基于点线约束的直线匹配方法

合集下载

基于图匹配的直线段匹配方法

Ali = υei1 ,υei 2 ,υei 3 ,υei 4 ,υe5
{
}
(14)
对于待匹配图像中提取的两组直线段 P 和 Q ，算法步骤如下： 1) 分别基于直线段的中点构造直线段 P 和 Q 的 DT 图 GP 和 GQ ，节点属性信息利用式(14)计算；
中的节点； 2) 利用节点属性信息求解潜在匹配节点对，形成联合图 G A 3) 计算联合图 G 节点之间的边的权值，即亲和性矩阵 A ：对于联合图中的某两个节点 ( ( i , i
(11)
1 β 2 l 3 a 4 g = υij = υij = υij = υij 将式(11)中的 4 个描述向量依次从 1~4 编号，即 υij ， υij ， υij ， υij ，则两个图之
间对应的路径的相似性度量由下式计算：
46
唐瑭等
sim υ ,υ
1 i1 j1
(
1 i1 j1
)
2. 基于图匹配的直线段匹配方法
对于图像中提取的直线段特征，利用其中点构造 DT 图，其中节点表示直线段，边表示两条线段之间的关系。因此，可以利用直线段之间的关系来建立图的边描述向量，进而建立图中节点之间的最短路径描述向量。
2.1. 基于直线段对关系的最短路径描述
对于基于直线段构造的 DT 图，采用直线段之间的关系[10] [11]来构造边的描述向量：1) 一条直线段的两个端点到另一条直线段的距离之比 ra ；2) 两条直线段之间的夹角 rβ ；3) 两条直线段之间的长度比 rl ；4) 两条直线段的平均梯度幅值之比 rg 。上述四个参数中，1) 为仿射不变量，2)、3) 为相似变换不变量，4) 理论上对所有几何变换保持不变，但对光照变化敏感。如图 1 所示，对于 l1 、 l2 ，四种参数的定义如下：

一种直线段匹配的新方法

国　防　科　技　大　学　学　报第30卷第1期 JOURNA L OF NA TIONA L UNIVERSITY OF DEFE NSE TECHNO LOGY V ol.30N o.12008文章编号:1001-2486(2008)01-0115-05一种直线段匹配的新方法Ξ傅　丹,王　超,徐一丹,周　剑,于起峰(国防科技大学航天与材料工程学院,湖南长沙　410073)摘　要:直线特征在人造目标和环境中普遍存在,直线段的匹配是三维重建等应用领域的首要解决问题。

一般单直线的匹配方法难以解决被部分遮挡直线的匹配问题,提出了一种基于极线约束和RANS AC算法的匹配方法。

对直线段上的点运用基于极线约束的匹配方法在另一幅图像中进行点的同名匹配,采用RANS AC算法建立直线模型,剔除野值,得到匹配直线段。

本方法能有效地解决图像中被部分遮挡直线段的匹配问题,仿真实验和实际图像实验证实了本算法的正确性和高精度。

关键词:直线匹配;极线约束;RANS AC算法中图分类号: 文献标识码:AA N e w Algorism of Matching Line SegmentsFU Dan,W ANG Chao,X U Y i2dan,ZH OU Jian,Y U Qi2feng(C ollege of Aerospace and M aterial Engineering,National Univ.of Defense T echnology,Changsha410073,China)Abstract:Line segments are ordinary in man2made targets and matching line segments is the first step in a lot of fields,such as3D reconstruction.Because of occlusion,the question of matching individual line segments is difficult to figure out with the traditional methods,and a novel approach based on epipolar2line constraint and the RANS AC alg orithm is presented.Firstly,the points on line segments between image pairs are matched by epipolar2line constraint;Secondly,the RANS AC alg orithm is used to estimate a straight line m odel fit to a set of2D points,s o the line segments of occlusion is matched availably.The result of the synthetic and real images is accurate and reliable.K ey w ords:matching line segments;epipolar2line constraint;the RANS AC alg orithm直线特征在人造目标和环境中普遍存在,如卫星的太阳能帆板、建筑物中的门窗边缘、机场跑道以及主要道路等。

基于几何关系约束的特征点匹配算法

基于几何关系约束的特征点匹配算法1. 引言1.1 背景1.2 研究意义1.3 目的与意义2. 相关技术综述2.1 特征点描述子2.2 特征点匹配算法2.3 几何关系约束3. 基于几何关系约束的特征点匹配算法3.1 特征点初步匹配3.2 两个视图之间的几何关系匹配3.3 非精确匹配特征点修复4. 实验结果与分析4.1 数据集与实验设置4.2 对比实验结果4.3 效果分析与讨论5. 结论与未来工作5.1 结论总结5.2 基于几何关系约束的特征点匹配算法的未来工作5.3 基于本文的研究内容的未来工作建议6. 参考文献第一章：引言1.1 背景在计算机视觉领域中，特征点匹配是相当重要的一个问题。

其主要用途是为通过两幅或多幅图片的匹配来定位物体或场景，它包括因相机轨迹变换导致的不同视角图像的配对，或者包括对同一场景或物体的不同图片的处理。

特征点匹配问题早在20世纪70年代就被提出，目前在计算机视觉领域产生了广泛的应用，例如平移、旋转、缩放等变换下的自动拼图，三维重建，多视图自动配准等等。

然而，特征点匹配仍然是一个具有挑战性的问题。

因为在现实场景中，由于各种因素的影响，图像噪声、遮挡物以及光照变化等都会导致特征点匹配的准确度下降。

因此，在特征点匹配中使用几何约束来增强算法的准确性是一个非常重要的问题。

1.2 研究意义近年来，随着计算机视觉和人工智能的迅速发展，特征点匹配技术已经得到广泛关注。

传统的基于描述子的特征点匹配算法通常是针对可见部分的特征点，因此遭受遮挡，镜像和尺度变化等问题，导致匹配结果不准确。

几何约束是一种重要的手段，可以帮助解决这些问题。

因此，本研究的目的是提出一种基于几何关系约束的特征点匹配算法，旨在提高特征点匹配的准确性和鲁棒性。

1.3 目的与意义本文的主要目的是研究几何关系约束在特征点匹配中的应用，提出一种新的特征点匹配算法。

本文所提出的算法将利用几何关系的约束，以修复发生遮挡、尺度变化等情况下的特征点匹配误差，进一步提高特征点匹配的准确性和鲁棒性，为计算机视觉相关领域做出贡献。

基于相关点与几何约束的直线匹配方法

Ｋｅｙｗｏｒｄｓ：ｓｔｒａｉｇｈｔｌｉｎｅｍａｔｃｈｉｎｇ；ｆｅａｔｕｒｅｐｏｉｎｔｓ；ａｆｆｉｎｅｉｎｖａｒｉａｎｔｓ；ｇｅｏｍｅｔｒｉｃｃｏｎｓｔｒａｉｎｔｓ
［收稿日期］２０１８一Ｏ１—２３［修回日期］２０１８—０２—１６［基金项目］国家自然科学基金（６１６６２０４９，６１７６３０３３，６１７４１３１２，６１７６２０６７）；国家留学基金委资助项目（２０１６０８３６０１６３）［作者简介］符祥（１９８ｏ一），男，副教授，博士。主要研究方向：图像处理与模式识别，视频传感器网络。
ＲｅｌａｔｅｄＰｏｉｎｔｓａｎｄＧｅｏｍｅｔｒｉｃＣｏｎｓｔｒａｉｎｔｓＢａｓｅｄＳｔｒａｉｇｈｔＬｉｎｅＭａｔｃｈｉｎｇＭｅｔｈｏｄ
ＦＵＸｉａｎｇ，ＹＩＮＨｏｎｇ，ＨＵＡＮＧＹｏｎｇ，ＺＥＮＧＪｉｅ－ｘｉａｎ（Ｓ￣ｈｏｏｌｏｆＳｏｆｔｗａｒｅ，ＮａｎｃｈａｎｇＨａｎｇｋｏｎｇＵｎｉｖｅ￣ｉｔｙ，Ｎａｎｃｈａｎｇ３３００６３，Ｃｈｉｎａ）
关点，利用相关点与直线构造仿射不变量来描述直线，通过度量仿射不变量的相似性进行直线初匹配；然后计算仿射变换模
型。通过直线角度和几何距离位置约束进行精匹配，去除误匹配直线，得到最终匹配结果。实验结果分析表明：本研究算法不
仅适用于发生仿射变换的各种图像，得到更多的匹配直线对，匹配精度高，对发生仿射变换的图像、纹理复杂和纹理简单的图
符祥，尹红，黄勇，曾接贤
（南昌航空大学软件学院，南昌３３００６３）
［摘要］由于直线本身缺乏显著特征，使用点与直线相关联的方法可提高直线特征的描述能力。针对特征点间及直线问均

基于极线约束的多线激光条纹匹配算法

随着激光扫描技术在工业测量和三维重建领域的广泛应用，激光条纹匹配算法也成为了研究的热点之一。

激光条纹匹配算法通过匹配不同视角下的激光扫描图像中的条纹，实现三维物体表面的重建和形状测量。

在激光条纹匹配算法中，多线激光条纹匹配算法由于其匹配精度高、稳健性好等优点而备受关注。

1. 多线激光条纹匹配算法的背景多线激光条纹匹配算法是指采用多条激光发射的方式进行匹配的算法。

其优势在于可以增加激光扫描图像中的特征线数量，从而提高匹配精度和稳健性。

多线激光条纹匹配算法的实现依赖于极线约束，即通过极线几何关系来进行条纹匹配，从而克服传统算法中由于相机运动引起的图像配准误差。

2. 多线激光条纹匹配算法的关键技术（1）极线约束多线激光条纹匹配算法的关键技术之一是极线约束。

极线约束是指在视差计算过程中，利用极线的几何关系来确定匹配点的搜索范围，从而提高匹配的精度和鲁棒性。

通过极线约束，可以有效地减少误匹配的可能性，提高匹配的准确性。

（2）特征提取与描述多线激光条纹匹配算法还需要对激光扫描图像中的特征进行提取和描述。

常用的特征提取算法包括SIFT、SURF等，这些算法能够提取图像中的关键点和其对应的描述子，从而为匹配过程提供依据。

（3）匹配策略在多线激光条纹匹配算法中，匹配策略的选择对匹配结果具有重要影响。

一般来说，可以采用基于相似性度量的匹配策略，如最近邻匹配、最佳匹配等。

3. 多线激光条纹匹配算法的应用多线激光条纹匹配算法在工业测量和三维重建领域广泛应用，例如在汽车制造、航天航空、文物保护等领域都有着重要的应用价值。

通过多线激光条纹匹配算法，可以实现对复杂曲面的精确重建和形状测量，为工业生产和文物保护提供了重要的技术支持。

4. 多线激光条纹匹配算法的发展趋势随着激光扫描技术的不断发展和进步，多线激光条纹匹配算法也在不断改进和完善。

未来，可以预见的发展趋势包括但不限于更加高效的极线约束算法、更加鲁棒的特征提取与描述算法、更加准确的匹配策略等。

一种直线段匹配的新方法

般单直线的匹配方法难以解决被部分遮挡直线的匹配问题，提出了一种基于极线约束和ＲＮＡＡＳＣ算法的匹
配方法。对直线段上的点运用基于极线约束的匹配方法在另一幅图像中进行点的同名匹配，采用ＲＮＡＡＳＣ算法建立直线模型，除野值，到匹配直线段。本方法能有效地解决图像中被部分遮挡直线段的匹配问题，剔得仿真实验和实际图像实验证实了本算法的正确性和高精度。关键词：直线匹配；极线约束；ＡＳＣ算法ＲＮＡ
ｍｅｏｓｎｄａｎｖｌａｐｏｃａｅｎｅｉｌｒｌｅｃｎｔａｎｎｔｅＲＡＮＳｌｏｉｍｓｐｅｎｅｈｔｄ，ａｏｅｐｒａｈｂｓｄｏｐｐａ－ｎｏｓｒｉｔａｄｏｉｈＡＣａｇｒｔｈｉｒｓｔｄ．Ｆｒｔｅｉｓｙ，ｔｅｐｉｔｎｌｎｌｈｏｎｏｅｓｉ
维普资讯
第３ｏ卷常１期
国防科技大学学报ＪＵＮＬＯＡＩＮＮＶＲＩＦＤＦＮＥＴＣＮＬＧＯＲＡＦＮＴＡＵＩＥＳＹＯＥＥＳＨＯＯＹＯＬＴＥ
Ｖｏ．０Ｎｏ．１３
ＡｂｔａｔＬｎｅｍｅｔａｅｏｉａｙｉｎｍａｅｔｒｅｄｍｔｈｎｎｇｎｓｉｔｅｆｓｅｔｆｅｄ，ｓｃｓ３ｓｒｃ：ｉｅｓｇｎｒｌｎｒｎｍａ－ｄｇｔａｃｉｇｌｅｓｍｅｔｓｈｒｓｐｉａｌｆｌｓｕｈａＤｓｄａｓｎａｉｅｉｔｔｎｏｏｉｒｃｎｔｕｔｎｅａｓｆｏｃｕｉｎｈｅｑｅｔｎｏｔｈｎｎｉｉｕｌｌｅｓｇｎｓｉｄｆｃｌｔｇｒｕｉｅｔｄｔｎｌｅｏｓｃｉ．Ｂｃｕｅｏｃｌｓ．ｔｕｓｏｆｍｃｉｇｉｄｖｄａｉｍｅｔｓｉｉｕｔｏｆｕｅｏｔｗｔｔｒｉｏａｒｏｏｉａｎｅｉｈｈａｉ

无人机倾斜摄影技术在地理信息获取中的应用

无人机倾斜摄影技术在地理信息获取中的应用摘要：倾斜摄影测量技术以多角度、高清晰拍摄的优势可以非常迅速全面地感知各种复杂场景，并且可以实现多台无人机协同并行工作，具有极强的灵活性，在建筑物较多的城市和地势起伏明显的地区，可以利用倾斜摄影测量技术进行空间地理信息获取。

关键词：无人机；倾斜摄影；技术；地理信息；获取1 倾斜摄影测量技术介绍主要从倾斜摄影原理、倾斜摄影建模软件和倾斜摄影流程进行介绍。

1.1 无人机倾斜摄影原理“倾斜”一词是相对“垂直”来说的，其主要区别在于获取地面影像角度的不同。

倾斜摄影测量是指在作业平台上，挂载倾斜摄影仪，对地面进行影像数据获取，然后用来建模，生产测绘产品的技术。

作业平台主要有有人机、无人机等，考虑到成本和作业区实际情况，多数作业采用的均为无人机。

挂载倾斜摄影仪主要分为量测和非量测的，考虑到相机的成本，通常采用的是非量测小像幅相机。

通过从空中获取地面多角度、全方位影像，然后结合相机曝光时的空中位置和姿态，通过共线方程和影像匹配技术，得到地面相对坐标系下的特征点，通过密集匹配技术，得到密集的三维坐标点，还原地形真实状态。

通过控制点的引入和转刺，将相对坐标成果纠正到控制点坐标系下，得到最终的高精度三维成果。

1.2 无人机倾斜摄影技术的特点分析无人机之所以备受欢迎，主要是因为以下一些特点。

1）限制条件少。

和传统的航天设备相比，无人机无需机场，受地形限制较小；可低空飞行，对地质灾害发生地区的作业环境要求较低；可以拍摄到人无法到达的区域，对地质灾害的调查更加全面。

2）全自动化，对人员技术要求不太高，操控员只需要根据操作手册学习无人机的相关理论知识和应用知识便能顺利操控无人机。

3）能便捷、高效地获取高清影像，降低时间及人力成本。

4）无人机倾斜摄影技术除了有无人机本身的特点以外，还有以下几方面特点：(1)拍摄角度多，可多方位、多视角地对同一地物进行数据采集；(2)相邻影像间重叠度高，可以较真实还原地物形态；(3)规划好拍摄范围，基本上是智能化执行，无需过多人工干预；(4)最终生成直观三维模型，并且具有可量测性。

基于纯几何学线特征匹配的点线结合匹配算法

ｅａｔｕｒｅｍａｔｃｈｉｎｇＰｕｒｅｇｅｏｍｅｔｒｙｍｅｔｈｏｄＩｌｌｕｍｉｎａｔｉｏｎｒｏｂｕｓｔｎｅｓｓＰｏｉｎｔｌｉｎｅａｌｇｏｒｉｔｈｍ
０引言
当今社会人工智能技术发展愈发迅速，实际应用的过程中对于智能机器人的智能化程度要求愈发提高，同步定位与地图构建ＳＬＡＭ（ＳｉｍｕｌｔａｎｅｏｕｓＬｏｃａｔｉｏｎＡｎｄＭａｐｐｉｎｇ）问题开始逐步成为了研究的热点。ＳＬＡＭ问题的目的是如何处理当机器人被置于陌生的环境中时，其怎么通过自身配备的各种的传感器，借由记录计算自身位移数据，以此来实现自主定位以及同步构建增量式地图。在机器人自主移动的领域，ＳＬＡＭ
１点线特征提取与匹配
计算机应用与软件ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ
Ｖｏｌ３７Ｎｏ．４Ａｐｒ．２０２０
基于纯几何学线特征匹配的点线结合匹配算法
崔东亮冷建伟
（天津理工大学电气电子工程学院天津３００３８４）
摘要为了解决传统匹配算法在强光照变化或者高动态范围（ＨＤＲ）环境下的匹配不准确，在欠点环境下提取特征过少的问题，引入基于纯几何学的线特征匹配算法并融合性能优越的点特征匹配算法。在保证算法实时性与拥有足够数量匹配对的前提下，使得算法对于光照变化有较好的鲁棒性，同时提高匹配的准确率，满足诸如视觉里程计（ＶＯ）之类的实时应用。实验表明，该算法在满足实时应用要求的前提下，匹配精度以及对于光照变换的鲁棒性都有了明显的提升。关键词线特征匹配纯几何法光照鲁棒性点线结合算法中图分类号ＴＰ２４２文献标志码ＡＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０２０．０４．０３０
ＡｂｓｔｒａｃｔＩｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｔｈａｔｔｈｅｔｒａｄｉｔｉｏｎａｌｍａｔｃｈｉｎｇａｌｇｏｒｉｔｈｍｉｓｎｏｔａｃｃｕｒａｔｅｉｎｔｈｅｃａｓｅｏｆｓｔｒｏｎｇｉｌｌｕｍｉｎａｔｉｏｎｃｈａｎｇｅｏｒｈｉｇｈｄｙｎａｍｉｃｒａｎｇｅ（ＨＤＲ）ｅｎｖｉｒｏｎｍｅｎｔ，ａｎｄｔｏｏｆｅｗｆｅａｔｕｒｅｓａｒｅｅｘｔｒａｃｔｅｄｉｎｄｅｆｉｃｉｅｎｔｐｏｉｎｔｅｎｖｉｒｏｎｍｅｎｔ，ｗｅｉｎｔｒｏｄｕｃｅｔｈｅｌｉｎｅｆｅａｔｕｒｅｍａｔｃｈｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｐｕｒｅｇｅｏｍｅｔｒｙｔｏｆｕｓｅｔｈｅｐｏｉｎｔｆｅａｔｕｒｅｍａｔｃｈｉｎｇａｌｇｏｒｉｔｈｍｗｉｔｈｓｕｐｅｒｉｏｒｐｅｒｆｏｒｍａｎｃｅ．Ｏｎｔｈｅｐｒｅｍｉｓｅｏｆｅｎｓｕｒｉｎｇｔｈｅｒｅａｌｔｉｍｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅａｌｇｏｒｉｔｈｍａｎｄｈａｖｉｎｇｅｎｏｕｇｈｍａｔｃｈｉｎｇｐａｉｒｓ，ｔｈｅａｌｇｏｒｉｔｈｍｈａｓｇｏｏｄｒｏｂｕｓｔｎｅｓｓｆｏｒｉｌｌｕｍｉｎａｔｉｏｎｃｈａｎｇｅｓ．Ａｎｄｔｈｅａｃｃｕｒａｃｙｏｆｍａｔｃｈｉｎｇｉｓｉｍｐｒｏｖｅｄｔｏｍｅｅｔｒｅａｌｔｉｍｅａｐｐｌｉｃａｔｉｏｎｓｓｕｃｈａｓｖｉｓｕａｌｏｄｏｍｅｔｅｒ（ＶＯ）．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍａｔｃｈｉｎｇａｃｃｕｒａｃｙａｎｄｔｈｅｒｏｂｕｓｔｎｅｓｓｔｏｉｌｌｕｍｉｎａｔｉｏｎｔｒａｎｓｆｏｒｍａｔｉｏｎｏｆｏｕｒａｌｇｏｒｉｔｈｍｈａｖｅｂｅｅｎｉｍｐｒｏｖｅｄｏｂｖｉｏｕｓｌｙｕｎｄｅｒｔｈｅｃｏｎｄｉｔｉｏｎｏｆｍｅｅｔｉｎｇｔｈｅｒｅａｌｔｉｍｅａｐｐｌｉｃａｔｉｏｎｒｅｑｕｉｒｅｍｅｎｔｓ．

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

特征点描述方法：DAISY 第一次提出：
本文用的是改进的方法
Firstly,
edges are detected from images by Canny detector. Then they are split at points with high curvature. Finally for each set of connected edge points, a line is fitted by the least-squares method. the high and low thresholds of Canny detector are set to 0.2 and 0.1 respectively. The standard deviation of the Gaussian filter in Canny detector is set to 1.0.
1:affine + maximum 2: affine + median 3:projection + maximum 4:projection +点匹配精度
the
transformation is a projective homography denoted as H
In
the matched points, say the correct rate is pr ，then the probability that at least two pairs of matched points are correct is
How

to find matched points:

in the neighborhood of at least one side of an image line, some coplanar points with the line could be obtained. The side of an image line is defined by its gradient, which is defined as the average gradient of the constituent points of the line. if a point is located on the region directed by the gradient of a line, it is said to be on the right side of this line, otherwise it is on the left side. For each side of a line, a support region is defined in order to find matched points that may be coplanar with the line.
b*length(l) a*length(l)
在两幅图像中分别选取一条直线，设为pm和qn。
则在两直线左侧区域和右侧区域分别匹配的点集如下：
supposing
that:
x1
x2 p
Y2
Y2 qm qn
以SIFT作为点匹配的方法，并将匹配点的方向
信息作为两幅图像间的全局旋转信息。求任意两个匹配点梯度主方向之间的夹角，并用柱状图进行统计，峰值代表全局旋转信息。 Therefore,in our work the estimate dglobal rotation is not used as a hard constraint, but is only used to discard those line pairs that are obviously impossible matches.
2011年11月
通过直线和其临近点之间的关系形成约束，从而
完成直线的匹配。

仿射不变量：一条直线两个点射影不变量：一条直线四个点
该方法对误匹配点有一定的鲁棒性，为了消除误
匹配，提出了一种两条直线间的相似性测量方法。

一种是基于最大值另一种基于最大值的中间值
该方法可以在尺度变化，旋转，部分遮挡，光照变化，
视点改变等情况下找到图像中的匹配直线。
an
affine transformation is denoted as Ha.
means
that the ratio of distances from two points to a line is affine invariant. Equation5：