-
公开(公告)号：CN107220658B
公开(公告)日：2019-05-31
申请号：CN201710325418.3
申请日：2017-05-10
Applicant: 中国人民解放军军械工程学院
IPC: G06K9/62
Abstract: 本发明公开了一种图像匹配点对筛选方法，涉及计算机视觉技术领域。本发明包含以下步骤：(1)为样本集中的每一个样本点赋予先验概率；(2)从样本集中逐次获取内点集，通过比较得到第一极大内点集；(3)再次从样本集中逐次获取内点集，通过比较得到第二极大内点集；该第二极大内点集中的样本点所表示的匹配点对即为两个图形间的有效匹配点对。本发明方法在考虑先验知识对采样模式的影响的同时，还引入了检验结果对采样的约束，从而简化了构建模型的迭代步骤，提高了获取正确模型的效率，是对现有技术的重要改进。
-
公开(公告)号：CN106897723B
公开(公告)日：2019-05-17
申请号：CN201710088367.7
申请日：2017-02-20
Applicant: 中国人民解放军军械工程学院
IPC: G06K9/46
Abstract: 本发明公开了一种基于特征匹配的目标实时识别算法，涉及计算机视觉领域。本算法的重点在于加强目标识别的可靠性与实时性。具体方法为：首先利用快速自适应鲁棒性尺度不变的特征检测子(fast adaptive robust invariant scalable feature detector,FARISFD)与鲁棒性交叠的标准特征描述子(robust overlapped gauge feature descriptor,ROGFD)来增强方法的鲁棒性与实时性，其次利用基于KD(k‑dimensional)树的BBF(best bin first)算法与双向匹配结合的方法提高搜索效率，再次利用PROSAC(Progressive Sample Consensus)去除错误点完成匹配，最后根据平均匹配率完成目标识别。实验结果表明，FARISFD与ROGFD较传统特征检测子与描述子具有更强的鲁棒性与实时性，基于特征匹配的目标实时识别算法能够实现可靠性较强的目标实时识别。
-
公开(公告)号：CN106897723A
公开(公告)日：2017-06-27
申请号：CN201710088367.7
申请日：2017-02-20
Applicant: 中国人民解放军军械工程学院
IPC: G06K9/46
CPC classification number: G06K9/4609 , G06K9/4671
Abstract: 本发明公开了一种基于特征匹配的目标实时识别算法，涉及计算机视觉领域。本算法的重点在于加强目标识别的可靠性与实时性。具体方法为：首先利用快速自适应鲁棒性尺度不变的特征检测子(fast adaptive robust invariant scalable feature detector,FARISFD)与鲁棒性交叠的标准特征描述子(robust overlapped gauge feature descriptor,ROGFD)来增强方法的鲁棒性与实时性，其次利用基于KD(k‑dimensional)树的BBF(best bin first)算法与双向匹配结合的方法提高搜索效率，再次利用PROSAC(Progressive Sample Consensus)去除错误点完成匹配，最后根据平均匹配率完成目标识别。实验结果表明，FARISFD与ROGFD较传统特征检测子与描述子具有更强的鲁棒性与实时性，基于特征匹配的目标实时识别算法能够实现可靠性较强的目标实时识别。
-
公开(公告)号：CN107220658A
公开(公告)日：2017-09-29
申请号：CN201710325418.3
申请日：2017-05-10
Applicant: 中国人民解放军军械工程学院
IPC: G06K9/62
CPC classification number: G06K9/6201 , G06K9/6228
Abstract: 本发明公开了一种图像匹配点对筛选方法，涉及计算机视觉技术领域。本发明包含以下步骤：(1)为样本集中的每一个样本点赋予先验概率；(2)从样本集中逐次获取内点集，通过比较得到第一极大内点集；(3)再次从样本集中逐次获取内点集，通过比较得到第二极大内点集；该第二极大内点集中的样本点所表示的匹配点对即为两个图形间的有效匹配点对。本发明方法在考虑先验知识对采样模式的影响的同时，还引入了检验结果对采样的约束，从而简化了构建模型的迭代步骤，提高了获取正确模型的效率，是对现有技术的重要改进。
-
-
-
Search Results
4
records
(took 0.03 seconds)
