针对传统图像识别算法匹配正确率低、运行时间较长等问题,文中提出了基于改进ORB-FLANN(Oriented FAST and Rotated BRIEF-Fast Library for Approximate Nearest Neighbors)的工件图像识别方法。对ORB算法特征描述、图像特征匹配算法...针对传统图像识别算法匹配正确率低、运行时间较长等问题,文中提出了基于改进ORB-FLANN(Oriented FAST and Rotated BRIEF-Fast Library for Approximate Nearest Neighbors)的工件图像识别方法。对ORB算法特征描述、图像特征匹配算法进行修改,解决传统图像识别算法在图像存在尺度和旋转变换情况下存在的弊端并降低误匹配率。该方法对ORB算法检测到的特征点采用SURF(Speeded Up Robust Features)算法添加方向信息并完成特征描述,得到旋转尺度不变性的特征点,结合FLANN算法并引入双向匹配策略进行特征点粗匹配,最后利用渐进采样一致算法进一步剔除误匹配点对完成精匹配。实验结果表明,与其他方法相比,改进算法在处理尺度、旋转等变换图像时,匹配正确率分别提高了2.6%~18.8%和29.5%~43.9%,运行时长均在4 s以内,提高了对工件图像的识别效率和精准性。展开更多
为了提高电动汽车电池模组焊点缺陷检测中的图像配准精度,提出一种改进的图像配准优化方法。首先,对图片进行预处理后,使用改进的Qtree_ORB算法得到图像均匀分布的特征点,通过描述符融合对特征点进行描述;其次,经过汉明距离匹配后,通过...为了提高电动汽车电池模组焊点缺陷检测中的图像配准精度,提出一种改进的图像配准优化方法。首先,对图片进行预处理后,使用改进的Qtree_ORB算法得到图像均匀分布的特征点,通过描述符融合对特征点进行描述;其次,经过汉明距离匹配后,通过空间余弦值进行预筛选并使用渐进抽样一致性算法(PROSAC)得到强匹配点,同时计算出图像变换矩阵;最后,使用RMSProp(root mean square prop)算法对变换矩阵进行优化。实验结果表明该算法在电池包焊点缺陷检测中能有效减少误匹配,且配准速度较快,满足工业检测要求。展开更多
在低纹理场景中,基于点特征的同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)算法很难追踪足够多的有效特征点,系统甚至无法正常工作.众所周知,丰富的线段特征存在在人造结构化环境中的地面与墙面交界处.因此,提出一...在低纹理场景中,基于点特征的同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)算法很难追踪足够多的有效特征点,系统甚至无法正常工作.众所周知,丰富的线段特征存在在人造结构化环境中的地面与墙面交界处.因此,提出一种点线特征融合的双目视觉SLAM算法.在特征提取前,引入梯度密度滤波器加速线特征提取和提高线匹配的准确度,在特征点匹配阶段,采用渐进采样一致性(Progressive Sampling Consensus,PROSAC)算法剔除误匹配点,从而提高定位精度.此外,在特征的融合过程中引入加权思想.在构造误差函数时对点线特征权重进行合理分配.最后,通过在公开的数据集上得到的仿真并与一些优秀的算法进行对比,该算法性能优于PL-SLAM和LSD-SLAM算法,证明了算法的有效性和准确性.展开更多
文摘针对传统图像识别算法匹配正确率低、运行时间较长等问题,文中提出了基于改进ORB-FLANN(Oriented FAST and Rotated BRIEF-Fast Library for Approximate Nearest Neighbors)的工件图像识别方法。对ORB算法特征描述、图像特征匹配算法进行修改,解决传统图像识别算法在图像存在尺度和旋转变换情况下存在的弊端并降低误匹配率。该方法对ORB算法检测到的特征点采用SURF(Speeded Up Robust Features)算法添加方向信息并完成特征描述,得到旋转尺度不变性的特征点,结合FLANN算法并引入双向匹配策略进行特征点粗匹配,最后利用渐进采样一致算法进一步剔除误匹配点对完成精匹配。实验结果表明,与其他方法相比,改进算法在处理尺度、旋转等变换图像时,匹配正确率分别提高了2.6%~18.8%和29.5%~43.9%,运行时长均在4 s以内,提高了对工件图像的识别效率和精准性。
文摘为了提高电动汽车电池模组焊点缺陷检测中的图像配准精度,提出一种改进的图像配准优化方法。首先,对图片进行预处理后,使用改进的Qtree_ORB算法得到图像均匀分布的特征点,通过描述符融合对特征点进行描述;其次,经过汉明距离匹配后,通过空间余弦值进行预筛选并使用渐进抽样一致性算法(PROSAC)得到强匹配点,同时计算出图像变换矩阵;最后,使用RMSProp(root mean square prop)算法对变换矩阵进行优化。实验结果表明该算法在电池包焊点缺陷检测中能有效减少误匹配,且配准速度较快,满足工业检测要求。
