-
公开(公告)号：CN107229935A
公开(公告)日：2017-10-03
申请号：CN201710341830.4
申请日：2017-05-16
Applicant: 大连理工大学
CPC classification number: G06K9/4671 , G06K9/6211
Abstract: 一种三角形特征的二进制描述方法，属于计算机视觉领域。主要是改进了原RTM算法对三角形特征的浮点描述方法，采用192bits二进制数表示原RTM算法的6维浮点型形状描述子；采用ORB算法中的rBRIEF二进制描述方法，将原RTM算法的32维浮点型区域描述子重建为256bits二进制区域描述子。改进RTM算法的速度大约是原RTM算法速度的3倍；原RTM算法中每个三角形描述子占用152字节，改进算法每个三角形的描述子仅占用56字节，内存占用量降为原RTM算法的36.8％。在精度方面，改进算法的正确率和匹配分数均高于原RTM算法，在结构场景中能匹配上原RTM算法和SIFT算法不能匹配的特征点。因此，本发明在实时性要求高而内存有限的情况下具有良好的应用前景。
-
公开(公告)号：CN105118062B
公开(公告)日：2017-08-22
申请号：CN201510556221.1
申请日：2015-09-02
Applicant: 大连理工大学
IPC: G06T7/33
Abstract: 本发明提供了一种基于单端点特征描述的线段匹配方法，其将线段的一个端点作为主特征点，另一端点作为辅特征点，构建特征描述单元；将特定的线段方向作为特征单元的参考方向，构建特征描述子，进行主特征点匹配；通过两条线段任一端点的匹配关系确定两条线段的匹配关系，最后利用匹配特征点的几何验证来完成线段匹配正确性的验证。本发明大大简化了算法的计算复杂度，显著提升了匹配速度。只要两幅图像对应线段上的任何一个端点或者断点之间能够匹配，则两条线段或者线段的子线段就能够匹配。用线段方向作为描述子的参考方向，解决了根据邻域梯度计算参考方向的模糊性问题，消除了端点相近但方向不同两条线段的错误匹配，提高了线段匹配的鲁棒性。
-
公开(公告)号：CN105184786A
公开(公告)日：2015-12-23
申请号：CN201510542180.0
申请日：2015-08-28
Applicant: 大连理工大学
IPC: G06T7/00
CPC classification number: G06T2207/10004
Abstract: 一种浮点型三角形特征描述方法，属于计算机视觉领域。以单一的三角形作为一个特征单元，以三角形边角关系结合三角形局部区域信息构建38维特征描述子，包括三角形三边和三角构成的六维形状描述子，以及以三角形质心为中心、以三角形最长边的一定比例为半径所确定正方形区域形成的32维区域描述子。与现有以多个三角形为特征单元但描述信息简单的算法相比，本发明特征描述子维数降低，形状描述子和区域描述子半径具有平移、尺度和旋转不变性，区域描述子中心具有仿射不变性，因此既能显著降低特征描述的复杂度、提升匹配速度，也能提高特征描述的鲁棒性。由于增加了几何约束，本发明的特征点匹配可靠性得到提高。
-
Patent Agency Ranking
公开(公告)号：CN105118062A
公开(公告)日：2015-12-02
申请号：CN201510556221.1
申请日：2015-09-02
Applicant: 大连理工大学
IPC: G06T7/00
CPC classification number: G06T2207/20216
Abstract: 本发明提供了一种基于单端点特征描述的线段匹配方法，其将线段的一个端点作为主特征点，另一端点作为辅特征点，构建特征描述单元；将特定的线段方向作为特征单元的参考方向，构建特征描述子，进行主特征点匹配；通过两条线段任一端点的匹配关系确定两条线段的匹配关系，最后利用匹配特征点的几何验证来完成线段匹配正确性的验证。本发明大大简化了算法的计算复杂度，显著提升了匹配速度。只要两幅图像对应线段上的任何一个端点或者断点之间能够匹配，则两条线段或者线段的子线段就能够匹配。用线段方向作为描述子的参考方向，解决了根据邻域梯度计算参考方向的模糊性问题，消除了端点相近但方向不同两条线段的错误匹配，提高了线段匹配的鲁棒性。
-
公开(公告)号：CN105184786B
公开(公告)日：2017-10-17
申请号：CN201510542180.0
申请日：2015-08-28
Applicant: 大连理工大学
Abstract: 一种浮点型三角形特征描述方法，属于计算机视觉领域。以单一的三角形作为一个特征单元，以三角形边角关系结合三角形局部区域信息构建38维特征描述子，包括三角形三边和三角构成的六维形状描述子，以及以三角形质心为中心、以三角形最长边的一定比例为半径所确定正方形区域形成的32维区域描述子。与现有以多个三角形为特征单元但描述信息简单的算法相比，本发明特征描述子维数降低，形状描述子和区域描述子半径具有平移、尺度和旋转不变性，区域描述子中心具有仿射不变性，因此既能显著降低特征描述的复杂度、提升匹配速度，也能提高特征描述的鲁棒性。由于增加了几何约束，本发明的特征点匹配可靠性得到提高。
-
公开(公告)号：CN107229935B
公开(公告)日：2020-12-11
申请号：CN201710341830.4
申请日：2017-05-16
Applicant: 大连理工大学
Abstract: 一种三角形特征的二进制描述方法，属于计算机视觉领域。主要是改进了原RTM算法对三角形特征的浮点描述方法，采用192bits二进制数表示原RTM算法的6维浮点型形状描述子；采用ORB算法中的rBRIEF二进制描述方法，将原RTM算法的32维浮点型区域描述子重建为256bits二进制区域描述子。改进RTM算法的速度大约是原RTM算法速度的3倍；原RTM算法中每个三角形描述子占用152字节，改进算法每个三角形的描述子仅占用56字节，内存占用量降为原RTM算法的36.8％。在精度方面，改进算法的正确率和匹配分数均高于原RTM算法，在结构场景中能匹配上原RTM算法和SIFT算法不能匹配的特征点。因此，本发明在实时性要求高而内存有限的情况下具有良好的应用前景。
-
公开(公告)号：CN107247953B
公开(公告)日：2020-05-19
申请号：CN201710389384.4
申请日：2017-05-31
Applicant: 大连理工大学
Abstract: 一种基于边缘率的特征点类型选择方法，属于计算机视觉领域。本发明在特征点检测之前，对图像进行结构信息检测与分类，为选用适合图像的特征点类型(斑点或角点)提供依据，解决由于特征点不适合而造成的匹配性能下降甚至失败的问题。对于一幅待匹配图像，利用Canny边缘检测算法计算图像边缘，然后计算边缘率，最后根据边缘率与高低阈值的关系对该图像进行分类：如果边缘率大于高阈值，说明图像结构信息非常明显，采用角点特征；如果边缘率小于低阈值，说明图像结构信息非常不明显，采用斑点特征；如果边缘率介于高低阈值之间，图像特征不明显，斑点或角点皆可使用。本发明快速有效，与现有图像匹配算法相结合，可实现性能更优的图像匹配。
-
公开(公告)号：CN107247953A
公开(公告)日：2017-10-13
申请号：CN201710389384.4
申请日：2017-05-31
Applicant: 大连理工大学
Abstract: 一种基于边缘率的特征点类型选择方法，属于计算机视觉领域。本发明在特征点检测之前，对图像进行结构信息检测与分类，为选用适合图像的特征点类型(斑点或角点)提供依据，解决由于特征点不适合而造成的匹配性能下降甚至失败的问题。对于一幅待匹配图像，利用Canny边缘检测算法计算图像边缘，然后计算边缘率，最后根据边缘率与高低阈值的关系对该图像进行分类：如果边缘率大于高阈值，说明图像结构信息非常明显，采用角点特征；如果边缘率小于低阈值，说明图像结构信息非常不明显，采用斑点特征；如果边缘率介于高低阈值之间，图像特征不明显，斑点或角点皆可使用。本发明快速有效，与现有图像匹配算法相结合，可实现性能更优的图像匹配。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
