1 武汉科技大学 冶金自动化与检测技术教育部工程研究中心，湖北 武汉 430081
2 武汉科技大学 信息科学与工程学院，湖北 武汉 430081
针对目前常用配准算法不能满足生产制造行业中高精度工艺要求的问题，本文基于三维点云提出一种改进三维形状上下文（3DSC）点云配准的有效解决方案。首先，通过改进的降采样方式设定阈值采集轮廓点云，对采集的点云依次进行三维网格划分形成形状上下文。然后，进行改进的3DSC初始配准，进而采用迭代最近点（ICP）精确配准，实现了源点云与目标点云之间的旋转平移变换。为验证改进算法的有效性，采用FPFH-ICP、PFH-ICP、传统3DSC和本文改进算法进行配准实验对比。实验结果表明，对于bunny点云和flowerpot点云，本文改进算法精度分别可达2.253 55e-05 m和9.969 02e-06 m，明显优于其他算法的配准精度。与传统3DSC配准算法相比，改进的3DSC配准算法可节省75%~85%的配准时间。改进的3DSC点云配准方法有利于提高配准精度且能优化配准时间，提高了配准效率。
点云配准 三维形状上下文 迭代最近点 三维视觉 point cloud registration 3D shape context iterative closest point 3D vision
1 河海大学地球科学与工程学院，江苏 南京 211100
2 上海市测绘院三分院，上海 200063
传统点云数据特征描述符存在表达能力不足、计算效率低和鲁棒性不强等问题，针对二进制形状上下文（BSC）特征描述符不能有效检测到曲率分布较大的区域以及局部坐标系存在二义性的问题，提出了一种基于二进制特征描述符的点云数据配准算法。首先，采用内在形状签名关键点检测法和三维曲面片估计方法改进语义问题。然后，利用汉明距离与改进的几何一致性方法进行特征匹配。最后，用随机抽样一致性算法剔除误匹配。实验结果表明，相比快速点特征直方图、融合点签名的直方图和BSC算法，本算法与迭代最近邻点算法的结合能在大幅度提升配准效率的同时减小配准误差。
机器视觉 二进制形状上下文算法 汉明距离 点云配准 特征匹配 迭代最近邻点算法 激光与光电子学进展
2022, 59(10): 1015010
1 中国科学院光电技术研究所, 四川 成都 610209
2 电子科技大学光电科学与工程学院, 四川 成都 610054
3 中国科学院大学, 北京 100049
针对近地面远距离成像场景下轮廓目标受湍流杂波影响而使匹配误差较大的问题,提出一种基于方向形状上下文和边连续性约束的形状点集匹配识别方法。首先将方向特征嵌入传统的形状上下文来构造一个具有尺度和旋转不变性的特征算子。然后,受模板和目标形状之间的边连续性先验启发,在目标匹配能量代价函数中加入轮廓形状边连续性约束条件以提高形状匹配精度。合成湍流杂波场景和真实远距离成像场景中的形状匹配实验结果表明,和传统方法相比,所提方法能够将杂波场景下的目标匹配误差平均降低约6%,同时还降低了计算复杂度。
大气光学 目标识别 湍流杂波 形状上下文 点集匹配 激光与光电子学进展
2020, 57(21): 210101
1 西安财经大学信息学院, 陕西 西安 710100
2 西北大学信息科学与技术学院, 陕西 西安 710127
针对点云配准中匹配精度低和算法收敛速度慢等问题,提出一种基于二维图像特征和奇异值分解(SVD)的点云配准算法。先将三维点云转换成二维方位角(BA)图像,利用基于内部距离的形状上下文(IDSC)算法对BA图像进行配准;再根据三维点和二维像素的一对一映像关系计算三维点云的刚体变换,从而实现两个点云的初始粗配准;最后采用基于SVD的迭代最近点(ICP)算法对点云进行进一步精配准,从而实现点云的最终精确配准。实验采用公共点云、颅骨点云和文物点云数据验证所提配准算法的配准性能,结果表明所提算法是一种快速和高精度的点云配准算法。
成像系统 点云配准 方位角图像 形状上下文算法 奇异值分解 迭代最近点 激光与光电子学进展
2020, 57(10): 101101
长春理工大学光电工程学院, 吉林 长春 130022
提出一种基于空-时域特征决策级融合的人体行为识别算法。在空间域提取人体的形状上下文特征,用于同一时刻模板图像与测试图像的轮廓匹配;在时间域用变化的空间特征序列表征运动特征,联合稳健的空间特征进行有效的行为识别。识别阶段采用动态时间规划算法分别计算两种特征对于每种类别的后验概率,在决策级采用加权平均法对两种特征的后验概率进行融合,将最大概率对应的类别记为最终分类结果。针对动态时间规划算法提出一种基于椭圆边界约束的改进搜索策略,有效缩减最优路径的搜索空间,同时剔除视频中的噪声干扰。从计算复杂度和识别精度两方面对椭圆边界的约束性能进行分析,实验表明,椭圆边界约束性能优于平行四边形及菱形约束,并给出最佳边界尺寸范围。算法分别在Weizmann、KTH和UCF101行为数据集上进行测试,平均识别率分别优于93.2%、92.7%和81.2%,有效实现了室内智能监控系统的高效性及稳定性。
图像处理 行为识别 形状上下文 动态时间规划 决策级融合
为实现全景视场下人体行为特征的有效提取, 在原始形状上下文特征匹配算法的基础上, 提出一种基于自适应分块思想的金字塔匹配核算法.结合光学成像原理及全景视场下人体投影特点, 计算图像二阶中心矩对人体轮廓主轴方向进行补偿.然后对轮廓点进行均匀采样, 对各采样点提取形状上下文特征, 在匹配过程中分析高维特征空间中采样点的分布特点, 采用自适应分块的思想对金字塔匹配核函数的收敛策略进行改进, 根据各维度上数据的分布范围自适应地调整收敛系数, 以保证各个维度上的点集收敛速度一致.最后通过室内摔倒检测实验来验证算法的可靠性, 使用K均值聚类方法进行识别, 识别率可达92.9%.该特征提取算法为智能监控系统的稳定性提供了保障.
特征匹配 图像二阶矩 形状上下文 金字塔核函数 Feature matching Second moment Shape context Pyramid match kernel 光子学报
2017, 46(12): 1210001
1 江南大学 轻工过程先进控制教育部重点实验室, 无锡 214122
2 无锡信捷电气股份有限公司, 无锡 214072
为了解决传统形状上下文直方图相似性计算需遍历轮廓采样点、计算复杂性高、不能满足工业实时性要求的问题, 提出了一种改进型形状上下文的工件立体匹配方法。改进匹配搜索策略, 引入立体图像对质心的视差约束条件, 并利用形状上下文直方图分布信息进行初步筛选, 获取候选匹配点集, 减少后续匹配计算复杂度; 为增加匹配点与非匹配点的区分度, 对形状上下文相似性度量进行加权处理; 匹配时融合对应轮廓采样点3×3邻域的梯度方向直方图特征, 与形状上下文构成联合相似性度量; 最后采用随机抽样一致性算法剔除误匹配点对。对改进算法进行了理论分析, 并应用于工件图像进行实验验证, 通过实验给出了相应的实验对比。结果表明, 改进的方法具有较高的匹配精度和更快的匹配速度, 鲁棒性高。
图像处理 立体匹配 形状上下文 视差约束 梯度方向直方图 随机抽样一致性算法 image processing stereo matching shape context disparity constraints histograms of oriented gradients random sample consensus algorithm
1 中国传媒大学 信息工程学院, 北京 100024
2 中国艺术科技研究所, 北京 100061
提出了改进的形状上下文算法以克服传统的形状上下文算法不具备旋转不变性这一缺点。该算法利用找寻包含采样点数最多的角度区间的方式改变图像角度, 对相对应的区域进行比较, 并计算匹配代价, 从而为形状上下文加入旋转不变性。为提高运算速度, 算法也引入了剪枝方法, 解决了进行直方图距离计算时遍历采样点的问题。实验显示, 本文的算法在公开数据库上测试得到的精确度召回率(PR)曲线与郑提出算法的PR曲线性能接近, 但是计算速度较其提升了近1倍;与传统的形状上下文算法相比, 提出算法的PR曲线更为优越, 且检索精度有较大提高。因此, 提出的算法综合检索性能更好, 能够有效地的应用于二值图像检索领域。
二值图像 图像检索 形状上下文 旋转不变性 剪枝 binary image image retrieval shape context rotation invariance pruning
苏州大学 城市轨道交通学院, 江苏 苏州 215006
基于形状上下文(Shape Context)算法并融合主成分分析(PCA)的降维思想, 提出了一种PCA-SC算法来提高形状匹配和目标识别的速度和抗噪能力。该算法将SC算法获取的特征矩阵构成协方差矩阵, 按照特征值由大到小的准则进行降维, 形成新的特征矩阵用于匹配和识别, 既抑制了噪声干扰, 提高了识别准确率, 又能够提高匹配速度, 易于满足工程应用对实时性的要求。利用MNIST图像数据库中的图像进行了实验分析, 结果表明, PCA-SC算法在保持了SC算法原有的定位准确、抑制噪声等优点的基础上, 识别速度提高了1倍; 准确率达到了96.15%, 提高了约0.5%; 而且抗噪性更强, 可用于匹配和识别较复杂的形状和目标。该算法基本满足匹配和识别对速度、准确率和抗干扰性等方面的要求。
形状匹配 目标识别 主成分分析 形状上下文算法 shape matching object recognition Principal Component Analysis(PCA) shape context(SC) algorithm
