基于PCA和不变矩的三维物体识别算法研究

在计算机视觉问题的研究中,针对基于矩的目标识别算法实时性不高的问题,本文分析主分量分析法(PCA)在目标快速识别算法中的应用,提出基于Jan Flusser仿射不变矩和PCA融合的快速识别方法,即利用PCA在Jan Flusser仿射不变矩的特征空间中进行优化降维,减少了计算量,然后利用一些主流的识别算法对该方法的实时性和准确性进行验证研究。在MatLab平台下的仿真结果表明:本文方法的实时性在欧式距离上提高了23.68%,在概率神经网络上提高了8.7%,在支持向量机上提高了21.01%,准确性只有少量的降低,不改变识别算法的过程,且适合三维物体小角度变化下的识别。     

无人机视觉着陆中合作目标的识别技术研究

为了解决无人机的全天候自主着陆，从所设计的合作目标自身的形状特征出发。提出了通过目标轮廓的方向链码快速实现目标的长宽比进而识别出目标的一种新的方法，并通过目标的形状特征确定无人机自主着陆的方向；实验表明。该方法较好地实现了合作目标的快速识别。     

基于视觉的车辆衡中轴型检测方法研究

无人化、自动化是现代工业的发展方向,在自动化车辆衡应用场景中,针对现有车辆轴型检测方法中存在设备使用需破坏路面,安装和维护不便的问题,首先根据HOG算子具有较好的对轮胎边缘提取和局部形状信息描述,MB-LBP算子具有抗光照能力强且对小尺度位移具有鲁棒性的特点,设计了一种基于HOG和MB-LBP特征融合的轮胎检测新算法。其次,根据相机成像和图像测距原理,设计了一种基于图像标定和目标检测的轴距测量方法。接着,通过轮胎和轴距的检测结果确定车辆轴型。最后设计了相关实验对提出算法的有效性和准确性进行验证,轴型检测成功率达到97.65%。     

基于Hessian矩阵的线形结构搜索路面裂缝提取方法

针对目前三维路面裂缝提取方法效果不佳的问题,提出一种基于Hessian矩阵的线形结构搜索路面裂缝提取方法。首先针对路面深度图像对比度弱、多干扰等问题,根据裂缝的几何特性和灰度特征,给出基于分段函数的路面深度图像预处理方法;然后针对基于Hessian矩阵的多尺度路面裂缝粗提取方法,存在的裂缝提取不连续和对噪声敏感的问题,根据裂缝局部方向的一致性和噪声的离散性特点,给出基于线形结构约束的路面裂缝精提取方法。实验结果对比表明,本文方法适应于不同尺度和程度的路面裂缝提取,较文献［5］的方法完整度提高了10%以上,正确率提高了2%以上,而耗时几乎相同;较文献［15］的方法完整度提高了6%以上,正确率提高了1%以上,但耗时约为该方法的1/3。     

无人机导航场景中立体匹配算法研究

针对现有立体匹配算法难以兼顾无人机导航场景中匹配精度和幅度失真的鲁棒性,提出了一种基于改进Census变换的立体匹配算法。根据图像结构和色彩信息获得基于十字骨架的任意形状和大小的Census变换窗口,并利用改进Census变换的Hamming距作为匹配代价,采用局部优化（WTA）和左右一致性校验得到视差结果,获得高精度的视差图。实验表明,该算法不仅能够获得高精度的视差图,更对幅度失真有很强的鲁棒性,能够很好地适用于无人机导航场景。