棋盘格图像角点坐标亚像素提取方法

来源 :华中科技大学学报(自然科学版) | 被引量 : 3次 | 上传用户:Michaelyfj
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对基于视觉测量的物体位姿测量系统要求标定系统精度较高的需求,提出了一种自动识别和亚像素提取黑白平面棋盘格模板图像内部角点的方法.该方法在详细分析了棋盘格图像局部特性的基础上,建立了准确高效的改进SUSAN角点检测算法和精确的亚像素级提取角点坐标的方法,计算出总体标定误差为0.2个像素.通过实验验证了该算法的可行性和有效性,能够为高精度标定系统提供可靠数据.
其他文献
针对地面智能机器人的可通行区域检测问题,提出一种基于MVSVM和超像素的可通行区域检测方法.利用超像素块作为特征窗口,进行视觉特征的提取,解决了基于矩形块作为特征窗口一大缺陷,即同一特征窗口可能存在多个目标的问题.通过引入超像素,在像素级的尺度上,可通行区域漏检和误检率相对于矩形特征窗口方法大大降低.同时通过采用MVSVM作为分类器,解决了传统的单平面SVM分类器在大规模分类问题中存在的需要较高内
会议
以交通标志和红绿灯等道路交通设施的空间位置为获取对象,使用全景相机对道路图像进行采集.使用球心投影算法获取前方道路图像,在相邻两帧图像间构建虚拟双目视觉系统,并基于
受室外大范围场景中景物多样性和复杂性的影响,移动机器人在进行目标检测与定位时,运动视角的改变往往导致定位成功率下降.针对此提出一种基于多视角特征点匹配的方法进行室外目标定位.该方法首先获取图像的SURF特征进行匹配,然后结合FLANN和KNN算法滤除错误匹配点,有效地提升了匹配质量,节省了运算时间.通过对不同视角下景物模板的匹配判断,经透视变换映射出目标物体,最终实现目标定位.以校园场景景物为定位
研究一种基于视觉词袋模型的图像筛选与搜索优化算法以提高机器人闭环检测质量和降低图像信息处理量.首先,通过SURF算子提取图像中的特征信息,构建对应的视觉词袋模型,并形成
基于加密数字货币的区块链技术,提出了一种传感数据真实性保障方法,并在微生物采样机器人系统中开展应用.本方法可以使这些机器人在完成工作任务的同时,避免受到不当人为干预
针对自然场景下多方向、多语种文本区域提出了一种新的检测方法.该方法首先使用提出的边界提升最大稳定极值区域(MSER)算法,检测得到相比传统MSER算法更少的文本候选区域;然
借鉴视觉系统的轮廓感知能力,提出了一种基于视觉神经计算模型的图像边缘检测新方法.首先构建以动态突触互连的双层神经元网络;接着建立了一种基于突触前神经元响应模式的脉冲传递模型,利用神经元的脉冲发放时空模式来凸显边缘空间信息;最后通过发放率灰度映射获取图像边缘信息.以包含较多弱对比度边缘的微生物显微图为例,以信息熵、边缘置信度和重构相似度做定量分析,结果表明所提方法能够有效实现弱对比度边缘检测,为视觉
提出一种新的基于最小截平方(LTS)的杂波背景估计方法,并将其运用于红外小目标检测.最小截平方方法可以识别图像中的多个奇异点,比如噪声点和目标区域,剔除这些奇异点之后就可以把杂波背景无偏地估计出来,然后通过差分就可以得到包含目标的前景图像,进而从前景图中分割出小目标.与基于最小均方(LMS)的算法进行性能比较,结果表明:该方法可以获得更好的背景估计,并且对于复杂背景中的小目标检测也是有效的.
提出一种基于局部特征融合的目标再识别方法.通过视觉传感网采集视频图像,针对场景内的目标,首先结合颜色和形体特征,对目标进行区域分割,进一步设计特征描述子,对关键区域的
为了实现精确的高光谱图像分类,结合稀疏表示及光谱信息提出基于联合结构化稀疏表示的高光谱分类算法,该算法能够同时利用像元的空间语义信息和字典集内部样本结构性.建立了联合结构化稀疏表示模型,并利用交替方向迭代算法设计求解方案.在此基础上,设计了基于联合结构化稀疏表示的高光谱分类框架,其中利用类特定残留来判定被测试像元的类别.实验结果表明所提算法相比其他经典或前沿算法具有更高的分类精度.