针对传统车辆检索方法中存在准确性和区分度较低的问题,提出了一个基于改进SURF(speeded up robust features)算法的视频车辆检索方法。在车辆视频关键帧提取的基础上,根据改进SURF算法完成车辆图像的特征提取及匹配,其中包含改进FAST(f...针对传统车辆检索方法中存在准确性和区分度较低的问题,提出了一个基于改进SURF(speeded up robust features)算法的视频车辆检索方法。在车辆视频关键帧提取的基础上,根据改进SURF算法完成车辆图像的特征提取及匹配,其中包含改进FAST(features from accelerated segment test)特征点检测、SURF特征向量提取以及最近邻查询方法来进行特征点的匹配;通过计算比较待检索车辆图像与数据库车辆图像的相似度,算法完成图像筛选并反馈检索结果。实验结果表明:针对交通监控视频中待检索车辆,该方法能够较为准确地进行检索并反馈结果。展开更多
在视觉SLAM(visual Simultaneous Localization And Mapping,vSLAM)中,利用提取到的图像特征点进行相机位姿估测是一种非常重要的位姿估算方法,为了实现相机的定位,图像特征点必须具备鲁棒性、尺度性和高效率等特点。介绍了图像特征点...在视觉SLAM(visual Simultaneous Localization And Mapping,vSLAM)中,利用提取到的图像特征点进行相机位姿估测是一种非常重要的位姿估算方法,为了实现相机的定位,图像特征点必须具备鲁棒性、尺度性和高效率等特点。介绍了图像特征点提取与匹配在视觉SLAM中的作用和场景中图像特征点需要具备的特性;对几种主流的图像特征点提取算法,即尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法、加速稳健特征(Speeded-Up Robust Features,SURF)算法、快速特征点提取与描述(Oriented FAST and Rotated BRIEF,ORB)算法分别进行了简要说明;并通过设计实验,在室内环境中,对几种图像特征点提取算法的运行效率和图像特征点匹配正确率进行了对比测试。实验表明,ORB算法在运行效率和匹配正确率上占据优势,能够较好地满足视觉SLAM中实时性和鲁棒性的要求。展开更多
为解决部分遮挡情况下车辆实时跟踪丢失的问题,提出一种基于特征点匹配的改进ORB(improved oriented FAST and rotated BRIEF)算法。在FAST检测角点后用拉普拉斯极值去除虚假角点,相比ORB算法提高了匹配的正确率和检测速度。改进的FAST...为解决部分遮挡情况下车辆实时跟踪丢失的问题,提出一种基于特征点匹配的改进ORB(improved oriented FAST and rotated BRIEF)算法。在FAST检测角点后用拉普拉斯极值去除虚假角点,相比ORB算法提高了匹配的正确率和检测速度。改进的FAST检测角点速度快,BRIEF(binary robust independent elementary features)描述子缩短建立描述符的时间,减少存储空间,提高特征点匹配的速度,满足实时跟踪的需要。实验结果表明,在有光照变化和噪声干扰的情况下,该算法能够快速准确地跟踪有部分遮挡的车辆。展开更多
文摘针对传统车辆检索方法中存在准确性和区分度较低的问题,提出了一个基于改进SURF(speeded up robust features)算法的视频车辆检索方法。在车辆视频关键帧提取的基础上,根据改进SURF算法完成车辆图像的特征提取及匹配,其中包含改进FAST(features from accelerated segment test)特征点检测、SURF特征向量提取以及最近邻查询方法来进行特征点的匹配;通过计算比较待检索车辆图像与数据库车辆图像的相似度,算法完成图像筛选并反馈检索结果。实验结果表明:针对交通监控视频中待检索车辆,该方法能够较为准确地进行检索并反馈结果。
文摘在视觉SLAM(visual Simultaneous Localization And Mapping,vSLAM)中,利用提取到的图像特征点进行相机位姿估测是一种非常重要的位姿估算方法,为了实现相机的定位,图像特征点必须具备鲁棒性、尺度性和高效率等特点。介绍了图像特征点提取与匹配在视觉SLAM中的作用和场景中图像特征点需要具备的特性;对几种主流的图像特征点提取算法,即尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法、加速稳健特征(Speeded-Up Robust Features,SURF)算法、快速特征点提取与描述(Oriented FAST and Rotated BRIEF,ORB)算法分别进行了简要说明;并通过设计实验,在室内环境中,对几种图像特征点提取算法的运行效率和图像特征点匹配正确率进行了对比测试。实验表明,ORB算法在运行效率和匹配正确率上占据优势,能够较好地满足视觉SLAM中实时性和鲁棒性的要求。
文摘为解决部分遮挡情况下车辆实时跟踪丢失的问题,提出一种基于特征点匹配的改进ORB(improved oriented FAST and rotated BRIEF)算法。在FAST检测角点后用拉普拉斯极值去除虚假角点,相比ORB算法提高了匹配的正确率和检测速度。改进的FAST检测角点速度快,BRIEF(binary robust independent elementary features)描述子缩短建立描述符的时间,减少存储空间,提高特征点匹配的速度,满足实时跟踪的需要。实验结果表明,在有光照变化和噪声干扰的情况下,该算法能够快速准确地跟踪有部分遮挡的车辆。
