RANSAC

摘要： 针对基于三维激光点云的坑槽扫描提取算法计算量大、效率低的问题,提出基于RANSAC思想的坑槽提取方法.首先,使用RANSAC计算横断面基准线,矫正横断面数据并初步识别坑槽点及其位置;其次,对坑槽区域使用RANSAC计算坑槽局部基准路面,由此标记出坑槽点及路面点;然后使用种子填充算法进行连通域求解,计算出坑槽点集;最后对坑槽点集进行坑槽边界提取及坑槽数据分析.实验结果表明,使用RANSAC算法能够快速扫描横断面点云数据,相对于使用曲率特征点检测算法,其处理时间平均提升56.46%;并且对提取坑槽的深度和面积具有良好的效果,准确度高,深度平均误差为4.73%、面积平均误差为4.50%.

摘要： 无人机在飞行过程中,需要对地面进行路径规划。配备在无人机上的摄像头往往无法在特定高度获取到无畸变的全景图,因此利用图像拼接技术来解决这一问题。本文深入研究了基于Harris算法的图像拼接技术,首先是利用Harris算法查找关键点,然后利用NMS算法去除重复的关键点,最后利用RANSAC算法消除错配点并得到投影变换关系,从而完成图像拼接。

摘要： 为了提高视觉系统中齿轮图像匹配的准确率,提出了一种金字塔光流法与ORB(oriented fast and rotated brief)算法结合的齿轮图像匹配优化方法。该方法在图片进行灰度化和高斯模糊等预处理操作后,用ORB算法得到图像的特征点,用金字塔光流法跟踪图片间的特征点,暴力匹配之后通过汉明距离和哈曼顿距离进行筛选,最后以改进的RANSAC(random sample consensus)算法优化匹配结果。实验结果表明,该算法在齿轮图像匹配过程中能够减少错误的匹配点,筛选出具有代表性的匹配点,减少误匹配率。

摘要： 特征匹配是从图像恢复三维模型的关键步骤之一.为有效地提高三维重建的质量,提出一种面向三维重建的增强运动一致性与引导扩散特征匹配算法.首先在基于网格的运动统计算法基础上,通过增加阈值β,提出一种增强运动一致性概念,增强真假匹配点的判断条件,避免高相似特征点的误匹配,提高了初始匹配点的正确率;然后结合RANSAC算法进行特征点匹配优化,过滤掉异常值,进一步提高特征点匹配的准确性;最后将引导匹配和运动一致性相结合,提出一种引导扩散概念,减少了集中分布在图像局部的可能性,进而提高特征点匹配数量和三维模型的稳定性.在公开的三维重建数据集的618对图像上的实验结果表明,该算法在特征匹配和三维重建上能够实现更好的性能;在小于1°误差阈值的位姿估计成功率上,该算法比基于SIFT的比率测试算法和GMS算法分别平均提高了22.58%和12.90%,尤其在重复纹理图像对上分别提高了46.15%和30.77%.

摘要： 针对机械加工偏差和人为因素,造成装配面间几何尺寸信息不匹配,而采用人工检测效率低、重复性差,难以满足工厂在线实时检测要求等问题,提出一种基于点云三维重建的装配件实时在线测量系统。以点与点间存在的内在约束作为先验引导信息,提出改进的RANSAC算法来检测并剔除异常数据点,显著减少算法耗时同时大幅提高了平面特征的提取准确率;再利用最小二乘法对剩余有效点进行拟合,对法兰盘工件重建三维模型并进行关键尺寸测量。实验结果表明,基于点云三维重建的工件尺寸测量方法有较好的准确性和检测效率,法兰盘工件测量过程耗时约5.6 s,测量标准误差在±0.16 mm以内,测量误差不超过0.30 mm,满足了工件测量的实时性和准确性要求。

摘要： 图像融合时,两路异源视频输入往往会因为光学系统和空间位置的差异而造成两路图像存在视差,进而造成图像融合时出现虚边、伪影问题,因此在图像融合前需要进行图像配准工作。针对当前异源图像配准存在的实时性差导致无法在实际工程中应用的问题,提出了一种基于RANSAC和互信息的图像配准算法,通过将不同维度的配准运算划分到初始配准和实时配准中,同时引入Powell优化算法加速搜索,在不降低配准精度的同时保持了较高的实时性。最终用所提算法进行了基于Zynq的嵌入式硬件移植和算法加速,实现了高精度、高实时性的嵌入式图像配准系统。

摘要： 为实现脐橙采摘机器人对脐橙果实进行实时识别、定位和分级采摘的需求,该研究提出了一种基于RGB-D相机数据的脐橙果实实时识别、定位及分级的OrangePointSeg算法。首先利用微软最新消费级深度相机(Azure Kinect DK)采集脐橙果实的RGB-D数据,建立脐橙果实实例分割数据集及增强数据集。然后通过改进YOLACT算法对脐橙果实进行实时分割并生成实例掩膜,与配准后的深度图裁剪得到果实深度点云,再利用最小二乘法进行脐橙果实外形拟合,得到其相机坐标系下质心坐标及半径。试验结果表明,在果实识别阶段,改进YOLACT算法在该数据集上的检测速度为44.63帧/s,平均精度为31.15%。在果实定位阶段,1 400~2 000点云数量时的拟合时间为1.99 ms,定位误差为0.49 cm,拟合出的半径均方根误差为0.43 cm,体积均方根误差为52.6 mL,在大于800点云数量和拍摄距离1 m以内时,定位误差均在0.46 cm以内。最后通过引入并行化计算,OrangePointSeg的总体处理速度为29.4帧/s,能够较好地实现精度与速度的平衡,利于实际应用和工程部署。该研究成果可推广至其他类似形态学特征的果实识别中,为果园的智能化管理提供行之有效的技术支撑。

摘要： 针对目前机载LiDAR建筑物屋顶面分割精度不高问题,提出了一种结合改进区域增长和RANSAC由粗到精的建筑物分割方法。该方法首先基于LRSCPK计算点云法向量,然后利用最小曲率区域增长算法进行屋顶面粗分割,最后利用RANSAC进行小平面的分割和屋顶面的优化。使用5栋不同复杂程度的建筑物数据验证本文方法,同时与其他两种算法进行比较,结果表明,所提出的方法能够有效地分割不同程度的复杂建筑物,且在小面积的屋顶面有着较好地分割效果。以屋顶面为评价单元计算建筑物分割完整性、正确性、质量的平均值,结果分别为:100%、94.6%、94.6%。

摘要： 针对森林火灾的图像识别中遇到的误检测和漏检测等问题,提出一种SIFT(尺度不变特征变换)算法和改进后的RANSAC(随机抽样一致)算法。该算法能够大幅度地提高匹配精度以及缩短匹配时间。该文首先用SIFT算法提取图片中的特征点,然后通过降低RANSAC内点集的个数,使用改进后的RANSAC算法对这些特征点进行处理,去除掉错误匹配的点,以实现准确匹配。通过点烧实验得到数据集,使用MATLAB进行仿真,对比不同算法的匹配时间以及匹配精度,证明改进后的RANSAC算法使其匹配精度平均提高了11%,匹配时间平均缩短了4.8 s。研究证明改进后的RANSAC算法确实对森林火灾的图像识别具有提升检测效率的作用。

摘要： 为了提高特征点匹配的准确率,本文提出了一种基于改进混合滤波、特征描述符降维、SIFT特征匹配、RANSAC剔除误匹配点以及PSO算法的特征点匹配。首先将场景图像进行滤波处理达到去噪效果,然后通过特征描述符降维以减少计算量,再通过RANSAC对基于SIFT的特征点匹配进行误匹配的剔除,最后使用PSO算法进行优化以寻找到最佳的Ratio值。通过在模糊、较暗、较亮和遮挡4种以机械手为背景的场景下的图像,进行4种算法的对比实验,最后表明本文算法的误匹配率最小,精确度最高。

摘要： @@在基于边的跟踪中，Drummond和Cipolla提出用李群空间的概念来求解摄像机外参，其中寻找采样点的匹配边是最关键的步骤之一。根据最近边原则来确定匹配边。如果模型的边信息比较复杂，或者物体运动比较快速，那么寻找匹配边很容易受到干扰，跟踪过程容易失败。

摘要： @@在基于边的跟踪中，Drummond和Cipolla提出用李群空间的概念来求解摄像机外参，其中寻找采样点的匹配边是最关键的步骤之一。根据最近边原则来确定匹配边。如果模型的边信息比较复杂，或者物体运动比较快速，那么寻找匹配边很容易受到干扰，跟踪过程容易失败。

摘要： @@在基于边的跟踪中，Drummond和Cipolla提出用李群空间的概念来求解摄像机外参，其中寻找采样点的匹配边是最关键的步骤之一。根据最近边原则来确定匹配边。如果模型的边信息比较复杂，或者物体运动比较快速，那么寻找匹配边很容易受到干扰，跟踪过程容易失败。

摘要： @@在基于边的跟踪中，Drummond和Cipolla提出用李群空间的概念来求解摄像机外参，其中寻找采样点的匹配边是最关键的步骤之一。根据最近边原则来确定匹配边。如果模型的边信息比较复杂，或者物体运动比较快速，那么寻找匹配边很容易受到干扰，跟踪过程容易失败。

摘要： @@在基于边的跟踪中，Drummond和Cipolla提出用李群空间的概念来求解摄像机外参，其中寻找采样点的匹配边是最关键的步骤之一。根据最近边原则来确定匹配边。如果模型的边信息比较复杂，或者物体运动比较快速，那么寻找匹配边很容易受到干扰，跟踪过程容易失败。

摘要： 提出了一个新的匹配准则一角点对Cauchy-Schwarz距离(CCSD)，并在此基础了提出了一种基于亚像素定位和CCSD的图像配准方法。首先，利用多尺度Harris角点检测器检测出初始角点：接着引入了亚像素定位技术，通过迭代寻找角点的精确位置，同时排除不稳定的角点和伪角点：然后采用本文提出的CCSD准则确定候选匹配角点对：最后使用随机抽样一致性(RANSAC)算法计算图像间变换模型。大量实验结果表明，该方法具有较强的适用性、精确性和有效性。

摘要： 提出了一个新的匹配准则一角点对Cauchy-Schwarz距离(CCSD)，并在此基础了提出了一种基于亚像素定位和CCSD的图像配准方法。首先，利用多尺度Harris角点检测器检测出初始角点：接着引入了亚像素定位技术，通过迭代寻找角点的精确位置，同时排除不稳定的角点和伪角点：然后采用本文提出的CCSD准则确定候选匹配角点对：最后使用随机抽样一致性(RANSAC)算法计算图像间变换模型。大量实验结果表明，该方法具有较强的适用性、精确性和有效性。

摘要： 提出了一个新的匹配准则一角点对Cauchy-Schwarz距离(CCSD)，并在此基础了提出了一种基于亚像素定位和CCSD的图像配准方法。首先，利用多尺度Harris角点检测器检测出初始角点：接着引入了亚像素定位技术，通过迭代寻找角点的精确位置，同时排除不稳定的角点和伪角点：然后采用本文提出的CCSD准则确定候选匹配角点对：最后使用随机抽样一致性(RANSAC)算法计算图像间变换模型。大量实验结果表明，该方法具有较强的适用性、精确性和有效性。

摘要： 提出了一个新的匹配准则一角点对Cauchy-Schwarz距离(CCSD)，并在此基础了提出了一种基于亚像素定位和CCSD的图像配准方法。首先，利用多尺度Harris角点检测器检测出初始角点：接着引入了亚像素定位技术，通过迭代寻找角点的精确位置，同时排除不稳定的角点和伪角点：然后采用本文提出的CCSD准则确定候选匹配角点对：最后使用随机抽样一致性(RANSAC)算法计算图像间变换模型。大量实验结果表明，该方法具有较强的适用性、精确性和有效性。

摘要： 本发明公开了一种基于RANSAC的Toeplitz声源定位方法，首先对一段声音信号X(t)进行通过窗函数w(t)进行分帧处理，得到一帧声音信号Xw(t)；计算数据协方差矩阵R；然后对数据协方差矩R阵进行奇异值分解，获得信号子空间Us及信号子空间奇异值组成的对角阵利用旋转不变子空间思想构建矩阵选取矩阵B的前M‑1行和后M‑1行，分别记为B1和B2，B1和B2满足关系式：B1D＝B2，其中D是含有信号方向信息的对角阵；求解含有位置参数的对角矩阵D，得到该帧声音信号的位置参数；最后在获得了每一帧的声源位置参数后，利用RANSAC算法消除这些参数中的不可靠数据，获得最优的样本集合然后拟合出精确的位置参数。本发明能够定位参数的拟合效果更好，提高Toeplitz定位算法的准确度与鲁棒性。

摘要： 本发明涉及基于MTLBP‑Li‑KAZE‑R‑RANSAC的机器人运动监测视觉信息融合方法，是一种对国防军事和民用领域机器人运动监测的的分布式视觉信息融合的方法，属于目标跟踪领域，其特征在于采用如下步骤：(1)确定中心元素LBP值；(2)确定每一子区域内的8维描述向量；(3)计算两个描述向量之间的近似欧式距离；(4)进行图像的匹配点对，确定图像间投影变换的参数矩阵；(5)对剩下的特征点对进行dv操作；(6)确定采样迭代次数；(7)确定似然比；(8)确定最佳阈值。本发明相较于传统的识别方法有着高精度、高效率、低延时的特点，大大提高目标识别的速度。对于错误数据的识别和剔除有着较为准确的判断，提高精确信息的置信度，获得更准确的识别结果。

摘要： 本发明公开了一种基于改进RANSAC方法对视频流的外点剔除方法，提取特征点并跟踪，更新跟踪次数；对特征点连续跟踪次数进行统计判断，从归类的模型建构点集中随机选取可计算模型参数的最小数据进行模型拟合，计算基础矩阵模型；用基础矩阵模型对其他全部特征点进行判断，统计所有特征点中的内外点信息；同时统计模型建构点集中被归为内点的数目，同时与前一次模型比较，更新模型；得到最大迭代次数；完成一次迭代后，迭代次数+1；达到上限后跳出，输出内点信息；对输入的特征点进行标记，被判断为内点的，即被成功跟踪，保留处理，被判断为外点的，即跟踪失败，清除处理。本发明同时提升了原算法的精度和运算速度。

摘要： 本发明涉及一种基于改进RANSAC的视觉定位方法，包含如下步骤：S1将采集的图像数据进行粗匹配，得到数据集D；S2从数据集D中随机抽取n个数据点；S3使用n个数据来估计模型参数，得到模型M；S4根据损失函数更新样本集D的权值，并完成初始样本分组；S5考虑对随机抽取的初始样本进行预判断，对于不满足预判断条件的模型，返回步骤S2重新开始；S6根据损失函数更新样本集D的权值，并完成样本分组更新；S7如果样本集D大于当前记录的最优样本B_D，那么B_D＝D，并记录模型参数；如果迭代次数超过设定阈值k，则退出算法，否则返回重复步骤S2‑S6；S8根据得到模型参数，估计相机三维位姿信息。

摘要： 本发明公开了一种四轮定位用标靶数据优化的RANSAC设计方法，属于计算机视觉技术领域。本发明通过设计特殊的相机圆形标定标靶，拍摄标靶获得图像。通过图像检测得到图像坐标与实际的标靶模板坐标反解出单应矩阵H，由于相机存在检测误差，产生的H矩阵误差较大。本发明采用RANSAC算法来确定最佳的单应矩阵H，提高单应性矩阵H的准确性。传统的随机采样一致性算法从多个特征点中随机选取4个非共线的点，计算量太大，计算速度较慢，本发明一个方面是设计特殊的标靶，使得随机选取的4个特征点都线性无关，优化了算法的复杂程度，同时减少算法的运行时间。另一方面设计了新的算法步骤，提高了算法的效率和优化度。

摘要： 本发明提出了一种基于RANSAC与CNN算法检测烟包封签缺陷的方法，采集封签图像，构建CNN网络模型，使用CNN模型预测图像，若预测为无缺陷，则在封签波动位置内均匀采样并计算一阶导数，再经过筛选形成点集；从点集中选择多个点作为一个样本，估计出一条直线；经过M次迭代，得到最佳直线方程，然后可知封签长度和角度，最后输出检测结果。本发明用于检测烟包封签缺陷，通过设定检测的阈值参数，实现不同产品均可灵活设置。CNN模型检测图像无需设置大量参数，只要采集图像并分类，训练并验证可以完成所有配置工作。RANSAC算法弥补了CNN模型无法精确检测封签边缘的角度和长度，传统图像处理方法与神经网络相结合，使检测更加精准，且不需要设置太多的检测参数。

摘要： 本发明属于图像识别技术领域，公开了一种基于RANSAC的轻量型表盘识别方法，将表盘巡检图像转化为灰度图，对灰度图进行中值滤波以减少提取到的边缘像素点；使用四个Sobel核与中值滤波后的灰度图进行四次卷积以获取图像在横向和纵向上的灰度变化，得到四张二值化边缘图，将四张二值化边缘图合成为一张二值化边缘图；去除合成后的二值化边缘图中电线杆所在的位置形成的直线；得到删除直线后的二值化边缘图；最后，使用RANSAC做圆形拟合，以获得表盘具体位置。本发明具有运算量小，准确率高，无需预设模板的特点。

摘要： 基于改进RANSAC算法的透视变换方法，利用SIFT算法已经求得基准图和辅助图特征匹配点的坐标，为此只需随机选取4对特征匹配点就可求得变换矩阵，利用变换矩阵即可对辅助图进行透视变换。在计算变换矩阵时只需4对匹配点，提出了一种改进的RANSAC算法。本发明可有助于更好地辅助智能巡检机器人识别图像中压板的运行状态，提升其抗干扰的能力。

摘要： 本发明公开了一种引入法向量优化的RANSAC点云平面拟合方法：步骤1，将待拟合的点云数据集作为当前点云数据集；步骤2，生成当前点云平面：步骤3，得到当前点云平面模型；步骤4，判断迭代次数是否到达设定次数，则输出当前点云平面模型；否则返回执行步骤2；步骤5，令j＝1；步骤6，设定当前点pj；步骤7，计算当前点pj的法向量nj；步骤8，计算当前点pj与其任意一个邻域点的法向量夹角β；步骤9，若β不小于平滑度阈值，则剔除该点，得到更新后的点云平面模型，将其作为当前点云平面模型；遍历所有点，输出当前点云平面模型；否则，令j＝j+1，返回步骤6；本发明的方法能够较精确拟合除连续完整平面之外的点云平面模型。

摘要： 本发明公开一种基于改进RANSAC校验的空间失效卫星回环检测方法，属于视觉导航领域。所述方法主要包括以下步骤：开源深度学习方法HF‑Net，提取图像的特征点、局部特征向量以及全局特征向量这三种特征。其次，使用HNSW快速检索方法，在将当前图像全局特征向量插入HNSW图数据库的同时，计算其与数据库中特征的相似度，获取相似度最高的图像索引，组成回环候选帧集合；最后，使用局部特征进行图像匹配校验，确定最佳回环图像，提高了回环检测的精度和稳定性，应用前景广阔。