本文關(guān)鍵詞：基于特征點(diǎn)和方向向量的快速目標(biāo)匹配算法研究　出處：《上海交通大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 特征點(diǎn)匹配 ORB 多目標(biāo) 特征點(diǎn)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(jì)算機(jī)視覺算法的成熟,越來越多的機(jī)器視覺檢測(cè)方法運(yùn)用到了工業(yè)生產(chǎn)檢測(cè)領(lǐng)域。視覺檢測(cè)方法具有非接觸性、高速度、高精度和高度自動(dòng)化等特點(diǎn),能夠使人們遠(yuǎn)離危險(xiǎn)的工作場(chǎng)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(biāo)物的定位與檢測(cè)。傳統(tǒng)的目標(biāo)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(diǎn),選取Hamming距離作為相似性度量標(biāo)準(zhǔn),進(jìn)行模板和搜索圖之間的特征點(diǎn)匹配,并采用隨機(jī)抽樣一致算法去除大部分誤匹配點(diǎn),推算出最終的仿射變換參數(shù)。然后,利用匹配對(duì)中特征點(diǎn)的旋轉(zhuǎn)角和模板相對(duì)位置,計(jì)算出待匹配圖像中特征點(diǎn)對(duì)應(yīng)的標(biāo)記中心點(diǎn),采用K-means聚類算法將這些標(biāo)記中心點(diǎn)進(jìn)行聚類,將分屬于不同目標(biāo)物副本的特征點(diǎn)分類。最后,采用改進(jìn)的方向向量提取算法,比較模板和搜索圖像的邊緣信息,對(duì)目標(biāo)位置進(jìn)行精定位。為了進(jìn)一步加速計(jì)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(dá)到亞像素等級(jí),文章采用了多項(xiàng)式擬合的算法,通過對(duì)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(shí)驗(yàn)表明,本文提出的方法能夠分離出圖像中多個(gè)目標(biāo)物副本,具有匹配速度快、準(zhǔn)確性高、旋轉(zhuǎn)不變性和光照不變性等特點(diǎn)。
[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(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)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(yùn)動(dòng)捕捉數(shù)據(jù)分割方法[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)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(xué)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(biāo)識(shí)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(xué)精密工程;2013年09期

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

6 黃金鈺;張會(huì)林;閆日亮;;LBP直方圖與PCA的歐式距離的人臉識(shí)別[J];計(jì)算機(jī)系統(tǒng)應(yīng)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(dòng)配準(zhǔn)[J];重慶理工大學(xué)學(xué)報(bào)(自然科學(xué));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(cè)算法研究[J];現(xiàn)代防御技術(shù);2009年03期

9 呂冀;汪渤;高洪民;周志強(qiáng);;圖像局部特征識(shí)別中的多目標(biāo)分離[J];光子學(xué)報(bào);2008年08期

10 陳斌;鄒賢勇;朱文靜;;PCA結(jié)合馬氏距離法剔除近紅外異常樣品[J];江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年04期

，

本文編號(hào)：1440983