基于RANSAC改进算法的单目视觉里程计研究

运用SIFT算法对单目所采集的室外视频图像的相邻两帧进行了特征点的检测与匹配.采用改进的RANSAC算法对所匹配点进行了误匹配点剔除.根据相邻两帧图像特征点的跟踪以及里程计读数作为辅助信息,求解特征点的三维坐标;进而根据视觉里程计模型,达到机器人的定位.实验结果表明,该方法相比传统的里程计定位精度高,比之双目激光等定位方法,又有成本廉价的优点.     

基于图像理解的移动机器人定位问题研究

为了能够提高在一般环境下移动机器人定位的精度,文章采用栅格地图来描述环境;提出基于图像理解的移动机器人定位的概念,将栅格地图当成图像来处理,从而可以将图像配准中的优秀算法引入移动机器人定位中;对于栅格化的图像提取其Harris角点,同时提出两步匹配法寻找相邻2个时刻的2幅图像中匹配的Harris角点。首先采用里程计的数据对角点进行粗匹配,而细匹配采用的是基于随机抽样算法,能够有效地剔除粗匹配过程中误匹配的角点对,提高了定位算法的鲁棒性;最后用非线性最小二乘法估计机器人的位姿。通过实验可以看出在一般的环境中,基于图像理解的定位算法要优于基于线段特征的定位算法。     

序列图像目标跟踪的神经网络算法

针对序列图像目标跟踪问题，在提取图像特征点的基础上，提出了一种最优化算法，该算法将序列图像目标跟踪问题转化为相信两帧图像特征点间的匹配问题。文中根据匹配问题的各种限制条件给出代价函数，并利用Ｈｏｐｆｉｅｌｄ神经网络最优化计算功能来求取该代价函数的局部极小值。其中神经元的状态用以表示相邻两帧图像特征点间的匹配关系。神经元间的权连结用以反映地应特征点间的匹配程序。也就是说，本文针对序列黑种人希目标跟踪     

基于兴趣区域的特征匹配的电子稳像方法

为提高电子稳像技术中运动矢量估计的准确性, 采用基于兴趣区的特征点匹配进行运动矢量估计。该算法选取图像的兴趣区(ROI: Region of Interest)进行Harris 的特征点检测, 将ROI 内的特征点稀疏化, 利用SAD 准则在相邻帧的特征窗内寻找匹配点对和距离准则剔除误匹配点进行逐帧运动补偿。实验结果验证了该算法的有效性。     

基于滑动窗口优化的激光雷达惯性测量单元紧耦合同时定位与建图算法

针对现有的激光里程计在面临室外大场景建图时,普遍会出现定位精度低、鲁棒性差的问题,本文提出一种16线激光和IMU惯性测量单元紧耦合的SLAM算法。首先对IMU进行估计位姿,通过线性插值矫正激光点云的运动畸变；接着通过曲率提取场景特征,并根据不同特征性质进行分类；然后利用帧间匹配模块在滑动窗口内构建局部地图；最后利用帧与局部地图匹配得到的距离和IMU数据构建联合优化函数。借助KITTI数据集和自行录制的园区数据集,对改进算法与主流的Lego-LOAM和同样使用紧耦合方案的LIO-Mapping进行分模块和整个系统的精度评定,实测结果表明,在符合里程计实时性的要求下,改进激光里程计精度高于Lego-LOAM和LIO-Mapping方案。     

大型工件测量系统中的快速图像拼接方法

根据大型工件测量系统中的图像拼接特点,提出了一种改进的模板匹配与特征提取相结合的高精度快速图像拼接算法.该算法对相邻的两幅图像采用多尺度Harris算子提取特征点,在第一幅图像中根据特征点的分布确定模板块,在第二幅图像中进行模板匹配找到匹配块,再基于特征提取在匹配块内进行对应特征点的计算,完成拼接.试验结果表明,该算法...     

换流站巡检四足机器人建图定位系统优化

为解决巡检机器人对换流站狭窄区域场景以及多楼层场景建图定位困难的问题，本文采用四足机器人作为巡检平台，对四足机器人建图定位系统进行优化。首先融合深度相机与激光雷达点云，对融合点云进行地面分割，提取边缘特征、非地面面特征以及地面面特征，优化基于特征的点云匹配算法，使用紧耦合的迭代卡尔曼滤波器(iterated extended Kalman filter, IEKF)来融合点云特征点和惯性测量单元（inertial measurement unit, IMU），通过ORB（oriented FAST and rotated BRIEF）描述符计算关键帧图像的BoW（Bag-of-Words）向量用于回环检测消除建图累积误差。其次，通过无迹卡尔曼滤波（unscented Kalman filter, UKF)融合足式里程计作为四足机器人正态分布变换（normal distribution transform，NDT）姿态匹配初值，加快NDT匹配时间，通过实时匹配融合点云与三维地图得到全局位姿进行姿态更新。实验结果表明，本文提出的建图方法可以实现狭窄通道以及多楼层场景的有效建图，所提出的定位方法可以实现两种场景下帧图匹配时间至42 ms以及重复定位精度6 cm以内的实时有效定位。     

一种鲁棒的图像拼接算法

图像拼接的核心是图像的配准.提出一种准确、高效的图像拼接方法:利用Harris角点检测算子提取相邻图像的特征点,通过Euclid度量改进熵变换的算法,进行特征点匹配,并通过最小均值二乘估计求解相邻图像的变换矩阵,以此实现宽视角图像的拼接.实验结果表明:所给出的算法能够实现场景图像的精确匹配.     

基于多信息融合的移动机器人定位算法

为了提高机器人的定位精度,提出了一种基于里程计、单目视觉与激光雷达信息相融合的自定位算法.首先,由里程计推算出机器人在各个时刻位置的估计值;其次,在不同时刻计算出机器人摄像头与任意两个环境特征点的夹角变化,通过激光雷达获得环境特征点的距离和角度并利用扩展卡尔曼滤波算法与里程计的定位信息进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计.实验结果表明,该算法在多转角、长距离的情况下取得了满意的效果,有效地提高了定位精度.     

基于双特征融合的动态图像分析算法

为解决汽车碰撞实验过程进行测量和记录数据困难的问题,提出一种能从汽车碰撞动态图像中检测、识别和追踪标志目标的算法。该算法采用二值图像同或相关法分离出目标和背景;在找出感兴趣区域后提取相邻帧目标的坐标和纹理进行特征匹配;给出了对匹配量化值进行加权平均融合的策略,并由等错误率最小准则确定融合的最佳权系数;在融合量化值定义为相似度的基础上,通过决策阈值对相邻帧目标间的最大相似度组合进行识别;从而进一步提出了用同构映射原则来判断相邻帧目标的最佳配对。实验结果表明,该算法对相邻帧目标的配对准确率比传统单特征法提高5%,能更有效的对目标进行追踪。     

基于SURF算法的侧扫声呐图像配准

针对侧扫单幅声呐条带图像检测海底范围较小的问题,研究了一种基于SURF算法的侧扫声呐相邻条带图像配准方法,运用SURF算法通过程序设计实现了侧扫声呐相邻条带图像间的配准。首先对采集的原始声呐数据进行预处理,得到更为精细的声呐图像;其次,通过Hessian矩阵检测两条带图像间的特征点对;然后,在一定的尺度下,利用Haar小波确定每一个特征点的主方向及其特征描述符;最后采用最邻近次邻近法对特征点进行匹配,通过设置最近邻与次近邻的比值剔除误匹配点。实验结果显示,该算法提取特征匹配的效率高,特征点间匹配度高,图像拼接效果较好。     

一种改进SURF算法的单目视觉里程计

基于微软Kinect传感器,提出一种改进SURF(speeded up robust features)特征提取算法的单目视觉里程计新方法。用Kinect传感器获得环境彩色和深度图像,再采用基于特征点信息的改进的SURF算法完成彩色图像特征点的提取与匹配,提高匹配的正确率和鲁棒性,随后进行与深度图像的映射,实现三维重建并利用最小平方中值定理估计出机器人的路径信息。实验证明,该方法匹配正确率较SURF算法更高,在动态环境下具有很好的鲁棒性,是一种简单、有效的单目视觉里程计新方法。     

基于KLT光流的无人机视频影像特征点跟踪算法

针对无人机低空采集的高分辨率视频特点,提出了一种无迹卡尔曼滤波和KLT(Kanade-Lucas-Tomasi)匹配算法相结合的特征点跟踪算法。首先,利用无迹卡尔曼滤波在相邻帧中进行特征点预测,以确定匹配范围;其次,根据KLT匹配算法对特征点进行跟踪,以得到的匹配结果作为观测值;最后,通过卡尔曼增益修正得到特征的准确位置。针对建筑物、草地等不同类型视频数据集的实验结果表明,该算法可以得到精确的特征位置。     

无人机视角下的特征匹配引导粒子滤波跟踪算法

粒子滤波(particle filter, PF)算法被广泛应用于视觉目标的跟踪,然而,在无人机视角下,摄像机与画面中的目标同时运动,导致了PF对目标运动状态的预测失效.针对此问题,提出一种面向无人机视角下的改进的粒子滤波跟踪算法——特征匹配引导的粒子滤波跟踪算法.首先,利用相邻两帧图像中目标物体尺度不变特征变换(scale invariant feature transform, SIFT)特征匹配的结果作为初次定位;然后,利用空间加权的HOG特征与PF相结合获取二次定位结果;最后,利用chamfer distance修正跟踪结果的SIFT特征点作为下一帧特征匹配的模板,从而循环产生准确的视频跟踪结果.比较试验表明,该算法有效地改善了传统PF跟踪算法在无人机视角下运动状态预测方程失效的问题,能够较准确地对运动目标进行跟踪.     

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。     

基于Harris-改进LBP的特征匹配及目标定位算法

为满足机器人伺服抓取中定位精度和实时性的要求, 提出一种基于Harris及改进局部二值模式(LBP)的特征匹配和目标定位快速算法. 首先采用Harris检测算法提取图像特征点; 然后提出一种新的特征点描述子定义方法, 先利用胡矩确定特征方向, 再根据特征方向对局部图像做标准化处理, 提取标准化局部图像LBP特征作为特征点描述子; 最后通过计算两张图像中各特征点描述子间的汉明距离实现特征匹配, 再根据匹配结果估计单应性矩阵, 定位目标在场景图像中的位置. 实验结果表明, 该算法匹配速度快、 定位精度高.     

一种新的基于互信息的图像配准方法

针对目前基于互信息图像配准方法中存在的不足,提出结合图像二维信息(如轮廓和边缘)与互信息的图像配准算法.它首先利用小波多尺度积提取两幅图像的特征点及其角度信息,再根据得到的特征点和角度信息,定义了特征点对互信息匹配准则,得到相应的匹配点对.最后进行了仿真实验,并将结果与由相关度、对齐度准则得到的结果进行比较,所提出的算法匹配误差最小.结果表明该算法具有匹配精确、鲁棒性好和效率高等优点.     

基于Harris-Hist的特征匹配及目标定位算法

针对目前机器人伺服定位抓取中定位精度和实时性较差的问题, 提出一种基于Harris-Hist的快速特征匹配及目标定位算法. 首先, 采用Harris检测算法提取图像特征点; 然后, 提出一种新的特征点描述子定义方法, 计算特征点圆形邻域内像素点灰度直方图刻画特征点, 通过计算两幅图像中各特征点描述子间的距离实 现特征匹配; 最后, 根据匹配结果, 估计单应性矩阵, 定位目标在场景图像中的位置. 实验结果表明, 该算法匹配速度快、 定位精度高, 能满足机器人伺服定位抓取中定位精度和实时性的要求.     

沙质环境中基于视觉的月球车定位方法

视觉里程计是月球车上重要的传感器之一,能够实现月球车在松软月面的定位,并对滑转率进行估计．针对沙质的月面模拟环境,为月球车开发了适应能力强的视觉里程算法．首先,研究基于形态学的图像增强算法以保证提取到足够多的特征点;其次,在对极线约束下实现角点的匹配,并且通过优化搜索窗口尺寸和预估搜索方向等方法提高匹配和跟踪的效率;再其次,采用随机抽样一致（RANSAC）算法进行运动估计,计算巡视器在6个自由度上的姿态变化;最后,在月面模拟场地对视觉里程算法进行试验,证明所提算法在特征稀少的环境中仍能保持较高的稳定性和定位精度．     

基于 SIFT 算法的无人机遥感图像拼接技术

为了给农田研究人员提供高精度、 宽视野的图像, 在利用 SIFT(Scale-Invariant Feature Transform)算法初 步检测候选点步骤中, 加入自适应阈值去除部分候选特征点; 结合无人机图像的经纬度坐标及重叠区域位置关 系剔除部分无效特征点, 并进行特征点粗匹配; 利用随机采样一致算法消除误匹配点对, 并求解投影变换矩阵 完成相邻两幅农田遥感图像的拼接; 设计了金字塔拼接策略, 完成 128 幅高分辨率图像的拼接。 实验结果表 明, 基于 SIFT 算法, 利用改进的特征点精简方法, 特征点粗匹配时间平均减少了52%, 精匹配时间平均减少了 25%; 基于 6 个图像融合评价参数的对比实验发现, 从定性和定量两个方面, 基于多分辨率的图像融合均优于 其他融合算法。