配点的方法。该方法首先利用SURF进行匹配,得到初始匹配对,进行初步筛选,然后利用相似三角形求出基准单应性矩阵,设定阈值,剔除不满足阈值的匹配点对,最后得到精确匹配点对。通过实验证明,该算法具有很高的正确匹配率。该文提出了一种剔除错误SURF匹配点的方法,首先根据三角形的相似性选取正确基准点,由基准点估计基准单应性矩阵,根据单应矩阵投影后的对应点之间的欧氏距离是否满足阈值来剔除错误匹配点。     

基于空间变化窗口的信息散度算法

为解决传统信息散度算法存在物体图像大小不一致以及非连续区域深度恢复精度低等问题,提出了一种新的基于空间变化窗口的信息散度算法.该算法计算两幅原散焦图像之间的单应矩阵,并利用单应矩阵重新矫正原图像以获得相同大小的散焦图像对,通过空间变化的窗口结构来估计不连续区域附近的深度.模拟实验和实际图像实验结果表明,文中改进算法可以...     

基于方向密度检测与霍夫变换的混合矩阵估计

针对欠定盲源分离混合矩阵的估计问题,提出一种基于局部方向密度检测的孤立时频点处理与霍夫变换相结合的混合矩阵估计算法.首先通过变换域单源时频点处理增强信号的稀疏性,对散点图中的方向直线进行霍夫变换,通过判断局部极大值点确定源信号数量并估计混合矩阵.针对霍夫变换易出现的峰值簇拥问题,提出采用局部方向密度检测方法先判别并去除孤立时频点,之后再进行霍夫变换,提高了混合矩阵的估计精度.实验结果表明本文所提出的方法能够在未知源信号数量情况下实现混合矩阵估计,且估计精度高于K-means等常用方法.      

基于归一化椭圆权重L-M算法的单应矩阵估计

针对特征定位误差服从各向异性高斯分布时单应矩阵的优化问题,提出了一种归一化椭圆权重的烈文博戈马奎特（EW L-M）算法。该算法对目标函数添加椭圆权重的形式,使得目标函数在马氏距离的基础上兼有欧式距离优点。模拟与真实数据的实验结果表明,本文提出的方法能在更少的迭代次数下估计出更精确的单应矩阵,且对不同级别的误差表现出更强的鲁棒性。     

A New Algorithm for the Establishing Data Association Between a Camera and a 2-D LIDAR

In this paper,we propose a new algorithm to establish the data association between a camera and a 2-D Light Detection And Ranging sensor （LIDAR）.In contrast to the previous works,where data association is established by calibrating the intrinsic parameters of the camera and the extrinsic parameters of the camera and the LIDAR,we formulate the map between laser points and pixels as a 2-D homography.The line-point correspondence is employed to construct geometric constraint on the homography matrix.This enables checkerboard to be not essential and any object with straight boundary can be an effective target.The calculation of the 2-D homography matrix consists of a linear least-squares solution of a homogeneous system followed by a nonlinear minimization of the geometric error in the image plane.Since the measurement quality impacts on the accuracy of the result,we investigate the equivalent constraint and show that placing the calibration target nearby the 2-D LIDAR will provide sufficient constraints to calculate the 2-D homography matrix.Simulation and experimental results validate that the proposed algorithm is robust and accurate.Compared with the previous works,which require two calibration processes and special calibration targets such as checkerboard,our method is more flexible and easier to perform.     

基于SIFT的UAV载组合宽角相机影像匹配方法

针对无人驾驶飞机UAV(Unmanned Aerial Vehicle)航空组合相机获取的大像幅影像旋偏角较大、 大尺度变化和颜色差异明显的问题, 提出基于极几何和单应约束的SIFT(Scale Invariant Feature Transform)特征多尺度LSM(Least Squares Matching)算法。该算法顶层金字塔影像采用SIFT快速匹配, 对匹配结果利用改进的RANSAC(Random Sample Consensus)算法计算影像间单应矩阵和基本矩阵; 对影像进行Harris特征提取, 根据极几何和单应约束采用双向一致性相关系数算法进行密集匹配; 通过更新单应矩阵, 设定阈值删除误匹配点; 对匹配的同名点进行最小二乘匹配获取子像素级精度。通过对具有较大旋偏角、 大尺度变化和颜色差异的3组实际航摄影像的试验对比表明, 与传统方法相比, 该算法具有较高的匹配成功率和较好的有效性。     

基于消失点的场景文本透视变形校正方法

针对自然场景文本识别过程中文本图像的透视变形问题,提出一种有效的基于消失点的场景文本透视变形校正方法。该方法首先利用由文本字符边缘端点拟合得到的文本基线检测消失点,然后利用消失点信息估计单应矩阵部分参数,使用单应矩阵实现图像校正,得到正视的文本图像。与其他方法相比,该方法受文本版式的限制更少。实验结果表明,该方法能有效校正文字行数较少的场景文本,明显提高字符识别率。     

基于仿射变换特征匹配的虚实注册方法

提出了一种新的基于仿射变换特征匹配的虚实注册方法,以解决基于平面自然特征的三维注册系统中的误差积累问题.该方法分为离线三维重建和在线实时注册两个阶段.离线阶段系统根据双目视觉原理建立平面坐标系,并根据用户指定的三点建立世界坐标系,同时利用仿射变换生成待匹配特征点的样本集合,供后续匹配过程使用.实时注册阶段,系统先将当前图像与样本集合做特征匹配以获取特征点间的对应关系,再利用上述对应关系恢复出当前帧与平面结构间的单应性关系,进而求取三维注册所需的变换矩阵.实验结果表明该方法是有效可行的,而且在克服误差积累方面较传统方法有明显改善.     

基于场景平面诱导单应对Sherman-Morrison公式的证明

利用计算机视觉中射影重构方法来研究一类矩阵的求逆问题,首先通过场景平面诱导两幅图像之间的单应,然后利用射影重构的多义性,求出两图像单应的逆矩阵,来证明Sherman-Morrison公式.使矩阵运算的一些问题得到简化.本文给出了以其它学科来解决纯数学的一点较新的思路.     

平移视点间的单应矩阵

主要讨论平移视点单应矩阵的特征理论，并应用于：（１）平面规范法向量平移向量的内积计算；（２）标准单应矩阵的确定；（３）从未标定图像判定空间平面是否平行；（４）摄像机自标定；（５）从标定图像，计算空间平面间的夹角。本文的结果在机器人视觉中具有重要应用价值。