乒乓球的三维运动轨迹重建

主要基于图像序列对乒乓球的运动轨迹进行三维重建,并对乒乓球运动形态进行分析.首先对采集的图像进行立体校正,利用颜色识别和改进的霍夫圆检测算法提取出序列图像中乒乓球的圆心坐标;然后根据前后帧图像的特征点坐标差值在时间序列上匹配特征点;最后,利用三角测量法对匹配的特征点进行三维重建,并计算出乒乓球不同时刻的速度和加速度,实现了动态物体的三维运动重建.实验结果表明该三维运动重建方法提高了特征提取的准确性,有效地实现了时间序列上的匹配,获得了物体的三维运动数据.     

利用Helmholtz互易原理由两对图像重建物体三维表面

针对利用Helmhohz互易原理由一对图像重构三维表面时存在计算时间长、显示质量不高的问题,提出一种利用上下对、左右对图像重建三维物体表面的高效算法.利用其中一对图像的匹配结果分割另一对图像的外极线,将整个外极线的匹配问题转化为相应子段的匹配问题,并交错地递归这种处理过程;引入不要求端点匹配的动态规划匹配算法实现子段对应,并分段重构物体=三维表面的点.实验结果表明,与单对图像重构算法相比,该算法能够大幅度地缩小动态规划算法的搜索范围,使得重构速度提高了一个数量级;通过上下、左右方向扫描线恢复三维表面点并大约增加0.5倍的重构点数量,使得表面显示质量得到明显提高.     

基于立体成像几何特性的动态有限搜索匹配法

提出了一种基于立体成像几何特性的动态有限搜索匹配法。该法根据被测物体与摄像机标定参照物在空间上的相互关系及被测物体形态，确定被测物体特征点视差匹配大致范围。利用立体成像几何特性，采用动态有限搜索法，以求出的视差为参考，根据左(右)图像中特征点与所得匹配对应点的水平视差值，确定在右(左)图像中的搜索方向和搜索范围，采用灰度区域相关计算，确定下一个匹配特征点，并依此类推。由于特征点灰度不稳定，且随视点的不同而有很大差异，为能得到正确匹配，需结合几何相似性约束。通过对一已知三维坐标标准件的计算机仿真实验，证实了该方法的有效性。     

基于结构光和极线约束的三维重建

结构光可以简单、快速并且精确地对被测物体进行三维信息提取,从而得到三维数据点云.而在结构光三维信息获取系统中,条纹的准确检测是影响系统精度的关键因素之一.为了改善这一问题,先利用格雷码对图像条纹进行粗定位,再结合相位码准确地对图像务纹进行细定位并利用极线约束把图像匹配过程中的二维搜索降为一维搜索.结构光条纹和极线的交点就是图像的匹配点,对匹配点空间前方交会即可得到物体的三维点云.反复试验表明,该方法能取得较好的效果.     

基于改进SFM的三维重建算法研究

针对现有运动恢复结构算法重建模型存在点云稀疏等问题,提出一种利用不同匹配数据进行模型重建的算法。首先通过对比上下文直方图(CCH)生成匹配数据,利用M估计抽样一致(MSAC)估算图像基础矩阵,进而分解得到平移和旋转矩阵,并根据相机内参计算投影矩阵,然后利用KLT匹配算法更新匹配数据,最后三角化生成三维点云。该算法匹配精度高,图像基础矩阵易于收敛,通过位移实现特征点匹配,弥补了图像低频区域匹配数据不足的缺陷。实验结果表明,与现有算法相比,该算法生成的点云更致密;在真实环境下,该算法可用于物体三维重建。     

基于改进SURF算法的柔性装夹机器人快速工件匹配方法

针对传统SURF算法在构建局部特征描述符时耗时较长,无法满足实时性要求的问题,提出了一种改进的SURF算法。首先,运用Hession矩阵行列式（DoH）检测图像中的关键点,并利用非极大值抑制法和插值运算搜索、定位极值点;其次,采用灰度质心法确定关键点的主方向;然后,采用二进制描述符BRIEF对关键点进行描述,并利用关键点的主方向构造带有方向的特征描述符,使其具有旋转不变性;最后,运用汉明距离初步确定匹配点,再用比率检测法和RANSAC算法去除误匹配点,进而获取精准配准。实验结果表明,该改进SURF算法在应用于机器人进行柔性装夹时,对工件图像的平均匹配时间由SURF算法的214.10 ms减少到86.29 ms;而且匹配精度方面比原SURF算法提高了2.6%,因此,所提算法能够有效提高柔性装夹机器人工件图像的匹配速度和匹配精度。     

从稳定区域进行扩展的动态变形表面三维测量与跟踪方法

在测量动态变形三维物体表面时,由于采用全局优化的方法处理较长运动视频会产生较大的累积误差,导致测量结果不稳定,为此,提出一种基于图像块的局部区域扩展方法.首先在立体图像与运动图像中寻找稳定的匹配特征点,根据匹配特征点的局部归一化关联度将匹配区域按照稳定程度排序;然后从最稳定的区域开始逐步扩展,之后修补在遮挡或高光区域出现的漏洞;最后修复运动中出现的累积误差,从而实现精确的三维测量与跟踪.模拟数据和真实数据的实验结果证明,该方法可以测量复杂变形表面的三维运动和三维形状,为定量分析动态变形物体运动提供有用的数据.     

红外与可见光图像特征点边缘描述与匹配算法

针对红外与可见光图像中特征点匹配的难题,提出一种基于形状上下文的特征点邻域边缘描述与匹配算法.首先采用基于曲率尺度空间的角点检测算法进行特征点提取,并将特征点所在曲线的法线作为主方向,避免了图像的旋转代价;然后搜索相同边缘上最近的特征点,通过计算这2个特征点邻域的边缘的像素点分布直方图构造一个120维的特征点描述符,并进行归一化;最后采用最近邻算法实现特征点匹配.实验结果表明,该算法能够有效地实现对红外与可见光图像特征点的精确匹配.     

一种新的基于图论的图像匹配算法

SIFT算法在图像匹配领域中占有重要地位,但是,利用SIFT算法提取的图像特征点,是分布在整幅图像中的,这就造成提取的特征点不集中。结合图论的方法,对SIFT算法提取的特征点进行处理,去除部分不集中的点,从而达到提高匹配效率的目的,将该方法命名为G-SIFT算法。G-SIFT算法提取的每一个特征点视为图的顶点,将这些顶点的一元关系视为图的边,并利用这些边的大小特点对特征点进行处理,使得处理后的特征点主要集中在物体上。实验证明,利用该方法对图像进行处理后,特征点匹配结果更加集中,匹配率最高提高了1.4%,匹配点集中在物体上的正确率最高提高了9.1%。     

基于全局二值特征描述子的三维CBCT图像快速匹配算法

三维图像拼接是通过锥束CT(CBCT)获取大尺寸物体完整的高分辨率三维图像过程中的关键技术之一,成为目前三维图像处理的一个新的研究方向.针对基于特征点的三维CBCT图像拼接技术中相似特征匹配正确率低、匹配过程耗时长的问题,提出一种基于全局二值特征描述子的三维CBCT图像快速匹配算法.首先对二值特征描述子BRIEF进行三维拓展,以适应三维图像;在此基础上加入全局描述子,增强特征描述子的独特性;在特征点匹配时,根据上述特征描述子的特点设计由粗到精的匹配策略,提高特征匹配正确率和效率.实验结果表明,该算法简单有效,可以在大量相似特征条件下提高特征点匹配的正确率,同时也显著提升了匹配速度.     

Tracking and Motion Estimation of the Articulated Object: a Hierarchical Kalman Filter Approach

Real-time motion capture plays a very important role in various applications, such as 3D interface for virtual reality systems, digital puppetry, and real-time character animation. In this paper we challenge the problem of estimating and recognizing the motion of articulated objects using theoptical motion capturetechnique. In addition, we present an effective method to control the articulated human figure in realtime.The heart of this problem is the estimation of 3D motion and posture of an articulated, volumetric object using feature points from a sequence of multiple perspective views. Under some moderate assumptions such as smooth motion and known initial posture, we develop a model-based technique for the recovery of the 3D location and motion of a rigid object using a variation of Kalman filter. The posture of the 3D volumatric model is updated by the 2D image flow of the feature points for all views. Two novel concepts – the hierarchical Kalman filter (KHF) and the adaptive hierarchical structure (AHS) incorporating the kinematic properties of the articulated object – are proposed to extend our formulation for the rigid object to the articulated one. Our formulation also allows us to avoid two classic problems in 3D tracking: the multi-view correspondence problem, and the occlusion problem. By adding more cameras and placing them appropriately, our approach can deal with the motion of the object in a very wide area. Furthermore, multiple objects can be handled by managing multiple AHSs and processing multiple HKFs.We show the validity of our approach using the synthetic data acquired simultaneously from the multiple virtual camera in a virtual environment (VE) and real data derived from a moving light display with walking motion. The results confirm that the model-based algorithm works well on the tracking of multiple rigid objects.     

基于BRISK特征的动态背景下运动目标检测

针对动态背景下运动目标检测过程中对检测算法实时性和鲁棒性的要求,提出了一种基于二进制鲁棒不变尺度特征(BRISK)的运动目标检测算法.通过改进的BRISK算法检测特征点;为了保证匹配精度和速度,采用K最近邻(KNN)算法进行特征点匹配;运用基于随机抽样一致性(RANSAC)的全局运动参数估计法获取最优全局运动参数;采用帧间差分法进行运动目标检测.实验结果表明:改进的BRISK算法减少了49.8％的特征点数目,KNN算法去除了85.9％的特征点对;在各种场景下能够准确地检测出运动目标,与以往算法相比检测效果较好.     

Shape recovery from turntable sequence using rim reconstruction

This paper makes use of both feature points and silhouettes to deliver fast 3D shape recovery. The algorithm exploits object silhouettes in two views to establish a 3D rim curve, which is defined with respect to the two frontier points arising from two views. The images of this 3D rim curve in the two views are matched using cross-correlation technique. A 3D planar rim curve is then reconstructed using point-based reconstruction method. A set of 3D rim curves enclosing the object can be obtained from an image sequence captured under circular motion. Silhouettes are further utilized to check for mismatched rim points. The proposed method solves the problem of reconstruction of concave object surface, which is usually left unresolved in general silhouette-based reconstruction methods. In addition, the property of the reconstructed 3D rim curves allows fast surface extraction. Experimental results with real data are presented.     

MEEM跟踪和改进ORB特征检测的三维注册方法

针对增强现实系统三维注册在线跟踪模型漂移问题,以及特征检测算法耗时问题导致的注册失败。提出一种基于MEEM跟踪和改进ORB特征检测的三维注册方法。通过MEEM算法对移动对象区域跟踪。对跟踪的目标位置采用ORB算法检测特征点时,采用多尺度空间理论提取稳定特征点,并且采用改进决策树的递归调整方式,同时对特征检测参数设置。利用相邻帧之间特征点的匹配关系求得三维注册矩阵;将跟踪数据集与OpenGL生成的立方体模型进行跟踪注册仿真实验。仿真结果表明,改进ORB特征检测算法对待注册区域的检测具有尺度不变性、更高稳定性以及特征分布均匀,误差相比ORB算法降低约42%,该注册方法在运行过程中基本能够保证误差在7 mm以内;使得AR系统具有较好的实时性、精确性和鲁棒性。     

Rank 1 weighted factorization for 3D structure recovery: algorithms and performance analysis

The paper describes the rank 1 weighted factorization solution to the structure from motion problem. This method recovers the 3D structure from the factorization of a data matrix that is rank 1 rather than rank 3. This matrix collects the estimates of the 2D motions of a set of feature points of the rigid object. These estimates are weighted by the inverse of the estimates error standard deviation so that the 2D motion estimates for "sharper" features, which are usually well-estimated, are given more weight, while the noisier motion estimates for "smoother" features are weighted less. We analyze the performance of the rank 1 weighted factorization algorithm to determine what are the most suitable 3D shapes or the best 3D motions to recover the 3D structure of a rigid object from the 2D motions of the features. Our approach is developed for the orthographic camera model. It avoids expensive singular value decompositions by using the power method and is suitable to handle dense sets of feature points and long video sequences. Experimental studies with synthetic and real data illustrate the good performance of our approach.     

基于未标定多幅图的三维重建算法

为得到鲁棒的三维重建效果,提出了一种基于未标定多幅图像的三维重建算法。该算法首先采用Harris算法检测特征点,针对双向匹配算法匹配速度慢的缺点,使用改进的双向匹配算法进行特征点匹配,在已知摄像机参数的情况下进行两幅图的三维重建;接着采用四元数算法进行坐标转换,将由每两幅图得到的不同部分的重建结果转移到同一坐标系下,实现了多幅图像的三维重建;最后利用集束调整优化重建结果。实验结果证明,该算法能获得比较满意的重建效果。     

一种无标记点三维点云自动拼接技术

基于相位投影和双目的三维光学测量系统已经广泛应用于各领域.受投影光测量系统单次测量范围大小的限制,对大型物体的测量需要在表面粘贴圆形标记点进行多次拼接的缺点,探讨一种基于SIFT的无标记点自动拼接技术.该技术采用SIFT方法获取两次测量的特征点,其次结合RANSAC求出图像特征点的匹配关系,再根据立体匹配中图像特征点与三维点云之间的对应关系,将二维特征点的对应关系映射到三维点云的对应关系上,最后由SVD奇异值分解算法求得旋转和平移矩阵实现拼接.实验证明:该方法可以避免在被测量对象上粘贴标记点,能够快速准确地实现自动拼接.     

一种用于未标定图像三维重建的立体匹配算法*

提出了一种适用于未标定图像三维重建的立体匹配算法。该算法首先引入限制因子来消除Harris角点聚簇的现象,使用高斯曲面拟合内插使Harris角点达到亚像素级;接着采用特征点的Sift特征描述符进行初始匹配,利用随机抽样算法估计基础矩阵的同时剔除误匹配点对;最后在估计的基础矩阵的引导下进行双向匹配。实验证明,该算法能够很好地恢复物体的结构,是一种有效的用于未标定图像三维重建的立体匹配算法。     

电子稳像中基于运动分类的全局运动估计算法

提出一种基于运动分类的全局运动估计算法.首先,分区提取图像中的鲁棒Harris特征点,并采用特征窗匹配思路,提高匹配速度;其次,对运动矢量在平移、旋转和缩放模式下的统计特性进行分析,提出运动类型快速判定方法,并验证特征点的有效性;再次,将有效点对代入运动方程,求取全局运动参数;最后,结合Kalman滤波来补偿当前帧实现视频稳像.实验结果表明,该算法能够处理含摄像机扫描和抖动的复杂场景,检测误差小于0.5像素,且达到实时处理.