针对视觉同步定位与地图构建(SLAM)算法中线特征提取稳健性差、匹配效率低的问题,提出了一种基于分组策略的点线特征融合视觉SLAM算法。首先,通过引入线段分组策略合并潜在的同源线段、生成高质量长线段,并利用公共结点筛选出有效的线特征。然后,根据点线特征的仿射不变性直接匹配线特征。最后,构建点线融合特征的误差函数,使重投影误差最小化,进而提高相机位姿的估计精度。在KITTI、EuRoC、TUM以及YorkUrban数据集上的实验结果表明,本算法可以有效提升特征提取的稳健性,进而提高相机位姿估计与建图的精度。

为了解决大仿射形变场景下, 尺度不变特征变换(Scale Invariant Feature Transform, SIFT)算法的局限性以及仿射尺度不变特征变换(Affine-SIFT, ASIFT)算法运算量大的问题, 提出了一种具有近似仿射尺度不变特征的快速图像匹配算法 (Fast Approximate-Ane-SIFT, Fast-AASIFT)。该算法具有比ASIFT算法更清晰的物理意义, 首先从逆仿射变换出发, 对原图进行仿射形变纠正, 估计出对应的正射图像; 然后在正射图像上进行特征点提取及SIFT描述; 最后进行SIFT优化匹配。实验结果表明: 大仿射形变场景下, Fast-AASIFT算法依然能匹配到足够多的特征点, 且峰值匹配误差＜2.5 pixel, 平均匹配误差＜1.2 pixel, 其抗仿射形变能力明显优于SIFT算法, 与ASIFT算法相当; Fast-AASIFT算法耗时＜0.3倍ASIFT, 有效改善了ASIFT算法的耗时问题。可见, Fast-AASIFT算法既有效保证了算法抗仿射形变鲁棒性, 又大幅提高了算法效率, 对场景重构、场景识别等应用具有重要意义。

针对金属冶炼排渣机械手对炉渣位置定位的问题, 本文提出了一种基于近红外视觉的高温目标定位方法。使用红外阵列传感器和 CMOS摄像头结构光三维重建视野标定后搭建出一套近红外视觉系统。用蜡烛光模拟高温炉渣, 将红外阵列传感器采集的温度点阵数据绘制出伪彩色温度分布图, 利用仿射不变性原理将其与彩色图像配准融合, 生成高温炉渣及其周围环境的红外 -可见光融合图像。最后, 利用红外阵列传感器横、纵视野角分量投影的方法得到高温炉渣的三维坐标。实验结果表明, 红外阵列传感器定位高温炉渣的方法是可行的。定位得到高温炉渣的三维坐标为机械手提供目标期望给定, 机械手可进一步完成排渣任务。

提出了一种基于小波变换的三维模型加密全息盲水印算法。该算法选取三维模型球面坐标与重心的距离作为离散二维信号,首先进行小波变换得到水平分量,水平分量经过小波变换后得到低频部分,将水印图像经光全息加密嵌入到低频部分,再经过逆小波变换生成含水印的三维模型,水印的提取是水印嵌入的逆过程。实验结果表明,该方法对噪声攻击、旋转、平移、比例变换、重排序攻击等具有很好的鲁棒性,且加密全息水印图像具有很好的水印安全性。

根据协同神经网络,提出了一种新的控制参数--序矢量,并着重研究了其在图像检索方面的相关性质.在此基础上,针对商标图像检索,提出了一种高效的基于元素的仿射不变性度量方法.实验表明,该检索算法抗噪、抗缺损能力强,同时对于平移、旋转、缩放具有不变性.