基于全局特征与局部特征的图像分级匹配算法研究及应用

移动机器人基于拓扑地图导航时要求图像特征提取与匹配算法具有高的精度和鲁棒性、良好的实时性,针对此,提出了基于全局特征和局部特征的图像分级匹配算法。首先对输入的待匹配图像应用改进的形状上下文算法提取全局特征与图像库中图像进行遍历粗匹配,得到与当前待匹配图像相似度最高的3幅图像并构建临时图像库;然后利用改进的SIFT算法提取输入图像局部特征与临时图像库中3幅图像的局部特征进行精确匹配,最终得到与待匹配图像相似度最高的图像作为匹配结果输出。所提出的图像分级匹配算法将基于全局特征的改进形状上下文算法和基于局部特征的改进SIFT算法相结合,从而达到优势互补的目的。实验结果表明,该算法在机器人基于拓扑地图导航过程中有效地提高了图像匹配效率,缩短了运行时间。     

基于高斯矩改进SURF算法的移动机器人定位研究

针对移动机器人定位过程中视觉图像特征点提取与匹配数量较多,边缘特征点不稳定的问题,提出基于改进离散Gaussian-Hermite矩的SURF图像匹配算法。利用双树复小波变换将图像分解为低频与高频部分,将低频部分作为改进算法的输入图像。通过采用3D非极大值抑制求取图像不同尺度下的特征点,计算图像Gaussian-Hermite矩,重新确定Hessian矩阵,检测稳定边缘特征点,定义新的特征描述向量。将改进算法与自适应粒子滤波定位算法相结合,实现移动机器人在室内环境中的视觉定位。实验结果表明:改进算法配准精度高于SURF算法,不稳定特征点提取数量相比于原算法约减少9%,匹配率得到进一步提升。     

移动机器人定位图像匹配的快速局部特征算法

利用定位图像的局部特征进行移动机器人导航和定位是近年来该领域的研究热点.针对经典局部特征提取和描述算法实时性不好,提出一种快速局部特征(fast local feature, FLF)的检测子和描述子算法.利用离散尺寸的均值滤波器估算LOG算子构建图像尺度空间,建立尺度和旋转不变的检测子.在尺度相关的邻域中利用规格化后的像素强度作为关联信息,建立局部邻域的描述子.模拟实验中,利用优选参数的FLF与经典SIFT算法对比,在识别率相当的条件下,FLF的运行时间是SIFT的1/3.在标准评估图片和移动机器人平台拍摄的定位图片构成的数据集下,FLF的匹配效果好于经典的SIFT和SURF算子.因而FLF是一种适合于实时应用的快速局部特征.     

基于改进SIFT算法的图像匹配

为进一步提高SIFT匹配算法的鲁棒性和正确率,从以下几个方面改进SIFT算法.对图像进行多分辨率小波变换,重建图像近似成分——低频信息参与匹配;采用“回”字形双层方邻窗将特征点邻域区域划分成四部分,建立32维特征点描述符向量;运用欧式距离初步确定匹配点,再用积分图像进一步剔除由于特征点具有空间相似性而出现的误匹配点,从而提高匹配精度.实验表明,本文算法在匹配精度和匹配时间上有明显提高,特别是当图像具有较多局部相似特征时,匹配点数增加,匹配正确率提高.     

基于无监督学习的SIFT鲁棒图像匹配算法

SIFT特征匹配算法的匹配能力强,但特征点中孤立点和噪声点等会导致部分特征点误匹配;不同图像间特征点的有关描述相近,也会造成两幅不同结构的图像,在提取出各自的SIFT特征点后相互匹配。为此,提出一种改进SIFT的图像特征匹配算法。该算法是在SIFT特征匹配的基础上,利用无监督学习方法对匹配异常点进行剔除,实现特征点的二次精确匹配。     

基于全局和局部特征融合的图像匹配算法研究

针对移动机器人视觉同时定位与地图构建过程中图像处理速度慢以及特征点匹配实时性和准确性差的问题,提出基于颜色特征和改进SURF算法融合的图像匹配算法。首先,采用颜色特征对图像序列进行粗匹配,选取与测试图像最相近的5幅图像作为待匹配图像;其次,改进SURF算法,用Krawtchouk矩对采用Hessian矩阵获取的关键点进行描述,计算关键点的梯度方向和幅值,得到新的特征向量,对待匹配图像提取改进SURF特征再与测试图像进行精确匹配,得到最佳匹配图像,此匹配算法提高了移动机器人图像处理的速度和精度。实验结果表明,改进算法的误匹配率降低10%左右,程序运行时间减少,在可靠性得到保证的同时适应于实时性应用。     

基于投影特征的自适应图像匹配算法

针对传统图像匹配算法存在的计算量大、匹配速度缓慢的缺点,对基于相关函数法的投影法进行了改进,提出了一种基于投影特征的自适应图像匹配算法。得到投影序列后,选定初始阈值,在后续各点的计算中不断自适应更新,遵循超过当前阈值即停止匹配计算的原则,大大减少了对非匹配点的计算。实验结果表明,该算法抗干扰性强,匹配速度快;模板图像和待匹配图像大小越接近,该算法精度越高,速度优势越明显。     

基于改进的SIFT特征的图像双向匹配算法

图像匹配是计算机视觉中许多领域的基础,特征提取则是图像匹配的基础,其中不变量特征是一个重要的理论。SIFT是最有效的尺度、旋转、亮度不变量局部特征之一,但算法复杂、计算时间长。分析了SIFT的计算时间分配,通过计算关键点的邻域梯度直方图时动态修改采样步长,大大提高了SIFT的计算速度。分析了基于SIFT特征的图像匹配算法,提出了双向匹配算法,提高了图像匹配的准确率。实验结果表明所提出的方法是有效的。     

图像匹配算法研究

文本讨论了常用图像匹配算法，在介绍了序贯相似性检测法、不变矩法及去均值归一化相关法的基础上，提出了一种以去均值归一化相关法为主的改进匹配算法，该改进算法不但在处理旋转目标的匹配时具有较高的精度，而且通过改进其搜索策略,使改进算法具有了算法速度快、误匹配率低的优点。     

基于SURF的快速图像匹配改进算法

针对传统SURF算法在图像匹配中使用固定阈值提取的特征点不均匀、匹配正确率低以及时间复杂度高的问题,提出一种基于SURF算法的快速图像匹配改进算法。首先,通过对Hessian矩阵行列式值分布的统计分析,提出一种阈值自适应方法来提取更有效的特征点;然后采用四叉树方法对所提特征点进行均匀化以降低误匹配率,并提出一种划分深度自适应的方法对四叉树算法进行改进,防止四叉树过度划分;最后,本文首次将BEBLID二进制描述子与改进SURF算法相结合,利用基于机器学习的采样模式对特征点构建具有强描述性的二进制描述子,在提升匹配正确率的同时加快匹配速度。实验结果证明,本文所提算法在Mikolajcyzk图片数据集测试中的匹配正确率比传统SURF算法高9.7%～27.0%,算法速度比SURF提高了50%以上。对比SIFT、SURF、BRISK、ORB算法,本文所提改进算法具有更优的鲁棒性和实时性。     

一种提高SIFT特征匹配效率的方法

为了提高SIFT特征匹配的效率,首先改造了SIFT特征描述符相似性度量的形式,以街区距离代替欧氏距离作为特征描述符之间的相似性度量,降低了相似性度量公式的时间复杂度;其次,提出了最近邻和次近邻假设算法,即假设待匹配图像中任意2个特征点为最近邻点和次近邻点,通过比较当前特征点与待匹配图像中其他特征点之间的距离,以及当前特征点与假设的最近邻和次近邻之间的距离,实现最近邻和次近邻的替换,最终得到实际的最近邻点和次近邻点。算法减少了相似性计算过程中特征点比较的次数,从而减小了算法的计算量。实验结果表明,提出的算法在保持鲁棒性的同时提高了SIFT特征匹配的效率,能够为一些快速性应用提供保障。     

基于扩展Kalman滤波器算法的移动机器人同步定位与建图

针对移动机器人的同步定位与建图（SLAM）问题,提出了一种基于改进的扩展Kalman滤波算法的同步定位与建图方法。通过建立基于直线特征提取的机器人观测模型,推导了SLAM建图的预测和更新算式,设计了基于特征点数目的SLAM预测与更新率算子,实现了移动机器人的同步定位与建图。实验结果表明该方法有效、可行。     

基于改进SIFT图像匹配的无人机高精度避障算法设计

为提高无人机避障能力,提出基于改进SIFT图像匹配的无人机高精度避障算法.通过角点匹配和多分辨模式识别,实现对无人机高精度避障的图像显著特征点检测,通过对比梯度分析和参数融合识别,实现对无人机高精度避障图像信息加权融合处理,采用改进SIFT图像匹配方法,匹配无人机高精度避障地理空间网格,实现避障算法的优化设计.仿真结果...     

高精度尺度不变特征点匹配方法及其应用

在基于局部特征点匹配的目标检测与定位系统中,匹配点和误匹配点的数量直接影响定位精度。为降低特征点误匹配率并保证匹配过程中有足够的匹配点数,提出了一种改进的尺度不变特征点匹配方法。分析常用特征点匹配方法中匹配结果随判断阈值变化的问题,利用循环,采用变步长的方式获取匹配图像自适应双阈值。在此基础上,利用高阈值对应的稀疏精确匹配结果建立匹配图像间的几何变换约束模型并建立约束准则,用以滤除低阈值对应的密集匹配结果中的误匹配。实验结果表明,与现有方法相比,所提方法可明显提高匹配精度,从而增强目标的检测与定位性能。     

Robust Iterated Sigma Point FastSLAM Algorithm for Mobile Robot Simultaneous Localization and Mapping

Simultaneous localization and mapping (SLAM) is a key technology for mobile robots operating under unknown environment. While FastSLAM algorithm is a popular solution to the SLAM problem, it suffers from two major drawbacks: one is particle set degeneracy due to lack of observation information in proposal distribution design of the particle filter; the other is errors accumulation caused by linearization of the nonlinear robot motion model and the nonlinear environment observation model. For the purpose of overcoming the above problems, a new iterated sigma point FastSLAM (ISP-FastSLAM) algorithm is proposed. The main contribution of the algorithm lies in the utilization of iterated sigma point Kalman filter (ISPKF), which minimizes statistical linearization error through Gaussian-Newton iteration, to design an optimal proposal distribution of the particle filter and to estimate the environment landmarks. On the basis of Rao-Blackwellized particle filter, the proposed ISP-FastSLAM algorithm is comprised by two main parts: in the first part, an iterated sigma point particle filter (ISPPF) to localize the robot is proposed, in which the proposal distribution is accurately estimated by the ISPKF; in the second part, a set of ISPKFs is used to estimate the environment landmarks. The simulation test of the proposed ISP-FastSLAM algorithm compared with FastSLAM2.0 algorithm and Unscented FastSLAM algorithm is carried out, and the performances of the three algorithms are compared. The simulation and comparing results show that the proposed ISP-FastSLAM outperforms other two algorithms both in accuracy and in robustness. The proposed algorithm provides reference for the optimization research of FastSLAM algorithm.     

一种考虑安全的移动机器人矢量场路径规划算法

提出了一种考虑安全的移动机器人矢量场路径规划算法,环境的矢量场模型体现了路径对安全的不同要求。通过调节模型参数可以规划得到安全和长度两个标准下的满意路径,此路径既不会太接近障碍,也不会太长。所提出模型计算简单,计算量与运动空间障碍的个数成正比。算法鲁棒性强,除了固定环境,还适合用来进行动态环境下的路径规划。仿真结果验证了算法的有效性。     

基于SIFT算法的双目立体视觉中图像匹配研究

通过对双目立体成像基本原理的研究,依据立体匹配算法的概况,描述了一种基于图像特征值的匹配方法 (SIFT算法)。介绍了SIFT算法的特点、主要思想和具体实现步骤,并在MATLAB7.0环境下进行匹配模拟实现SIFT算法。仿真分析表明,SIFT特征匹配对的位置信息、方向信息和尺度信息都是准确的。