一种改进RANSAC的基础矩阵估计方法

针对随机抽样一致性算法估计基础矩阵存在效率低并且估计的精度依赖于抽样质量的问题,提出了一种改进RANSAC的基础矩阵估计算法。该算法采用预检验技术减少计算时间,在计算过程统计每对匹配点被标记为内点的次数,选择被判断为内点次数较多的集合构成候选集合来指导下一次抽样。下一次样本选择在候选集合中完成,并根据当前计算结果更新候选集合。最后选择包含内点数量最多的集合作为内点集。模拟数据和真实图像数据的实验结果表明,本文算法在误匹配和高斯噪声存在的情况下,算法精度和效率都体现出较好的品质。     

一种基于特征拓扑约束的图像配准算法

针对传统RANSAC算法在特征点提纯方面效率不高、迭代计算复杂等缺点,提出先利用拓扑约束进行特征点提纯,得到初始匹配点集,再通过RANSAC原理进行特征点精确提纯,最后通过最小二乘法利用精确匹配点求解单应矩阵进行图像配准。实验结果表明:拓扑约束提纯算法计算效率高,能有效提高RANSAC算法的正确匹配率和时间效率,可得到更多更稳定的匹配点,提高图像配准的精度。     

顾及噪声密度函数差异的自适应回归算法及其在人工标靶提取中的应用

仪器、周围环境和人为操作等往往会造成点云中包含大量的噪声,导致模型回归精度低等问题.RANSAC算法凭借其简单实现、稳健的优势广泛应用于解决模型回归的问题.但是,针对不同的场景,RANSAC算法需要不断地调整参数来估计最优模型解.本文考虑到RANSAC及其现有改进算法的不足,以及内群点与噪声之间往往存在密度分布差异性,首先利用密度加权导向采样的方式优化初始假设模型,然后提出了一种空间密度函数以用于最优模型评价和迭代次数计算,整个过程不需要任何先验知识.本文方法能够解决内群点比率大于10％ 的模型回归问题.通过与已有方法的试验对比,本文方法能够在无先验信息的情况下具有较高的精度和稳健性.     

基于点特征的单目视觉里程计实现

本文采用特征点检测实现移动机器人的单目视觉里程计,通过对图像进行网格划分保证特征点均匀分布,提高特征点匹配效率。并行计算基础矩阵及单应矩阵实现单目视觉里程计的自动初始化,采用RANSAC算法剔除外点提高特征点匹配质量。设定运动模型及参考帧模型加速帧间运动估计,并通过合理的关键帧选取策略及图优化提高相机位姿精度及鲁棒性。利用TUM数据集测试本文设计的单目视觉里程计,实验轨迹误差为3.58 m,通过Turtlebot2移动机器人对真实环境进行测试,实验表明本文方法的有效性。     

本质矩阵优化分解的相对位姿估计

针对从影像恢复摄像机相对位姿的问题,提出了一种基于李群表示的本质矩阵快速分解的位姿估计算法。通过加权最小二乘方法优化了本质矩阵;利用本质矩阵和平移向量的关系求出了平移向量;由本质矩阵和位姿参数的等式关系建立目标函数,基于姿态的李群表示推导了旋转矩阵迭代估计过程;优化了唯一解确定的约束条件,避免了特征点的三维重建。仿真实验和真实图像实验表明提出的算法精度和鲁棒性均优于传统算法,算法效率得到明显提高。提出的算法避免了矩阵奇异值分解运算和大量的矩阵计算,而且只需对两组解进行唯一解确定,能够实现相对位姿的快速高精度估计。     

一种基于空间几何约束的图像面元配准算法

针对在图像匹配中,传统RANSAC算法在特征点提纯方面效率不高的问题,本文采用空间几何约束算法进行特征点提纯,得到初始匹配点集,再通过RANSAC算法进行特征点精确提纯。实验结果表明:该方法在保证较高精度和鲁棒性的前提下,能有效提高RANSAC算法的时间效率,提高图像的拼接精度和速度。     

基于RANSAC的坐标系转换抗差算法研究

空间坐标转换在大地测量、工程测量等领域应用广泛．在利用公共点求解坐标转换参数时,针对公共点中混有多粗差点的情形,给出了基于罗德里格矩阵的坐标系转换模型,并在此基础上提出了基于随机抽样一致性(RANSAC)算法粗差剔除的坐标系转换抗差估计．最后利用仿真数据对该算法进行了验证,同时将该抗差算法与基于IGG3方案的最小二乘抗差估计算法进行了比较．算例结果表明,在20个仿真公共点数据中(仿真多组数据),当粗差点个数超过公共点总数的3／10时,基于IGG3方案的最小二乘抗差算法失效,而基于RANSAC的抗差算法在粗差点个数达到公共点总数的1／2时,依然能保证坐标转换的精度．该抗差算法将RANSAC算法的思想应用到坐标系转换上,有效地剔除了公共点中混有的大量粗差点.      

复杂屋顶平面的RANSAC优化分割方法

针对传统随机采样一致性（random sample consensus,RANSAC）算法对复杂屋顶的分割缺陷,提出一种复杂屋顶平面的RANSAC优化分割方法。首先,在点云法向量估计的基础上,利用点法式方程优化种子点选取过程,提高初始平面选择的有效性;然后,采用距离与法向加权法抑制虚假平面生成,并利用加权函数进行平面内点的迭代修正,提高面片分割的准确性;最后,利用面片竞争方法优化分割结果,实现屋顶点云的分割处理。多组点云分割实验结果表明,该方法能有效抑制虚假平面,对复杂建筑物的屋顶平面分割结果的精确率、召回率和整体精度分别达到96.8%、98.2%和95.1%。相比传统方法,该方法在点云分割结果正确率及耗时方面均有明显优势。     

基于相似特征点集的SIFT匹配改进算法

当影像中存在相似或重复场景时,传统SIFT匹配算法存在匹配成功率低,目前改进的SIFT匹配算法计算量大。基于相似特征点集的SIFT匹配改进算法,依据相似性或重复场景的影像纹理特点,在SIFT特征点匹配过程中,通过设定阈值提取初始同名点,建立针对未成功匹配参考特征点的相似特征点集,利用已获取初始同名点建立仿射几何约束模型构建参考特征点的匹配约束窗口,在该窗口内利用特征点相对主方向及尺度约束,对特征相似点集进行匹配获得同名点,最后采用RANSAC算法剔除误匹配点。对比实验结果表明,在影像像对间存在较多相似性场景,同时存在较大尺度缩放、旋转变换、视角及模糊差异的情况下,文中算法在匹配成功率和计算复杂度上具有明显的优势。     

机载LiDAR点云自适应滤波算法

针对传统移动曲面拟合滤波算法难以使用单一且具有自适应性阈值滤波的问题,提出一种改进自适应阈值滤波算法.首先将点云格网化,利用混合最小二乘曲面拟合对多级移动曲面滤波算法进行部分优化;其次利用离散点云数据分布特征计算一级滤波阈值;最后计算格网中最大真实高程值与最小真实高程值之差,利用曲率极限点为该值设定一个自适应系数,对滤波阈值算法进行自适应改进后二级滤波.实验采用国际摄影测量和遥感学会(ISPRS)公布的激光雷达数据集验证算法,结果表明,该算法滤波总误差平均值达到6.26％,连续地形滤波总误差达到4％以下,可以较精确地区分地面点与地物点,精确度较高且适应性较强.