为提高结构光三维重构系统的点云匹配速度及精度,提出二维视图及三维点云交叉特征点协同匹配的方法。首先,通过投影变换及维度映射关系实现待拼接投影图像的归一化,经预处理后提取端点及分叉点作为关键点,对同类点进行三角划分及相似匹配得到初始点集,并将其映射至三维空间。其次,利用kd-tree搜索得到双邻域质心,根据三点构成的三角形相似关系进一步筛选点集。最后,采用四元数法完成粗拼接,进而使用改进的迭代最近点(ICP)算法完成精拼接。实验结果表明,所提算法的匹配准确率达98.16%,匹配用时3s,粗拼接重叠区域的重心距离误差为0.018mm,所提算法对于二维图像视角变换、纹理光滑、光线不均等具有较高的鲁棒性。

针对全空间仿射不变(ASIFT)算法在解决大视角场景下的图像匹配问题时存在稳健性差、匹配效率低的缺点,提出了一种新的图像匹配算法。采用非线性扩散滤波代替高斯线性滤波对图像进行预处理,以提高检测到的特征点的稳健性;在图像模拟变换过程中采用掩模算子对有效区域进行标记,以提高特征点检测效率。根据视角模拟变换原理,提取特征点不同视角变换下的邻域信息,提出了多视角最近邻匹配与加权匹配规则,建立了多视角描述子,提升了匹配效率。实验结果证明,相比现有的特征匹配算法,所提算法不仅对视角变化具有很好的稳健性,还提高了图像匹配效率与准确度。

视觉导盲仪是一种旨在解决盲人出行困难的导盲设备, 为了实现视觉导盲仪诱导盲人找到盲道并沿盲道行走, 提出了一种基于机器学习识别与标记分水岭分割的盲道图像定位算法, 通过离线训练与在线的识别、分割来定位盲道区域。首先对盲道图像进行视角变换的预处理, 根据盲道的地面方程将变化的倾斜视角转换为固定的俯视视角, 消除射影变换带来的失真; 然后利用局部二进制模式描述子提取鸟瞰图的纹理特征, 以自适应增强学习算法离线训练盲道识别分类器; 进而利用分类器对鸟瞰图像进行在线识别, 粗略确定盲道区域; 最后将识别结果进行形态学处理后作为标记, 利用标记分水岭算法得到精确分割的盲道区域并定位盲道中心线。在研制的视觉导盲仪上进行验证, 结果表明盲道定位准确率达到了95.44%, 速度平均每秒8帧, 具有高准确率的同时达到实时性要求, 为盲道的准确三维定位提供了必要条件。

针对原SURF算法难以解决图像发生仿射变换特别是发生大视角变换时的有效匹配问题, 提出了一种基于SURF的抗视角变换图像匹配算法。算法首先通过模拟可能的视角变换对基准图像进行视角补偿来生成模拟图像序列；再对序列中的每幅图像分别提取SURF特征点并映射到基准图中, 构成基准图像的特征点集, 从而增加了基准图像中抗视角变换特征点数目；最后以欧氏距离作为相似度量准则得到待配准图像和基准图像间的SURF匹配特征点对。实验结果表明, 所提算法增加了特征点匹配对数目, 改善了视角变换过大(大于60°)使得图像无法匹配的情况。