为从不同角度识别目标物体以及解决左右两幅图像中目标轮廓中心不匹配的问题,将SURF(Speeded Up Robust Features)算法与Grab Cut算法相结合,离线采集目标物体不同角度的图像,生成目标模板图片库。利用SURF算法完成目标物体的识别;利用S...为从不同角度识别目标物体以及解决左右两幅图像中目标轮廓中心不匹配的问题,将SURF(Speeded Up Robust Features)算法与Grab Cut算法相结合,离线采集目标物体不同角度的图像,生成目标模板图片库。利用SURF算法完成目标物体的识别;利用SURF算法自动初始化Grab Cut算法,实现目标轮廓的提取;利用基于灰度相关的区域匹配算法完成目标轮廓中心点的匹配,结合三维重建原理实现目标定位。实验结果表明,该方法可以成功识别目标物体并对目标物体进行准确定位。展开更多
针对目前变电站运动目标的立体匹配算法存在匹配点少、误匹配等问题,提出一种结合A-KAZE(Accelerated KAZE)算法和改进的SURF(Speeded Up Robust Features)算法的智能变电站运动目标立体匹配算法。采用A-KAZE算法用于提取两个图像的匹...针对目前变电站运动目标的立体匹配算法存在匹配点少、误匹配等问题,提出一种结合A-KAZE(Accelerated KAZE)算法和改进的SURF(Speeded Up Robust Features)算法的智能变电站运动目标立体匹配算法。采用A-KAZE算法用于提取两个图像的匹配特征点,利用二阶多尺度改进的SURF特征向量进一步计算二次响应,采用高阈值算法增加匹配点,随机采样一致算法消除不匹配点,完成匹配工作。通过实验比较,验证了该算法的有效性。实验结果表明,相对于未改进前匹配点对从908对提高到1202对,匹配准确率从92.51%提高到96.17%,具有一定的实用价值。展开更多
基于微软Kinect传感器,提出一种改进SURF(speeded up robust features)特征提取算法的单目视觉里程计新方法。用Kinect传感器获得环境彩色和深度图像,再采用基于特征点信息的改进的SURF算法完成彩色图像特征点的提取与匹配,提高匹配的...基于微软Kinect传感器,提出一种改进SURF(speeded up robust features)特征提取算法的单目视觉里程计新方法。用Kinect传感器获得环境彩色和深度图像,再采用基于特征点信息的改进的SURF算法完成彩色图像特征点的提取与匹配,提高匹配的正确率和鲁棒性,随后进行与深度图像的映射,实现三维重建并利用最小平方中值定理估计出机器人的路径信息。实验证明,该方法匹配正确率较SURF算法更高,在动态环境下具有很好的鲁棒性,是一种简单、有效的单目视觉里程计新方法。展开更多
类脑导航是模拟鼠类感知环境机制提出的一种同步定位与构图(Simultaneous localization and mapping,SLAM)的导航算法。针对复杂环境如室内光线变化导致类脑SLAM导航产生误差的问题,本文提出了基于特征匹配(Speeded up robust features,...类脑导航是模拟鼠类感知环境机制提出的一种同步定位与构图(Simultaneous localization and mapping,SLAM)的导航算法。针对复杂环境如室内光线变化导致类脑SLAM导航产生误差的问题,本文提出了基于特征匹配(Speeded up robust features,SURF)算法的优化类脑SLAM导航模型。该模型通过一套移动视觉系统采集环境信息,构建的局部场景细胞通过SURF特征匹配算法获取到载体在环境中的方向与位置信息;头朝向细胞与位置细胞通过连续吸引子神经网络共同表示载体当前的位姿。利用所获取的位姿与时间信息,通过路径积分计算当前载体在坐标系中所处的位置;最后,构建基于认知点的拓扑经验地图。此外,在局部场景细胞获取环境信息的同时,通过SURF特征匹配算法来进行闭环检测,判断是否需要对当前位置进行修正。本文提出的优化类脑SLAM模型很大程度改进了原有模型在有光线变化的室内情况下易产生场景误匹配的问题,并通过实验验证了本文提出方法的有效性。展开更多
针对传统SURF算法(speeded up robust features)在拼接高分辨率无人机航拍图像时运行速度慢、特征匹配率低的特点,提出了一种基于IB-SURF(image block-SURF)技术的无人机图像拼接算法。结合无人机定位定姿系统(position and orientation...针对传统SURF算法(speeded up robust features)在拼接高分辨率无人机航拍图像时运行速度慢、特征匹配率低的特点,提出了一种基于IB-SURF(image block-SURF)技术的无人机图像拼接算法。结合无人机定位定姿系统(position and orientation system,POS)求取图像重叠区域;构造掩模在无人机图像重叠区域检测特征点,减少特征提取时间;借助图像分块(image block,IB)的思想对图像划分网格,精简筛选特征点;引入Neighborhood-KNN(neighborhood-K nearest neighbors)进行特征点匹配,提高图像匹配效率。实验结果表明,IB-SURF算法有较快的运行速度和较高的特征匹配率,平均特征匹配率达到84.3%,特征匹配正确率超过95.1%,为图像高质量拼接提供了技术基础。展开更多
文摘针对目前变电站运动目标的立体匹配算法存在匹配点少、误匹配等问题,提出一种结合A-KAZE(Accelerated KAZE)算法和改进的SURF(Speeded Up Robust Features)算法的智能变电站运动目标立体匹配算法。采用A-KAZE算法用于提取两个图像的匹配特征点,利用二阶多尺度改进的SURF特征向量进一步计算二次响应,采用高阈值算法增加匹配点,随机采样一致算法消除不匹配点,完成匹配工作。通过实验比较,验证了该算法的有效性。实验结果表明,相对于未改进前匹配点对从908对提高到1202对,匹配准确率从92.51%提高到96.17%,具有一定的实用价值。
文摘基于微软Kinect传感器,提出一种改进SURF(speeded up robust features)特征提取算法的单目视觉里程计新方法。用Kinect传感器获得环境彩色和深度图像,再采用基于特征点信息的改进的SURF算法完成彩色图像特征点的提取与匹配,提高匹配的正确率和鲁棒性,随后进行与深度图像的映射,实现三维重建并利用最小平方中值定理估计出机器人的路径信息。实验证明,该方法匹配正确率较SURF算法更高,在动态环境下具有很好的鲁棒性,是一种简单、有效的单目视觉里程计新方法。
基金National Natural Sciences Foundation of China(Nos.61973281,51821003,51922009)Key Research and Development Project of Shanxi Province(No.202003D111003)+4 种基金Excellent Youngth Foundation of Shanxi Province(No.202103021222011)Foundation of Science and Technology on Electro-Optical Information Security control Laboratory(No.2021JCJQLB055010)Aviation Science Foundation(No.2018ZCU0002)Shanxi Province Key Laboratory of Quantum Sensing and Precision Measurement(No.201905D121001)1331 Project of Shanxi Province。
文摘类脑导航是模拟鼠类感知环境机制提出的一种同步定位与构图(Simultaneous localization and mapping,SLAM)的导航算法。针对复杂环境如室内光线变化导致类脑SLAM导航产生误差的问题,本文提出了基于特征匹配(Speeded up robust features,SURF)算法的优化类脑SLAM导航模型。该模型通过一套移动视觉系统采集环境信息,构建的局部场景细胞通过SURF特征匹配算法获取到载体在环境中的方向与位置信息;头朝向细胞与位置细胞通过连续吸引子神经网络共同表示载体当前的位姿。利用所获取的位姿与时间信息,通过路径积分计算当前载体在坐标系中所处的位置;最后,构建基于认知点的拓扑经验地图。此外,在局部场景细胞获取环境信息的同时,通过SURF特征匹配算法来进行闭环检测,判断是否需要对当前位置进行修正。本文提出的优化类脑SLAM模型很大程度改进了原有模型在有光线变化的室内情况下易产生场景误匹配的问题,并通过实验验证了本文提出方法的有效性。
