基于BoW模型的RGB-D SLAM算法的运动轨迹估计

针对目前RGB-D SLAM算法特征匹配耗时高、在大规模场景中闭环检测效率低的问题,提出了基于词袋(Bag of Word,BoW)模型的RGB-D SLAM改进算法。通过BoW模型缩小每个特征的匹配范围,解决了暴力特征匹配算法的耗时问题;利用BoW模型对关键帧序列进行相似度度量,得到闭环候选帧并通过多层次筛选最终确定闭环帧从而实现闭环优化,解决了传统的闭环检测算法不能适用于大规模场景的问题。与传统的RGB-D SLAM算法的实验测试及对比分析结果表明:改进的RGB-D SLAM算法能使得相机轨迹估计实时性更好,定位更准确。     

一种基于MPEG-7颜色特征和块运动信息的关键帧提取方法

为了改进现有关键帧提取方法在相邻帧间相似性测度方面的不足,提出一种基于MPEG-7颜色布局特征匹配和块运动信息度量的关键帧选取方法。给出颜色布局特征的提取、相似度计算方法以及利用图像分块计算运动信息的方法,并结合距离累加算法提取视频镜头关键帧。实验结果表明,本方法比基于图像综合特征关键帧提取方法检索性能有明显提高,不易产生冗余和漏检,提取的关键帧能够充分代表镜头的内容。     

基于子镜头聚类方法的关键帧提取技术

分析主流的关键帧提取技术,提出了一种基于子镜头聚类的关键帧提取算法.该方法在重新定位镜头的起始和终止帧号后,利用帧与帧之间的颜色直方图特征,通过子镜头检测和聚类进行关键帧提取.实验结果表明,该算法具有良好的适应性,既降低了关键帧提取算法的计算复杂度,正确率高,同时能有效避免关键帧的冗余,达到了很好的关键帧提取效果.     

基于RGB-D图像的具有滤波处理和位姿优化的同时定位与建图

RGB-D相机能够同时获得彩色图像和深度图像,广泛用于同时定位与建图(SLAM)的研究.本研究针对RGB-D SLAM方法进行了两方面的改进:一方面,改进点云滤波方法,从而更有效地去除RGB-D相机数据中的噪声和冗余;另一方面,采用ICP算法提高相机位姿估计的精度,从而提高估计的相机运动轨迹的精度.在公开的数据集上对提出的RGB-D SLAM方法进行实验验证,结果表明,该方法能够有效提高移动机器人自主定位与建图的精度.     

分布式视频编码中自适应图像组结构算法的改进

针对分布式视频编码系统中固定的图像组结构没有充分利用图像帧间的相关性,提出了一种在编码端自适应调节图像组结构和在解码端自适应图像组的内插算法.该算法通过帧间宏块匹配来估计相关性,将帧动态划分为关键帧和Wyner-Ziv帧,以此达到充分利用帧间相关性,提高系统压缩性能.实验结果表明,通过本文算法生成的边信息峰值性噪比(PSNR)提高约0.1～1.3 dB.     

一种基于曼哈顿世界假说下平面特征的RGB-D视觉室内定位方案

将曼哈顿世界假说(Manhattan World assumption,MW)引入室内定位问题,提出了一种改进的基于RGB-D视觉与平面特征的室内定位方案,不仅能有效提高场景匹配的成功率,还可简化未知场景下的定位问题,提高定位效率和实时性,可用于对同步定位与建图SLAM(Simultaneous Localization and Mapping)系统的扩展.创新点主要体现在:针对解释树匹配的时间开销随特征数指数级上升的问题,设计了根据曼哈顿帧的主方向进行分解的匹配方法;针对单条行进路径搜索效率有待提高的问题,提出了在初始位姿确定后采用4自由度的简化定位方案;针对单帧中遍历执行子图匹配耗时较长的问题,将小范围子图合并为大范围子图后进行匹配.实验结果表明,该方案相较已有的平面特征定位方法,能缩短成功定位所需的行进距离,并显著降低单条行进路径上的平均搜索耗时.     

基于ORB特征的改进RGB-D视觉里程计算法研究

提出一种基于ORB特征算子的改进RGB-D视觉里程计算法,针对移动机器人在室内环境定位时存在的精度低、系统处理速度慢等不足,首先对视觉里程计中ORB特征提取信息,采用四叉树形式划分,使特征信息提取均匀化;改进误匹配点剔除算法,缩小抽样点总量,有效剔除误匹配,提高机器人的位姿估计精度;最后,提出一种关键帧提取与筛选策略,利用局部地图判别关键帧,加快系统运行速度,减少跟踪丢失。仿真实验表明:改进后的视觉里程计算法鲁棒性更好,定位精度明显提高。     

基于动态帧的视频关键帧提取算法研究

针对基于内容的视频检索系统,提出了一种关键帧提取算法.为了提高算法的保真度和压缩比,首先构造了动态帧,它的每个像素对应一个像素代表灰度集合,该集合中的元素可以最大限度地代表镜头中相应像素的灰度值,然后根据镜头中每一帧与该镜头动态帧之间的距离来确定关键帧.为了验证本算法的有效性,选取了大量视频与TMOF算法及SKF算法进行比较.结果表明:该算法具有较高的准确性和可靠性,保真度和压缩比均高于其他两种算法.     

基于GEP自动聚类算法的视频关键帧提取方法

视频关键帧提取技术是视频数据处理研究领域的热点研究问题.该文针对现有的镜头边界检测技术不能有效提取关键帧的不足,提出一种基于小波边缘检测算子的自适应分块视频镜头边界检测算法.通过检测视频镜头变化,得到分割的镜头,然后对视频帧提取图像特征,并利用基因表达式编程(GEP)的自动聚类功能对视频帧进行聚类,提出并实现了基于GEP自动聚类的视频关键帧提取算法(KFC‐GEP).实验证明该方法能较好的提取视频序列的关键帧.     

基于DCE算法的压缩域视频镜头分割方法

镜头分割是视频检索的结构化基础,为此提出一种高效的视频镜头分割方法.首先,在压缩域中提取视频流中I帧携带的特征信息,并生成帧间特征分布曲线;然后,利用离散曲线演化(DCE)算法对预处理过的曲线进行分析与演进;最后,分割出视频镜头并提取关键帧.试验结果表明:该方法充分考虑了视频编码的时序特点,具有较好的分割效果,鲁棒性强.     

动态环境下改进ICP算法的RGB-D SLAM研究

针对传统的ICP(Iterative Closest Points)算法,无法满足室内动态环境下SLAM(Simultaneous Localization and Mapping)算法的准确性要求,提出了一种融合特征点结构相似性判断的ICP改进算法;通过在特征点集中引入三角形结构约束,实现两组点集中的动态匹配点与误匹配点的剔除,进而提高ORB特征点匹配的准确性;与传统的SLAM算法相比,改进后的算法对相机位姿的估计更加准确;通过在Linux系统下的仿真实验,结合特征点三角几何约束的ICP算法能够有效解决动态对象对相机位姿估计的影响,提高RGB-D SLAM在动态场景下的定位精度。     

基于相对编辑相似度的近似重复视频检索和定位

为有效对近似重复视频进行检索和定位,提出了一种基于相对编辑相似度的检索和定位算法.算法包括基于局部特征的视频编码和基于相对编辑相似度的在线检索和定位两部分.基于局部特征的视频编码首先提取数据库视频的关键帧,然后在关键帧中提取Root-SIFT特征描述符并应用层次K-Means聚类算法构建词典,之后将关键帧量化至词袋模型的单词并编码.基于相对编辑相似度的在线检索和定位首先对查询视频进行编码,然后应用相对编辑相似度算法,筛选近似重复视频并对近似重复片段进行定位.实验结果表明,LD算法比Yeh等提出的算法在平均F₁评价准则上效果要高8.55%,并且NDCR降低为原来的29%,效果提升明显.      

针对重复纹理场景的跟踪定位算法

提出一种针对复杂标识的分类学习算法,并将其应用于移动增强现实系统中,实现了基于自然特征的跟踪定位系统.在场景特征点识别分类基础上,采用关键帧匹配算法实现无标识跟踪定位.针对含有对称结构的场景提出一种误匹配特征的回收机制.实验结果表明,该算法可解决由于场景对称结构导致的错误特征匹配,从而大幅提高特征的正确匹配率.     

基于人工免疫有序聚类的视频关键帧提取方法

针对现有的基于无监督聚类的视频关键帧提取方法没有考虑镜头内容的时序性、对初始类的划分较敏感、易陷入局部最优等问题,提出了一种新的基于人工免疫的有序样本聚类算法.在传统人工免疫聚类算法的基础上引入了抗原记忆识别机制及改进了抗体的克隆与超变异机制,并在此基础上给出了基于人工免疫有序聚类的视频关键帧提取方法.该方法将镜头帧序列看成一个入侵机体的抗原序列,然后基于首次应答与再次应答机制依次为每个抗原产生记忆细胞池,最终每个记忆细胞池能识别的邻近抗原对应一个类别并选取距其类中心最近的帧为关键帧.对大量不同类型的视频进行了试验.结果表明,该方法能得到较高的保真度和压缩率,能够十分有效地提取出反映镜头内容变化的关键帧.     

基于视觉显著度的H.264冗余片编码技术

针对现有显著度模型不能同时兼顾快速运动场景和慢速运动场景的问题,对显著度模型建模方法中的运动特征提取算法进行改进,提升运动显著度子图的精确性。在此基础上,考虑到人眼视觉系统对图像局部内容更关注的特点,将改进的显著度模型用于H.264视频的冗余片编码技术中,对图像中人眼关注的区域进行冗余片编码,从而提高视频流的传输容错能力。实验结果表明,该技术在丢包网络中能明显提高解码图像的主客观质量。     

强照度鲁棒的SLAM算法

ORB-SLAM算法通过ORB(oriented FAST and rotated BRIEF)描述子匹配特征点,其光照强度鲁棒性不足,难以在光照条件较差时应用。对此,利用HSV空间中色调(Hue)光照强度鲁棒性较强的特点,提出通过高斯混合模型于前端匹配时将色调加入ORB特征匹配的方法,以解决特征匹配时光照强度鲁棒性不足的问题。通过光束平差法(bundle adjustment)进行位姿优化后,基于贝叶斯滤波模型,根据当前场景构建视觉字典以完成回环检测,提高SLAM算法精度。实验结果表明,相比ORB-SLAM算法,在保证实时性不变的情况下,本文算法精度与光照强度鲁棒性有明显提升。     

一种基于TF-IDF和ORB的改进闭环检测算法研究

针对视觉SLAM闭环检测过程中由于感知歧义导致的闭环不准确问题,基于TF-IDF方法提出了一种带权重的计算两幅图像相似性得分的算法,用于视觉SLAM的闭环检测研究;首先在特征点检测时,为了得到均匀分布且重叠点较少的特征点,使用FAST角点检测方法得到关键点,而后对关键点进行非极大值抑制;其次使用改进的算法计算两幅图像间带权重的相似性得分;最后根据场景图像的特征,进行闭环确认,进一步剔除错误闭环。实验通过搭建平台和使用标准数据集进行测试,证明了改进的闭环检测方法能够有效提高闭环的识别率与准确率。     

无人驾驶车辆单目视觉里程计快速位姿估计

针对传统的单目视觉里程计位姿估计算法无法满足无人驾驶车辆实时定位需求的问题,提出了一种基于基础矩阵性质改进的快速位姿估计算法。通过优化基础矩阵的计算过程来提高算法的实时性,首先得到含有8个未知参数的基础矩阵,然后利用特征匹配点对来求解基础矩阵。通过仿真实验对算法的效率和精度进行了分析,并将其与现有的算法进行了对比。实验结果表明,在不降低运动估计结果精度的前提下,优化后的位姿估计算法的运行速度可以在传统算法的基础上提高近4倍。研究对视觉里程计在无人驾驶车辆上的实时应用具有一定的参考价值。     

基于神经动力学的冗余机械臂恒定转速比算法

提出一种基于神经动力学的恒定转速比（CRR）算法,用于解决冗余机械臂运动规划末端精度问题.在运动规划中,通过神经动力学求解出雅可比矩阵伪逆,由4阶龙格-库塔法得出实时精准的关节角速度,从而获得各关节平均速度比,并将其比值关系带入CRR算法中求解出最优关节角度.与传统的加权伪逆运动规划不同,CRR算法是在关节角位置层面求解,这也正是提高冗余机械臂末端精度的关键环节.在文末,通过平面3自由度和平面6自由度冗余机械臂模型进行运动规划仿真,仿真结果验证了算法的有效性.      

融合光度和深度的视觉里程计改进算法

针对视觉里程计中对纹理较少的环境难以获得高精度相机位姿的问题,提出一种融合光度和深度的视觉同步定位与绘图(SLAM)方法.首先构造基于光度和深度的相机位姿优化函数,通过t分布模型计算每个像素点的光度和深度误差权重,对每一帧图像引入帧权重系数λ来平衡光度和深度,并采用中值法求解帧权重λ,求得相机位姿.然后对10个国际标准数据集进行仿真实验,结果表明,对纹理丰富的环境,本方法能够保持DVO SLAM算法的建图精度;对纹理较少的环境,本方法的建图精度要高于DVO SLAM算法,绝对路径误差降低31.6%,相对位姿误差降低19.4%.