摘要：基于线特征匹配的模拟预拼装是一种桥梁钢结构构件预拼装方法,采用连接处线特征匹配进行拼接,重叠度不高且未考虑线形精度。为此,提出了一种设计数据辅助的改进方法,其先利用缩小包围盒法与切片法分别提取构件的连接处线特征与线形特征,同时结合设计数据恢复得到的线形特征,按照对应关系融合为目标特征与源特征;再基于点特征直方图和迭代最近点法分别完成粗匹配和精配准;最后利用配准结果完成构件拼接。基于仿真数据,对比角点匹配、线特征匹配、设计数据辅助等3种方法的精度,实验结果表明:设计数据辅助法能有效提高线形精度。分别使用线特征匹配法与设计数据辅助法检测上海市南横引河桥钢结构构件的加工质量,检测结果表明:所提方法具有实用性且能有效提高线形精度。

摘要：针对合成孔径雷达 (SAR ,SyntheticApertureRadar)图像的特点 ,提出一种线特征提取算法 .该算法首先抑制相干斑噪声 ,然后对SAR图像进行模糊变换和增强 ,再基于假设的SAR图像灰度模型 ,用最小二乘法设计出低通和高通滤波器 ,最后检测出线特征散点 ,并进行连接 ,得到SAR图像的线特征图 .实验证明本算法抗噪声干扰 ,边缘定位精度达到 1个像素 .

摘要：针对现有三维重建研究中对线特征利用不充分,重建精度低的问题,提出了一种联合地物轮廓线的三维重建算法。利用BDCN模型和相应预处理算法,提取出二维影像上的边缘轮廓线;基于对极几何原理的核线引导和三角测量原理,建立线段的初始匹配假设;通过相似性计算和图聚类算法重建出三维轮廓线模型结果;将结果应用于三维网格模型的优化。使用Building-Imagery-P36和DTU MVS数据集对本文算法进行验证,结果表明:本文方法提取出的轮廓线段精简而完整。相比经典的Line3D++算法,MAE和标准差值平均降低了0.321、0.699,重建时间平均降低了58%,精度和效率都有明显提升。附加三维轮廓线约束后,生成的网格模型视觉效果更佳,细节信息更为丰富。

摘要：针对多自由度机械臂快速趋近任意四边形态目标的视觉伺服控制难题,提出了结合线特征与内区域特征的机器人视觉伺服解耦控制方法.构建了目标内区域特征以指导相机的平移运动速率,利用目标的线特征给出相机的旋转角速率,并通过引入内区域特征的矢量补偿和质心坐标的位置补偿,实现了平移和旋转控制的部分解耦.最后,对机器人视觉伺服控制系统进行了稳定性分析.仿真验证结果表明所提方法能控制相机以较快而平滑的动作收敛到期望位姿,且在相机光轴与目标平面近似垂直的条件下能较好地克服深度估计造成的不确定性问题.

摘要：针对IEPF(iterative end point fit)算法提取激光雷达数据线特征过程中使用固定分割阀值导致的欠分割和过分割现象,提出一种结合支持向量机(support vector machine,SVM)的分开合并的线特征提取算法。在分开阶段,使用IEPF算法对数据初步分割;在合并阶段,调整阀值尽可能消除欠分割的线段,分别提取过分割的线段间和正常线段间的接近度、共线度、重叠度3个特征作为特征向量,训练SVM模型,将SVM模型应用于实际测试中,对于分类结果为过分割的线段执行合并。实验结果表明,该算法有效消除了绝大部分IEPF算法进行线段提取产生的过分割和欠分割线段。

摘要：针对目前主流的LiDAR-IMU联合标定方法在遮挡较为严重或者缺乏大块平面的复杂环境下标定精度较低的问题,提出了一种鲁棒的LiDAR-IMU联合标定方法。首先,在匹配构建阶段引入了定位精度高、不易受遮挡等影响的线特征,并同时构建线特征和面片匹配对来增强标定约束;其次,在迭代优化阶段设计了一种双阶段的优化方法,并根据每轮迭代优化的几何残差设计了自适应损失权重,使得迭代优化过程能很好地收敛,并提高了标定方法的精度。利用自建的室内数据集和开源的室外数据集对该方法进行了测试,结果表明,本文方法对于平移外部参数的标定标准差约为2 mm,旋转外部参数的标定标准差约为0.04°,优于当前主流标定方法的结果。

摘要：针对既有铁路测绘上线难、作业效率低及测量精度不足的问题,本文提出了一种基于无人机多视图几何原理的铁路轨道线高精度重建方法。首先从无人机影像上提取线特征;然后采用像方测度获得候选匹配线,基于物方距离测度进行Powell优化,获得精确的钢轨线匹配结果;最后,将影像钢轨线匹配结果作为观测值,以钢轨线反投影距离作为测度,最小二乘优化物方钢轨直线段坐标。试验结果表明,本文方法实现了影像轨道线自动匹配与高精度平差解算,像方反投影残差优于0.5像素,轨距和高程的内符合精度分别为0.006和0.005 m。解算成果的平面高程绝对定位精度可达到2 cm左右,平差模型收敛性良好,可以满足工程应用的需要。

摘要：针对Robocup等比赛中机器人的定位中的视觉特征选取问题,线特征以其抗噪性好,蕴含丰富环境信息的优势获得了人们的青睐。该文针对仿人足球机器人球场比赛定位中的边线特征提取,将整体方案分解为颜色空间映射、可能片段查找、增量式算法拟合三个部分。通过预先学习标定生成的颜色查找表,将原始图像映射成多值图像;之后针对不同颜色对应的不同状态,使用有限状态机方法识别可能属于边线特征的有效片段;使用增量式算法提取出图像中的直线特征,最后增加参数调节来进一步优化特征提取结果,提高直线特征的精度。这一方法不仅可以提取直线特征,同时对于不规则的曲线特征检测,也能够使用近似的线段集合进行拟合。相比于传统方法如Hough变换等,该算法具有算法简单,提取速度快,特征精度高的优点。实验表明,算法的全局定位精度在10cm以内,特征提取时间不大于5ms,符合足球机器人实际比赛需求。

摘要：基于视觉的机器人自主定位与导航系统都是利用点特征进行工作,但在弱纹理环境中,无法提取充足的点特征,系统的精度与鲁棒性就会下降。为此,提出了一种弱纹理环境下的视觉惯性里程计优化方法。将点线特征融合,相对于点特征,线特征在弱纹理环境下有较强的鲁棒性,可提供更多的环境几何结构信息,有利于三维地图的构建。为了提高精度,使用紧耦合的方式将相机与IMU采集到的数据融合。利用滑动窗口算法,将IMU预积分后的误差与点线重投影误差,在滑动窗口中用最小化误差函数的方式进行优化。通过EuRoc数据集,将优化后的系统与VINS-Mono系统进行比较。经测试,不同场景中的几组数据的绝对轨迹误差都很小,且均方根误差下降3%左右。验证了算法的精度与鲁棒性。

摘要：基于视觉的同时定位与地图构建(SLAM)技术是实现移动机器人自主导航的关键.当机器人处在陌生环境中时,通常会利用周围目标的点特征来估计导航相机的位姿,并利用光束法平差来估计相机位姿和特征空间位置.但如果环境中的特征信息不丰富,则无法准确估计相机轨迹,且欧式坐标与反深度信息下的光束法平差部分条件下不收敛.为此,提出了一种在缺少特征点的环境下通过收集深度相机信息,同时利用点特征与线特征融合的视觉里程计,构建了融合视差角光束法平差与基于线特征的光束法平差的策略,从而使重投影误差达到最小化.最后与其他基于特征的SLAM系统进行比较,实验结果表明,在缺少特征点的真实环境中,系统位姿估计的性能与准确度得到提升.