南京理工大学瞬态物理国家重点实验室, 南京 210000
针对运动网格统计(GMS)等特征匹配算法误匹配集中出现, 且在视点变化较大的情况下, 由于匹配点过少而导致匹配失败的问题, 提出了一种使用改进GMS算法结合RANSAC计算单应矩阵的特征匹配算法。首先,对原始GMS算法网格进行分配权重, 设置可变阈值以获取足够匹配点, 通过对改进GMS算法得到的匹配点集使用RANSAC拟合单应矩阵, 并对初始暴力匹配集进行细筛选生成最终的匹配点集。在公开的特征匹配数据集上的实验表明, 匹配准确率和召回率分别提升了22.69%, 18.58%, 算法更适用于视点变化较大的场景。
特征匹配 GMS算法 可变阈值 RANSAC算法 视点变化 feature matching GMS algorithm variadic parameter RANSAC algorithm viewpoint change
1 长沙理工大学电气与信息工程学院,湖南 长沙 410114
2 国防科技大学系统工程学院,湖南 长沙 410003
在工程应用中使用三维激光雷达的基础是对激光雷达的外参数进行标定,而对激光雷达外参标定通常都需要其他传感器的数据进行联合标定,且标定方法复杂,过程耗时较长。对此,提出一种简便的自动标定算法。首先利用RANSAC算法拟出多个平面,并通过相邻点法向量的夹角进行平面的二次筛选得到其平面方程,再根据平面方程得到平面间的交点坐标,使用反对称矩阵构建旋转矩阵,进一步利用交点坐标在雷达坐标系与世界坐标系下的不同求得近似转换关系,最后利用最小二乘思想对近似矩阵进行优化,得到较为准确的旋转位移矩阵。所提算法可以在特征点、角点点云缺失的情况下,通过平面方程拟合出较为精确的角点。仿真结果表明,该算法是可行的。
三维激光雷达 外参标定 RANSAC算法 反对称矩阵 最小二乘 激光与光电子学进展
2023, 60(22): 2215006
武汉科技大学信息科学与工程学院,湖北 武汉 430081
针对目前焊缝外观检测实时性差、精度低等问题,提出一种基于光学低相干的焊缝外观特征检测方法。利用光学低相干测量原理获取焊缝外观的三维坐标信息,并利用滤波算法提取出焊缝三维轮廓;基于焊缝轮廓线的特征,提出采用DBGBCA算法对点集进行分类,以确定拟合区间;利用RANSAC算法进行直线拟合后,精确调整多项式拟合区间和拟合阶数进行曲线拟合;基于直线拟合和曲线拟合确定特征点,得到焊缝外观参数。试验结果表明,所提方法可使检测结果精确到0.004 mm,满足工业生产要求。
焊缝外观检测 光学低相干 RANSAC算法 多项式拟合 weld appearance inspection optical low coherence RANSAC algorithm polynomial fitting
1 西安工业大学,a.电子信息工程学院
2 西安工业大学,b.机电工程学院, 西安 710000
3 b.机电工程学院, 西安 710000
为了提升RANSAC算法的匹配正确率, 提出了一种基于二次匹配策略的RANSAC算法。该方法首先将所有样本点中误差过大的特征点进行剔除, 以减小迭代次数, 提高算法匹配速度; 再通过反向匹配的方式进行二次匹配, 保证了算法匹配的准确率和可靠性。实验结果证明, 所提算法匹配正确率和速度都有所提升, 并且在光照变化、模糊环境的干扰下, 仍具有较强的鲁棒性和可靠性。
RANSAC算法 预处理 反向匹配 RANSAC algorithm preprocessing reverse matching
1 南京航空航天大学 自动化学院, 南京 211106
2 高速载运设施的无损检测监控技术工业和信息化部重点实验室, 南京 211106
针对目前图像特征匹配中存在不同程度误匹配的问题, 提出了一种KAZE结合感知哈希的图像匹配算法。首先采用KAZE算法提取图像特征点并匹配, 然后使用感知哈希算法筛选提纯初始匹配对, 最后运用随机抽样一致(RANSAC)算法再次筛选, 得到最终的匹配结果。在Mikolajczyk标准图像集上的实验结果表明, 该算法在图像发生旋转缩放、光照变换、模糊以及JPEG压缩等变化下均能够保持较高的匹配正确率, 具有良好的可靠性和鲁棒性。
KAZE算法 图像匹配 感知哈希 RANSAC算法 KAZE algorithm image matching Perceptual Hash RANSAC
1 国网新源控股有限公司检修分公司,北京 100068
2 中国能源建设集团甘肃省电力设计院有限公司,甘肃 兰州 730050
3 国家林业和草原局华东调查规划设计院,浙江 杭州 310019
将三角形约束方法引入到合成孔径雷达(SAR)影像匹配中。利用尺度不变特征转换(SIFT)算子生成特征点;采用鲁棒性较好的随机抽样一致(RANSAC)算法剔除错误匹配点,得到更高精确度的同名点;最后利用SIFT算法得到的同名点建立Delaunay三角网。在同名相似三角网内,以三角形重心点作为内插的虚拟同名点,并对虚拟同名点进行归一化互相关(NCC)约束,剔除不满足阈值要求的虚拟同名点对,同时根据内插得到的虚拟同名点建立新的三角网,对三角网进行动态更新,用于获取更多虚拟同名点,直至满足匹配要求。实验结果表明,本文方法能够有效增加匹配特征点数量,提高雷达影像的匹配精确度。
SAR影像 三角网约束 SIFT算法 RANSAC算法 几何约束 SAR image Triangle Constraint SIFT algorithm RANSAC algorithm geometric constraint 太赫兹科学与电子信息学报
2020, 18(5): 802
1 西京学院机电技术系, 陕西西安 710123
2 西北师范大学计算机科学与工程学院, 甘肃兰州 730070
为了解决当前图像匹配算法主要是通过像素点间的距离信息来实现特征匹配, 忽略了图像间的方差信息, 导致匹配结果中存在较多的错误匹配等不足, 本文提出了一种基于拉普拉斯特征制约与方差度量的图像匹配方法。首先, 引入 Harris算子, 对图像特征进行粗提取, 并利用像素点的拉普拉斯特征, 删除伪特征点, 对粗提取的图像特征进行优化, 获取更为准确的图像特征。然后, 依据图像的梯度特征来计算图像特征的方向信息, 以此建立特征点的邻域, 通过求取该范围内的 Haar小波值, 从而得到特征向量。采用区域方差模型对图像的方差信息实施度量, 并联合特征点的欧氏距离, 对特征点进行更为准确的匹配。最后, 采用随机样本一致性 (RANSAC)机制对特征匹配结果实施优化, 剔除其中的错误匹配, 从而完成图像匹配。实验结果显示:较当前较为先进的匹配算法而言, 在旋转、缩放等几何变换干扰下, 所提算法具备更高的匹配准确率, 维持在 90%以上。
图像匹配 Harris算子 拉普拉斯特征 梯度特征 方向信息 区域方差 RANSAC算法 imagematching Harris operator Laplacianfeature gradientfeature directioninformation regional variance RANSAC algorithm 太赫兹科学与电子信息学报
2020, 18(4): 672
1 沈阳航空航天大学,a.航空航天工程学部
2 沈阳航空航天大学,b.自动化学院, 沈阳 110136
基于单目视觉的机器人同步定位与地图创建 (SLAM)方法是实现机器人自主行走的重要研究方向之一, 而图像特征匹配技术是该方法中的关键技术。基于尺度不变特征变换(SIFT)算法的SLAM匹配方法具有提取特征点数量丰富、稳定等优点, 然而在速度以及正确率方面仍存在一些不足。因此针对SIFT算法描述子维数高、匹配时间长等问题, 提出了一种改进的SIFT算法, 将原128维的特征描述子降至内部矩形外部圆形的24维特征描述子, 匹配过程中应用了三线性插值、RANSAC算法等对匹配结果去除误匹配。实验结果最终表明, 改进后的SIFT算法不仅对角度变化、光照变化等情况均具有良好的鲁棒性, 匹配速度和正确率也有显著提升, 可满足实时SLAM同步地图构建的需要。
图像匹配 单目视觉 尺度不变特征变换 特征描述子 RANSAC算法 image matching monocular vision scale-invariant feature transformation feature descriptor RANSAC algorithm