基于GIS与模糊层次分析法的景观视觉资源综合评价

景观视觉评价是评判景观视觉资源价值的重要方式。本研究从景观视觉的综合定量评价角度出发,设计基于基本视觉元素与景观视觉敏感度的综合评价指标体系,提出一种基于GIS空间分析与模糊层次分析法的景观视觉综合评价方法,利用综合视觉指数分别从整体视角和单因子视角客观揭示景观视觉资源的分布特征及其影响因素。以泰山风景区为研究区的实验结果显示：单因子视角中,玉皇顶、天烛峰、碧霞祠等景点分别在视域范围、相对坡度敏感度、相对距离敏感度等侧面具有最高的评分。综合视角下,景观视觉指数最高的景点为玉皇顶（0.819）,最低的景点为桃花峪（0.180）。通过与基于用户打分的景点评价结果的对比,验证了本方法的可靠性与先进性,为定量化描述与评价景观视觉资源提供了一种新的研究思路和研究方法,也为景区综合发展规划及景点的开发保护提供了客观的参考依据和决策支持。     

考虑人类视觉特征的融合图像评价方法

图像质量评价是遥感图像融合必不可少的环节,对融合图像的客观评价具有较好的研究价值,好的客观评价指标应尽量与主观评价一致。针对全色图像和多光谱图像的融合质量评价,在考虑人类视觉系统的多通道分解和对比度敏感特性的基础上,首先修改颜色失真和结构相似度来分别评价光谱信息和空间信息,然后综合两者作为融合图像的整体评价。以SPOT5图像和高分二号卫星图像为原始数据,对7种融合图像的质量进行了评价。实验表明,对于高分辨率的遥感图像,这种引入了人类视觉特征的融合评价方法与主观评价有很好的一致性。     

基于HVS的SSIM超分辨率重建图像质量评价方法

结构相似度(structural similarity)算法在图像评价中,因具有操作简单、运行高效、与主观评价关联性较强等优点而被广泛使用。但SSIM算法在对图像评价时忽略了图像的区域性和人眼的敏感度,其评价结果不能很好地与人眼视觉感知相符。并且当对超分辨率重建后的图像进行评价时,利用SSIM方法无法进行图像评价。针对以上问题,提出一种基于人眼视觉特性(Human Visual System)的SSIM超分辨率重建图像质量评价算法。该算法对图像进行尺度不变特征变换(SIFT),其评价结果与人眼视觉感知相符,提高了评价准确度,具有良好的评价性能。     

一种场景稳健的单目视觉里程计算法

针对利用单目相机采集的图像序列进行实时车载平台位姿估计问题,对比了不同单目半直接典型算法的原理和试验结果以及不同场景、运动状态、光照和耦合因素下的同名点跟踪算法、长时间场景稳健的高精度位姿估计方法、位姿优化方法的试验结果。通过与两个典型半直接MVO算法进行了计算过程多个阶段和计算结果多个方面的对比,得出每个阶段和整体结果更好的计算方法;最终总结提出了一种场景稳健的单目半直接视觉里程计算法并利用序列真实数据进行了试验验证。试验结果表明,该算法的长时间位姿估计的场景稳健性和计算精度均显著优于目前典型的半直接MVO算法,位姿估计精度比ERL算法提升10%以上,计算效率与典型的ERL算法相当,能够满足各类单目视觉里程计应用场景需求。     

采用反向构成迭代的视觉SLAM直接法位姿估计

为了提高视觉SLAM相机位姿估计的计算效率,提出一种直接位姿估计方法。该方法无需逐帧进行特征提取和影像匹配,直接根据像点辐射信息构建非线性优化问题求解相机位姿。推导了基于灰度变换系数的直接法位姿估计平差模型及相应的反向构成迭代解法,利用常速运动模型构建合理初值假设,设计相应的关键帧判断与创建准则,并基于ORB-SLAM系统框架进行实现,使其在保留间接法优点的同时,运算速度得以显著提升。实验结果表明:该方法估计每帧位姿仅需5.7 ms,可以在保证同等精度的情况下,达到ORB-SLAM系统2倍以上的整体计算效率,基本满足视频影像实时稳健三维重建的要求。     

水下视觉SLAM相机成像畸变纠正研究

针对水下视觉SLAM相机成像畸变问题,分析了水下机器人相机成像畸变原因,构建了纠正模型计算畸变系数以获取正确的像素坐标,实验证明在空气和水两种不同介质中,相机内参和畸变系数均有较大差异,而在不同水体中,仅畸变系数存在变化。表明在进行水下SLAM时,采用当前实验水体标定参数可以获取更好的定位和地图构建结果。     

基于ORB-SLAM2算法的水下机器人实时定位研究

随着近几年视觉SLAM的快速发展,为机器人、无人机、汽车等导航定位提供了更多选择。针对当前水下机器人定位技术存在的系统复杂、操作难度大等问题,本文提出了一种基于ORB-SLAM2算法的水下定位方案。利用单目相机作为传感器,构建了单目视觉SLAM水下机器人定位模型,完成像素坐标系到世界坐标系的转换,介绍了ORB-SLAM2算法定位涉及的关键技术。通过水下理想环境试验,对ORB-SLAM2算法在水下定位性能进行了综合评价,通过海洋环境试验证明ORB-SLAM2算法可以有效对水下机器人进行实时定位。     

基于加权预积分和快速初始化的惯性辅助单目前端模型

针对单目视觉惯性定位系统在复杂环境和相机高动态条件下的实时性和高精度的需求,提出了一种基于加权预积分和快速初始化的惯性辅助单目前端模型Improved_VIO。首先同步视觉和惯性测量数据,建立高精度的IMU加权预积分模型,为联合初始化和视觉跟踪模型提供帧间运动约束;然后构建视觉惯性融合状态向量,建立联合初始化模型,实现视觉惯性松耦合的快速联合初始化;最后在IMU加权预积分和快速初始化方法的基础上,建立一套惯性辅助的视觉跟踪模型,从而有效提高系统定位精度。在EuRoC数据集上的试验结果表明,与传统视觉惯性定位前端模型相比,本文的前端模型提升了单目视觉惯性定位的精度与实时性,初始化时间缩短至10 s内,定位精度提高了约30%。     

特征法视觉SLAM逆深度滤波的三维重建

针对现有特征法视觉SLAM只能重建稀疏点云、非关键帧对地图点深度估计无贡献等问题,本文提出一种特征法视觉SLAM逆深度滤波的三维重建方法,可利用视频序列影像实时、增量式地构建相对稠密的场景结构.具体来说,设计了一种基于运动模型的关键帧追踪流程,能够提供精确的相对位姿关系;采用一种基于概率分布的逆深度滤波器,地图点通过多帧信息累积、更新得到,而不再由两帧三角化直接获取;提出一种基于特征法与直接法的后端混合优化框架,以及基于平差约束的地图点筛选策略,可以准确、高效解算相机位姿与场景结构.试验结果表明,与现有方法相比,本文方法具有更高的计算效率和位姿估计精度,而且能够重建出全局一致的较稠密点云地图.     

基于对象BOW特征的高分辨率遥感影像变化检测方法

针对传统基于像素的变化检测方法的缺点,以及底层特征表现能力不足等问题,提出一种基于对象BOW特征的变化检测方法。首先,将经过预处理操作的两期影像进行波段组合得到组合后影像,再考虑地物光谱特征和几何空间信息对组合后影像进行多尺度分割,获得相对应的对象基元;同时,分别提取两幅影像的底层特征（包括影像各波段的均值和方差以及灰度图像的6种纹理特征）。其次,将对象视作文档,像素的特征向量视作单词,利用BOW模型构建影像对象的中层表达,即对象的BOW特征。最后,通过相似性度量算法比较相应对象的BOW特征,从而识别出影像上的变化区域。本文利用2组WorldView-2影像进行了检验,结果表明本文方法的变化检测结果较为完整,精度优于对比方法。本文方法基本能够满足变化检测的需求,为高分辨率遥感影像上的数据挖掘分析提供了有效的手段。