角点提取

摘要： 恶劣环境下的低质图像会严重影响基于视觉的位移测量效果。图像超分辨率重建有望能改善图像质量、突出目标特征以提高测量精度和可靠性,进而应用于视觉测量场景。故提出了一种关注细节特征的图像超分辨率重建算法,该算法设计了一个角点增强支路,并通过角点损失函数进行约束实现对角点信息的增强,此外增加边缘损失函数提升边缘的重建效果。实验结果表明,该算法在客观评价指标上表现优异,视觉效果上取得了更加清晰的纹理细节,设计的验证实验证明,该算法重建的边缘与角点更加准确,对目标定位有一定帮助,适用于视觉测量应用场景。

摘要： 炼钢时的吹炼阶段分为前期、中期和后期,在不同的阶段,炉口的火焰图像会受钢水含碳量、杂质等影响,呈现不同的颜色、纹理、形状等特征信息。论文通过机器视觉利用图像处理的技术,依据炼钢炉火焰边缘轮廓图像的角点数目来分析这些火焰特征,对吹炼阶段做出判断,减轻工人的工作任务和避免工人因为自身主观原因造成的误判。

摘要： 针对移动机器人激光雷达点云数据滤波过程中存在对噪声敏感和准确性差等问题,提出一种加权的高斯滤波方法。该方法使用高斯滤波与角度余弦作为加权值对雷达点云数据进行滤波处理,减小了激光雷达扫描到的物体轮廓波动。最后将该方法应用到实际的机器人操作系统的移动机器人底盘中,实验结果表明,相比传统的高斯滤波方法,该方法能更好地解决雷达点云滤波过程中的问题,扫描到的物体轮廓更加光滑,且具有较好的稳定性和准确性,有利于激光雷达建图效果。

摘要： 针对低光照条件下视觉惯性同步定位与地图构建(VI-SLAM)算法易发生漂移甚至跟踪失败的问题,提出一种改进的VI-SLAM算法。通过增强低光照度条件下的视觉效果提升VI-SLAM的鲁棒性,提出一种新的图像增强算法。首先对图像进行多尺度Retinex处理,然后分别进行自适应Gamma校正和对比度受限的直方图均衡化(CLAHE)处理,并采用提出的融合策略进行图像融合;同时采用改进的FAST角点提取算法和随机采样一致(RANSAC)算法提高前端鲁棒性。根据EuRoC数据集上的实验结果,相比于VINS-Mono算法,该算法的轨迹跟踪均方根误差平均降低了23.98%,根据实际场景下的实验结果,该算法的运动轨迹相比于VINS-Mono更接近真实轨迹。实验结果表明,该算法可以有效提升低光照条件下的定位精度。

摘要： AGV视觉导航定位技术目前大多是在AGV的预设轨道上铺设含目标对象的导航图案,在拍摄到导航图案后先利用目标检测算法检测其目标区域,然后用角点检测算法提取目标区域的参考角点,最后利用参考角点和工业相机的焦距等参数的几何关系计算出AGV的位姿。文中在目标检测算法中经典的Faster R⁃CNN网络模型基础上加以改进,在多层次的feature map上生成候选框且用两个3×3卷积核分别进行卷积运算,从而直接进行分类和回归。仿真测试结果显示:相比Faster R⁃CNN,改进型Faster R⁃CNN检测所设计导航图案的mAP值提高了0.032,FPS值提高了31。因此证明改进型Faster R⁃CNN的精确度和速度均提高了,应用到AGV视觉导航定位技术中可进一步提高该技术的精确度和速度。

摘要： 斑马线是城市管理与建设的重要基础设施,斑马线的自动识别与提取在城市基础地理信息更新中具有重要意义.针对人工测定斑马线角点效率低下的问题,以车载激光扫描点云数据为研究对象,提出了一种基于点云扫描线的斑马线角点自动提取算法.首先,基于人机交互方式提取目标点云,结合OTSU算法计算最优点云回波反射强度二值化分割阈值,初步分离出斑马线点云;其次,以扫描线为研究单元,采用直方图统计分析方法筛选位于斑马线长边边缘处的若干点,对其进行RANSAC直线拟合,获取长边直线方程;然后,创建移动窗口对扫描线进行动态检索并设置相应的判别条件,获取斑马线短边直线方程;最后,根据斑马线的矩形特征实现斑马线角点的精细提取.与传统人工测量方式相比,该算法具有提取精度高和计算时间少的优点.

摘要： 为了提高太赫兹安检系统对人体图像边缘物体识别的准确率,提出了一种基于Shi-Tomasi算子的角点特征识别算法.首先对原始图像进行预处理,经二值化、腐蚀膨胀、边缘平滑后消除人体轮廓中孤立的噪声和边缘刺峰;然后将Shi-Tomasi算子筛选后的人体轮廓强角点与垂直方向阈值范围内的相邻角点连线,并根据连线两侧遍历像素变化点,最后通过比对背景侧数值实现人体边缘物体的识别.实验结果表明,该算法识别速度快,对人体边缘物体的识别率高于98％,能够应用于太赫兹人体图像边缘物体的识别.

摘要： 工业产品外观的瑕疵会直接造成产品商业价值的贬值.一般的视觉检测方法是利用环形光、同轴光等光源,结合单目视觉进行缺陷检测,但是对于一些存在的凸起、凹陷等具有三维特征的缺陷,由于其表面光学反射特性不明显,很难获取到缺陷的信息.结合三维视觉检测技术提出基于光栅投影的表面凹凸缺陷检测方法,投射棋盘格图案进行定位和角点提取,从中可以获得稀疏的点云数据,完成对凹坑缺陷的实时检测.

摘要： 目标识别主要通过目标的颜色、形状、轮廓等特征来获取目标信息,与已知目标进行对比的过程.基于角点特征提取对目标识别非常重要,因为角点具有旋转不变性、对光照反映不明显,这不仅可以提高识别的运行速度还可以提升识别的准确率.在本文中,首先介绍了基于角点特征提取的目标识别理论,列举出图像预处理的方法,通过仿真对目标图像进行灰度化处理和滤波处理.分别用Harris算法与Susan算法对目标图像进行角点提取,最后与原目标图像进行匹配.

摘要： 角点是图像轮廓的重要局部特征，为了准确而快速地提取角点，提出了基于轮廓曲率计算的角点提取算法.该算法首先在多尺度空间里对轮廓曲线进行高斯平滑，然后在局部支撑区域内计算轮廓每一点的曲率，最后结合角点筛选规则确定角点.数学推导表明该算法具备合理性和可行性，实例分析与对比进一步表明该算法曲率计算结果能够有效的抵御轮廓数字化的影响，准确的反映轮廓形状特征，且角点提取具有抗干扰性好、运算量小、定位准确的优点.

摘要： 提出了一种有效的角点提取的方法.在该方法中,角点将被定义为二条(或二条以上)直线的交点,并利用Hough变换来检测直线.若存在二条(或二条以上)直线经过某点,则该点就被认为是角点(角点候选点).还对Hough变换中的映射方式作了改进,在传统的映射中采用的是点-线的映射方式,而改进方法所使用的是点-多线的映射方式.在这种映射方式下,Hough变换的参数空间不会发生峰值扩散的现象,这样会更有利于峰值的检测(直线检测),从而更有利于角点的检测.实验证明,该方法能精确地提取出图像中的角点.

摘要： 针对图像拼接过程中角点的提取问题,介绍了Moravec、Harris、Forstner、SUSAN和SIFT算法,研究了每种算法的原理和实现步骤,对比了检测速度、定位精度、和重复度等各方面性能,分析了各自的优劣势.通过MATLAB进行仿真和对比,结果表明:Moravec和SUSAN算法的检测速度慢,对噪声适应性差;Forstner算法的定位精度较好,但抗噪能力弱;SIFT算法检测结果过多,导致速度慢;而Harris算法检测时间快,定位精度高,抗噪能力强,更适用于图像拼接研究.

摘要： 本文提出了一种高分辨遥感图像配准方法，该方法通过对待配准的遥感图像进行Harris角点提取，获得图像的特征点集，利用点集匹配方法自动完成几何配准参数的计算，由此实现图像之间的配准。重点对点集匹配算法进行了研究，提出了一种基于仿射参数估计的点集匹配方法。通过实验说明该方法具有较好的可行性和有效性。

摘要： 为了低成本、快速测量小面积范围内目标的准确位置,由低到高从3个层次研究了基于GPS/INS的低空无人机摄像测量系统.首先,给出了3摄像机透视成像模型,研究了不同视点图像的几何关系,利用透视投影和弱透视投影的关系,对图像的几何失真进行了校正;然后,研究了序列图像特征的提取和匹配,选取角点作为特征点,分析了角点匹配方法对光照和噪声的抑制措施;最后,给出了基于GPS/INS的目标定位公式,分析了误差因素及其影响大小,推导了导航系统和图像系统速度之间的函数关系,采用粒子滤波对导航系统和图像系统进行速度匹配,实现信息融合.

摘要： 为了低成本、快速测量小面积范围内目标的准确位置,由低到高从3个层次研究了基于GPS/INS的低空无人机摄像测量系统.首先,给出了3摄像机透视成像模型,研究了不同视点图像的几何关系,利用透视投影和弱透视投影的关系,对图像的几何失真进行了校正;然后,研究了序列图像特征的提取和匹配,选取角点作为特征点,分析了角点匹配方法对光照和噪声的抑制措施;最后,给出了基于GPS/INS的目标定位公式,分析了误差因素及其影响大小,推导了导航系统和图像系统速度之间的函数关系,采用粒子滤波对导航系统和图像系统进行速度匹配,实现信息融合.

摘要： 为了低成本、快速测量小面积范围内目标的准确位置,由低到高从3个层次研究了基于GPS/INS的低空无人机摄像测量系统.首先,给出了3摄像机透视成像模型,研究了不同视点图像的几何关系,利用透视投影和弱透视投影的关系,对图像的几何失真进行了校正;然后,研究了序列图像特征的提取和匹配,选取角点作为特征点,分析了角点匹配方法对光照和噪声的抑制措施;最后,给出了基于GPS/INS的目标定位公式,分析了误差因素及其影响大小,推导了导航系统和图像系统速度之间的函数关系,采用粒子滤波对导航系统和图像系统进行速度匹配,实现信息融合.

摘要： 为了低成本、快速测量小面积范围内目标的准确位置,由低到高从3个层次研究了基于GPS/INS的低空无人机摄像测量系统.首先,给出了3摄像机透视成像模型,研究了不同视点图像的几何关系,利用透视投影和弱透视投影的关系,对图像的几何失真进行了校正;然后,研究了序列图像特征的提取和匹配,选取角点作为特征点,分析了角点匹配方法对光照和噪声的抑制措施;最后,给出了基于GPS/INS的目标定位公式,分析了误差因素及其影响大小,推导了导航系统和图像系统速度之间的函数关系,采用粒子滤波对导航系统和图像系统进行速度匹配,实现信息融合.

摘要： 为了低成本、快速测量小面积范围内目标的准确位置,由低到高从3个层次研究了基于GPS/INS的低空无人机摄像测量系统.首先,给出了3摄像机透视成像模型,研究了不同视点图像的几何关系,利用透视投影和弱透视投影的关系,对图像的几何失真进行了校正;然后,研究了序列图像特征的提取和匹配,选取角点作为特征点,分析了角点匹配方法对光照和噪声的抑制措施;最后,给出了基于GPS/INS的目标定位公式,分析了误差因素及其影响大小,推导了导航系统和图像系统速度之间的函数关系,采用粒子滤波对导航系统和图像系统进行速度匹配,实现信息融合.

摘要： 为了低成本、快速测量小面积范围内目标的准确位置,由低到高从3个层次研究了基于GPS/INS的低空无人机摄像测量系统.首先,给出了3摄像机透视成像模型,研究了不同视点图像的几何关系,利用透视投影和弱透视投影的关系,对图像的几何失真进行了校正;然后,研究了序列图像特征的提取和匹配,选取角点作为特征点,分析了角点匹配方法对光照和噪声的抑制措施;最后,给出了基于GPS/INS的目标定位公式,分析了误差因素及其影响大小,推导了导航系统和图像系统速度之间的函数关系,采用粒子滤波对导航系统和图像系统进行速度匹配,实现信息融合.

摘要： 本申请实施例提供了一种基于角点优化的线段提取方法，该方案提出将角点检测算法加入到线段检测算法中，作为线段提取的一个约束条件，同时对所提取的角点进行非极大值抑制处理，防止角点聚集，本方案不需要调整线段提取算法的相关阈值，在保持较好的计算效率的同时，能够剔除特征不明显区域的线段。

摘要： 本发明提供了一种棋盘格角点自动提取方法、系统、设备及介质，包括如下步骤：获取棋盘格图像，对所述棋盘格图像进行二值化处理，生成棋盘格二值化图像，在所述棋盘格二值化图像提取出多个的轮廓；在多个所述轮廓中筛选出格子轮廓，进而确定每一格子轮廓的中心点；根据相邻四个格子轮廓的中心点，确定每一格子区域的粗角点；提取每一粗角点的亚像素，根据粗角点的亚像素确定每一格子区域的目标角点。本发明中在棋盘格二值化图像提取出多个的轮廓，多个所述轮廓中筛选出格子轮廓，进而确定每一格子轮廓的中心点，从而能够确定每个格子区域的粗角点，进而确定目标角点，从而实现自动的提取棋盘格的角点，且不需要知道棋盘格中棋盘格的数目。

摘要： 本发明提出了一种顾及角点特征的边缘建筑物提取方法及系统，该方法融合了深度学习特征学习方法和计算机图形学方法，对复杂地物场景下的遥感影像数据进行了端对端的边缘轮廓细化建筑物提取；通过引入边缘锐化模型，改进了深度学习特征学习方法中提取建筑物轮廓模糊不清的情况，以计算机图形学中渲染的思想，使用细分策略高效的计算高分辨率分割图，提高了建筑物边缘的图像分割效果，使其在复杂地物场景下的建筑物边缘提取中有更好的表现。本发明的有益效果为：与现有边缘建筑物提取研究方法相比，本发明显著的提高了建筑物边缘细节特征的处理能力，保证了建筑物边缘数据提取的客观性与真实性。

摘要： 本发明公开了一种基于多尺度特征提取的多视角点云配准及点云融合方法，属于三维点云处理技术领域。包括：S100、机器人持3D激光轮廓仪，从多视角扫描工件，获得各个视角的单视角点云数据；S200、对3D激光轮廓仪返回的单视角点云数据建立八叉树结构；S300、计算点云法向量和曲率特征；S400、进行点云关键点特征提取；S500、将多视角点云的关键点利用Super4PCS进行粗配准，并计算配准误差；S600、筛选最优待配准源点云执行配准，得到配准后的两组点云；S700、融合配准后的两组点云。本发明相对于现有技术，明显提升了配准精度和配准速度，满足了需要。

摘要： 本发明涉及TFT‑LCD面板自动光学检测技术领域，具体涉及一种图像角点提取方法和装置以及图像角点提取摄像装置。上层软件将角点所在的矩形区域参数下发至获取图像区域模块，将角点提取配置参数下发至角点精确提取模块；获取图像区域模块根据接收到的矩形区域参数获取矩形区域内的子图像，并将获取的子图像发送给角点精确提取模块；角点精确提取模块根据接收到的角点提取配置参数对子图像进行精确角点提取。整个角点的提取过程基于FPGA进行，根据先验条件得出角点所在区域范围，只需提取矩形区域范围内的子图像，不需要遍历整幅图像，且仅对遍历后的子图像做精确处理，提高了效率，节约了资源。

摘要： 本发明公开了一种角点提取、匹配的神经网络和方法及设备标定方法和装置，涉及计算机技术领域。本发明的对激光点云进行角点提取的神经网络的一具体实施方式包括：神经网络包括第一数据层和第一网络层，第一数据层用于表示神经网络在运算过程中所传递的数据，且包括第一输入数据层、第一输出数据层以及第一中间数据层，其中，第一输入数据层的数据为点云块数据；第一网络层用于对输入第一网络层的第一输入数据层或第一中间数据层的数据进行运算，以得到第一中间数据层或第一输出数据层的数据，第一网络层包括切分层、第一全卷积层、第一级联层和池化层。该实施方式能够通过神经网络模型进行激光点云的角点提取，且提取速度快，准确度高。

摘要： 本发明涉及无人驾驶机器人技术领域，具体地说是一种基于三维激光点云的角点特征提取方法及其在智能清洁机器人中的应用，该方法包括以下步骤：1)获取三维激光点云数据；2)沿着三维激光点云中单条激光线，对于每个激光点选择前后两个激光点计算该点处的角度Θ和空间连续性C；3)过滤掉角度Θ小于角度阈值或者空间连续性C小于连续性阈值的点，留下的点作为候选角点；4)最后，基于滑动窗口，在候选角点中提取所有的角度峰值点，即作为最终的角点；本发明提取方法基于三维激光点云中单条激光线上的角度变化和连续性，实现了一种稳定的激光点云角点提取，解决了以往激光角点特征提取方法在复杂环境中稳定性差的问题，提高了稳定性和精度。

摘要： 本发明涉及TFT-LCD面板自动光学检测技术领域，具体涉及一种图像角点提取方法和装置以及图像角点提取摄像装置。上层软件将角点所在的矩形区域参数下发至获取图像区域模块，将角点提取配置参数下发至角点精确提取模块；获取图像区域模块根据接收到的矩形区域参数获取矩形区域内的子图像，并将获取的子图像发送给角点精确提取模块；角点精确提取模块根据接收到的角点提取配置参数对子图像进行精确角点提取。整个角点的提取过程基于FPGA进行，根据先验条件得出角点所在区域范围，只需提取矩形区域范围内的子图像，不需要遍历整幅图像，且仅对遍历后的子图像做精确处理，提高了效率，节约了资源。

摘要： 本发明公开了一种基于特征提取的复杂场景图像的目标角点提取方法，首先，将图像灰度化，在此基础上对图像二值化，以避免全局二值化影响局部性质，提高了二值化的准确性，利用Harris角点检测方法检测出所有可能的角点，针对每个角点提取对应的特征，包括领域矩阵计算结果，邻域二值化黑白像素的变化特征等，在此基础上对大量的特征进行特征分析以确定目标角点的特性，最后，利用分析所得到的相关参数过滤掉不满足要求的候选角点。本方案能够准确过滤掉不满足要求的候选角点，提取出目标角点，大大提高了目标角点提取的准确性和检测效率，能够满足复杂场景图像目标角点的提取。

摘要： 本公开实施例公开了一种角点提取、精度测评、载体定位方法、设备、介质及产品，该方法包括：从目标区域的点云数据中提取语义信息，所述语义信息用于表征道路标识的物理含义；基于所述语义信息，确定所表征的道路标识的预设形状；使用所述语义信息对应的点云数据拟合所述预设形状，得到所表征的道路标识的线方程，所述线方程包括所表征的道路标识的边缘线；确定所述线方程中任意两条相交的边缘线的交点坐标，作为所表征的道路标识的语义信息角点坐标。该技术方案可以更准确地提取到角点坐标。