一种改进的特征点匹配算法

特征点匹配是计算机视觉中的关键步骤,在很多领域中都有着的重要应用。通过对当前图像特征点匹配方法的研究,提取一种基于特征点的灰度量和几何特征量相结合的匹配方法。该方法首先用Harris算法提取特征点;然后用极线约束减少搜索范围;最后用特征点的灰度量实现特征点匹配。该方法利用极线约束,克服了用灰度量进行特征点匹配计算量大的缺点。提高了匹配速度。实验表明,是一种准确快速的特征点匹配方法。     

双目动态视觉测量的匹配

针对在双目动态视觉测量系统中对特征点的准确匹配问题,采用强后方交会优化了外参数,提高外参数的精度,从而提高求取极线的精度;提出一种针对2幅图像特征点匹配的多约束匹配算法。多约束匹配算法在极线约束的基础上,增加了唯一性约束和双向匹配约束,结合视差约束的二次匹配,得到2幅图像特征点正确的匹配关系。实验结果表明:用于双目动态视觉测量系统的匹配中,可得到100%的匹配准确率。可以满足双目动态视觉测量系统对两幅图匹配的要求。     

利用极线约束方法实现图像特征点的匹配

点匹配一直是计算机视觉和模式识别领域中的一个重要问题。通过对双目立体视觉测量数学模型的研究，在2副图你中特征点数相等的情况下，基于极线约束等理论，给出了一种解决图像特征点匹配的新方法，对三维空间中的离散点在2个视平面上的投影点进行了正确的匹配。实验结果表明，该方法效果良好，具有实用价值。     

基于图像对数极坐标变换的多分辨率相关匹配算法

常规的图像相关匹配算法通常只具有平移不变性，而不具有尺度和旋转不变性，这就给存在尺度和旋转变化图像间的匹配问题设置了障碍。针对这一问题，提出了一种基于图像对数极坐标变换的相关匹配算法，并融入了高斯金字塔多分辨率机制以提高算法的效率。由于对数极坐标变换具有尺度和旋转不变性，因此该方法能够较好地克服传统图像匹配算法的缺陷，不仅可以完成存在更一般运动的图像间的匹配，而且在匹配的同时还可以对图像的尺度和旋转变化量进行估计。     

基于RANSAC算法的立体视觉图像匹配方法

针对大尺寸立体视觉测量中存在较大视差和透镜畸变等因素导致极线约束匹配率低的问题,提出了将图像校正与随机采样算法相结合的立体视觉图像匹配方法.对立体图像对进行线性校正,建立初始匹配点集;采用随机采样算法估计图像对之间的基本矩阵,恢复原始图像对之间的对极几何约束关系,剔除初始匹配点集中未匹配和误匹配的特征点,从而获得精确的匹配点集.该方法已应用于合成孔径雷达(SAR)大型可展开微波天线网面的实际测量,匹配率高于96%.     

多约束条件在薄膜充气天线面形测量中的应用

薄膜充气可展开天线的性能受其面形加工的几何精度影响很大,由于天线本身材质的特点,在其面形测量的方法中,非接触式的视觉测量技术具有很大的优势。在对大尺寸薄膜充气可展开天线的面形进行视觉测量过程中,综合考虑几何约束、极线约束、站位约束、距离约束等多种约束条件,可以使系统匹配自动化的准确率提高到100%,测量相对精度达到5×10-4以上,满足天线测量要求,并且对于测量过程中的网络规划、提高解析计算可靠性等方面起到了关键作用。     

双摄像机结构光三维测量系统自标定方法

针对双摄像机与投影仪结构光三维测量系统的标定问题,提出了极线约束条件下的自标定方法．依据极线约束理论,通过标定物上特征点与对应双摄像机的两个像点确定极线方程,建立了两个摄像机之间的平移和旋转关系矩阵．将多编码周期三角形灰度分布图案投射到标定物,获取特征点在投影仪上对应点的坐标,采用改进8点法建立投影仪与双摄像机关系矩阵的两个估计矩阵,利用对极距离为目标函数进行估计矩阵优化,得到双摄像机和投影仪的参数矩阵．采用该系统对平面和人脸进行了三维测量实验,结果表明平面测量的最大绝对误差不大于1．7mm,相对误差不大于0．18％,表明了该三维测量系统自标定方法的有效性．     

三线性约束及其在图像合成中的应用

通过对极几何关系及三线性约束关系立体视觉中参考视点之间和参考视点与虚拟视点之间的摄像机几何限制,把参考图像中的像素点直接转移到虚拟图像的对应点中去,即通过已得摄像机视点位置上的所得场景的图像,计算该摄像在其他各个视占位置上所得到的该场景的国邓列,表明,该方法简单、有效,对计算机视觉中的运动估计、低比特率视频编码、虚拟现实和动画制作中都有很发的应用价值。     

基于采样策略的无人机着陆导航算法

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状态估计的算法。采用PCA-SIFT算法进行特征点匹配,在保证能够稳定匹配的前提下,提出了帧间自适应采样策略的特征点选取算法,减少了计算的冗余性。然后通过建立本质空间中的状态方程,利用极线几何约束设计IEKF滤波器,对无人机进行相对位置、姿态估计。仿真结果表明,该算法实现了帧间特征点的快速匹配,较好的估计了无人机的相对位置、姿态信息,比单纯利用极线几何约束具有更高的精度和稳定性。     

基于特征点相似度的匹配定位算法

前视定位系统中可能存在如视点、方位和距离等误差,导致在匹配时刻获取的实时目标场景与模板中目标不一致,从而影响目标定位的准确性.本文提出了一种基于特征点相似度的匹配定位算法,首先在图像的尺度空间上提取尺度不变特征点.然后根据描述子来进行相似度的判别,得到初始的匹配点集,然后利用极线约束,从而消除匹配错误的点.利用类似RANSAC方法估计场景中目标的变换参数,从而确定场景中目标所在的位置、尺度变化和旋转角度.实验结果验证了该算法的有效性和鲁棒性.