基于极半径不变矩的平面单足足迹识别

采用极半径不变矩作为描绘子对平面单足足迹进行粗匹配实验。设计了“距离排序法”作为粗匹配的分类器。使用极半径不变矩的5维特征值作为描绘子识别实验结果为在排除83％前嫌人员的条件下,识别准确率为86％。实验的结果表明使用极半径不变矩作为描绘子进行的粗匹配比使用足长与足宽的粗匹配的识别准确率和前嫌人员排除率都更高。     

复杂物体线结构光中心线提取方法研究

针对复杂物体动态三维测量中条纹图像过曝光、欠曝光以及环境光照干扰引起激光中心线提取速度慢、提取不准确的问题，提出一种基于深度学习语义分割技术的光条中心线提取方法，该方法使用改进的UNet++模型进行图像分割，粗提光条中心区域，得到1～2个像素宽度的光条中心线，再利用灰度重心法精确提取亚像素中心。经实验证明，该方法能够有效克服因光条图像曝光不均以及外部干扰噪声带来的不良影响，准确、快速地提取出了复杂物体完整、光滑的亚像素光条中心线，满足工业中动态三维测量的要求。     

基于降采样和改进Shi-Tomasi角点检测算法的PCB图像拼接

针对大型多重复单元PCB图像拼接耗时长、拼接错误率高等问题,提出了一种快速鲁棒的图像拼接方法.对采集到的高分辨率PCB图像进行降采样,基于人工选点精准获取含重叠区域的图像单元作为配准区域;引入抑制半径的方法对Shi-Tomasi角点检测算法进行改进,使提取出的区域特征点分布更加均匀;使用暴力匹配方式分别对区域特征点进行粗匹配并通过RANSAC算法剔除误匹配点对后获得配准系数矩阵;结合仿射变换公式推导计算出原图像的配准系数矩阵,根据配准系数矩阵对待拼接的图像进行融合,得到完整的PCB拼接图像.实验结果表明,所提出的PCB图像拼接方法,加快了PCB图像拼接的速度同时也提高了特征点匹配精度,在对图像降采样8倍下,改进的Shi-Tomasi算法较传统的Shi-Tomsi算法和Harris算法在匹配正确率上分别提高了7.8％和4.0％,验证了该方法的可行性.     

一种有效的影像中椭圆形目标提取方法

高精度的影像目标点的自动提取,是摄影测量三维重建的基础.提出了一种基于自适应阈值化的轮廓提取方法来有效的提取影像中的椭圆形目标点,通过模板匹配的方法自动确定影像中包含目标点的感兴趣区域,在区域内对影像边缘进行处理提取椭圆形目标轮廓,借助于最小二乘椭圆拟合实现椭圆形目标点中心坐标的确定,达到了亚像素级的精度.在目标点椭圆拟合的过程中对,对拟合粗差像素点进行剔除来提高中心坐标的确定精度.根据椭圆特征设置筛选条件,保证了感兴趣区域内检测椭圆的唯一性.     

变电站机器人自动巡检中的刀闸开合状态分析

针对人工刀闸巡检主观性强、费时费力等弊端,提出一种可应用于机器人巡检的刀闸开合状态分析方法。该方法分别提取了模板图像和巡检图像的SURF特征点和特征向量,并基于最近邻匹配和随机抽样一致性(RANSAC)算法完成了巡检和模板图像的匹配与配准;然后根据模板图像上的刀闸位置信息获得配准后巡检图像的刀闸区域;接着采用Canny算法对刀闸区域进行边缘检测,并利用概率Hough直线检测算法提取边缘直线;最后根据刀闸左右两臂的直线斜率差来判断刀闸的开合状态。实验结果表明该方法对于巡检和模板图像的匹配与配准都均有较高的准确度,并能精确描述出刀闸的开合程度。     

基于四叉树的SIFT与K-D树融合的图像匹配研究

为了解决SIFT算法在立体视觉中耗时长、误匹配度高以及提取的特征点扎堆的问题,提出一种基于四叉树的SIFT与K-D树融合的快速特征匹配算法.该方法采用一种结合了自适应阈值的快速特征点提取算法提取关键点,由于所提取的关键点具有扎堆现象,故提出一种四叉树结构并将其应用到图像匹配中.利用改进的K-D树与随机一致性算法进行关键点的粗匹配与提纯.实验证明,该改进算法的平均匹配速率相比SIFT算法提高了3.35倍,匹配正确率由86.18％提高到97.53％,同时该改进算法比SIFT算法在视角、模糊、光照以及尺度变化方面更具有优越性,所以该算法能够满足高匹配率、实时性好且特征点均匀化的要求.     

一种基于极化熵的极化SAR海岸线提取方法

提出了一种可用于极化合成孔径雷达图像的海岸线提取方法。通过对极化SAR数据的分析，极化熵由于其对极化相关纹理敏感的特性而被选用来进行海陆之间的边缘检测与海岸线提取。针对极化熵图像，首先通过均值比率算子进行边缘图提取，包括边缘强度图和边缘方向图。在此基础上，提出了一种新的“coarse fine”的海岸线提取方法。该方法包括两个步骤：首先利用边缘方向图，采用一种新的边缘跟踪的方法得到海岸线的粗检测轮廓；然后基于边缘强度图，在粗检测轮廓的基础上进行典型边缘点的提取，这些边缘点被称为控制点，最后利用控制点对粗检测轮廓进行修正，得到最终的海岸线。最后，基于Radarsat 2全极化数据进行了实验，实验结果证明，该方法可以很好的描绘出实验区域的海岸线，并优于其他对比方法。     

DAISY 和 LBP 描述符结合的三维点云粗拼接方法

针对三维点云拼接需借助点云信息几何特征的问题,采用 DAISY 描述符和 LBP 描述符结合的方法提取相邻测量站位 重叠区域图像特征,解算出相邻测量站位坐标系之间的位置变换矩阵,从而将多测量站位的三维点云数据初步转换至同一坐标 系中。 首先,介绍了边缘检测和 DAISY 描述符的构建;然后,通过欧氏距离对相邻图片特征点进行匹配,根据匹配点之间的关 系解算出不同站位下的坐标转换关系。 实验结果表明,该方法在不使用其他辅助工具的前提下可以较好实现三维点云数据粗 拼接,为点云拼接技术在三维重建和逆向工程等领域的应用提供了理论依据。     

一致性特征点匹配在目标跟踪中的应用

为了解决运动目标快速跟踪过程的实时性与稳定跟踪问题,提出了一种新的基于局部特征点匹配的KPM(key points matching) 算法,对图像的局部多尺度特征提取与匹配进行研究。首先,应用SURF(speeded up robust features) 算法在跟踪窗口内提取特征点,生成并匹配特征矢量。然后,结合最近邻提纯法与一致提纯法剔除目标区域以外的特征点对,减少误匹配以提高跟踪精度。最后,生成目标仿射变换矩阵,更新目标运动参数。实验结果表明,本文所提出的KPM算法当目标发生大角度旋转和快速缩放,同时发生光照变化时,仍能够实现稳定的跟踪,且满足运动目标实时跟踪稳定可靠、精确度高、抗干扰能力强等指标要求。     

基于改进ORB-RANSAC算法的锅底标签角度视觉测量方法

传统ORB-RANSAC算法存在相似特征点误匹配率高、稳定性较差的问题，无法满足铝锅生产基于锅底标签方向焊接手柄的工艺要求，提出了一种改进的ORB RANSAC算法。首先，采用ORB算法提取特征点并进行匹配，通过汉明距离阈值法对匹配点对进行粗剔除。其次，在RANSAC算法对匹配点对进行精剔除时，增加K折交叉验证实现对初始模型的一致性预判断。最后，在每次迭代过程中剔除上一轮迭代中的已归类点对，动态更新采样空间。分别对不同锅底标签进行测量实验，结果表明，在干扰环境下采用改进后的ORB RANSAC算法重复性精度相比于原算法提升了6604%，单帧计算耗时降低了613%；在多种类锅底标签测量实验中基于改进后的ORB RANSAC算法的角度测量误差为0201°，平均检测耗时为0255 s，满足自动化生产测量精度和实时性的要求。     

基于MATLAB的SUSAN指纹细节点提取

在指纹识别中,指纹细节点提取具有重要的意义,它直接关系到指纹匹配的可行性.指纹细节特征提取通常直接从灰度图像中提取特征点,虽然这种算法不必经过二值化和细化过程,但它要对处理后的指纹图象进行纹线修复,然后再实现细节特征提取.纹线修复往往比较耗时,步骤繁琐,同时对噪声比较敏感,甚至涉及到复杂的梯度和微分运算.本文基于简化运算的目的,首先建立USAN区域,再观察USAN区域的变化情况来判断特征点类型,最后提出了较完善的基于SUSAN原理的指纹特征提取算法,并且在MATLAB下进行仿真.实验结果证明了本算法对USAN的求和相当于求积分,计算简单、抗噪声能力强.     

基于改进ICP算法的变电站设备三维识别方法研究

针对现有变电站设备三维识别方法在实际应用中存在的准确率差和效率低等问题,提出一种结合改进迭代最近点算法和Umeyama算法的变电站设备三维识别方法。通过随机采样一致性算法提取设备平面特征,Umeyama算法在模板库中找出平面特征最相似的几个设备,根据点云曲率特征提取设备点云关键点,再通过改进迭代最近点算法对设备进行识别。通过实验对其性能进行分析。结果表明,所提方法对智能变电站设备进行三维识别有较好的识别准确率和效率,识别准确率为99.50%,平均识别时间为2.07s,有效地提高了三维识别技术的综合性能。     

基于凹包算法的点云地面分割方法

为了解决现有的地面分割方法在路面复杂、点云稀疏场景下存在的地面分割不准确的问题，提出一种基于凹包算法的地面分割算法。该方法首先根据激光雷达点云生成凹包，然后根据粗滤提取的三角面内点的分布和三角面法向量的扫描特性，将地面三角面选取出来，之后再精确提取地面三角面的内点，根据内点到三角面的距离即可精确的完成地面分割。实验结果表明，该方法可以充分考虑点云周围的几何特征，对物体的几何边界敏感，可以在地面倾斜的场景下精细的将小凸起、路牙石等小型障碍物分割出来。     

基于物体面对应的RGB-D图像拼接优化方法

针对RGB-D中深度图像分辨率低、范围小、噪声大而不利于三维重建的问题,研究了一种基于物体面对应的RGB-D图像拼接优化方法。先对RGB-D图像进行预处理对齐,使用基于特征匹配算法对特征点提取和粗匹配,其次通过本文研究的不同视角下同一物体面对应关系来剔除误匹配,最后根据单应矩阵得到宽视角的RGB-D图像以及三维模型。本文使用了尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)、加速稳健特征(Speeded Up Robust Features, SURF)和定向FAST和旋转BRIEF (Oriented FAST and Rotated BRIEF,ORB)三种算法来进行对比实验。实验结果表明,添加本文方法后的算法在有形变、旋转的图像上分别剔除41%、29%和52%的误匹配,均方根误差减少了5%、27%和33%。在缩放的图像上分别剔除53%、57%和51%的误匹配,均方根误差减少了14%、17%和28%,提高了匹配精度,验证了本文方法的可行性。     

基于AKAZE算法的图像拼接研究

针对基于KAZE特征检测的图像拼接算法实时性问题,提出一种简单有效的AKAZE拼接算法。该算法首先通过AKAZE算法提取图像特征点,接着计算M-LDB描述符从而生成特征向量。随后计算特征向量之间的汉明距离,提取出匹配的特征点对,然后利用RANSC算法估算全局单应性矩阵,根据动态线性变换算法求取重叠区域局部投影关系,结合两者统一投影平面,最后利用加权融合实现两幅图像的拼接。对KAZE、SIFT、SURF、ORB、BRISK进行性能实验比较,所用算法不仅对于高斯模糊、角度旋转、尺度变换和亮度变化等情况下保持良好的性能,而且处理时间大大缩短,实现了有效的图像拼接。     

一种基于VINS的视觉里程计改进方法

同时定位与地图构建(SLAM)是当今机器人领域的主要研究课题之一。针对如何根据图像估计相机位姿问题，提出一种基于VINS的视觉里程计改进方法(ORLK-VINS)。首先，通过双目相机获取图像信息；其次，将图像信息进行直方图均衡化处理，使图像对比度和亮度得到改善；然后，对原图像特征提取算法进行改进，引入ORB算法中带有方向的FAST角点；最后再将提取的特征点进行正反向的LK光流跟踪匹配，保证匹配特征点的精确性。实验表明，经过改进后的视觉里程计相较于主流的VINS-Fusion算法，在某些场景下拥有更好的实时性和定位准确性。     

复杂背景下相对运动恢复结构算法设计

针对运动恢复结构算法在摄像机拍摄过程中需要改变摄像机位置的问题，利用物体与摄像机的相对运动关系，获取包含物体多角度视图的图像序列。在图像序列中定位物体所在区域，约束特征点提取的适用范围，设计并实现一种相对运动恢复结构算法。实验结果表明，SFRM算法适用于摄像机固定位置的拍摄方式，能将位于物体区域的匹配对占总匹配对的比例从32%提高到84%,相较于传统的SFM算法在时间效率上得到38.29%的提升，成功扩展SFM算法的适用场景。     

面向地理对象的高分光学与SAR影像一体化分割

由于光学和SAR影像成像方式的巨大差异,为提取统一的光学和SAR对象集合造成了很大的困难。为此,本文提出了一种面向地理对象的高分光学与SAR的一体化分割方法。该方法不同于传统一体化分割同时处理异源影像的策略,而仅对光学影像进行分割,从而获得可靠的地理对象集合;在此基础上,为每个对象自适应提取标记点,并依据粗配准结果将其投影到SAR影像中;最后,在SAR影像中开展基于标记点的区域增长,最终获得与光学影像分割对象相匹配的对象集合。通过对多组光学和SAR影像的实验结果表明,所提出方法提取的光学—SAR匹配对象集合更加接近实际的地理对象,且J-value可达7.8以上,在目视分析和定量评价中均显著优于对比方法。     

基于快速ACE算法的视觉里程计图像增强方法

为提高同时定位与地图构建(simultaneous localization and mapping, SLAM)在室内定位的不同场景下的鲁棒性,应对室内场景纹理少,光线差等极端环境的挑战。通过利用改进快速自动彩色增强(automatic color enhancement, ACE)图像增强技术,优化定向FAST和旋转BRIEF(oriented FAST and rotated briEF,ORB)特征点法的前端视觉里程计。同时将原始图像数据、限制对比度自适应直方图均衡(contrast limited adaptive histogram equalization, CLAHE)增强后、单尺度Retinex(single scale retinex, SSR)增强后,改进快速ACE增强后图像数据应用于楼梯间,地下停车场等不同现实场景中做基于图像质量和特征提取匹配两方面对比实验。实验结果表明,改进快速ACE增强后图像质量其他算法,并且视觉里程计(visual odometry, VO)应用该算法增强后提取到的特征点数量增幅达到倍数级,极端环境下匹配数量增幅在7%～25%,鲁棒性提高。