基于激光视觉融合的帧间匹配方法

同步定位与地图构建(Simultaneous Location and Mapping,SLAM)是机器人在未知环境中实现自我导航能力的重要保证。目前SLAM算法使用的主传感器基本是激光雷达或视觉相机。二者各具优劣,激光雷达能更精确地进行测距,视觉相机能反映环境丰富的纹理信息。与使用单一传感器相比,将二者融合的SLAM算法能够获得更多环境信息,达到更好的定位和建图效果。文章提出一种融合激光雷达和视觉相机的帧间匹配方法,通过在SLAM帧间匹配过程中加入地面约束以及视觉特征约束,提高帧间匹配过程精度,增强算法鲁棒性,从而提升SLAM算法整体效果。文章最后利用采集的地下停车库数据进行结果验证,与开源算法A-LOAM进行对比。结果表明,相比A-LOAM的帧间匹配方法,文章提出的方法相对位姿误差提升约30%。     

基于ASIFT与RANSAC算法的岩体结构三维重建方法研究

隧道开挖过程中岩体结构面信息获取的快慢和准确程度直接影响隧道施工的安全,针对三维重建算法效率低的问题,提出一种基于ASIFT与RANSAC算法的岩体结构三维重建方法和策略。首先采用普通数码相机快速获取一系列真实描述岩体结构的数字影像;然后针对岩体影像比例尺与倾斜角变化大、纹理相对贫乏的特点,采用ASIFT匹配算法与RANSAC误匹配点剔除算法来保证立体影像之间稀疏匹配的效率和可靠性;最后采用光束法联合平差方法对系列影像之间的相对位置与姿态进行求解,并综合利用核线几何约束、半全局匹配、多视最小二乘匹配等策略实现岩体影像的密集匹配,最终提取出岩体的三维信息。工程实践表明:基于ASIFT与RANSAC算法的岩体结构三维重建方法可以方便地实现工程岩体结构面完全非接触式测量,有效提高测量效率,避免测量人员暴露于未支护岩体下的危险。     

船体小组立特征提取的机器视觉方法与实现

为了实现无先验信息、无人工决策干预的船体小组立智能制造,采用机器视觉技术来实现小组立表面特征提取与定位。根据船体小组立智能生产线自动焊接定位的需求,设计对小组立工件激光扫描点云进行识别与提取的机器视觉方法,从降低复杂度和运算时间的角度对算法进行了优化,并开发了相应软件。通过不同小组立工件特征提取与定位实验,验证了本文算法在无先验信息、无人工干预、工件随机摆放条件下的可靠性,表明本文所介绍的机器视觉方法能够适应船体构件种类多、非标准件比例高、装配位置随机的特点,为船体智能制造实现提供支持。     

基于ORB和改进RANSAC算法的图像拼接技术

图像拼接技术能够很好地解决单张拍摄照片的视野狭窄问题,是数字图像处理的一个重要分支.其一般步骤是先粗匹配,后提纯,然而在用随机抽样一致性算法(random sample consensus,RANSAC)提纯时,将粗匹配的所有特征点对都进行迭代运算,运算量较大,导致拼接速度慢.针对该问题,文中采用了ORB(oriented FAST and rotated BRIEF)算法,并结合空间一致性检测理论来改进RANSAC算法,以提高拼接速度.文中采用ORB算法提取特征点,并进行粗匹配;在RANSAC提纯之前,先进行一次空间一致性检测,从而缩小RANSAC抽样总量,减少迭代次数.分别用ORB+改进RANSAC算法和ORB+RANSAC算法对两组图片进行对比实验,实验表明,ORB和改进RANSAC算法的结合在保证匹配精度的基础上提高了匹配速度.     

基于FAST特征检测和FLANN特征点匹配算法的隧道展布图拼接方法研究

本文研究基于FAST特征检测和FLANN特征点匹配算法的隧道展布图拼接方法,主要解决目前隧道图像拼接中全幅拼接的技术问题。文章对一个隧道中隧道检测车分别左右检测两次所获得的两组隧道衬砌面图像进行分析,在每组数据中包含了一定量多个相机等距离触发、同一时刻同步拍摄的半幅隧道拼接数据,对隧道全幅拼接技术的进行详细分析和研究,提出了有效的解决方法,可以快速、准确地拼接出隧道展布图,满足隧道养护需求。     

地铁盾构隧道洞门钢环精密检测与数据处理方法研究

为解决已有地铁洞门钢环检测及数据处理方法略显复杂且不具备抗差性的问题，在对洞门钢环精密检测方法研究的基础上，提出基于RANSAC的地铁洞门钢环空间形态拟合参数的一步解法，实现通过洞门圆心、半径、平整度、垂直度和圆度等洞门参数对地铁洞门钢环的空间形态分析和质量评价；以C#编程语言和SQL Server数据库为工具将该算法程序化，采用Leica TM30测量机器人对南京轨道交通5号线五台山站洞门钢环进行检测，并对实测数据进行计算与分析。结果表明： 该方法能够抵抗异常值对洞门空间形态拟合结果的扰动，是一种更为有效、实用的地铁洞门钢环检测与数据处理方法。     

A low-cost video-based pavement distress screening system for low-volume roads

This study investigates the use of consumer-grade video camera to develop a low-cost pavement distress screening system, with a particular focus on low-volume roads. Due to the oblique view of video data captured in the car front, existing crack detection algorithms that are tailor-made for nadir view cannot be used directly. Instead, we propose and develop a Video-based PAvement Distress Screening (VPADS) system, which includes an automatic data processing workflow by first defining a Region of Interest (RoI) through robust line fitting of the two side lanes. The pavement condition can be assessed within the RoI by implementing a multi-scale ridge detection filter followed by a boundary contour analysis. Since the proposed VPADS system is designed for preliminary screening purpose, each video image scene is examined if there exists any potential crack or distress feature(s). We tested the proposed system on video data collected for two low-volume roads (Highway 624 and 668) in Northern Ontario region, Canada. The overall accuracy of detecting crack and distress features yielded 80%. Instead of replacing traditional field inspection or high-end multi-sensor pavement evaluation system, the proposed VPADS system aims to provide a computer-aided screening solution for transportation authorities of a vast rural road/highway network and with limited inspection budget. The scope of the work can be further expanded by developing a crowdsensing inspection network built by any regular road user, who can also act as a data provider for the regional/municipal pavement distress screening system.