一种安保机器人车底高危目标检测方法
安保机器人作为人工智能、自动控制等技术的综合体,对保障民生安全具有重大意义。受限于车底结构非完整平面,光照不充分,车速非匀速等因素,目前安保机器人对车底高危目标识别准确率较低,检测效率亟待提高。为此,本文提出了一种安保机器人车底高危目标检测方法。首先采用双边滤波器处理输入图像并进行一次小波变换,再将小波域中的低频图像作为输入并利用SURF(Speeded up Robust Features)提取特征点,然后使用基于方向和尺度约束的单向匹配策略寻找匹配点对。在此基础上,采用改进的减小迭代次数的RANSAC(Random Sample Consensus)算法剔除错误匹配点对,并校正目标图像,最后采用基于卷积的NCC算法分块匹配策略寻找危险品位置。实验结果表明,在特征匹配部分本方法相对于SURF+RANSAC算法的匹配正确率提高1.3%,耗时缩短24.2%,在后续目标检测阶段能够标定出危险品...
HOG-FLANN在图像匹配ORB算法中的应用
针对ORB算法在图像匹配中特征点的提取会存在一些不稳定边缘点,为了提高ORB特征点匹配的准确性,提出了使用方向梯度直方图(HOG)描述符与快速最近邻逼近搜索函数库(FLANN)相结合的匹配算法。本算法通过移动的HOG窗口对图像中的局部窗口进行初步匹配,然后在HOG窗口的约束下通过使用FLANN对ORB特征点进行图像预匹配,最后采用随机采样一致性(RANSAC)对错误的匹配点进行剔除实现图像的精确匹配。经实验测得本文算法的预匹配准确率由原来的89%提高到了94%,实验结果表明采用HOG窗口与FLANN相结合的匹配算法可以有效的提高ORB特征点预匹配的准确率,并具有较好的稳定性。
图像匹配中噪声分析和预处理
提出和证明了在三坐标测量机单镜头三维视觉系统中的图像噪声主要有三种(1)电磁干扰噪声;(2)季节、气候和时间变化引起的噪声;(3)物体的位置和视角变化引起的噪声.相应地提出了一种基于优化图像搜索模块的有效减少和消除噪声的预处理方法.理论分析和实验均表明,该方法具有简便、可靠和速度快的优点.
智能三坐标测量机中零件位置自动识别系统
提出了一种基于机器视觉和CAD三维模型的零件自动定位方案,利用虚拟图像匹配的方法确定零件在工作台上的位置和方向.在CAD三维模型中,针对零件的可能放置方式通过透视成像的方法形成多幅虚拟图像.CCD产生的实际图像与各幅虚拟图像进行匹配.确定零件坐标系与机器坐标系的关系,达到定位目的.最后在三坐标测量机平台上实现了该方法,并给出了定位定向实验误差分析.
大孔径静态干涉成像光谱仪图像校正技术
设计了一种基于相位相关与归一化积相关的联合图像校正算法.该算法针对卫星姿态变化对LASIS(大孔径静态干涉成像光谱仪)图像造成的畸变,根据傅里叶变换的旋转平移特性,实现图像序列旋转失真的高精度校正,校正精度达到0.01°;同时,基于归一化积相关方法实现图像序列平移失真的校正.针对LASIS数据量大的特点提出了改进的快速自适应模板选取法,使算法的运算复杂度按4n递减.仿真结果表明,该算法能快速有效地校正LASIS图像.
基于线性变换模型的图像匹配
针对图像的平移、旋转、尺度变换等整体匹配,提出了一种图像线性变换的匹配算法。首先定义待匹配图像匹配点间的线性变换模型,以对应像素灰度差平方和作为图像匹配误差函数,然后借助最小化误差函数确定参数迭代增量,由迭代法求得最佳线性变换参数。为减少计算量与提高收敛速度提出了三种改进策略:增加权函数、图像网格点采样和增加加速动量项。实验显示对于小范围平移、旋转及尺度变换的图像能进行准确快速的整体匹配,而改进策略能有效提高图像匹配速度。
提高SIFT特征匹配效率的方法研究
SIFT算法是目前特征匹配研究领域的热点,因为它具有良好的尺度、旋转、光照等不变特性而应用于图像匹配中,但其算法复杂、计算时间长。在分析SIFT特征向量生成过程的基础上,提出一种降低SIFT匹配过程中相似性度量计算代价的方法以提高SIFT特征匹配效率。该方法以街区距离和棋盘距离的线性组合距离代替欧氏距离作为特征描述符之间的相似性度量,同时根据部分特征的计算结果逐步减少参与计算的特征点。实验结果表明:该方法在保持鲁棒性的同时,可以降低时间复杂度,提高图像匹配的效率。
基于SIFT算法和改进最小二乘法的汽车仪表指针的识别
采用模板匹配和改进的最小二乘法对汽车仪表指针的识别进行研究。首先通过中值滤波、二值化对仪表图像进行预处理,然后通过SIFT算法获得目标位置指针区域,最后细化和最小二乘得到仪表指针直线方程。实验结果表明,该方法的精度能满足工业要求,提高了检测的实时性。
基于单目立体视觉的三坐标在线识别技术研究
为了满足智能三坐标测量机对被测零件位姿快速准确识别的要求,根据三坐标驱动摄像机精确移动的特点,采用单个摄像机的双目视觉测量技术,在两个不同的位置拍摄得到被测物体的图像信息,图像经处理后得到图像质心,然后通过边缘图像质心的同名像点匹配,将质心的偏移量作为约束条件,实现了单摄像机的立体匹配。实验验证表明该方法简单可行,完全满足测量要求。
基于SIFT算法的鞋印图像配准的研究
研究了鞋印图像定位及匹配问题,首次在鞋印匹配中引入了基于尺度不变特征变换SIFT(Scale-invariant feature transform)算法,并提出一种基于改进的SIFT算法的鞋印图像匹配方法。由于算法具有良好的尺度、光照等不变特性而适用于鞋印图像匹配中。在图像生成特征点之前采用一种二次定位算法,使经过定位的鞋印图像处于同一竖直位置。在分析SIFT特征向量生成过程的基础上,以最小欧式距离作为判断特征点是否匹配的标准,并用最小欧式距离与次小欧氏距离之比来剔除匹配无效点,提高SIFT特征匹配效率。大量实验数据证明,该改进的SIFT算法在保证图像匹配率和算法鲁棒性的情况下,不仅可有效缩短匹配时间,同时还提高了图像匹配精度。