SIFT特征匹配算法改进研究

为了适应于景象匹配导航及制导等实时性要求较高的领域,对SIFT特征匹配算法进行改进,提出了基于D^2OG特征点检测算子的改进的SIFT特征匹配算法。改进算法用D^2OG金字塔的过零点检测代替DOG金字塔的极值点检测提取尺度不变特征点,巧妙简化高斯金字塔的结构,降低了算法复杂度和时间代价。以标准测试图库中大量不同几何和灰度畸变图像为基础的仿真实验表明,基于D^2OG特征点检测算子的改进的SIFT特征匹配算法在保持原算法鲁棒性和精度的前提下,较大的提高了算法实时性。

Abstract：

An improved Scale Invariant Feature Transform algorithm was proposed based on D^2OG interest point detector for better real time performance in the application of scene matching navigation and so on. In order to detect the scale invariant interest point, a D^2OG pyramid is built and extreme detection in the DOG pyramid was replaced by zero detection in the D^2OG pyramid, which simplified the structure of DOG pyramid, so as to lower the complexity of algorithm, lessen the running time. Numerous experiments were carried out on standard testing images under various shooting conditions such as geometric distortion, illumination variation and so on. The result shows that the method has a big progress in the real time performance compared to the original one, with equally robustness and precision.     

基于单目视觉的微型飞行器移动目标定位方法

针对目标在地形高度未知环境中移动的情况,给出一种利用微型飞行器机载单目摄像机进行目标定位的方法。首先,借助光流直方图从当前图像帧中提取出移动目标局部区域内的背景特征点|然后,结合机载微机电系统(micro electro mechanical system, MEMS)/ 全球定位系统(global positioning system, GPS)传感器测量的飞行器位姿和空间平面点成像的单应变换关系,在期望值最大化算法中将背景特征点分类为辅助平面点和非辅助平面点,并估计辅助平面到摄像机光心的距离参数和法矢量参数,从而确定移动目标所处辅助平面的空间平面方程|最后,联立求解目标视线方程和辅助平面方程获得交点坐标,转换到惯性系下完成移动目标的地理定位。实验结果表明,当微型飞行器飞行高度为100 m时,操作人员单次点击移动目标的定位误差在15 m以内。     

图像制导中的SIFT快速算法

图像制导中,导弹根据预存的地形图自动捕捉攻击目标.通过图像匹配识别目标,尺度不变特征变换(the scale invariant feature transform,SIFT)算法具有优异的性能,但计算量较大.根据地形图像的特点提出了一种SIFT改进算法Zoser SIFT,Zoser SIFT直接对图像进行逐级递减采样,形成阶梯(Zoser)金字塔图层,由24邻域极值点形成特征点.新算法不进行高斯变换,具有图层少、特征点数量适中等优点,大幅度减少了计算量.同时新算法占用内存空间少,浮点运算少,适合在实时DSP系统中应用.新算法虽然抗噪声能力有所下降,但对光照改变、尺度变化、变形和遮挡等仍有很好的鲁棒性,在航拍地形图上进行识别时性能稳定.     

三维重建中特征点提取与匹配算法研究

提取图像的特征点并进行匹配,是三维重建中的关键技术之一,也是计算机视觉的一个瓶颈,至今仍未得到彻底解决.本文研究了Harris和SIFT两种应用广泛的特征点提取算法,对提取的特征点采用欧式距离度量点对的相似性,利用最近邻法搜索策略进行特征匹配.通过实验比较了两种算法的特征点提取结果,Harris算法对特征点进行了非最大抑制,特征点比较分散,SIFT特征点具有尺度不变特性,定位精度达到子像素级.最后,对SIFT特征点进行了宽基线下的匹配.     

基于动态目标的采摘机器人视觉定位技术研究

自然环境中水果扰动是采摘机器人视觉定位的难点。研究通过计算扰动荔枝图像中果实摆角大小,确定了静止、微扰动和大扰动3种状态;针对静止、微扰动的荔枝,利用改进的FCM模糊聚类方法进行果实、果梗的图像分割,利用Hough直线拟合确定果梗上有效采摘区域,实现了荔枝采摘点的空间视觉定位,并通过虚拟现实技术进行了机械手采摘扰动目标的仿真。视觉定位试验结果:静止、微扰动荔枝采摘点的视觉定位的深度误差值最大为2.3 cm,最小为0.6cm,表明了该方法的合理性与有效性。     

基于主成份分析的仿射不变特征图像匹配方法

从理论和实验上分析比较了尺度不变特征图像匹配方法和仿射不变特征图像匹配方法的异同,为提高图像匹配的速度和图像特征描述的准确性,提出了一种利用主成份分析对仿射不变特征匹配特征描述向量降维的方法。实验结果表明该方法能加速仿射不变特征图像匹配方法,在不降低匹配效果的前提下,将128维特征向量降低至15维。     

基于不变矩的景象匹配辅助导航快速匹配算法

针对景象匹配过程中矩特征计算量大、耗费时间长的问题,在搜索匹配前,首先通过小波变换压缩图像以减少搜索空间。在此基础上,为了减少每个待匹配位置相似性测度的计算量,利用矩特征的求解特点及匹配过程中相邻子图间的关系,通过设置多个和表简化各子图矩特征的计算。综合这两种加速策略,提出了一种快速的不变矩匹配算法,该算法极大地降低了匹配过程的计算代价。实验结果表明,所提算法与仅使用小波变换的方法相比,在保证匹配精度的同时,进一步减少了匹配耗时。     

基于感兴趣点特征的彩色图像目标分类与识别

提出一种基于赋色尺度不变特征变换的特征提取方法,分析证明了该特征对平移、旋转、缩放、颜色漂移等因素的不变性。进而研究了基于该特征的彩色图像目标分类与识别的策略和实现技术,提出了相应的算法。通过运用阿姆斯特丹目标图片库中随机选择的50类对象进行分类识别的实验检验,识别正确率可达到100%。理论分析和实验结果表明,赋色尺度不变特征在彩色图像的分类识别中展示出优越的性能。     

基于视觉对比度机制的红外弱小目标检测算法

针对红外图像中空天、海天等复杂背景及像素点噪声容易造成检测虚警的问题,提出一种基于视觉对比度机制的红外弱小目标检测算法。首先,通过新定义的局部对比度算子获取对比度增强的图像,该步骤可抑制背景杂波与像素点噪声对检测的干扰,提高图像的信杂比,增强目标区域的视觉显著性。然后,利用多尺度方法优化图像的显著区域,以增强算法的适用性,从而实现算法对不同尺寸的弱小目标的有效检测。最后,利用自适应阈值分割方法获取待检测的真实目标。实验结果表明,该算法无需图像预处理环节即可实现对不同尺寸的弱小目标的鲁棒性检测,对比常用算法具有快速性、高效性和较强的适用性。     

基于辅助匹配的1点RANSAC单目视觉导航算法

针对1点随机抽样一致性(random sample consensus,RANSAC)单目视觉导航算法中的主动视觉匹配失效问题,提出了一种基于辅助匹配的1点RANSAC单目视觉导航算法。首先,该算法通过引入尺度不变特征变换(scale invariant feature transform,SIFT)算法完成特征匹配;其次,采用RANSAC算法解算基础矩阵和匹配点;最后,通过实验验证了算法的有效性。实验结果表明,该算法能够解决主动视觉匹配失效问题,提高1点RANSAC单目视觉导航算法的导航精度。SIFT辅助求解的有效匹配点精度在5个像素之内,航向角平均误差减小5.04°,俯仰角平均误差减小1.21°,滚动角平均误差减小3.03°。     

基于立体视觉的虚拟机械臂平面定位研究

结合星球探测的应用背景,对漫游车的工作方式进行了研究,针对车载机械臂开发了一套基于立体视觉的机械臂平面定位仿真系统。该系统依靠虚拟现实技术,通过虚拟机械臂对三维重建得到的平整物体表面的定位仿真得到机械臂的各关节参数,以此指导真实机械臂的运动。论述了基于立体视觉的机械臂定位机理和基于OpenGL的虚拟机械臂的实现过程。采用VC＋＋构建了仿真实验平台,进行了定位实验,获得了较高的定位精度。     

基于周期性曲率函数的轮廓线匹配技术研究

轮廓线的自动匹配问题是计算机视觉、自动化和模式识别中的一个重要问题。传统的匹配方法中在特征描述部分容易出现误差,并且缺乏全局性。为此提出了基于连续函数曲率概念的周期性离散曲率函数,解决普通轮廓线勾画外形中的图形匹配问题。周期性离散曲率函数具有和原有图形相似的位移、旋转和缩放特性,具有很强的全局性。该方法具有直观和速度快的特点,并且实用可靠,可广泛地应用于类似系统。     

动态目标函数下的神经网络盲均衡仿真研究

盲均衡算法中常数模(CMA)和判决引导(DD)模式适时切换可以有效提高算法收敛速度和均衡性能,但是切换时机难以选择,同时在信道突发干扰条件下无法保证算法的稳健性.为此结合CMA和DD算法代价函数构造了一种动态目标函数,目标函数随着均衡算法迭代次数进行调整,以前馈神经网络(FNN)作为盲均衡器实现信道均衡,并以移动窗剩余误差变化率为判据对目标函数进行适时重置克服信道可能的突发干扰.计算机仿真表明了算法的有效性.     

移动机器人定位方法对比研究

定位问题是移动机器人领域内一个最重要的内容.首先定义了用于移动机器人位置跟踪的系统模型,介绍了基于该系统模型的移动机器人定位方法.在统一的平台上实现了三个滤波估计定位方法,二个贝叶斯估计定位方法,一个地图匹配定位方法,并基于一批实际的测量数据对六种定位方法进行了实验验证,对实验结果进行了深入的分析与比较.基于滤波的定位方法定位更精确,基于贝叶斯估计的定位方法更鲁棒.地图匹配定位虽然简单易行,但不能解决动态或相似环境中的定位问题.     

基于学习进化的机器人同时定位与地图创建

利用学习与进化结合的思想,改善基于粒子滤波的SLAM算法。在对学习与进化的关系深入分析的基础上,针对基于粒子滤波的SLAM算法,提出将滤波过程分成学习和进化两个阶段,分别给出相应算法解决粒子有效性与多样性的问题,缓解二者之间的矛盾,改善了SLAM算法的效果,增强了算法的鲁棒性,也验证了学习与进化的关系。最后,通过多次Monte-Carlo仿真实验结果表明了该算法的有效性。     

基于差分修正的传感器网络加权质心定位算法

节点定位是无线传感器网络应用的关键技术。针对加权质心定位算法存在的测距误差影响,提出了一种基于差分校正的加权质心定位算法DWCLA。算法先进行信标节点之间的测距,并用其实际位置求得测距的误差因子。节点利用最近信标节点的误差因子修正测距,从而对权值进行修正。仿真结果表明,DWCLA算法降低了测距误差对定位的影响,提高了算法的定位精度。     

无线传感器网络定位中动态信标移动路径规划

对于移动信标辅助的无线传感器网络定位技术,信标的移动路径对定位性能有着重要的影响.然而现有移动信标辅助定位的研究中,通常假定信标沿着预先设定的静态路径移动,静态路径移动未能利用定位过程的实时信息,对不规则拓扑及未知的部署区域等不太适用.采用定向天线技术,根据不同区域内普通节点接收信标的情况及节点分布数目,提出了一个启发式动态路径规划方法,能够在线决策移动方向和移动步长,更具灵活性、普适性.几种网络设置下的仿真验证了所提出的动态路径规划算法的有效性.     

基于ADAMS的移动机器人滑移量重建与补偿控制

主要研究利用基于ADAMS的虚拟样机技术重建移动机器人在不同路面条件下的滑移量,并进行滑移补偿控制的问题.首先利用机械系统动力学分析软件 ADAMS 创建轮式机器人的整体模型(包括车体模型、路面环境模型以及轮胎模型).利用此模型在 ADAMS 环境中进行仿真,模拟在不同路面条件下移动机器人的滑移效果,并根据机器人的运动学特性重建出不可测的滑移量.将滑移量传递给控制器参数设计出滑移补偿控制器,并进行了ADAMS与MATLAB联合仿真.仿真效果表明该控制器可以有效地补偿滑移效果,改善移动机器人在滑移状态下的控制精度.     

基于SOM的WSN节点定位算法与仿真实现

结合自组织神经网络（Self Organizing Maps,SOM）算法无监督学习特征和WSN自组织特点,提出了一种分布式的基于自组织神经网络的节点定位算法（Distributed Self-Organizing-Map and Received Signal Strength Indication,DSOM-RSSI）。DSOM-RSSI使WSN中的节点自组织为多个交叠的簇,通过多个簇头的并行计算,实现分布式的节点定位。DSOM-RSSI直接利用无线信号强度指示值进行定位,减少了以往把无线信号强度转化为距离后再来进行定位带来的误差和计算量。试验结果验证了该方法在定位精度和算法复杂度方面性能优于集中式的基于测距的自组织节点定位算法。     

基于水平集方法的动态目标跟踪路径最优仿真

两移动平面运动体因有各自的智能控制器,因此当它们在跟踪控制时,双方必然及时根据对方的策略改变各自的控制策略(方向和速度大小),来达到一种真正的双边最优(主动跟踪者最短时间的追上被跟踪者,而被跟踪者最大化时间避免被追上).首先将平面上任意运动体简化成带速度和加速度的质点,然后利用追逃微分对策理论建立起此跟踪路径最优问题的哈密顿-雅可比-贝儿曼偏微分数学模型.对这种双边极值的难点问题,提出一种水平集数值求解方法.并利用水平集的偏微分方程与哈密顿-雅可比-贝儿曼偏微分方程结构相似性得到水平集的速度函数.对一平面上两无人驾驶飞机的动态跟踪双方进行仿真,仿真编程简单,解决了双边极值的求解.