基于FDE-IRF的室内指纹定位方法

针对传统指纹库存在建立工作量大以及随机森林匹配误差大等问题,提出了一种基于指纹库自动扩充的改进随机森林指纹定位方法(FDE-IRF)以提升指纹库构建的效率和指纹匹配的精度.该方法对传统全采样构建指纹库方法和随机森林回归定位方法进行改进,稀疏采样多时间段的指纹数据和Kriging插值方法组合补全未采样指纹点,提升建库效率...     

基于几何聚类指纹库的约束KNN室内定位模型

针对室内环境基于RSSI定位不稳定问题,提出了以几何信息改进基于指纹库的KNN定位算法。根据室内几何布局建立了聚类指纹库,提出了表征点位几何特性的点散发性强度(geometric strength of sporad-ic, GSS)概念。利用最邻近样本点的GSS判别移动终端所在参考点RP控制网结构以动态选择KNN关键参数K,构建最佳多边形为约束准则自适应选取后K- 1个邻近点,建立了基于几何聚类指纹库的约束加权KNN室内定位模型。结果表明,改进后定位模型可以更好地估计终端位置信息,其中几何聚类指纹库是改善定位准确性的关键,约束KNN能够有效地提高室内定位精度。     

带匹配支持度的多源遥感影像SIFT匹配方法

通过将匹配支持度的相似性测度引入SIFT特征匹配算法,提出了一种能够应用于不同源遥感影像的自动匹配方法。首先,建立待匹配影像中特征点的SIFT特征描述符;然后,以待匹配点与参考点间的欧氏距离为相似性测度,挑选一定数量的距离最为接近的匹配点作为候选点;最后,分别计算候选匹配点间的匹配支持度,并通过松弛法剔除误匹配点以完成影像的自动匹配。实验结果表明,与传统的灰度匹配及经典的SIFT特征匹配相比,此算法可明显提高影像匹配的成功率和可靠性。     

聚类阈值结合动态K值的蓝牙室内定位算法

针对固定阈值的动态K近邻算法定位时未能有效剔除距离较远参考点的问题,该文提出了基于聚类阈值结合动态K值的算法:①在离线阶段建立聚类指纹库,并在每个聚类子块中设定聚类阈值;②在线阶段根据待测点信号确定其所处的聚类子块和对应的阈值,由信号强度的欧氏距离和聚类阈值选取K个信号距离最小的参考点;③以信号距离倒数为权重计算坐标加权平均,作为定位结果。实验分析得出,与固定阈值的动态K值算法的平均定位误差为2.64m;聚类阈值结合动态K值算法的平均定位误差为1.12m,降低了57.6%,并且点位误差在1m和2m内的可信度分别为42.3%和77.8%。聚类阈值结合动态K值算法能够较好地剔除距离较远的参考点,可以有效提高蓝牙指纹定位的精度。     

改进FAST和对立颜色特征的向量场一致性匹配

针对目前传统图像匹配算法在复杂环境下存在误匹配点对过多、稳健性较差等问题,本文提出一种基于改进FAST的特征点提取,结合对立颜色特征的图像匹配算法。首先,利用改进FAST算法提取的角点作为特征点,结合改进的Opponent SIFT算法对特征点进行描述;然后,使用基于字符定位算法对提取的特征点对进行粗匹配,降低整体匹配过程中特征点对误匹配的风险。最后,为了规避因RANSAC算法易陷入局部最优解而导致正确点对被误剔除的问题,运用向量场一致性替代RANSAC进行提纯,降低误匹配率。通过对比试验表明,改进算法匹配准确率均大于91%,且对差异变化具有较好的稳健性、适应性。     

一种改进的组合定权的指纹定位算法

室内场景复杂、WiFi信号不稳定等因素,造成基于信号空间K最近邻法的WiFi指纹定位算法匹配的邻近点会出现偏差,使用偏差较大的点计算待定点位置会直接影响定位结果。本文提出了一种改进的组合定权的指纹定位算法,对K个邻近点的几何结构进行分析,剔除其中偏离邻近点几何中心较远的点后,同时分析匹配邻近点中心同待定点几何位置存在理论上的关联,利用选择后的邻近点与其中心点的几何距离、待定点与指纹点欧氏距离组合定权,加权求取坐标。与KNN、WKNN算法定位结果分别进行比较,表明该方法提高了定位准确性和精度。     

无人机影像匹配中尺度不变特征应用改进

针对尺度不变特征变换算法用于无人机影像匹配中存在匹配效率低下,误匹配较多等问题,该文提出一种特征点提取优化算法,并改进了特征点匹配策略。通过将原始影像划分格网,依据每个格网影像信息熵的大小来合理分配各格网中特征点数量,实现了基于纹理信息丰富程度的特征点均匀分布;基于Harris兴趣值进行筛选,保留了适合于摄影测量的特征点;采用一种多层次自适应的匹配策略,在尽可能保留正确匹配的同时提高了匹配正确率。基于一对由小型无人机拍摄影像的实验结果表明,所提方法在大量减少SIFT特征点的同时,保证较高的正确率,增加了匹配点的精度,且提高了算法效率。     

一种顾及纹理特征的自适应密集匹配方法

针对半全局立体匹配(SGM)算法对于弱纹理区域误匹配率较高的问题,该文提出了一种顾及纹理特征的 自适应密集匹配方法,也是SGM算法与该文提出的一种跳过噪声点的区域增长 自适应窗口匹配算法的结合.首先,以某一待匹配点为中心构建一个一定大小的初始窗口.其次,计算窗口内其余各点与待匹配点灰度差的绝对值之和,根据该值的大小判断...     

基于图论的遥感影像误匹配点自动探测方法

提出一种基于图论的卫星遥感影像误匹配点自动剔除方法。首先以稀疏匹配点为节点分别构建左右影像的完全图;然后利用每个节点所对应三角形的相似度之和为属性值构建导出图;最后通过搜索导出图中属性值最小的节点定位误匹配点。在剔除单个误匹配点的基础上,采用重新构建完全图-导出图-定位误匹配点的循环搜索策略,达到自动探测并剔除多个误匹配点的目的。实验表明,该方法无需建立匹配点间的映射模型,仅利用三角形的相似关系就可以定位误匹配点,与广泛使用的随机抽样一致性粗差探测方法相比,对误匹配点具有更高的识别率和更低的误判率。     

一种改进的APAP影像匹配算法

针对无人机影像匹配时易出现影像重影、透视失真和耗时较长等问题,本文提出了一种改进的APAP算法。该算法首先利用SIFT算法选取特征点,通过改进RANSAC算法去除误匹配点;然后根据APAP算法对影像进行网格划分,求每个网格的单应性矩阵,并对单应性矩阵进行线性化;最后根据线性化的单应性矩阵进行影像匹配,单应性矩阵的线性化不仅对影像匹配时产生的重影现象有较好的削弱作用,而且能减少非重叠区域的透视失真。试验结果表明,本文方法在匹配效率和匹配效果方面效果显著。     

DEM辅助下的倾斜航摄影像匹配方法

在倾斜航空摄影测量中,倾斜影像间由于视角差异较大,具有较大几何变形,而具备仿射尺度不变性的ASIFT算法存在效率较低的问题,提出一种DEM辅助下的倾斜航摄影像匹配方法。该方法通过利用影像的粗略外方位元素和测区的DEM数据,首先对倾斜影像进行仿射变换来减弱几何变形;然后通过SIFT特征匹配算法来获取同名点对,并使用RANSAC剔除误匹配;最后将同名点对根据单应矩阵反算回原影像,以基础矩阵估计法剔除误匹配,获得最终匹配点对。通过对多组数据进行实验,结果表明,该算法的计算效率较高,获得的匹配点对在数量和分布情况上也更为理想。     

一种改进的快速特征点匹配方法

如何进行快速特征点匹配是计算机视觉领域研究的热点问题之一,基于层级式K均值聚类的分类树算法能对特征点实现快速分类。然而,当用该方法进行特征点匹配时不仅会产生大量误匹配点,而且还会丢失许多匹配点。本文对该方法进行研究后,从建树和匹配两个方面对算法进行了改进,使其更加适合于特征点匹配。实验结果表明,改进后的分类树算法能够在保持原算法匹配速度快特点的同时还能够有效降低误匹配率和漏匹配率。     

一种基于智能手机四向RSS指纹的室内定位方法

针对传统位置指纹匹配算法只能表征单一维度指纹点特征的问题,提出了一种基于智能手机四向接收信号强度(RSS)指纹的室内定位方法. 该方法通过离线阶段的数据采集、特征提取、接入点(AP)权重分配三个步骤提取了更丰富的指纹点信息,在线阶段使用改进的K最近邻(KNN)分类算法将测试点与指纹点匹配. 在操作系统版本为Android 10的智能手机上使用蓝牙传感器进行实验验证,随机选取30个测试点,得到的实验结果表明:1)四向RSS指纹优于传统的单向RSS指纹,在相同的实验条件下使用四向RSS指纹最高可降低13.4%的定位误差;2)使用四向RSS指纹结合提出的算法,平均定位误差在1.61 m,且响应时间在毫秒级.      

剔除无人机影像BRISK特征误匹配点对算法

针对BRISK特征检测算法在遥感影像中匹配时同名点对冗余度高和全局性差等特点,考虑BRISK特征检测算法能获取大量无人机遥感影像特征点,Delaunay三角网算法能够利用影像的BRISK特征点的粗匹配点对构建三角网,本文综合两种算法的优点,提出了一种结合BRISK特征检测算法和Delaunay三角网算法的剔除无人机遥感影像误匹配点对方法。该方法利用两张影像的BRISK粗匹配特征点构建Delaunay三角网,利用遍历两张影像三角网中的三角形相似度剔除错误匹配点对,并利用摄影不变量原理进一步剔除误匹配点对,提高了两张影像的精度;对比分析了Delaunay三角网的射影不变量算法,RANSAC算法分别剔除原始影像组、加入椒盐噪声影像组及旋转影像组的BRISK特征误匹配点对的效果。试验结果表明,3组影像分别利用结合BRISK特征和Delaunay三角网的射影不变量算法的无人机遥感影像匹配方法获得的正确特征匹配点对冗余度低、全局性优。     

基于改进ORB和RANSAC算法的无人机影像特征匹配方法

针对ORB和RANSAC算法存在的不足,文中提出通过对Harris角点函数的改进和将空间一致性原理思想引入RANSAC算法,提出一种改进的无人机影像特征匹配方法,并选择两组代表性的像对进行实验.实验结果表明,改进算法在特征点识别、误匹配剔除和尺度不变性方面的性能均有明显的提升,为无人机影像匹配提供借鉴.     

一种基于格网索引优化的遥感影像自动配准算法

针对SIFT算法在遥感影像配准过程中捕获配准点对数量较少和误匹配较多等问题,提出了一种基于格网索引的遥感影像自动配准的算法.首先,采用SIFT算法提取特征点和特征向量,并通过欧氏距离进行匹配;其次,建立格网索引剔除部分误匹配点对,从而提高了随机抽样一致算法的精度;最后,使用多项式几何纠正算法实现遥感影像的精确配准.实验...     

多匹配策略融合的无人机影像匹配方法

针对AKAZE算法在无人机影像匹配过程中存在的匹配精度低和稳定性较差问题,本文提出一种基于多匹配策略融合的改进影像匹配方法。该方法首先对影像降采样并利用AKAZE算法检测多尺度特征。然后采用一种稳定的RootSIFT描述符进行特征描述。其次,融合最近邻距离比值、双向匹配和余弦相似度约束匹配策略进行特征匹配以降低误匹配率。最后,采用随机抽样一致性(RANSAC)算法确定最终的特征对应关系,并求得几何变换模型。实验结果表明,该方法在获得更多正确匹配点对的同时具有较高的匹配正确率和精度,能够更好适用于无人机影像匹配。     

一种室内位置指纹数据库构建方法

针对室内定位导航服务很大程度上依赖于数据库的支撑,高精度参考点位置指纹数据库的构建与更新需要耗费大量的人力劳动的问题,该文提出一种快速构建室内位置指纹数据库的方法,该方法通过智能手机采集惯性传感器数据和视频数据,使用改进的图像匹配方法连续匹配视频图像,结合运动恢复结构方法和惯性航位推算方法进行行人运动轨迹的几何重建与位置估计,进而实现室内位置指纹数据库的快速构建。实验结果表明,该方法得到的位置标注结果平均误差为0.53 m,构建得到的位置指纹数据库可直接用于室内定位。     

一种基于区域优选的自适应蓝牙指纹定位算法

针对蓝牙定位精度差、耗时长等问题,该文提出一种基于区域优选的自适应蓝牙指纹定位算法。离线阶段,采用粗细粒度划分建立关于RSSI采样点位置映射的指纹库;在线阶段,根据信标距离和RSSI的关系,提出加权欧氏距离和区域优选算法,有效地克服了定位稳定性差和耗时长的问题,定位效率提高了40%,在在线定位过程中,采用自适应K值定位算法,有效地剔除了离定位点较远的点,提高了定位的精度与稳定性。在5 m×9 m的区域内进行定位精度测试,结果表明:蓝牙定位平均定位误差为0.92 m,定位误差均在2 m以内,90%的点定位精度优于1.5 m。     

局部仿射变换的自适应窗口立体影像匹配算法

针对现有固定窗口相关匹配方式难以适用纹理断裂、深度不一、纹理匮乏等近景影像匹配问题,该文提出一种结合局部仿射变换的自适应窗口匹配算法。以ASIFT特征点作为匹配基元:①利用同名三角网局部仿射变换确定匹配搜索区域;②利用Canny边缘点约束确定候选点自适应相关窗口,对应的建立参考点相关窗口;③建立顾及窗口尺寸的灰度差异相似性测度函数,将小于阈值的最小函数值对应的候选点作为匹配同名点;④采用RANSAC方法对匹配结果进行检核剔除错误匹配。选择3组典型特征的近景影像进行匹配实验,该文算法均能获得可靠的匹配结果,验证该算法的鲁棒性。通过与不同窗口、不同算法进行对比分析,本算法能有效减少窗口内像素点深度不一致引起的错误匹配,且在增加匹配点数量的同时提高匹配精度和可靠性。