特征描述子

摘要： 为提升激光雷达点云目标识别的效率和减少计算开销,本文通过采用改进的邻域确定方法和LRF估计方法,提出了一种新的特征描述子:半球单值形状上下文特征描述子(Hemispheric Unique Shape Context,HUSC)。首先计算关键点处的互相关矩阵,并根据邻域点附近的点密度进行加权,以此估计关键点的法向量和切平面,并建立局部参考坐标系;然后以该切平面为底面构建半球形邻域,并将其按照方位角、极角和径向划分为多个栅格;最后统计各栅格中的点数,得到关键点的局部特征描述子。HUSC特征描述子在保证描述子准确率的同时,通过减少冗余栅格数量提高目标识别的效率。在Bologna、3DMatch数据集上进行的实验表明,基于半球形邻域的HUSC特征描述子与基于球形邻域的USC描述子对噪声鲁棒、对分辨率变化稳健性相当,但HUSC特征描述子占用内存更小,运算速度更快。

摘要： 针对传统3D-Harris角点提取算法中,Harris算子使用降维后的缺失几何信息、角点提取时响应值计算量大且耗时长、特征点对匹配精度不高以及需要手动设定角点响应阈值等问题,提出了一种完整而高效的Harris角点自适应特征描述、提取和匹配的点云粗配准算法。引入正交梯度算子对传统Harris算子和自相关函数进行改进;利用点云曲率约束实现角点的自适应筛选与提取,减少角点响应值的计算量;构建角点几何结构的特征描述子,结合阈值检测和描述子匹配,将角点匹配对集合进行扩展,从而完成源点云和目标点云之间粗配准;将所提算法得到的配准结果作为精配准初始值,利用迭代最近点算法实现精配准。与对比算法在公开数据集上进行实验比较,结果表明:所提算法的特征正确提取率为0.93,正确率最高;提取时间为7.63 s,效率最快;所提算法结合精配准步骤在实验数据集上的旋转误差、平移误差和运行时间均为最低,配准效果最佳。

摘要： 鉴于传统尺度不变特征变换(scale invariant feature transform,SIFT)算法特征描述子维度过高、匹配时间长和误匹配率较高的问题,提出一种改进SIFT的图像特征匹配算法。首先,将SIFT特征点邻域的方形区域改为十字形分区来简化特征描述子,降低描述子的维度,减少匹配计算量;然后,在由欧式距离获取初始匹配点对的基础上,结合余弦相似度约束条件过滤伪匹配;最后,利用渐进一致采样(progress sample consensus,PROSAC)算法进一步优化匹配结果,实现精准匹配。实验结果表明,该算法在模糊、光照、仿射、尺度旋转等变化条件下均显著提高了正确匹配率,并缩短了匹配耗时,有效提升了在复杂场景下的匹配性能。

摘要： 学习型特征检测器利用神经网络来检测和匹配图像特征点,其网络参数通常通过优化低层视觉的匹配准确率而训练得到,然而在高级视觉任务中,低层图像配准率的提升未必能带来更佳性能。针对该问题,提出一种双损失误差策略下的强化学习方法,一方面,将学习不变特征变换(LIFT)所得到的特征点和描述符以概率形式表示,估算出图像间的相对位姿,并与真实位姿比较获得位姿误差。另一方面,利用匹配图像间极线约束的几何性质,估算出匹配特征点间描述子的误差。然后基于上述两种损失误差优化LIFT,最终学习得到神经网络参数。实验中使用H-Patches数据集和自制数据集,将图像输送到LIFT特征检测器和视觉管道中,以端到端的方式训练神经网络参数。实验结果表明,该算法显著提高了特征点的匹配精度。

摘要： 回环检测是同步定位与地图构建系统的组成模块,目前大多数回环检测算法从数据帧提取特征描述子,通过描述子之间的欧氏距离搜索回环,未对提取的特征描述子进行特征增强.针对上述问题,文中提出基于度量学习的回环检测描述子提升算法.设计轻量级算法模块,对生成的描述子进行特征空间变换,增强描述子的区分能力,有效提升回环检测性能.通过位姿和描述子结合的方式成组制作三元组数据集,解决标签模糊的问题.提出扩充数据集的思路,解决回环样本显著不足的问题.基于三元组损失函数改造损失函数,适配回环检测场景,训练用于特征空间变换的神经网络模块.在KITTI、NCLT数据集上的测试表明,文中算法具有较强的泛化能力.

摘要： 汽车发动机转子装配误差容易造成零件磨损和效率降低.针对转子零件装配精度要求,提出一种基于轮廓与特征点结合的轮廓匹配改进方法.首先对转子图像进行滤波、二值化预处理;其次提取轮廓并利用轮廓Hu矩方法进行轮廓粗匹配;然后提取特征点,并在以特征点为中心、半径为16像素的圆形区域内生成4个特征描述子作为匹配特征,利用欧氏距离进行特征点匹配;最后通过找到的匹配对计算仿射变换矩阵,得到精匹配结果.实验结果表明,该方法在背景复杂、光照变化的条件下能够较精确地匹配轮廓,保证匹配精度在1像素内,且生成的特征描述子对数越多,匹配结果越精确.

摘要： 不同类型车辆的车牌形状、大小及颜色有所不同。为对不同拍摄视角、尺度、背景、光照强度及各种形式遮挡下的各型车牌进行准确检测,提出一种基于SURF算法的多阶段车牌定位模型。该模型考虑车牌丰富的纹理和结构信息,借助SURF特征矩阵的行协方差系数分布定义车牌候选区域的特征,从而得到多个差异明显的分块区域;同时提出一个新的四维特征描述符精准提取车牌候选区域,并基于Hessian矩阵对车牌字符结构特征的度量实现对车牌区域的判别。通过在CCPD数据集上进行测试,发现该模型不需要任何受控条件或环境参数设置,具有定位变形、模糊、污损以及光照变化情况下车牌的能力。

摘要： 基于深度学习的图像特征描述子,是许多3D视觉任务的重要组成部分,但现有的基于深度学习的图像特征描述子框架,通常需要特征点之间的真实对应关系来进行训练,而要想大规模获取这些对应的特征点却具有很大的挑战性。本文提出了一种新的弱监督学习框架,该框架只需从与图像相关联的惯性测量单元位姿中学习特征描述子。基于此,本文构造了新的损失函数,该函数利用IMU位姿所给定的对极约束,方法稳定且高效。因为本方法不需要特征点之间的真实对应关系,所以在庞大且多样化的数据集上训练效果更好,为更具有区分性的局部特征描述子提供了可能。本文将学习到的特征描述子称为POSE描述子,经过严格的监督训练,POSE描述子比之前基于完全监督的特征描述子更好,且数量和匹配度均有所提高。

摘要： 针对SIFT(Scale-Invarivant Feature Transform)算法存在的不足,提出Harris算法与SIFT算法相结合的方法。选用Harris算法检测出的角点邻域范围内的SIFT特征点作为特征点,利用高斯圆形窗口对特征点建立64维描述向量。实验证明,该算法在保证匹配精度的同时,有效提高了匹配速度。

摘要： 针对现有大部分三维特征描述子应用于低成本传感器获取的低质量点云数据时,在抗噪性、时间效率和内存占用等方面存在的问题,提出了一种局部参考坐标系构建方法。本文利用该局部参考坐标系设计了一种基于球形网格划分的二值化特征描述子。所提的局部参考坐标系基于消除二义性的法线确定Z轴,将特征点球邻域重心与特征点构建的向量在法平面上的投影作为X轴。Z轴的可重复性和球邻域重心的唯一性,使得所提局部参考坐标系对高斯噪声和点密度变化具有极强的鲁棒性,所提局部参考坐标系具有极佳的泛化性和时间效率。二值化特征描述子无论是对高质量模拟数据,还是对低质量实测点云都具有较好的描述性,对各数据集均能获得次优的性能。二值化特征描述子具有极高的时间效率,且仅占用616 bit的存储空间,极小的时间和内存开销使其更适用于需要实时响应的应用场景。

摘要： 本文提出了一种利用核主成分分析对SIFT特征描述子进行改进的算法.原始的SIFT特征描述子维数较高,包含较多的冗余数据,在各类应用中所耗费的时间复杂度很高.针对以上问题,本文利用描述子内部梯度向量之间关系,采用基于余弦核函数的核主成分分析法对SIFT特征描述子进行降维操作.首先提取样本图像的SIFT特征描述子,利用余弦函数生成核主成分矩阵,提取其在主方向上的投影矩阵.然后,利用该投影矩阵对新采集的描述子进行降维操作.实验采用图像匹配的方式比较描述子性能,通过实验证明,本文算法可以有效降低特征描述子的维数,同时在不降低匹配准确率的情况下能够获得比SIFT多的匹配点,而且时间性能有显著的提高.

摘要： 针对人工设计的描述子(HOG、SIFT等)在基于手绘的图像检索(Sketch Based Image Retrieval,SBIR)领域的局限性,本文提出一种基于抽象层级变换和卷积神经网络构建联合深度特征描述子的手绘图像检索方法.首先,对常规图像提取边缘概率图,在其基础上进行不同抽象层级的图像变换,将抽象层级变换图像输入到深度神经网络并提取不同隐层的输出向量,最后,联合不同隐层的输出向量作为手绘图像检索的特征描述子(即,联合深度特征描述子).在Flickr15k数据库上对本文方法进行了实验验证.实验证明基于抽象层级变换和联合深度特征描述子的检索效果较HOG、SIFT等传统方法有显著提高.本文方法从图像预处理和特征描述子构建两个方面对SBIR问题进行了有效改进,实验结果表明本文算法具有更高的准确率.

摘要： 在大规模图像库中高速有效的匹配出目标Logo图像是图像内容标注的基本问题之一.本文首先运用SURF特征提取方法对图像进行斑块特征检测,并构建一种加窗灰度差直方图(WIDH)描述子,用WIDH对提取的特征点进行描述.Logo图像初匹配后,运用RANSAC方法剔除误匹配,实现了对图像库中Logo图像的快速匹配.WIDH描述子充分利用外围作用区域的灰度差信息,维度低且辨识力很强,运算简单高效.实验表明,本文方法与基于传统SURF描述子的匹配方法相比,具有更好的辨识能力,同时匹配速度更快.

摘要： 为了更好的进行基于特征的运动F1标枪测,本文提出了一种应用快速近似SIFT描述子构建特征描述子的方法。该方法运用积分直方图在围绕特征点的方形邻域中生成特征描述子,并在图像序列中使用特征描述子进行特征点间的匹配。在对大量特征描述子的计算过程中,这种方法可以有效的降低计算开销加快计算速度,同时具有与传统SIFT描述子一样可靠的匹配性能。实验证明,该方法能够满足运动目标检测实时性的要求,改善了运动检测性能。

摘要： 针对多画面天文星图的刚性配准,提出一种基于几何不变量的形状上下文配准算法.该算法首先对天文星图进行降噪预处理,并利用阈值分割与形态学算法提取天文星图中的星点及其质心坐标;然后利用星点质心间的几何不变量关系,对每个星点建立基于几何不变量的特征描述向量并由此构建了评价不同维数向量之间相似度的代价函数,以判断两个特征点之间特征描述向量的相似程度,从而得到两幅图像间的匹配星点对集合;最后,利用随机一致性鲁棒算法去除误匹配星点对,并计算得到空间变换配准参数.实验结果表明,该方法可对特征点数目、画面亮度等差异较大的两幅星图实现亚像素级精度的有效配准,性能及鲁棒性均好于传统配准方法.对于大小为4608×3072,曝光时间与ISO各不相同的两组实际拍摄图像,本文方法的配准精度在0.5pixel左右,能够成功完成配准任务.

摘要： 针对多画面天文星图的刚性配准,提出一种基于几何不变量的形状上下文配准算法.该算法首先对天文星图进行降噪预处理,并利用阈值分割与形态学算法提取天文星图中的星点及其质心坐标;然后利用星点质心间的几何不变量关系,对每个星点建立基于几何不变量的特征描述向量并由此构建了评价不同维数向量之间相似度的代价函数,以判断两个特征点之间特征描述向量的相似程度,从而得到两幅图像间的匹配星点对集合;最后,利用随机一致性鲁棒算法去除误匹配星点对,并计算得到空间变换配准参数.实验结果表明,该方法可对特征点数目、画面亮度等差异较大的两幅星图实现亚像素级精度的有效配准,性能及鲁棒性均好于传统配准方法.对于大小为4608×3072,曝光时间与ISO各不相同的两组实际拍摄图像,本文方法的配准精度在0.5pixel左右,能够成功完成配准任务.

摘要： 针对多画面天文星图的刚性配准,提出一种基于几何不变量的形状上下文配准算法.该算法首先对天文星图进行降噪预处理,并利用阈值分割与形态学算法提取天文星图中的星点及其质心坐标;然后利用星点质心间的几何不变量关系,对每个星点建立基于几何不变量的特征描述向量并由此构建了评价不同维数向量之间相似度的代价函数,以判断两个特征点之间特征描述向量的相似程度,从而得到两幅图像间的匹配星点对集合;最后,利用随机一致性鲁棒算法去除误匹配星点对,并计算得到空间变换配准参数.实验结果表明,该方法可对特征点数目、画面亮度等差异较大的两幅星图实现亚像素级精度的有效配准,性能及鲁棒性均好于传统配准方法.对于大小为4608×3072,曝光时间与ISO各不相同的两组实际拍摄图像,本文方法的配准精度在0.5pixel左右,能够成功完成配准任务.

摘要： 针对多画面天文星图的刚性配准,提出一种基于几何不变量的形状上下文配准算法.该算法首先对天文星图进行降噪预处理,并利用阈值分割与形态学算法提取天文星图中的星点及其质心坐标;然后利用星点质心间的几何不变量关系,对每个星点建立基于几何不变量的特征描述向量并由此构建了评价不同维数向量之间相似度的代价函数,以判断两个特征点之间特征描述向量的相似程度,从而得到两幅图像间的匹配星点对集合;最后,利用随机一致性鲁棒算法去除误匹配星点对,并计算得到空间变换配准参数.实验结果表明,该方法可对特征点数目、画面亮度等差异较大的两幅星图实现亚像素级精度的有效配准,性能及鲁棒性均好于传统配准方法.对于大小为4608×3072,曝光时间与ISO各不相同的两组实际拍摄图像,本文方法的配准精度在0.5pixel左右,能够成功完成配准任务.

摘要： 一种特征描述方法及应用其的特征描述器。该特征描述方法，包括以下步骤：接收高维数据，此高维数据对应于通过特征提取算法所取得的特征区块；自高维数据挑选多个维度数据组；对各维度数据组中的不同维度数据进行比较，以产生各维度数据组所对应的比较结果；以及依据比较结果产生二位字串，此二位字串用以描述特征区块。

摘要： 一种图像特征描述处理装置及图像特征描述处理方法。图像特征描述处理装置包括标头存储单元、向量存储单元、特征撷取单元、分散单元及存储器控制器。特征撷取单元撷取图像特征描述。分散单元根据图像特征描述产生标头基底地址、向量基底地址、标头及向量。存储器控制器根据标头基底地址连续写入标头至标头存储单元，并根据向量基底地址连续写入向量至向量存储单元。

摘要： 本发明公开了一种三维局部特征描述子获取方法与特征描述子的匹配方法，属于计算机图形图像处理领域。该方法首先以特征点为中心，构建一个能覆盖特征点局部三维空间的立方体，然后在不同的维度对立方体进行等分，生成N*N*N个局部小立方体，该N*N*N个局部小立方体则构成了特征点的立方体支撑区域，用来刻画特征点局部三维空间中点的分布；最后，利用核密度估计，计算每个局部小立方体的核密度，该N*N*N个小立方体的核密度值，构成了该特征点的描述子。本发明提出的特征描述子获取方法与特征描述子的匹配方法，简单易实现，且针对平滑特征和尖锐特征均具有较好的效果，并具有对旋转、平移、高斯噪声及点的非均匀采样均鲁棒的优点。

摘要： 本发明公开了一种基于多任务学习的行人重识别特征描述子，采用成对输入的孪生网络结构，将局部最大出现(Local maximal occurrence，LOMO)特征和深层特征一起送入网络并映射到单一的特征空间中进行训练，形成一种新的网络模型TDFN(Traditional and Deep features Fusion Network)。利用神经网络自我学习特性，联合多种任务的损失函数更新网络，使得深层特征学习到更多与手工局部特征互补的细节信息，得到更有辨别力的新特征。实验表明本发明新特征的平均精度mAP和Rank‑1精度都优于直接从孪生网络提取的全局描述子。该方法适用于安全和监控方面的应用系统，例如视频监控分析和基于内容的图像、视频检索等。

摘要： 本发明提供一种基于旋转不变性图像特征描述子的目标跟踪算法，包括：对同心圆的旋转不变特征进行描述，将当前帧图像之中的跟踪目标表示为的梯度行向量S，将梯度行向量S设置为跟踪目标模板，在输入下一帧图像之后，以当前帧图像之中跟踪目标的中心点为参考点，在下一帧图像上确定待检测区域，在待检测区域内，通过滑动窗口获得多个与跟踪目标面积相同的待匹配区域，获得任一待匹配区域的梯度行向量S’，计算跟踪目标模板S与待匹配模板S’之间的相似性，在计算所有的待匹配区域的相似性之后，获得多个相关性结果，将相关性结果之中的极大值作为最优输出。本发明提供的技术方案更加轻量化，适用于水下图像的描述与跟踪，而且鲁棒性好。

摘要： 本发明公开了一种三维局部特征描述子获取方法与特征描述子的匹配方法，属于计算机图形图像处理领域。该方法首先以特征点为中心，构建一个能覆盖特征点局部三维空间的立方体，然后在不同的维度对立方体进行等分，生成N*N*N个局部小立方体，该N*N*N个局部小立方体则构成了特征点的立方体支撑区域，用来刻画特征点局部三维空间中点的分布；最后，利用核密度估计，计算每个局部小立方体的核密度，该N*N*N个小立方体的核密度值，构成了该特征点的描述子。本发明提出的特征描述子获取方法与特征描述子的匹配方法，简单易实现，且针对平滑特征和尖锐特征均具有较好的效果，并具有对旋转、平移、高斯噪声及点的非均匀采样均鲁棒的优点。

摘要： 本发明提供的一种基于多尺度特征融合的可学习局部特征描述子的方法和一种基于多尺度特征融合的可学习局部特征描述子提取装置，通过构建图像匹配数据集，采集图像数据，将图像数据进行预处理后中心环绕切割，获取图像不同大小的尺寸，并转换成预处理后的图像，然后将预处理后的图像进行特征提取，获取三个尺寸对应的图像特征，对三个尺寸对应的图像特征进行特征融合并形成特征描述符，求误差值并根据损失函数更新，准确提取图像的采集野，实现对图像数据的高效采集。

摘要： 本发明公开了一种基于纹理特征的图像局部特征描述子提取方法，包括步骤：一：对整幅图像用Hessian‑Affine检测子检测出图像局部特征域，获得特征点周围椭圆形邻域；二：计算该椭圆形邻域的主方向，把该邻域的长轴作为图像坐标系的横轴，短轴作为图像坐标系的竖轴，旋转椭圆邻域；对旋转所得的邻域做仿射投影转换成圆形邻域；三：对该圆形邻域子采用笛卡尔网格划分M个子区域，并计算每个子区域的DCS‑LBP特征值；四：计算每个子区域的特征统计直方图，串联起来得到该子区域的特征统计直方图；五：把各个子区域的特征统计直方图全部串联起来得到该局部特征区域的特征描述子；六：对该局部特征描述子进行归一化和门限化处理，最终得到DCS‑LBP特征描述子。

摘要： 本发明提供了一种二进制形状上下文特征描述子构建方法及点云配准方法，其中，二进制形状上下文特征描述子构建方法步骤主要包括：1）点云数据关键点检测，2）局部坐标系构建；3）坐标系转换与格网化；4）高斯距离加权格网投影特征计算，5）投影特征高效二值化。BSC描述子编码三个正交投影平面上的投影点密度、距离和回波强度特征，包含了更丰富的局部信息。另一方面，通过构造一个稳定的局部坐标系，并利用高斯核密度估计方法计算加权投影特征，提高了BSC描述子对噪声、点密度变化、目标遮挡和重叠的鲁棒性。

摘要： 本申请的实施例提供了一种位姿确定方法、特征描述子构建方法和装置，该位姿确定方法包括：获取当前子地图中物体的特征描述子；根据语义特征确定用于表示语义特征对应的物体的历史特征描述子；基于特征描述子的几何特征和历史特征描述子的几何特征确定车辆当前位姿。本申请能够更准确地确定出车辆当前位姿。尤其是在当前子地图中只存在一个特征描述子时，本申请实施例提供的方法能够更准确地确定车辆的当前位姿。