基于多源信息融合的果树冠层三维点云拼接方法研究

构建了基于彩色相机和光学混合探测(PMD)相机的多源视觉系统,旨在建立具有真彩色信息的果树冠层三维点云模型,为果树的剪枝、疏花疏果和采摘等果园管理提供技术支持。针对PMD相机获取的目标场景三维点云,结合PMD相机的幅度图像和密度聚类算法提取有效点,利用前期研究的图像配准方法得到多源图像之间的坐标转换关系,完成了果树冠层多源信息融合。通过主成分分析法得到较好的初始位置,再采用最近点迭代算法,实现两组三维点云之间的拼接。对自然场景下的开花期和坐果期的果树冠层三维点云拼接方法进行了实验验证,结果表明多视角三维点云拼接误差为2.62cm,可以较好地弥补单个角度下拍摄造成的数据缺失,实现了果树冠层完整的三维显示。     

基于标志点的三维拼接立体偏折法

立体偏折法作为一种非接触式镜面表面三维测量方法,近年来发展迅速。为了解决传统立体偏折法难以测量较大倾角曲面的问题,提出了一种基于标志点的三维拼接立体偏折法。先利用立体偏折法测量不同视角下的曲面子区域的三维点云,同时通过立体视觉测量样品台上标志点的三维坐标,使用标志点坐标进行粗拼接,再通过迭代最近点算法进行精拼接,最终重构出完整的三维面型。实际搭建了一套三维拼接立体偏折测量系统,测量了一个倾角25.8°的光滑凸球面反射镜,拼接后球面拟合误差在3μm以内。实验结果验证了方法的可行性,对立体偏折法应用于大口径和大倾角的复杂光学曲面三维测量具有借鉴意义。     

基于改进迭代最近点算法的两视角激光雷达数据配准

两视角激光雷达数据配准是空地探测遮蔽目标研究领域中的一项重要内容,迭代最近点（ICP）算法为其提供了理论基础,但遮蔽条件下激光雷达数据的复杂性使ICP算法在对应点确定上面临很大困难。在分析ICP算法基本原理和遮蔽条件下激光雷达数据特点的基础上,从控制点选择、对应点匹配和伪点对剔除三个方面给出了ICP算法的具体应用策略和改进措施,并提出一种基于固定-自适应重叠率的伪点对剔除方法。详细阐述了基于改进ICP算法的两视角激光雷达数据配准的具体步骤,并进行了实验验证。实验结果表明：改进后的ICP算法能够有效实现了遮蔽条件下的激光雷达数据配准,且与其他算法相比,具有较强的稳建性和较高的配准精度。     

多传感器融合的轨道车体表面特征定位方法北大核心CSCD

在以工业机器人为主体的轨道车体打磨和喷涂系统中,由于轨道车辆表面纹理特征较少和曲率变化,使得物体表面关键特征定位困难和稳定性差等问题。为解决上述问题,首先对常见的视觉传感器的优缺点进行分析,然后选择使用单目视觉技术来对车体表面特征定位方法进行研究,提出并实现了融合多传感器的方法来实现大型物体表面关键特征的定位。该方法结合使用单目相机和激光位移传感器,在算法层面上借鉴了逆映射和最近点迭代的算法。最后对提出的算法进行验证,结果表明:该方法可高效快速地计算出车体目标点的三维坐标和相机相对车体的位置关系,并根据结果对误差来源进行综合分析。     

基于PolyWorks和COMET 250点云数据的生成和拼接

点云数据的生成和拼接是逆向工程中的关键技术之一。本文以鼠标器为例介绍了利用Comet 250非接触式三维光学扫描仪生成点云数据和PolyWorks软件进行点云数据拼接的方法过程，并分析了点云数据生成和拼接过程中影响其精度和完整性的因素及解决办法。     

基于特征点自动匹配的图像拼接方法

提出了一种基于特征点自动匹配的图像拼接算法,采用改进的Harris算子提取特征点,保证了提取的效率和精度,根据互相关的双向匹配实现对应特征点的自动匹配,从而建立参考图像与当前图像的对应点对,最后采用最小二乘方法得到图像间的全局变换参数,实现图像的拼接。     

一种基于机械式拼接的结构光扫描测量方法

测量大尺寸零部件一般需要较大的测量范围,而高精密扫描传感器往往视野较小。为了解决该矛盾,提出了一种基于机械式拼接的结构光扫描测量方法,通过结构光扫描仪获取局部高精点云,并利用高精十字平移台实现数据拼接。分析了测量系统的组成和测量原理,提出了一种基于加权非线性优化的外参标定方法,求解出结构光扫描仪和十字平移台之间非实物坐标系的变换关系。在实验中验证了系统在300 mm的测量范围内球心距的均方根误差（root-mean-square error,RMSE）优于45 μm;同时对实物进行了测量,检验了测量系统的实用性。     

基于特征点及优化理论的图像自动拼接方法

提出了一种新的图像拼接方法,首先利用相位一致性(phase congruency)算法进行特征点检测,利用本文提出的匹配点优选策略进行特征点对自动选取,然后用LM(Levenberg-Marquardt)算法进一步优化变换矩阵,最后对拼接结果进行融合处理,获得无缝拼接的图像.该方法把基于特征点和基于优化理论的拼接方法有效相结合,且能充分利用图像重叠部分的信息,在一定程度上克服了噪声及光照不均的影响,较传统方法具有更强的鲁棒性和更高的拼接精确度.试验结果证明了该方法的有效性.     

基于SIFT特征的彩色图像拼接方法研究

针对传统特征提取拼接算法在复杂图像中配准过程中出现的过多误匹配,导致拼接后图像出现鬼影、模糊等问题,从而影响拼接图像的质量,提出一种改进的SIFT配准算法。在对目标图像提取SIFT特征后,利用SIFT描述子的尺度以及梯度方向信息建立最小邻域匹配剔除误匹配点,之后利用局部均方根误差(RMSE)评价映射矩阵与RANSAC算法相结合,迭代出精确变换模型。在对图像进行几何矫正后,提出一种自适应的混合线性算法对重合区域图像变换至HIS颜色空间进行图像拼接,最后得到平滑无缝的完整彩色全景拼接图像。实验结果证明,该算法在拼接复杂场景并且重合区域不多时仍有较好的准确性及稳定性。     

基于特征点匹配的图像配准算法精度提升方法研究

图像配准是多种图像后续处理的基础,较为常见的有图像融合,图像拼接、图像的三维重建等,这些后续操作都需要在一个好的配准前提下才能完成,因此,对于图像配准精度改进的研究具有很重要的实际应用价值。对基于特征点匹配的图像配准算法提出了几个配准精度提升的方法,这些方法分别针对特征检测精度的提升和特征匹配精度的提升来达到图像配准精度提升的目的。     

基于BP神经网络的多传感器信息融合研究

BP网络是应用最广的一种人工神经网络,将BP神经网络应用到压力检测领域的温度等非线性补偿,具有重要的实用价值,对压力检测精度的改进效果显著。从传感器信息融合的角度看,神经网络就是一个融合系统。通过对神经网络基本理论的阐述,针对研究对象将BP神经网络原理与多传感器信息融合技术有机集合起来,提出了基于BP神经网络的二传感器信息融合模型及改进算法,建立了BP神经网络训练标准样本库,并对该网络模型进行主要技术指标的测试和仿真工作,测试结果表明构建的模型及其改进算法能很好地满足了高精度压力检测仪的指标要求。     

基于聚类的相位相关运动估计方法

针对相机运动引起的图像序列运动的问题,提出了一种基于聚类的相位相关块匹配运动估计算法。利用Harris算子分别在相邻帧图像上检测角点,以参考图像角点为中心选取一个矩形块,将块匹配法与相位相关相结合来计算图像间的运动矢量。最后,对获得的多个块的平移量,进行空间聚类从而选取运动估计比较准确的点。实验结果表明：该算法配准精度能达到亚像素,稳定性较好。     

基于图像集拓扑中心的群体配准方法

传统的图像配准通常指定一幅参考图像在配准过程中保持不变,将另一幅图像变换到参考图像空间,使得两幅图像在空间上互相匹配,从而可以精确比较两者之间的差异.针对多幅个体差异较大的图像配准问题,如果指定一幅作为参考,将其他图像配准到参考图像空间,则会引入该幅参考图像的个体形状偏差,从而影响最终的对比结果.为此,本文首先介绍了目前针对该问题的主要解决方法,然后提出了基于图像集拓扑中心的群体配准方法——TopologyCenter.为验证所提出的群体配准方法的性能,通过使用国外公开的数据集,详细比较了本文提出的方法与当前两种主要方法的群体配准结果的差异.实验结果表明,本文提出的方法具有更小的群体配准偏差,群体配准结果更好;同时,在对实验结果的评价中,本文还提出了一种简捷的群体偏差度量指标.     

基于FPGA的多路数据单信道传输方法研究

近年来,随着半导体工艺的不断提高,CCD相机以及红外探测器件由低分辨率逐渐向高分辨率迈进。高清晰度的画面能够记录更多细节,不仅可以带来良好的感官体验,更为侦查、监控等提供了更好的帮助。然而,分辨率的提高和图像实时性传输的需求对图像传输提出了更高的要求。为有效地解决图像高速传输问题,提出采用时分复用方法对多路数据进行单信道传输,仿真结果表明该方法能有效提高数据传输效率。     

基于医院数据中心的临床全视图构建方法研究

为了提高医院临床管理的精细化程度,更好地满足临床诊疗、科研和医疗质量的需求,需要构建基于医院数据中心的临床全视图系统;当前的临床全视图构建方法,是以数据分块存储的方式进行构建,导致临床医护人员无法获得完整有效的医疗数据,存在临床数据分散、数据不完整等问题;为此,提出一种基于医院数据中心的Paxos算法临床全视图构建方法;仿真实验结果证明,所提方法可以将医疗数据有效地应用到医务人员的临床工作中,达到数据资源利用最大化,帮助医院实现医疗信息化改进和服务创新,使各个异构系统之间的数据进行交互,实现了医疗数据共享,为临床工作的发展提供了可用工具;基于医院数据中心构建的临床全视图具有全面、精准、可共享的特点,在未来医院数据中心控制系统的发展中具有重要作用。     

基于PSO的二阶段光谱模糊聚类研究

在海量的天体光谱数据中利用无监督聚类学习方法将天体自动分类具有更加诱人的前景。针对当前聚类方法存在的缺点,提出一种高效的高维数据硬划分算法,在此基础上提出了一种分阶段模糊聚类方法。第一阶段,利用硬划分算法对数据聚类,克服了模糊聚类算法对初始值敏感的缺点。第二阶段,以第一阶段运算结果作为初始值,进行模糊聚类的,并将微粒群算法引入模糊聚类,从而保证了聚类结果的全局最优性。实验结果表明,该方法用于天体光谱聚类是可行的、有价值的。     

借助标志点的深度数据全局匹配方法

深度数据匹配是三维光学测量系统的关键问题,借助标志点匹配方法具有廉价、方便、快速等优点,但当前该方法对多视场数据匹配的误差积累问题没有解决.阐述一种借助非编码标志点进行深度数据匹配的方法,利用图像处理及模式识别技术提取标志点,并由光学测量系统标定信息获得标志点三维局部坐标,利用欧式空间距离的刚体不变性,完成两个视场深度数据的精确匹配.并提出一种全局迭代优化算法完成对多个视场深度数据的全局精确匹配,避免了误差积累,最大匹配误差从0.123 mm降到0.076 mm.实验证实了方法的有效性,不仅可以自动、快速完成两个视场深度数据的精确匹配,而且解决了对多个视场深度数据匹配的误差积累问题.     

基于无人机红外光谱技术的影像数据匹配方法研究

无人机加载红外光谱载荷对区域内影像进行获取现已成为遥感领域一种重要的技术手段,可通过对携带位置信息的影像进行分类提取,得到植被盖度、温度指数等一系列因子指标。利用FREE BIRD(自由鸟)小型低空无人机系统挂载Tetracam红外相机(310万像素)对新疆玛纳斯县一河道进行影像获取。无人机飞行面积约为20.5 km2,为了得到更加精确的植被、温度等因子,需要对无人机红外影像进行配准,通过优化SIFT匹配参数和RANSAC粗差剔除后,获取了可靠的匹配结果,即经过算法匹配后的影像与原影像进行了误差比对,能够满足后期的应用需要, 这也是本文的创新点之一。将影像进行配准后进行二维影像拼接,将多张红外影像按照航向重叠度不低于60%,旁向重叠度不低于50%的概率进行拼接,得到拼接后的红外影像图。另外比较了SIFT和SUFT两种算法,利用优化的SIFT算法及改进的FLIR传感器获取1 600张热红外影像,利用地面同步测量数据对拼接后的红外影像进行算法匹配,并利用ENVI(完整的遥感图像处理平台)软件进行温度及植被盖度的影像反演,得到了研究区域的单一影像及红外影像的温度反演图及植被反演图。通过对两种算法的对比得到更加优化的算法模型,并对该模型进行回归分析和精度检验,得到该模型的相关系数R2为0.767,匹配精度为81.51%,模型精度较高。本模型的建立对日后无人机红外影像的配准及提取反演奠定了理论和实践基础。