图像特征匹配是图像信息处理领域中极其重要的一项技术,目前已广泛应用于图像拼接、三维重建和视觉运动计算等领域。针对图像特征匹配中匹配准确性低的问题,提出一种能够更好适应动态场景和重复纹理的惯性导航辅助图像进行特征点匹配的方法。该方法首先提取前后两帧图像的ORB(Oriented FAST and Rotated BRIEF)特征;然后利用惯性测量单元的测量数据解算相机的运动,并计算第一帧图像中的特征点在第二帧图像中可能出现的区域;最后将第一帧图像中的特征点和与其对应的第二帧图像的可能区域中的特征点进行匹配,得到两帧图像的特征点匹配结果。实验结果表明,该方法的匹配准确率可以达到92%,能够显著提高图像特征匹配的准确性。
为实现对激光焊缝质量的高效检测,引入了线阵图像传感解决在线检测问题,提出了一种基于深度学习的焊缝瑕疵快速检测方法。首先,针对激光焊缝瑕疵,优化了基于YOLO(You only look once)的深度学习网络。其次,在实验数据集中加入了合适的锚...
详细信息
为实现对激光焊缝质量的高效检测,引入了线阵图像传感解决在线检测问题,提出了一种基于深度学习的焊缝瑕疵快速检测方法。首先,针对激光焊缝瑕疵,优化了基于YOLO(You only look once)的深度学习网络。其次,在实验数据集中加入了合适的锚框,以提高检测框定位信息的准确度,并通过多尺度特征融合技术提高了瑕疵的识别准确度。最后,制作数据集并提出了一种数据集预处理方法训练网络,提升了瑕疵的识别效果。实验结果表明,本方法对焊缝单孔、穿孔、凹槽瑕疵的总识别率大于94%,对尺寸为4096pixel×4000pixel的单张工件图像的检测时间为0.97s,相比传统超声、射线图像检测方法在检测速度方面有明显提升。
基于热红外特性,红外立体视觉路况行人感知方法可以在夜间、雾霾环境下有效检测道路场景中的行人等目标,提高驾驶安全性。针对红外图像中纹理细节少,传统稠密双目立体匹配算法效果差的问题,本文首先根据目标在红外图像下的亮度、边缘特征提取感兴趣区域(Region of interest,ROI);然后在ROI中提取图像特征点并匹配,进而计算原始稀疏深度图;最后根据目标表面深度变化较小的特点,结合ROI和原始深度图估计半稠密深度图。本文搭建了实验系统验证该方法的有效性。实验结果表明,在系统约120°观测视场角内,该方法对行人等目标深度感知相对误差在15 m范围内优于1.5%,30m范围内优于3%。
暂无评论