本文關鍵詞：基于特征點和方向向量的快速目標匹配算法研究　出處：《上海交通大學》2015年碩士論文　論文類型：學位論文

  更多相關文章： 特征點匹配 ORB 多目標 特征點聚類 方向向量

【摘要】：隨著視覺傳感器的快速發(fā)展和各類計算機視覺算法的成熟,越來越多的機器視覺檢測方法運用到了工業(yè)生產(chǎn)檢測領域。視覺檢測方法具有非接觸性、高速度、高精度和高度自動化等特點,能夠使人們遠離危險的工作場合,并且極大地提高生產(chǎn)效率,適合于流水線上大批量目標物的定位與檢測。傳統(tǒng)的目標匹配算法通常只兼顧匹配精度、速度中的某一方面。本文提出一種分層匹配的方法,首先基于ORB特征點,選取Hamming距離作為相似性度量標準,進行模板和搜索圖之間的特征點匹配,并采用隨機抽樣一致算法去除大部分誤匹配點,推算出最終的仿射變換參數(shù)。然后,利用匹配對中特征點的旋轉(zhuǎn)角和模板相對位置,計算出待匹配圖像中特征點對應的標記中心點,采用K-means聚類算法將這些標記中心點進行聚類,將分屬于不同目標物副本的特征點分類。最后,采用改進的方向向量提取算法,比較模板和搜索圖像的邊緣信息,對目標位置進行精定位。為了進一步加速計算,文章采用了圖像金字塔算法,從粗到精逐步確定模板在圖像上的位置和旋轉(zhuǎn)角度;為了使匹配精度達到亞像素等級,文章采用了多項式擬合的算法,通過對擬合出的三階曲面求局部極大值,求得模板在圖像中的亞像素位置和旋轉(zhuǎn)角度。實驗表明,本文提出的方法能夠分離出圖像中多個目標物副本,具有匹配速度快、準確性高、旋轉(zhuǎn)不變性和光照不變性等特點。
[Abstract]:With the rapid development of the visual sensor and various computer vision algorithms, machine vision detection method is more and more applied to the field of industrial production testing. Visual detection method has the advantages of non-contact, high speed, high precision and high automation, the workplace can make people from danger, and greatly improve the production efficiency. Suitable for mass detection and orientation of target line. The traditional object matching algorithm is usually considered the matching accuracy, a speed. This paper proposes a hierarchical matching method, based on the ORB feature points, select the Hamming distance as the similarity measure, the feature points between the template and the search graph matching, and random sample consensus algorithm to remove most of the false matching points, calculate the affine transformation parameters finally. Then, using the matching of feature points The relative position of the rotation angle and the template, calculate the mark center point matching feature points in the image, the center point clustering of these markers using K-means clustering algorithm, the feature points belonging to different copies of the target classification. Finally, the improved direction vector extraction algorithm, compare the template and search the edge information of the image. Precise positioning of the target position. In order to further accelerate the computation, the algorithm of image Pyramid, from coarse to fine gradually determine position of the template in the image and rotation angle; in order to make the matching precision sub-pixel level, this paper adopts the polynomial fitting algorithm based on three order surface fitting for local maxima and obtain sub-pixel position template in the image and rotation angle. Experimental results show that the proposed method can separate multiple copies of the target image, with matching speed Fast, high accuracy, rotation invariance and illumination invariance and so on.

【學位授予單位】：上海交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.41

【參考文獻】

相關期刊論文 前10條

1 劉曉平;陸勁挺;夏新宇;;基于PCA和馬氏距離的運動捕捉數(shù)據(jù)分割方法[J];合肥工業(yè)大學學報(自然科學版);2014年05期

2 李佳;盛業(yè)華;張卡;段平;;變圓域羅盤特征圖像匹配[J];光學精密工程;2014年05期

3 于一凡;潘軍;邢立新;蔣立軍;孟濤;韓曉靜;周彩彩;;基于馬氏距離的遙感圖像高溫目標識別方法研究[J];遙感信息;2013年05期

4 翟優(yōu);曾巒;熊偉;;不同局部鄰域劃分加速魯棒特征描述符的性能分析[J];光學精密工程;2013年09期

5 劉志文;劉定生;劉鵬;;應用尺度不變特征變換的多源遙感影像特征點匹配[J];光學精密工程;2013年08期

6 黃金鈺;張會林;閆日亮;;LBP直方圖與PCA的歐式距離的人臉識別[J];計算機系統(tǒng)應用;2012年06期

7 張建勛;張凱文;牛文賓;;基于PCA-SIFT和馬氏距離的SAR圖像自動配準[J];重慶理工大學學報(自然科學);2011年10期

8 張豪;成玉茜;肖心弟;趙波;馬驥;;基于高階曲面擬合的邊緣檢測算法研究[J];現(xiàn)代防御技術;2009年03期

9 呂冀;汪渤;高洪民;周志強;;圖像局部特征識別中的多目標分離[J];光子學報;2008年08期

10 陳斌;鄒賢勇;朱文靜;;PCA結合馬氏距離法剔除近紅外異常樣品[J];江蘇大學學報(自然科學版);2008年04期

，

本文編號：1440983