一种稳健的特征点配准算法

为了能准确快速提取特征和可靠匹配特征点对,提出一种稳健的基于特征点的配准算法。首先改进了Plessey角点检测算法,有效提高所提取特征点的速度和精度。然后利用相似测度归一化互相关(Normalized cross correlation,NCC),通过双向最大相关系数匹配的方法提取出初始特征点对,用随机采样符合法(Random sample consensus,RANSAC)来剔除伪特征点对,实现特征点对的精确匹配。最后用正确匹配特征点对实现图像的配准。实验表明,该方法能够快速准确地提取两幅图像间的对应特征点,大大降低了误匹配的概率,两幅图像光照不一致、重复性纹理、旋转角度比较大等较难自动匹配情形下,仍能有效地实现图像的配准。     

一种基于特征点间线段倾角的姿态测量方法

基于目标特征点间线段倾角信息,提出了一种适合于目标远距离成像和相机内参未知条件下解算目标姿态的目标3维姿态测量方法.采用仿真图像对该方法的正确性进行了验证.实验结果:姿态测量误差绝对值均值小于0.6°,且目标成像尺寸为350pixel时,姿态测量误差绝对值小于0.5°.实验表明该算法具有较高解算准确度和较强的收敛性.     

一种圆形标记点的快速提取算法

为实现快速、高精度的定位圆形标记点,提出了一种圆形标记点的识别与定位算法。在相机成像时,圆形标记点经过透视投影变换后,形态类似椭圆,用拟合椭圆的方法获取椭圆的圆心。快速获取椭圆的粗边缘点,利用高斯分布特征获取亚像素边缘点,对边缘点进行优化后利用最小二乘法拟合椭圆,可以得到最为精确的圆心坐标。实验证明,该算法用时约0.005s,椭圆圆心的位置精度在0.05pixel以内,具有很好的实用性。     

一种基于三维形状上下文特征的点云配准算法

针对点云配准过程中点云数据量大、配准时间长、配准精度低的问题,提出了一种基于内部形态描述子（intrinsic shape signatures, ISS）和三维形状上下文描述子（3D shape context, 3DSC）的点云配准算法。该方法首先使用体素网格滤波器对点云进行下采样,接着利用ISS算法提取特征点,并通过3DSC进行描述,然后通过改进的随机采样一致性（randon sample consensus, RANSAC）算法进行粗匹配,最后用改进的迭代最近点算法（iterative closest point, ICP)对点云进行精匹配。试验结果表明,与基于ISS+3DSC的三维正态分布变换(normal distribution transformation, NDT)算法和基于采样一致性初始配准（sample consensus initial aligment, SAC-IA）的ICP算法相比,本文算法的配准精度及效率更高,且对于数据量大的点云也有较好的匹配效果。     

应用在高性能贴片机上的一种快速视觉定位算法

针对高性能贴片机须具有快速、准确的视觉定位的要求,通过改进一种混合空间增强的预处理方法,采用Hough变换与最小二乘法相结合的方法提取出了较为精确的边缘直线,实现了一种利用十字叉标记几何信息,并能进行快速对准的算法。实验结果表明,该算法具有较快的速度,对比例变化和局部残缺不敏感。     

一种局部模式的RGB差值序列交叉区域取样节点定位算法

鉴于当前无线传感器网络移动节点定位技术中存在的实时性差和定位不准确的问题,设计了一种交叠区域采样模式的WSN移动节点定位算法OASM_MNL(overlapping area sampling mode of mobile node localization)。该算法通过获取的信号在能够直接和移动节点通信的信标节点的信号交叠区域里面进行局部采样;通过距离比例因子对平均跳距进行权值化,优化了中跳距的计算公式;通过差值序列对样本点滤波,在此基础上把差值序列绝对值作为加权标准,计算出移动节点的坐标。仿真结果表明,与E-CDL、MCL等常见的移动节点定位算法相比,新算法定位误差降低幅度超过,定位效果良好。     

一种粗略辅助条件下的北斗接收机快速定位方法

为提升GNSS接收机定位速度，采用网络服务器的信息辅助（A-GNSS）方法，研究了粗略辅助条件下的北斗接收机快速定位问题，从基本伪距观测方程求解位置和时间信息出发，详细分析了粗时辅助对基本伪距方程求解带来的误差以及时间和位置不确定度较大时毫秒模糊问题产生的机理，推导了含粗时误差的伪距方程和毫秒模糊度求解方程，给出了全伪距重构的方法流程及其准确重构条件。实验表明，该算法及流程可以准确可靠的解决北斗接收机的快速定位问题，性能优良，具有极强的工程实用价值     

一种改进的视觉传感器与激光测距雷达特征匹配点提取算法

激光测距雷达与视觉传感器的配准是视觉图像与激光距离信息融合的前提。激光测距雷达与视觉传感器的配准可分为点匹配与平面匹配。由于混合像素和非结构空间特征激光点丢失现象,使得基于点匹配的视觉传感器与激光测距雷达配准算法精度难以提高。通过对混合像素和非结构空间特征激光点丢失问题的分析,提出了一种结合平面建模思想,利用假想激光光束与平面模型相交提取匹配特征点的方法。验证了实验结果并进行了算法精度比较。实验结果表明,这种改进的特征匹配点提取算法解决了特征点缺失,并且提高了点匹配的精度,使匹配性能大大地改善。     

一种面向空间非合作目标位姿测量应用的三维点云滤波算法

针对激光位姿敏感器获得的原始点云有噪声和直接参与解算消耗星上计算资源过大问题,给出一种适用于空间非合作目标位姿测量的点云滤波和特征提取算法。应用仿真的方法分别验证了算法滤除空间随机噪声和点云降采样的有效性,验证了特征点对目标位姿变化和高斯测量噪声的鲁棒性。在非合作目标绕飞、抵近、捕获全物理试验平台上,以扫描激光位姿敏感器获得的原始点云数据为输入,验证了算法在实际空间目标位姿测量中的性能。试验结果表明,该算法实现了原始点云93.1%的降采样,节省了92.9%的位姿解算时间,可有效提升星上数据处理的效率和姿态解算的实时性。     

一种基于对偶四元素描述的线面特征约束的点云配准方法

针对地面三维激光扫描仪采集到的相邻测站点云存在空间特征关联,以及城市建筑群中含有大量的线面特征,提出一种基于对偶四元素描述的线面特征约束的点云配准方法,该方法在利用对偶四元素统一描述空间变换参数的同时考虑到尺度因子。将依据直线和平面存在的几何关系,以及线面相交所产生的交点与夹角等作为配准约束条件,构建出空间相似变换目标函数,利用最小二乘准构建出平差模型以计算空间相似变换相关参数。为了避免不恰当的初始值所导致的迭代不收敛问题,将Levenberg-Marquardt法应用于平差模型的解算。最后对该方法的正确性与可行性进行实验分析。结果表明,相较于仅考虑线特征或面特征约束的点云配准方法,所提方法的配准精度更高,并且采用Levenberg-Marquardt法解算平差模型能在任意给定的初始值下正确收敛。