针对不同模态图像存在严重的几何差异和非线性辐射差异(NID)等问题导致的匹配难题,提出了一种结合多尺度特征与局部采样描述的多模态图像配准方法。首先,引入非线性扩散方程构建非线性尺度空间,然后结合相位一致性与ORB(oriented FAST a...针对不同模态图像存在严重的几何差异和非线性辐射差异(NID)等问题导致的匹配难题,提出了一种结合多尺度特征与局部采样描述的多模态图像配准方法。首先,引入非线性扩散方程构建非线性尺度空间,然后结合相位一致性与ORB(oriented FAST and rotated BRIEF)算法获得多尺度的稳定特征点。接着提出了一种旋转不变的双重高斯采样描述符,可以在NID存在的情况下鲁棒地跨越[0°,360°)的旋转差异。最后,引入了一种图像恢复策略。通过初次匹配获得最优的几何变换模型,修正图像间存在的几何差异,再进行二次匹配提升匹配精度。在遥感、医学和计算机视觉等领域的多模态数据集上进行实验,当图像存在尺度、旋转等几何差异时,所提方法均方根误差平均可达到1.5个像素以内,正确匹配率达到98%以上。表明该方法能够克服图像间非线性辐射差异的影响,可以实现高精度配准。展开更多
点云配准是基于机器视觉进行工业复杂零件三维非接触精密测量的关键环节。为了提高点云配准的效率和准确性,提出一种基于改进法线计算的快速点特征直方图(Fast Point Feature Histograms, FPFH)特征描述子的点云配准方法。采用重心最近...点云配准是基于机器视觉进行工业复杂零件三维非接触精密测量的关键环节。为了提高点云配准的效率和准确性,提出一种基于改进法线计算的快速点特征直方图(Fast Point Feature Histograms, FPFH)特征描述子的点云配准方法。采用重心最近邻体素滤波器对点云进行预处理,减少点的数量同时保留表面细微特征。为解决传统迭代最近点(Iterative Closest Point, ICP)算法对初始位置敏感且收敛速度慢的问题,采用基于改进特征描述子的采样一致性(Sample Consensus Initial Alignment, SAC-IA)初始配准算法进行粗配准,使用基于KDtree加速的ICP算法进行精配准。本文选用三组点云数据,用不同的点云配准方法进行了测试。实验结果显示,在点云添加2%与5%噪声的情况下处理不同规模的点云数据时,所提出的方法配准所用时间和均方根误差(Root Mean Square Error, RMSE,ERMS)仍优于其它两种对比方法。展开更多
激光点云常规匹配算法是迭代最近点(Iterative Closest Point, ICP)算法,但其收敛速度慢、鲁棒性差,因此,提出一种融合多种优化算法的激光点云高效ICP配准方法。首先对点云体素滤波降采样,通过ISS算子提取关键点,采用快速点特征直方图(F...激光点云常规匹配算法是迭代最近点(Iterative Closest Point, ICP)算法,但其收敛速度慢、鲁棒性差,因此,提出一种融合多种优化算法的激光点云高效ICP配准方法。首先对点云体素滤波降采样,通过ISS算子提取关键点,采用快速点特征直方图(Fast Point Feature Histograms, FPFH)提取关键点特征,嵌入多核多线程并行处理模式(OpenMP)提高特征提取速度;然后基于提取的FPFH特征,使用采样一致性初始配准算法(Sample Consensus Initial Alignment, SAC-IA)进行相似特征点粗配准,获取点云集间的初始旋转平移变换矩阵;最后采用ICP算法进行精配准,同时采用最优节点优先(Best Bin First, BBF)优化K-D tree近邻搜索法来加速对应关系点对的搜索,并设定动态阈值消除错误对应点对,提高配准快速性和准确性。对两个实例的配准点云进行了实验验证,结果表明,提出的优化配准算法具有明显速度优势和精度优势。展开更多
针对目前点云在大数据量下的自动配准算法计算效率低下,粗配准初值匹配稳定性差,参数难以设置等问题,提出一种基于匹配对间相对几何不变性特点的快速粗配准算法。通过点云邻域特征值筛选一定量的关键点,利用快速点特征直方图(fast point...针对目前点云在大数据量下的自动配准算法计算效率低下,粗配准初值匹配稳定性差,参数难以设置等问题,提出一种基于匹配对间相对几何不变性特点的快速粗配准算法。通过点云邻域特征值筛选一定量的关键点,利用快速点特征直方图(fast point feature histogram,FPFH)描述子初步获取最邻近匹配对;通过点云特征的对称候选寻点策略及两组正确匹配对在源点云与目标点云对应边的2-范数比例不变的特性获取精确的匹配对;利用奇异值分解算法(singular value decomposition,SVD)求解配准目标函数。实验表明,算法策略合理可靠,参数设置相对简易,具有显著的效率及稳定性优势,能够为后续精配准提供稳定精确的初始参数。展开更多
文摘针对不同模态图像存在严重的几何差异和非线性辐射差异(NID)等问题导致的匹配难题,提出了一种结合多尺度特征与局部采样描述的多模态图像配准方法。首先,引入非线性扩散方程构建非线性尺度空间,然后结合相位一致性与ORB(oriented FAST and rotated BRIEF)算法获得多尺度的稳定特征点。接着提出了一种旋转不变的双重高斯采样描述符,可以在NID存在的情况下鲁棒地跨越[0°,360°)的旋转差异。最后,引入了一种图像恢复策略。通过初次匹配获得最优的几何变换模型,修正图像间存在的几何差异,再进行二次匹配提升匹配精度。在遥感、医学和计算机视觉等领域的多模态数据集上进行实验,当图像存在尺度、旋转等几何差异时,所提方法均方根误差平均可达到1.5个像素以内,正确匹配率达到98%以上。表明该方法能够克服图像间非线性辐射差异的影响,可以实现高精度配准。
文摘针对目前点云在大数据量下的自动配准算法计算效率低下,粗配准初值匹配稳定性差,参数难以设置等问题,提出一种基于匹配对间相对几何不变性特点的快速粗配准算法。通过点云邻域特征值筛选一定量的关键点,利用快速点特征直方图(fast point feature histogram,FPFH)描述子初步获取最邻近匹配对;通过点云特征的对称候选寻点策略及两组正确匹配对在源点云与目标点云对应边的2-范数比例不变的特性获取精确的匹配对;利用奇异值分解算法(singular value decomposition,SVD)求解配准目标函数。实验表明,算法策略合理可靠,参数设置相对简易,具有显著的效率及稳定性优势,能够为后续精配准提供稳定精确的初始参数。
