基于随机森林法和几何哈希法的流水线目标匹配研究

摘要

在目前的自动化生产过程中,机器流水线作业是工业生产的一个重要环节。如果能实现流水线上目标自动匹配分类,这将大大降低生产和维护成本并进一步提高自动化生产的效率。然而,对目标进行匹配,是模式识别领域非常重要但又棘手的一项课题。因为在目标匹配过程中,会受到物体(缩放、旋转、遮挡)及其周围环境(光强变化)等方面的影响,因此进行复杂环境下的目标匹配成为难题。针对这一课题,本文采用基于关键点的特征提取,并结合随机森林法和几何哈希法,很好的解决了这一问题。其中,随机森林法通过机器学习构建分类器进行特征匹配。本文通过不同训练特征的选取优化了匹配结果;几何哈希法通过目标的结构信息,结合哈希表进行模板匹配。本文进一步对几何哈希算法做了改进,实现从单目标匹配到多目标匹配,并提高了匹配精度和速度。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1. 1 研究背景及意义

1. 2 常用目标匹配方法概述

1. 3 本文工作

第二章 稳定的关键点提取

2. 1 关键点检测方法

2.2 Harris提取关键点

2. 3 稳定关键点筛选

2. 4 本章小结

第三章 随机森林法

3. 1 随机森林法介绍

3. 2 训练特征的选取

3. 3 随机森林分类器介绍

3. 4 关键点类别设定优化

3. 5 相似性度量

3. 6 本章小结

第四章 几何哈希法介绍及改进

4. 1 几何哈希法的两阶段处理

4. 2 几何哈希法的改进

4. 3 本章小结

第五章 系统架构

5. 1 开发环境和运行库介绍

5. 2 随机森林法系统介绍

5. 3 几何哈希法系统介绍

5. 4 本章小结

第六章 实验和比较

6. 1匹配结果

6. 2 实验对比

第七章 总结与展望

7. 1 研究结果总结

7. 2 展望

参考文献

致谢

攻读学位期间发表的学术论文和申请专利