基于热核信号的3D图形的分层匹配方法

3D图形稠密匹配是计算机视觉领域中的一个重要课题.为解决图形匹配中如何提高对拓扑噪声的鲁棒性和效率这2个基本问题,提出一种基于热核信号的3D图形分层匹配方法.首先利用热核信号函数检测特征点,并采用局部融合策略和最远点采样法适当去除冗余点和添加一些"辅助点",实现特征点优化;然后在这些特征点集上构造热核信号描述子,并利用熵将特征点按显著性排序作初始层匹配,再通过特征点各层邻域的局部匹配最终实现3D图形由粗到细的稠密匹配.在TOSCA数据库上进行数值实验,并将文中方法与已有的经典方法进行比较的结果表明,该方法在一定程度上克服了拓扑噪声的影响,并且运算效率较高,更适应于实际应用.     

基于谱对称的形状配准方法

针对现有三维形状配准方法中存在左右翻转的错误匹配问题,提出了基于内蕴对称特征检测的高效形状配准算法。首先,通过热核与几何约束构建模型的内蕴自对称点对;其次,基于谱嵌入特征空间分析提取模型的内蕴对称平面,并依据模型表面法向量有效识别模型的左右结构属性;然后,根据内蕴对称点对获得模型的一致性谱对称结构描述;最后,引入一致性点漂移算法(CPD),实现基于谱对称的非刚性模型的形状配准,有效避免了模型配准中的左右结构翻转问题。实验进一步论证了这种方法不仅有效提高了模型匹配的效率,而且能有效识别同类模型的结构特征,对于非刚性模型的配准具有较强的鲁棒性。     

基于改进SURF算法的双目视觉测量系统研究

针对双目立体测量中所使用的图像匹配算法精度不高的问题,提出了一种基于SURF算法的改进图像匹配算法并运用到双目立体测量系统中。首先运用SURF算法检测和描述图像对特征点、特征向量;其次采用双向特征向量匹配策略对匹配点集进行初始过滤;最后采用PROSAC算法根据极线约束几何模型对初始过滤后的匹配点集进行二次筛选,得到最终的优质匹配集合。实验表明,改进的SURF算法具有更高的匹配准确性和较好的算法实时性,运用改进SURF匹配算法的双目测量系统可实现更准确的定位测距。     

一种改进的Harris特征点匹配算法

针对Harris特征点匹配的精度低和效率不高的问题, 提出了基于Harris特征点匹配的改进算法. 首先对Harris特征点的提取方法进行了改进, 减少了伪特征点的提取. 然后利用改进的双向最大归一化相关系数匹配的方法提取初始特征点对, 最后用改进的随机采样一致法来剔除伪特征点对, 实现特征点对的精确匹配. 实验结果表明, 该算法不仅提高了特征点匹配的精度, 而且极大地提高了特征点匹配的效率.     

基于Gromov-Wasserstein距离的3D图形匹配方法

为提高图形匹配的匹配率和精确率,提出一种基于Gromov-Wasserstein(G-W)距离的3D图形匹配方法.首先将2个图形嵌入到度量测度空间中,通过最远采样法进行采样;然后采用G-W距离表示2个图形之间的差异性,构造出目标函数和约束条件,得到一个难于求解的二次分配问题;为了易于求解,提出一种约束条件松弛策略,只需满足行和(列和)约束即可,获得一组相互独立的线性约束;最后采用投影梯度算法求解,得到了更接近于理论值的解.在SHREC’10标准数据库上进行了多种非刚性变换的图形匹配的数值实验,并与已有的方法进行比较,结果表明,该方法在保证精确率的前提下大大提高了匹配率,并在一定程度上提高了实验结果的稳定性.     

基于FPFH-ICP的三维工件点云配准方法研究

针对三维工件点云配准方法存在配准精度低等问题,笔者提出一种基于快速点特征直方图（Fast Point Feature Histogram,FPFH）初始匹配与迭代最近点（Iterative Closest Point,ICP）的点云配准方法。首先,在配准前使用随机抽样一致（Random Sample Consensus,RANSAC）算法对初始点云数据进行预处理,获得目标点云数据;其次,使用FPFH算法提取点云特征,进行特征匹配,求得初始变换矩阵;再次,使用ICP算法对初始变换矩阵进行增益,求得最终变换矩阵;最后,完成点云精确配准。基于三维工件点云,将本文算法与经典算法对比测试。实验结果表明,本文算法在配准精度上有所提高。     

基于自适应特征融合的无纹理3D目标跟踪

基于轮廓匹配的无纹理3D目标跟踪算法需要根据3D模型和2D投影轮廓的3D—2D匹配点连续估计目标的位置和姿态,但在背景复杂和运动模糊的情况下容易错配导致跟踪失败.针对此问题,提出一种基于自适应特征融合的3D目标跟踪算法.首先在3D模型投影轮廓附近进行轮廓匹配和颜色统计建模,以提取轮廓特征和颜色特征;然后定义基于轮廓特征和颜色特征自适应加权的能量函数,并计算其相对于位置和姿态参数的偏导数;最后通过LM优化算法求解位置和姿态参数的最优值.为处理目标和相机的快速运动,采用由粗到细的策略在多尺度视频帧中迭代跟踪.定性和定量实验结果表明,在复杂背景和运动模糊的情况下,该算法仍能实现快速稳定的跟踪,具有较高的精确性和鲁棒性.     

基于归并优化的快速特征点匹配算法

在使用点特征进行图像匹配的过程中,初始提取的特征点的数量和质量决定了最终的匹配速度和匹配精度.针对这一特点,本文提出对初始提取的特征点集首先进行动态的分块归并优化,然后使用改进的分层投影匹配算法对图像进行粗匹配,最后通过极线约束得到鲁棒的匹配结果.实验表明,本方法在对纹理丰富、尺寸较大的图像进行匹配时,大大提高了运算的速度,同时又保持了匹配的精度.     

非刚性变换的三维等距模型的对应关系研究

针对非刚性变换后两个三维等距模型间的对应关系问题,提出了基于极点谱植入初始化的贪婪优化算法。首先运用基于高斯曲率的最远点采样算法,获得一组数目相同和位置相对一致的采样点;其次改进初始谱植入匹配算法建立两模型采样点集间的初始对应关系;最后使用基于全局度量（测地距离）的贪婪优化算法进行迭代优化,从而得到三维模型间的稀疏对应关系。实验结果表明,改进的非刚性匹配算法能够获得强健的稀疏对应关系,并在一定程度上提高了匹配算法的效率。     

基于改进SURF的图像匹配算法

针对传统SURF的图像匹配算法存在计算数据复杂、耗时长、匹配正确率不佳等问题,提出一种基于改进SURF的图像匹配算法.首先,用传统SURF算法来提取待匹配图像的特征点,再通过圆形区域代替矩形区域将SURF的64维度描述符降到20维度;采用KNN,来双向匹配待匹配图像的特征点,得到双向的初始特征点匹配对集;最后,通过RANSAC算法对初始匹配对集进行双向剔除错误的匹配对.实验的结果表明,本文算法减少了特征点检测时间,提高了匹配正确率,还有较好的鲁棒性.     

基于3D人脸模型的驾驶员头部姿态鲁棒跟踪算法

驾驶员头部姿态跟踪是车辆辅助驾驶系统中的关键问题之一,文中提出了一种基于3D人脸模型的驾驶员头部姿态鲁棒跟踪算法;首先,将3D人脸模型映射到第一帧图像中,获取到脸部区域及估计出初始姿态;然后,在脸部区域中跟踪并检测特征点,并把匹配结果作为基于模型的光束法平差机制的输入来恢复出3D人脸模型的头部姿态;为提高检测精度,在每帧脸部区域内重新提取特征点用于跟踪;实验结果表明,该算法在部分遮挡及大幅转动时是有效的.     

基于双目视觉的四边形闭环跟踪算法

针对动态背景下视觉跟踪存在的错误率大、鲁棒性不强以及多目相机信息融合难等问题,提出一种基于双目匹配的视觉跟踪算法.结合双目相机的物理结构特点,该算法以四边形闭环方法对特征点进行匹配,实现特征点的双目匹配和立体跟踪,并优化匹配的搜索结构.算法首先采用高斯-拉普拉斯模板对图像进行滤波,利用Harris角点检测算法提取特征点并依次构造描述子序列,然后以绝对误差和作为匹配代价的衡量准则,建立四边搜索准则进行邻近搜索,同时引入RANSAC(随机采样一致性)算法进行可靠性筛选,最终通过4点构成的四边形闭环检测实现了特征点跟踪精度的改进.通过对不同分辨率、不同路况图像集进行测试实验,所提出的四边形跟踪算法特征跟踪正确率可达99.80%,鲁棒性和精度均优于光流法.     

结合聚类参数的圆投影模板匹配改进算法

针对圆投影模板匹配方法特征提取过程中损失大量图像信息的缺点,提出了结合聚类模型参数的线性光照鲁棒圆投影模板匹配方法。所提方法采用线性对比度拉伸来消除光照影响,并将模板图像各圆环内像素点的高斯混合模型聚类参数作为模板特征。匹配时通过一次迭代计算即可得到匹配误差,且该匹配过程可通过查找表来提高匹配速度。在目标搜索时使用了降采样搜索方法,并将降采样搜索匹配后各位置的误差均值作为自适应阈值,对匹配误差小于该阈值的降采样点邻域进行逐点匹配,匹配误差最小的位置作为最终匹配结果。试验及分析说明所提方法的定位误差及可靠度与基于归一化相关及均值的圆投影匹配算法相比有较大提高。     

基于改进Census变换的自由曲面立体匹配方法

针对基于网格投影的自由曲面三维重建方法中,特征点集中分布于投影网格线条之上,而投影网格线条未能覆盖的部分即投影网格线条间的自由曲面区域无特征点,导致重建精度较低的问题,提出一种基于自适应窗口的改进Census变换立体匹配方法,对投影网格线条间的自由曲面进行三维重建;将特征匹配算法与区域匹配算法相结合,以图像中目标物体上的投影网格指导Census变换;利用可变视差范围计算Hamming距离作为匹配代价;通过筛选获得精度较高的匹配点对。实验结果表明,该算法应用于双目视觉图像三维重建,可有效提高投影网格线条间自由曲面的重建精度。     

基于视觉语义与激光点云交融构建的SLAM算法

激光雷达作为同时定位与地图构建(SLAM)传感器之一,因精度高、性能稳定等特点而被广泛研究使用.但其获得的点云数据较稀疏,包含特征信息少,会导致误匹配、位姿估计误差大等问题,影响SLAM的定位和建图精度.对此,提出一种将视觉语义信息与激光点云数据融合的SLAM算法(VSIL-SLAM).首先,基于投影思想将聚类后的点云映射到语义检测框内,生成语义物体,解决原始激光点云特征稀缺问题;然后,在形状特征的基础上引入拓扑特征对语义物体进行表述,提出基于匹配的拓扑相似性度量方法,解决单一特征造成的误匹配问题,提高匹配准确度;最后,加入语义物体点到点的几何约束,基于几何特征和语义物体构建前端里程计,并完成后端回环检测和位姿图优化设计.实验结果表明,所提出算法在定位和建图效果上都有显著提高,改善了激光SLAM算法的性能.     

具有抗仿射性的局部特征点匹配方法

针对现有局部特征匹配算法对具有仿射性的图像匹配效果欠佳、耗时较长,以及随机采样一致性（RANSAC）算法对仿射性图像匹配得不到较好的参数模型等问题,提出一种具有抗仿射性的A-AKAZE（Affine Accelerated KAZE）算法,并用向量场一致性来筛选内点。首先利用非线性函数构建尺度空间,然后借助Hessian矩阵检测特征点,并以特征点为中心选取合适的区域作为特征采样窗口;再把特征采样窗口在经纬度上进行投影以模拟不同角度对图像的影响,随后在投影区域中提取具有抗仿射性的A-MLDB（Affine Modified-Local Difference Binary）描述符;最后利用向量场一致性算法提取内点。实验结果表明：A-AKAZE算法的正确匹配率相较于AKAZE算法提高了20%以上,与AKAZE+RANSAC算法相较提升了15%左右,与ASIFT（Affine Scale-Invariant Feature Transform）算法相比提高了10%左右,相比ASIFT+RANSAC算法提高了5%;而且该算法的匹配速度远高于AKAZE+RANSAC、ASIFT和ASIFT+RANSAC算法。     

高分辨率遥感图像配准控制点均匀化算法

针对多源遥感图像普遍具有数据量大、辐射差异大等特征,而现有的图像配准算法无法直接应用于遥感图像自动配准处理中的问题,综合考虑控制点的密度和分布,提出了一种高分辨率遥感图像自动配准算法。首先,将待配准图像和参考图像降采样到单机可以处理的大小,利用尺度不变特征变换(SIFT)算法建立降采样图像间的初始匹配;其次,将原始待配准图像按照网格分割为子图像,并利用初始匹配找到每幅子图像在参考图像上的对应子图像;再次,利用SIFT和极大稳定区域(MSER)特征点的空间互补性,在每一对子图像上提取大量特征点;最后,利用随机采样一致性(RANSAC)算法剔除误配后,采用基于最大团问题的贪心法进行控制点均匀化处理,进一步剔除冗余的控制点。与现有的基于SIFT特征和基于灰度的遥感图像配准算法相比,本算法在配准精度和控制点的分布均匀度等方面具有优越性。     

基于三角网下的仿射不变几何约束的图像匹配算法研究

针对当前图像匹配方法在进行图像匹配时,主要通过度量特征向量之间的距离来完成图像匹配,导致算法鲁棒性差、误配率较高及效率较低等不足,本文提出了基于三角网下的仿射不变几何约束的图像匹配算法。首先,在尺度空间上通过Hessian矩阵对特征点进行检测,利用子块的三角特征与对角特征对SUR机制进行改进,用以生成新的特征描述子,并通过定义阀值评估策略,对图像特征点匹配,从而生成了初始匹配点;然后,引入 三角网,对初始匹配点进行聚类,以获取匹配三角形,将三角形以外的无效特征点剔除。最后,引入仿射不变几何约束,对匹配三角形进行细化,通过细化的匹配三角形获取最终的匹配特征点,有效剔除误配点,进一步提高配准精度。仿真结果表明,与当前图像匹配算法相比,本文算法具有更好的鲁棒性,且其具有更佳的匹配精度与效率,有效剔除了误配点。     

二维形状的热核特征及其在分类问题中的应用

为了在二维形状上寻求具有不变特征的形状描述,从三维的角度考察二维物体的形状信息,提出基于热核的形状分类算法.首先对原始物体的边界进行采样,并将内部区域三角化;然后通过优化的方法,把二维形状转化为表面光滑且封闭的三维网格曲面;最后提取三维模型表面的热核特征,利用词袋模型得到物体的特征向量,最终实现物体的形状分类.在MPEG-7与Animal Shapes数据库上的实验结果表明,与传统算法相比,该算法分类的准确率更高,鲁棒性更强.     

新型图像角度匹配方法及其应用研究

探讨了一种基于机器视觉的PCB自动装配线多焊盘实时定位方法。采用多分辨率图像金字塔匹配策略,利用模板图像与待搜索图像的灰度特性,使用圆投影匹配进行初始候选匹配点的选取,得到一系列的候选匹配子图;使用SIFT算法对候选匹配子图和模板图像进行特征匹配,确定对应匹配点,消除误匹配的候选子图;根据点的模式匹配,确定大致的旋转角度,使用重采样和插值的方法计算精确的旋转角度。实验表明,该方法可以准确、实时地实现目标定位。