原ORB(oriented FAST and rotated BRIEF)算法提取的图像特征点经常出现“扎堆重叠”现象,其分布较为密集且缺乏尺度不变性,因而容易造成图像特征点误匹配的问题。为了解决该问题,提出了一种基于四叉树划分的图像特征点提取算法。首先...原ORB(oriented FAST and rotated BRIEF)算法提取的图像特征点经常出现“扎堆重叠”现象,其分布较为密集且缺乏尺度不变性,因而容易造成图像特征点误匹配的问题。为了解决该问题,提出了一种基于四叉树划分的图像特征点提取算法。首先对图像建立尺度金字塔,然后使用四叉树划分图像并限制划分深度。用加速分段测试的特征(features from accelerated segment test,FAST)算法通过多个检测阈值对划分后的图像进行特征点检测。检测完毕后,根据划分出的子块总数和提取的特征点总数对划分出来的各个子块设置自适应阈值,提取ORB特征点。操作完成后通过采取非极大值抑制的方法筛选最佳特征点,并使用改良后的二元鲁棒独立基本特征(binary robust independent elementary features,BRIEF)算法计算得出特征点的描述符,最后进行特征点匹配。实验结果表明,本文算法提取的图像特征点较原ORB算法提取的效果在均匀程度上得到了明显地提升,冗余重叠的特征点数量减少,且在特征点提取速度方面较原ORB算法的提取速度提高了30%以上。展开更多
基于相机的无人驾驶汽车视觉同步定位与地图构建(SLAM),可完成无人驾驶汽车的定位与建图。针对传统ORB(Oriented FAST and Rotated BRIEF)算法在提取图像特征点时容易造成冗杂、分布集中的问题,提出一种限制四叉树算法分裂深度的改进ORB...基于相机的无人驾驶汽车视觉同步定位与地图构建(SLAM),可完成无人驾驶汽车的定位与建图。针对传统ORB(Oriented FAST and Rotated BRIEF)算法在提取图像特征点时容易造成冗杂、分布集中的问题,提出一种限制四叉树算法分裂深度的改进ORB(A-ORB)算法。该算法构造图像金字塔解决尺度不变性问题;根据所提取的特征点总数计算出每层金字塔所需要提取的特征点数;对每层金字塔图像采用自适应区域划分,根据图像信息计算特征点提取阈值;利用改进四叉树算法来均匀化分布特征点。进行了模拟实验。结果表明:相较于ORB、MA以及S-ORB算法,该算法运行效率提高了30%以上,匹配精度提高了10%以上。展开更多
机场飞行区现使用的场面监视方法存在着定位偏差较大、不稳定、易跳变、皆为点源定位等问题。针对这些问题,设计了基于视觉图像的飞行区监视方法,实现快速准确的目标检测和轮廓定位,使飞行区监视更加稳定精确。提出了一种基于MobileNetV...机场飞行区现使用的场面监视方法存在着定位偏差较大、不稳定、易跳变、皆为点源定位等问题。针对这些问题,设计了基于视觉图像的飞行区监视方法,实现快速准确的目标检测和轮廓定位,使飞行区监视更加稳定精确。提出了一种基于MobileNetV3和YOLOv5的网络模型(以下称为MobileNetV3-YOLOv5),即在YOLOv5的主干中使用MobileNetV3,来提高对目标的检测速度和准确度;提出了一种基于优化特征点提取的改进定向快速旋转简报(Oriented FAST and Rotated BRIEF,ORB)算法,将图像分割成多个区域,分别提取每个区域的特征点,从而提高目标识别框内区域的特征点识别数量,再进行特征点聚类筛选,最后根据识别目标类型采用最小包围盒进行轮廓划分,得到目标的轮廓定位。试验结果表明:MobileNetV3-YOLOv5方法对比原始YOLOv5模型,在识别目标准确率方面提升5百分点,在效率方面提升14张/s;同时在0~60 m的范围内,轮廓估计误差仅为2.9%;体现了所提出的监视方法的有效性,可以提升飞行区监视定位准确性和运行安全性。展开更多
图像匹配是计算机视觉应用研究的主要内容。针对ORB(Oriented FAST and Rotated BRIEF)图像匹配方法不具备尺度不变性和匹配精度低的问题,提出一种基于改进ORB算法的图像匹配方法。在特征点检测阶段,ORB和SURF(Speeded Up Robust Featu...图像匹配是计算机视觉应用研究的主要内容。针对ORB(Oriented FAST and Rotated BRIEF)图像匹配方法不具备尺度不变性和匹配精度低的问题,提出一种基于改进ORB算法的图像匹配方法。在特征点检测阶段,ORB和SURF(Speeded Up Robust Feature)同时检测特征点,首先采用oFAST(oriented-FAST)与SURF算法检测左右图像特征点,然后使用rBRIEF(rotation-aware BRIEF)描述子描述特征点;在立体匹配阶段,采用Hamming距离对特征点进行粗匹配的基础上,引入极线约束筛选特征点并进行精匹配,减小匹配搜索范围,加快匹配速度,提高匹配准确率。实验结果表明,所提改进ORB算法点对数平均值是SURF算法的1.5倍左右,匹配速度平均值比SURF算法提高了22%,准确率比SURF算法提高了2倍,比ORB算法提高1.7倍,从而证明所提改进ORB算法,具有匹配点数多、速度快、准确率高的特点,且具有尺度不变性。所提方法可应用于目标识别、目标跟踪、三维重建、缺陷检测等领域。展开更多
针对二进制描述算法(Oriented fast and Rotated Brief,ORB)尺度性配准误差大,配准率低的问题,提出一种尺度和方向改进的ORB特征匹配算法。该算法以二进制描述算法ORB为基础,构建金字塔式尺度空间,改进尺度空间结构,简化尺度空间层数和...针对二进制描述算法(Oriented fast and Rotated Brief,ORB)尺度性配准误差大,配准率低的问题,提出一种尺度和方向改进的ORB特征匹配算法。该算法以二进制描述算法ORB为基础,构建金字塔式尺度空间,改进尺度空间结构,简化尺度空间层数和采样图像数目,使提取特征点的过程更加效率,并采用Harris函数检测特征,消除边缘特征点的影响,提取具有尺度信息的特征点;然后采用梯度方向统计方法改进传统ORB算法中通过灰度质心法计算主方向的方式,优化求解主方向邻域范围,以提高图像特征主方向的准确性。实验结果表明,改进后的ORB算法在尺度和旋转配准方面性能有很大提高,并且配准的精度较传统ORB更高,更能满足复杂图像快速精确配准的要求。展开更多
文摘原ORB(oriented FAST and rotated BRIEF)算法提取的图像特征点经常出现“扎堆重叠”现象,其分布较为密集且缺乏尺度不变性,因而容易造成图像特征点误匹配的问题。为了解决该问题,提出了一种基于四叉树划分的图像特征点提取算法。首先对图像建立尺度金字塔,然后使用四叉树划分图像并限制划分深度。用加速分段测试的特征(features from accelerated segment test,FAST)算法通过多个检测阈值对划分后的图像进行特征点检测。检测完毕后,根据划分出的子块总数和提取的特征点总数对划分出来的各个子块设置自适应阈值,提取ORB特征点。操作完成后通过采取非极大值抑制的方法筛选最佳特征点,并使用改良后的二元鲁棒独立基本特征(binary robust independent elementary features,BRIEF)算法计算得出特征点的描述符,最后进行特征点匹配。实验结果表明,本文算法提取的图像特征点较原ORB算法提取的效果在均匀程度上得到了明显地提升,冗余重叠的特征点数量减少,且在特征点提取速度方面较原ORB算法的提取速度提高了30%以上。
文摘基于相机的无人驾驶汽车视觉同步定位与地图构建(SLAM),可完成无人驾驶汽车的定位与建图。针对传统ORB(Oriented FAST and Rotated BRIEF)算法在提取图像特征点时容易造成冗杂、分布集中的问题,提出一种限制四叉树算法分裂深度的改进ORB(A-ORB)算法。该算法构造图像金字塔解决尺度不变性问题;根据所提取的特征点总数计算出每层金字塔所需要提取的特征点数;对每层金字塔图像采用自适应区域划分,根据图像信息计算特征点提取阈值;利用改进四叉树算法来均匀化分布特征点。进行了模拟实验。结果表明:相较于ORB、MA以及S-ORB算法,该算法运行效率提高了30%以上,匹配精度提高了10%以上。
文摘机场飞行区现使用的场面监视方法存在着定位偏差较大、不稳定、易跳变、皆为点源定位等问题。针对这些问题,设计了基于视觉图像的飞行区监视方法,实现快速准确的目标检测和轮廓定位,使飞行区监视更加稳定精确。提出了一种基于MobileNetV3和YOLOv5的网络模型(以下称为MobileNetV3-YOLOv5),即在YOLOv5的主干中使用MobileNetV3,来提高对目标的检测速度和准确度;提出了一种基于优化特征点提取的改进定向快速旋转简报(Oriented FAST and Rotated BRIEF,ORB)算法,将图像分割成多个区域,分别提取每个区域的特征点,从而提高目标识别框内区域的特征点识别数量,再进行特征点聚类筛选,最后根据识别目标类型采用最小包围盒进行轮廓划分,得到目标的轮廓定位。试验结果表明:MobileNetV3-YOLOv5方法对比原始YOLOv5模型,在识别目标准确率方面提升5百分点,在效率方面提升14张/s;同时在0~60 m的范围内,轮廓估计误差仅为2.9%;体现了所提出的监视方法的有效性,可以提升飞行区监视定位准确性和运行安全性。
文摘图像匹配是计算机视觉应用研究的主要内容。针对ORB(Oriented FAST and Rotated BRIEF)图像匹配方法不具备尺度不变性和匹配精度低的问题,提出一种基于改进ORB算法的图像匹配方法。在特征点检测阶段,ORB和SURF(Speeded Up Robust Feature)同时检测特征点,首先采用oFAST(oriented-FAST)与SURF算法检测左右图像特征点,然后使用rBRIEF(rotation-aware BRIEF)描述子描述特征点;在立体匹配阶段,采用Hamming距离对特征点进行粗匹配的基础上,引入极线约束筛选特征点并进行精匹配,减小匹配搜索范围,加快匹配速度,提高匹配准确率。实验结果表明,所提改进ORB算法点对数平均值是SURF算法的1.5倍左右,匹配速度平均值比SURF算法提高了22%,准确率比SURF算法提高了2倍,比ORB算法提高1.7倍,从而证明所提改进ORB算法,具有匹配点数多、速度快、准确率高的特点,且具有尺度不变性。所提方法可应用于目标识别、目标跟踪、三维重建、缺陷检测等领域。
文摘针对二进制描述算法(Oriented fast and Rotated Brief,ORB)尺度性配准误差大,配准率低的问题,提出一种尺度和方向改进的ORB特征匹配算法。该算法以二进制描述算法ORB为基础,构建金字塔式尺度空间,改进尺度空间结构,简化尺度空间层数和采样图像数目,使提取特征点的过程更加效率,并采用Harris函数检测特征,消除边缘特征点的影响,提取具有尺度信息的特征点;然后采用梯度方向统计方法改进传统ORB算法中通过灰度质心法计算主方向的方式,优化求解主方向邻域范围,以提高图像特征主方向的准确性。实验结果表明,改进后的ORB算法在尺度和旋转配准方面性能有很大提高,并且配准的精度较传统ORB更高,更能满足复杂图像快速精确配准的要求。
文摘针对学生注意力分配困难和对学习影响等问题,提出一种基于机器视觉的精准注意力追踪系统。该系统包括图像采集装置和精准的注意力追踪算法。图像采集装置可以获得更清晰的眼部区域图像。瞳孔中心定位算法用轻量级的MobileNet v3替换VGG16(visual geometry group network),采用两级特征融合和中心关键点预测技术,提高了检测速度和准确率。该算法检测速度可达36帧/s,准确率为97.42%。视线追踪算法旨在解决头部偏移的影响,实现对视线的精确追踪。研发了一款面向学龄儿童的阅读认知评价交互软件。该软件利用采集到的视线坐标计算相关眼动指标,再通过心理学理论分析建模来评估学龄儿童的思维认知能力,为心理学和教育学相关领域研究提供了参考和借鉴。
