一种基于局部特征的栅格地图拼接方法

栅格地图拼接是多机器人协作创建地图的必不可少的环节。提出一种基于局部特征的栅格地图拼接方法,旨在克服传统算法拼接效率低、拼接成功率低等问题。该方法先对栅格地图拼接建立数学模型,然后转化为图像匹配问题。搭建非线性金字塔,利用FAST算法定位特征点,使用PCA-SIFT算法建立描述符进行匹配,借助随机采样一致性优选匹配点,得到初始参数,并提出一种新型的栅格地图拼接规则。实验表明,该方法鲁棒性好、拼接速度快、拼接精度高。     

一种多机器人栅格地图拼接方法的研究

多机器人协作式的同步定位与地图创建（SLAM）是自动导航领域的热点研究方向之一,SLAM技术中栅格地图拼接成为重要的技术点。针对采用SIFT算法进行地图拼接栅格的拼接速度较慢、有效匹配点较少、稳定性差等缺点,提出了一种新的栅格地图拼接方法。使用FAST算法快速选定特征点,利用PCA-SIFT算法生成36维特征描述符进行匹配,并借助最大后验一致性算法选取的最佳匹配点进行初始拼接参数计算,使用加权平均算法对待拼接的两幅栅格地图进行拼接融合。使用公开的数据集进行试验,结果表明,所提出的方法稳定性强、拼接速度快,且拼接精度高。     

基于图像配准的栅格地图拼接方法

栅格地图拼接是多移动机器人协同创建环境地图中的一项关键技术. 本文提出一种图像配准意义下的栅格地图拼接方法. 该方法将栅格地图拼接问题视为图像配准问题, 建立相应的目标函数, 并给出局部收敛的迭代最近点算法求解该目标函数. 为获得最优的拼接结果, 该方法从待拼接的地图中提取局部不变特征, 并借助随机抽样一致性算法分析初始拼接参数, 以作为迭代最近点算法的初值. 最后, 提出了拼接参数已知时的栅格地图融合规则. 实验结果表明, 该方法能可靠地实现栅格地图拼接, 且具有精度高和速度快的优点.     

多机器人地图融合方法研究

多机器人建图是实现机器人自主导航,完成复杂智能任务的关键.其中如何将不同机器人采集的数据融合到全局地图中,成了多机器人建图中的一个核心问题.文中采用独立探索、集中建图的探索策略,提出一种基于改进差异进化算法的多机器人概率栅格地图的融合.该算法在地图相似度的概念基础上,建立相异度函数,利用改进的进化算法搜索策略快速地搜索各局部地图之间的最大重叠部分,实现了多机器人系统栅格地图的融合,有效的解决了相对位置未知情况下的地图创建问题.通过实验验证了该方法正确、可行.     

基于APAP模型的大视差图像拼接算法

针对待拼接图像具有大视差时,重叠区域会出现重影和拼接效率较低等问题,提出一种基于改进ORB算法的大视差图拼接模型.首先构建尺度空间,借助FAST算法提取特征点并建立主方向,再对特征采样区域建立MLDB描述符,然后采用向量场一致性算法筛选内点,最后通过APAP模型完成配准拼接.实验表明,与ORB算法相比,改进ORB算法的鲁棒性更好,与SIFT算法和AKAZE算法相比,匹配速度更快;本算法拼接与GlobalHomography算法、传统APAP模型和AANAP模型相比,效率更高、拼接效果更好,符合视觉审美.     

多机器人协同的SLAM算法研究

针对传统的室内多机器人SLAM算法存在探索任务分配灵活低,重叠度高,导致地图融合和建图精度不高的问题。设计一个基于PSO算法的多机器人协同建图与路径规划系统。首先,采用SLAM系统中的Gmapping算法作为基础算法,加入PSO算法将地图融合问题转化为最优求解问题,即找到两个地图重叠度最高的转换矩阵,实现地图融合和多机器人协同建图。结果表明,相同室内环境下,单机器人的平均探索时间为216 s,探索覆盖率为73..38%;而双机器人的平均探索时间仅为47 s,比单机器人的探索时间低了169 s;且双机器人的探索覆盖率为99.69%,比单机器人高出了26.31%。由此说明,双机器人的探索效率和探索覆盖率更高。对比于现有的EKF-CSLAM算法和基于因子图地图融合算法,本算法的建图精度高达99.75%。地图融合和建图精度明显更佳,进一步说明提出的融合算法可提升多机器人室内环境协同建图的效率和鲁棒性。     

基于图结构的全景图自动识别与拼接方法

针对多幅图像的匹配和识别问题,提出了一种基于图结构的全自动识别与拼接方法.该方法能够根据用户输入的多幅无序图像,自动判别图像之间是否具有重叠部分,并对具有重叠的图像进行拼接.对输入的每一幅图像进行MOPS特征检测,通过k-d树的最近邻搜索完成不同图像特征之间的快速匹配.其次基于图像特征之间的对应关系使用RANSAC算法建立任意两幅图像之间的匹配模型,并用概率算法进行鲁棒校验.通过构建与图像匹配关系对应的无向连通图结构,实现多幅全景图像的自动识别.使用递归算法对无向连通图进行深度优先遍历,并用多频带融合算法消除拼接痕迹,合成相应的全景图像序列.     

改进粒子群优化算法的多机器人地图构建

针对大规模的未知环境,对一种SA-PSO(Simulated Annealing-Particle Swarm Optimization)算法的多机器人构建地图方法进行研究。多机器人构建地图,即将多个机器人建立的局部地图融合成全局地图,可以更加高效地完成环境地图的绘制。利用粒子群优化(PSO)算法搜索局部地图之间的最优转换矩阵来进行地图配准;再根据局部地图重叠区域匹配的成功率设计自适应概率函数,即重新进行地图配准的概率;最后将配准后的局部地图融合成全局地图。该方法有效解决了PSO算法易陷入局部最优引起的地图融合失败问题,提高了地图融合的成功率。     

基于ORB特征的无人机遥感图像拼接改进算法

针对传统的SIFT算法运行速度较慢、不适合处理实时性要求高的无人机遥感图像的缺点,提出了一种基于ORB特征的快速遥感图像拼接改进算法。首先通过ORB算法快速得到特征点和特征描述,采用K最近邻算法（KNN）进行粗匹配,然后采用随机抽样一致性算法（RANSAC）进行精匹配,最后使用改进的加权平均方法对图像进行融合拼接。实验结果表明,该算法在保证匹配精度的基础上,处理速度较经典的SIFT算法提高了41倍。在图像融合时,该算法能有效地消除拼接重影错位现象。     

矿井多视角图像拼接方法研究

针对煤矿井下监控图像视野范围较小、细节特征不清晰等问题,提出了一种矿井多视角图像拼接方法。首先,采用一种改进对比度受限的自适应直方图均衡化方法对图像进行预处理,以突出图像细节,提高对比度;其次,选用ORB算法提取图像特征点,采用改进的Brief算法计算特征描述子;再次,通过K最近邻(KNN)算法实现特征点对粗匹配,基于随机采样一致性(RANSAC)算法对误匹配特征点对进行筛选、消除,并求解最优透视变换矩阵,对待匹配图像像素点进行坐标变换;最后,采用帽子函数加权平均融合算法对固定图像和待匹配图像进行拼接融合。实验结果表明:ORB算法较尺度不变的特征变换(SIFT)、KAZE算法对于单张图像提取的特征点数分别减少48%,33%,提高了有效特征点提取能力,特征点提取耗时分别减少17%,34%,提高了计算效率;采用该方法拼接的图像避免了连接处的裂缝、黑线现象,图像过渡自然,清晰度高。     

基于ASIFT算法的低重叠度无人机影像拼接方法

在无人机平台上采用低重叠方式成像能够大大提高数据获取效率,可满足包括应急救援和航空侦察等时效性要求很高的特殊领域应用需求。然而,此类影像具有重叠度低和旋转角大的特点,利用常规正射影像镶嵌的方法进行拼接往往带来较大的拼接误差。提出了基于ASIFT算法的低重叠图像配准方法,并对序列影像做光束法平差处理,得到最优变换矩阵后,结合多分辨率样条融合算法进行全景影像输出。实验结果表明:该方法可以获取足够数量稳定的匹配点对,较好地约束了序列影像之间的几何关系,得到的拼接影像无缝清晰,适应于低重叠度无人机影像的快速拼接。     

The Effects of Stitching Orders in Patch-and-Stitch WSN Localization Algorithms

A "patch-and-stitch” localization algorithm divides the network into small overlapping subregions. Typically, each subregion consists of a node and all or some of its neighbors. For each subregion, the algorithm builds a local map, called a patch, which is actually an embedding of the nodes it spans in a relative coordinate system. Finally, the algorithm stitches those patches to form a single global map. In a patch-and-stitch algorithm, the stitching order makes an influence on both the performance and the complexity of the algorithm. In this paper, we present a formal framework to deal with stitching orders in patch-and-stitch localization algorithms. In our framework, the stitching order is determined by a stitching scheme and the stitching scheme consists of a stitching policy and a potential function. The potential function is to predict how well a patch will be stitched if patches are stitched according to a given partial order. The stitching policy is a mechanism that determines the stitching order based on the predictions by the potential function. We present various stitching schemes and evaluate them through simulations. In addition, we apply the patch-and-stitch strategy into the anchor-based localization and propose a clustering-based localization algorithm. A potential function is used to partition the network into clusters each of which is centered at an anchor node. For each cluster, a cluster map is constructed via the anchor-free localization algorithm. Then, those cluster maps are combined to form a single global map. We propose a stitching technique for combining those cluster maps and analyze the performance of the algorithm by simulations.     

彩色图像最优拼接线的改进算法研究

讨论了彩色图像的精确拼接问题,针对拼接时重叠区域和拼接线附近出现的模糊、错位、穿越等问题,提出了根据待拼接图像重叠区域像素点邻域内的颜色和纹理作为特征的能量计算公式,并提出树形搜索方向的动态寻找最优拼接线算法。实验部分将提出的算法与其他方法进行了对比,结果表明,该方法不仅可以很好地克服掉上述“鬼影”问题,解决寻找拼接线时出现的穿越现象,也可以最大限度地实现拼接线两侧图像间的过渡连续。     

Autonomous Salient Feature Detection through Salient Cues in an HSV Color Space for Visual Indoor Simultaneous Localization and Mapping

For successful simultaneous localization and mapping (SLAM), perception of the environment is important. This paper proposes a scheme to autonomously detect visual features that can be used as natural landmarks for indoor SLAM. First, features are roughly selected from the camera image through entropy maps that measure the level of randomness of pixel information. Then, the saliency of each pixel is computed by measuring the level of similarity between the selected features and the given image. In the saliency map, it is possible to distinguish the salient features from the background. The robot estimates its pose by using the detected features and builds a grid map of the unknown environment by using a range sensor. The feature positions are stored in the grid map. Experimental results show that the feature detection method proposed in this paper can autonomously detect features in unknown environments reasonably well.     

一种改进AKAZE特征和RANSAC的图像拼接算法

针对传统图像描述方法在图像对变化复杂时特征点配准精度低,且传统RANSAC算法计算稳定性差的问题,提出一种结合改进AKAZE特征与RANSAC算法的图像拼接算法。利用AKAZE算法构造非线性尺度空间提取图像特征点,采用卷积神经网络描述符生成128维特征向量描述图像特征点,通过精简特征点并在迭代中设定嵌套阈值改进RANSAC算法得到最优变换矩阵模型,结合最佳缝合线算法和多频段融合算法对变换后的图像进行拼接。实验结果表明,和传统AKAZE算法相比,该算法在图像对的视角差异和光照差异较大时,配准精度分别提高12.60和6.99个百分点,改进后的RANSAC算法计算时间较改进前缩短4.17ms,图像拼接精度更高。     

基于颜色不变量和SURF的彩色图像拼接

提出了一种基于颜色不变量和SURF算法相结合的彩色图像拼接方法。该方法利用图像彩色信息计算得到的颜色不变量信息代替灰度信息作为输入,提取图像SURF特征点并进行特征点匹配,根据相似性变换原理对误匹配点进行过滤,提高变换矩阵计算的准确率,采用亮度渐变原则对重叠区域进行像素平滑过渡,实现图像无缝拼接。实验结果表明,该方法在保持算法的快速性和准确性的同时,获得的配准点多而且准确,采用亮度渐变原则拼接增强了对光照变化的鲁棒性,且有效地消除了拼接痕迹,在图像拼接和地质分析领域有一定的实用价值。     

Localization through Map Stitching in Wireless Sensor Networks

Node localization is an essential problem in ad hoc wireless sensor networks. Map stitching is a type of localization algorithm that has received a great deal of attention recently. In this algorithm, the network is divided into small overlapping sub-regions, each of which creates a local map. Then, the local maps are stitched together to form a single global map. In this paper, we first propose a new technique for map-to-map stitching that exploits every available distances between two maps. Next, we propose a few anchor-free localization algorithms based on our stitching technique. We experimentally studied the performance of our algorithms under various settings. The results show that our method achieves a significant performance improvement upon the existing method.     

Panoramic Video from Unstructured Camera Arrays

We describe an algorithm for generating panoramic video from unstructured camera arrays. Artifact‐free panorama stitching is impeded by parallax between input views. Common strategies such as multi‐level blending or minimum energy seams produce seamless results on quasi‐static input. However, on video input these approaches introduce noticeable visual artifacts due to lack of global temporal and spatial coherence. In this paper we extend the basic concept of local warping for parallax removal. Firstly, we introduce an error measure with increased sensitivity to stitching artifacts in regions with pronounced structure. Using this measure, our method efficiently finds an optimal ordering of pair‐wise warps for robust stitching with minimal parallax artifacts. Weighted extrapolation of warps in non‐overlap regions ensures temporal stability, while at the same time avoiding visual discontinuities around transitions between views. Remaining global deformation introduced by the warps is spread over the entire panorama domain using constrained relaxation, while staying as close as possible to the original input views. In combination, these contributions form the first system for spatiotemporally stable panoramic video stitching from unstructured camera array input.     

基于对齐与优化的图像拼接

图像拼接技术将存在重叠区域的多幅图像经过配准和融合后得到单幅宽视场图像。由于误差的积累,多幅图像拼接后在重叠区域会有明显的拼接痕迹,所以需要对拼接后的图像进行优化。首先研究了变换矩阵及其参数,然后提出一种图像对齐方法,完成图像拼接,最后用全局优化策略消除累积误差。实验证明,该方法在存在较大光照强度变化,重叠区域小的情况下能够鲁棒地完成多幅图像的拼接。     

一种快速去除大尺寸工件鬼影图像的精密拼接算法

为了提高大尺寸工件测量的精度和效率,针对现有拼接方法复杂度高且不能很好处理图像鬼影的问题,提出了一种快速去除大尺寸工件鬼影图像的精密拼接算法。该算法先通过SURF算法检测出相邻图像对应特征点,然后结合最近邻匹配法匹配特征点,零均值归一化互相关算法（ZNCC）判断、检测出图像是否存在鬼影;若存在鬼影,则用小波变换融合算法去除鬼影,并求出相邻两幅图像之间的单应性矩阵H,最后实现大尺寸工件精密拼接。结果表明,该算法不仅能有效地去除大尺寸工件图像鬼影,同时提高图像拼接精度和效率。