针对现有作物三维重建方法存在重建时间长、重建效果差的问题,构建了一种基于改进定向快速旋转描述-即时定位与地图构建二代系统(oriented FAST and rotated BRIEF-SLAM2,ORB-SLAM2)算法的苗期玉米植株重建方法。利用快速最近邻搜索库(f...针对现有作物三维重建方法存在重建时间长、重建效果差的问题,构建了一种基于改进定向快速旋转描述-即时定位与地图构建二代系统(oriented FAST and rotated BRIEF-SLAM2,ORB-SLAM2)算法的苗期玉米植株重建方法。利用快速最近邻搜索库(fast library for approximate nearest neighbors,FLANN)算法结合随机抽样一致性算法(random sample consensus,RANSAC)对苗期玉米植株图像进行特征匹配,并结合多视角立体算法(multiple view-tereo,MVS)实现对苗期玉米植株的稠密重建。在此基础上,利用重建模型对两个玉米品种植株的主要构型参数进行获取,并与实测值进行对比,以验证构型获取方法的准确性和有效性。试验结果表明:FLANN+RANSAC算法进行特征匹配的正确率是89.00%,点云平均稠密重建点数为7.13×105个,平均重建时间仅为15.32 min,利用三维重建模型进行苗期玉米植株构型参数提取的误差均能控制在10%以内,且与人工实测值具有较好的相关性。该算法重建时间短,且重建精度较高,能够为苗期玉米植株的构型获取提供理论依据和技术支撑。展开更多
传统的ORB(Oriented Fast and Rotated Brief)图像特征点匹配算法速度较快,但是匹配准确度较低,为了提高ORB算法的匹配精度,常用PROSAC(Progressive Sampling Consensus)算法剔除误匹配,但是PROSAC存在图像特征点数量较多的情况下排序...传统的ORB(Oriented Fast and Rotated Brief)图像特征点匹配算法速度较快,但是匹配准确度较低,为了提高ORB算法的匹配精度,常用PROSAC(Progressive Sampling Consensus)算法剔除误匹配,但是PROSAC存在图像特征点数量较多的情况下排序时间长,造成图像特征点匹配速度下降,针对以上问题,提出了一种ORB算法与改进PROSAC算法相结合的图像特征点匹配算法。首先,基于ORB进行特征点的提取,然后计算图像特征点描述子汉明距离,利用双向检测暴力匹配算法实现图像特征点粗匹配,最后通过改进图像特征点分块的PROSAC算法剔除误匹配图像特征点,得到精确匹配图像。经过实验验证,改进后的图像匹配算法在仿射变化、尺度变化和旋转变化中都能保持良好的适应性,改进后的图像匹配算法相对与传统ORB图像匹配算法提高了匹配精度,相比基于传统PROSAC的图像匹配算法提高了匹配速度。展开更多
为了提高图像拼接速度并满足高分辨率图像的实时拼接需求,提出了一种基于ORB(Oriented Fast and Rotated Brief)算法和MSAC(M-estimator Sample Consensus)算法的快速图像拼接方法。ORB算法特征匹配速度快,能够满足实时性要求。首先采用...为了提高图像拼接速度并满足高分辨率图像的实时拼接需求,提出了一种基于ORB(Oriented Fast and Rotated Brief)算法和MSAC(M-estimator Sample Consensus)算法的快速图像拼接方法。ORB算法特征匹配速度快,能够满足实时性要求。首先采用ORB算法进行图像特征点提取;然后,采用MSAC算法对匹配点对进行优化,剔除图像拼接中的伪匹配点对,通过正确的匹配点对求解图像变换矩阵;最后,采用双线性插值融合算法消除可见接缝并去除拼接痕迹。实验结果表明,本文方法在保证图像拼接质量的同时具有更快的拼接速度。展开更多
ORB(Oriented FAST and Rotated BRIEF)算法提取特征点时使用固定阈值,在不同场景或光照突变环境中会出现特征点匹配数目较少、匹配正确率较低、适应性较差的问题,针对这一情况提出了一种全局自适应阈值与局部自适应阈值结合的方式改进...ORB(Oriented FAST and Rotated BRIEF)算法提取特征点时使用固定阈值,在不同场景或光照突变环境中会出现特征点匹配数目较少、匹配正确率较低、适应性较差的问题,针对这一情况提出了一种全局自适应阈值与局部自适应阈值结合的方式改进算法。首先根据图像的灰度分布判断亮度变化情况,针对整体亮度变化与局部亮度变化两种情况分别采用全局或半全局自适应阈值方案,并与局部自适应阈值相结合,通过建立评价函数得到阈值计算公式中自适应参数值,完成FAST(Features from Accelerated Segment Test)特征点提取,计算描述子,借助KNN(K-nearest Neighbor)算法完成特征点对筛选。实验结果表明,改进后的ORB算法在整体光照变化时特征匹配点对数量平均提升129.9%,正确率平均提升15.94%,局部光照变化时特征匹配点对数量平均提升149.4%,正确率平均提升3.53%。展开更多
摘要针对现有作物三维重建方法存在重建时间长、重建效果差的问题,构建了一种基于改进定向快速旋转描述-即时定位与地图构建二代系统(oriented FAST and rotated BRIEF-SLAM2,ORB-SLAM2)算法的苗期玉米植株重建方法。利用快速最近邻搜索库(fast library for approximate nearest neighbors,FLANN)算法结合随机抽样一致性算法(random sample consensus,RANSAC)对苗期玉米植株图像进行特征匹配,并结合多视角立体算法(multiple view-tereo,MVS)实现对苗期玉米植株的稠密重建。在此基础上,利用重建模型对两个玉米品种植株的主要构型参数进行获取,并与实测值进行对比,以验证构型获取方法的准确性和有效性。试验结果表明:FLANN+RANSAC算法进行特征匹配的正确率是89.00%,点云平均稠密重建点数为7.13×105个,平均重建时间仅为15.32 min,利用三维重建模型进行苗期玉米植株构型参数提取的误差均能控制在10%以内,且与人工实测值具有较好的相关性。该算法重建时间短,且重建精度较高,能够为苗期玉米植株的构型获取提供理论依据和技术支撑。
摘要传统的ORB(Oriented Fast and Rotated Brief)图像特征点匹配算法速度较快,但是匹配准确度较低,为了提高ORB算法的匹配精度,常用PROSAC(Progressive Sampling Consensus)算法剔除误匹配,但是PROSAC存在图像特征点数量较多的情况下排序时间长,造成图像特征点匹配速度下降,针对以上问题,提出了一种ORB算法与改进PROSAC算法相结合的图像特征点匹配算法。首先,基于ORB进行特征点的提取,然后计算图像特征点描述子汉明距离,利用双向检测暴力匹配算法实现图像特征点粗匹配,最后通过改进图像特征点分块的PROSAC算法剔除误匹配图像特征点,得到精确匹配图像。经过实验验证,改进后的图像匹配算法在仿射变化、尺度变化和旋转变化中都能保持良好的适应性,改进后的图像匹配算法相对与传统ORB图像匹配算法提高了匹配精度,相比基于传统PROSAC的图像匹配算法提高了匹配速度。
摘要为了提高图像拼接速度并满足高分辨率图像的实时拼接需求,提出了一种基于ORB(Oriented Fast and Rotated Brief)算法和MSAC(M-estimator Sample Consensus)算法的快速图像拼接方法。ORB算法特征匹配速度快,能够满足实时性要求。首先采用ORB算法进行图像特征点提取;然后,采用MSAC算法对匹配点对进行优化,剔除图像拼接中的伪匹配点对,通过正确的匹配点对求解图像变换矩阵;最后,采用双线性插值融合算法消除可见接缝并去除拼接痕迹。实验结果表明,本文方法在保证图像拼接质量的同时具有更快的拼接速度。
摘要ORB(Oriented FAST and Rotated BRIEF)算法提取特征点时使用固定阈值,在不同场景或光照突变环境中会出现特征点匹配数目较少、匹配正确率较低、适应性较差的问题,针对这一情况提出了一种全局自适应阈值与局部自适应阈值结合的方式改进算法。首先根据图像的灰度分布判断亮度变化情况,针对整体亮度变化与局部亮度变化两种情况分别采用全局或半全局自适应阈值方案,并与局部自适应阈值相结合,通过建立评价函数得到阈值计算公式中自适应参数值,完成FAST(Features from Accelerated Segment Test)特征点提取,计算描述子,借助KNN(K-nearest Neighbor)算法完成特征点对筛选。实验结果表明,改进后的ORB算法在整体光照变化时特征匹配点对数量平均提升129.9%,正确率平均提升15.94%,局部光照变化时特征匹配点对数量平均提升149.4%,正确率平均提升3.53%。