三维地理信息系统相关技术研究

对已经成为地理信息领域研究热点的三维地理信息系统进行了较为深入地探讨。基于空间认知方法学理论，结合面积对象的思想，提出了一种新的三维地理信息系统数据结构。该数据结构符合人的一般思维，可以方便清晰地存储和管理空间数据，并且有利于三维空间对象的空间分析与显示。针对三维地理信息系统空间分析的基础环节－－三维空间点定位与查询，提出了化三维查询为二维＋一维查询，该方法可以提高三维空间查询的速度。     

基于小波高精度点匹配的基本矩阵估计

利用2视图进行景物的3维重构中,基本矩阵的估计是一个非常重要的问题。目前无论是线性算法还是非线性算法,在估计基本矩阵时都不太理想。这里采用图像的Harries角点作为端点,经过基于小波变换的子线段匹配方法获得高精度的匹配点对;在此基础上,进一步采用Hartley提出的改进八点算法获得了高精度的基本矩阵。通过真实图像的对比实验证明,该方法能有效地提高景物3维重构中基本矩阵估计精度。     

一种兼顾全局与局部特性的机器人动态路径规划算法

A*算法的规划路径全局最优,但存在拐点多、拐角大的缺点,而人工势场法的规划路径虽然平滑,却无法满足全局最优的要求。为达到机器人快速到达、安全避障的目的,分别对A*算法和人工势场法进行改进,并将两者相结合,提出一种兼顾全局与局部特性的机器人动态路径规划算法。全局路径规划采用剔除冗余节点的A*算法,生成局部目标节点序列;局部路径规划采用改进的人工势场法,提出5方向障碍物探测法替代原有斥力模型,大大减小运算量;设置最小引力场,引导机器人脱离局部最小点;采用扇形区域探测法,有效规避小型动态障碍物。仿真实验结果表明:与传统A*算法与人工势场法相比,该方法不仅生成全局最优平滑路径,而且还能够在顾及机器人移动控制的前提下,及时规避动态障碍物。     

基本矩阵约束下的摄像机畸变校正及像主点确定

针对视觉测量系统中畸变校正过程烦琐、计算复杂等问题,提出了一种基于基本矩阵约束的镜头畸变自动校正及像主点坐标确定方法。基于对极几何的基本矩阵和一阶径向畸变模型构建了两视图同名点约束方程;为解决待求参数过多导致解不稳定的问题,采用分步求解策略分别求解基本矩阵及畸变参数和主点坐标,用RANSAC稳健估计方法求取基本矩阵,用迭代最小二乘优化求解畸变参数和主点坐标,两步交替进行。提出的算法仅使用两张图像即可获取径向畸变参数及主点坐标,可操作性强,且对噪声具有一定的鲁棒性,适用于自然场景图像的校正。     

基于结构特征的地图上带晕线多边形的识别

在建立GIS的过程中,从现有的各种比例尺的地形图上获取地理信息是必不可少的工作。带晕线多边形是基本比例尺地形图上最主要的地物要素类别之一,文中在地图二值图像的基础上,根据带晕线多边形的结构特征,利用一系列图像变换技术,首次成功地实现了带晕线多边形的自动识别与提取。提出并实现了用于带晕线类多边形影像分割的4方向RLS变换方法,详细讨论了收缩变换、扩张变换、细化、开图形删除和带晕线类多边形的识别等算法。实验表明,利用文中所述方法进行带晕线多边形识别与提取的正确率可达96%左右。     

一种用于机器视觉检测的图像配准快速算法

图像配准是机器视觉检测的关键步骤之一.针对产品包装印刷质量检测,文中提出了一种新的图像配准算法.其基本思想是:首先进行图像概略匹配得到特征点的概略位置,接着进行特征点的精确检测,根据检测到的对应特征点坐标计算转换参数,最后生成配准图像.实验表明,该算法计算速度快,具有较好的精度和稳定性,适用于在线机器视觉检测等对速度要求高,而图像只有小角度旋转的情况.     

基于影像序列的相机分步自动标定方法

相机的自动标定是计算机视觉中根据影像序列进行场景欧氏重建的关键问题。在引入计算机视觉几何中若干基本概念的基础上,讨论了基于影像序列分步进行相机自动标定的基本原理,推导了该自动标定方法的实用计算公式,提出了采用牛顿迭代法进行参数答解的方法。同时,首次提出了一种三像标准投影矩阵组向同一参考系投影矩阵的线性转换算法。实验结果表明,所述的基于影像序列的相机自动标定方法是正确有效的。     

基于影像序列的目标三维重构技术研究

从三维重构的概念和应用出发,给出了近年来国际上出现的一些较为成功的三维重构系统,但由于其较强的专业性和局限性并没有得到推广。因此,在分析和熟悉三维重构流程的基础上,对其中涉及的关键技术进行了深入的研究和探讨。在对上述关键技术的改进和创新的基础上,通过编程工具,设计并实现一个初步的基于影像序列的三维重构原型系统,从而实现对基于任意相机获取的影像（序列）实现场景的三维重构。     

提高“现代测量学”实践教学质量的研究

介绍“现代测量学”实践教学体系的组成,以及在实践教学中的具体做法和评定实践教学成绩方面的经验。     

影像边缘特征与LS-SVM的点云边缘残缺区域修补方法

针对点云修补过程中点云边缘的残缺区域边界信息的不确定性问题,本文提出了一种基于影像边缘特征与LS-SVM的点云边缘残缺区域修补方法:首先将影像与点云进行配准,并利用亚像素边缘检测算法提取目标边缘特征;然后构造一特征平面,同时将训练样本集与目标边缘特征投影至该平面,以确定重采样范围与点位;通过利用最小二乘支持向量机回归方法,获得残缺区域的曲面方程并进行重采样,最终完成修补。实验证明,该方法得到的修补点云与原始数据融合平滑,修补效果符合实际目标的特征。