西南交通大学机械工程学院
纸质出版:2023
移动端阅览
赖焕杰, 孟祥印, 肖世德, 等. 基于RANSAC的单应性矩阵估计优化算法[J]. 传感器与微系统, 2023,(8):135-138.
赖焕杰, 孟祥印, 肖世德, 等. 基于RANSAC的单应性矩阵估计优化算法[J]. 传感器与微系统, 2023,(8):135-138. DOI: 10.13873/J.1000-9787(2023)08-0135-04.
DOI:
图像特征匹配是机器视觉处理技术的关键环节。在图像特征匹配中,需要根据检测到的特征点及其相应的特征描述子进行特征点匹配。在众多匹配方法中,传统随机抽样一致性(RANSAC)算法因为能利用随机抽样从样本集中剔除误匹配点,再对单应性矩阵进行估计,而获得了广泛的应用,但其模型参数估计依然存在精度不高和效率较低的问题。本文用基于先验概率抽样的方法代替随机抽样方法,同时,使用二次匹配代替正向匹配来计算重投影误差,使用标准测试图集进行实验。实验结果表明:单应性矩阵的估计精度和效率分别提升了48.42%和53.57%。
基于二次匹配策略的RANSAC算法研究[J]. 程漫颖;姚敏茹;曹凯;杨雪梦.电光与控制,2021(06)
基于RANSAC变换的车牌图像去模糊算法[J]. 李明东;张娟;伍世虔;方志军.传感器与微系统,2020(02)
基于优化采样的RANSAC图像匹配算法[J]. 杨琼楠;马天力;杨聪锟;王艳.激光与光电子学进展,2020(10)
应用于图像匹配的实时自适应RANSAC算法研究[J]. 王浩;张生伟;徐恺.电光与控制,2020(02)
基于ORB特征的误匹配点剔除算法[J]. 赵辉;于春梅.传感器与微系统,2019(10)
基于随机采样一致性的规则棒料位姿识别[J]. 吴庆华;朱思斯;周阳;万偲;何涛.传感器与微系统,2019(09)
基于机器视觉的大尺寸工件自动测量系统[J]. 冯西;吴静静;安伟.传感器与微系统,2019(04)
利用LMedS算法提取规则建筑物顶部面片[J]. 陈向阳;向云飞.测绘通报,2018(04)
基于特征距离与内点的随机抽样一致性算法[J]. 张岩;孙世宇;胡永江;李建增;范聪.电子与信息学报,2018(04)
重抽样优化的快速随机抽样一致性算法[J]. 肖春宝;冯大政;冯祥卫.计算机辅助设计与图形学学报,2016(04)
单应性矩阵自适应估计方法[J]. 许金山;王一江;程徐;李松;陈胜勇.计算机工程与应用,2016(05)
基于改进SIFT特征的双目图像匹配算法[J]. 王民;刘伟光.计算机工程与应用,2013(02)
图像匹配中去除误配的对抗性优化方法的改进[J]. 薛振华;王萍;张楚涵;蔡思佳.计算机应用,2012(11)
MLESAC: A New Robust Estimator with Application to Estimating Image Geometry[J]. P.H.S. Torr;A. Zisserman.Computer Vision and Image Understanding,2000
0
浏览量
235
下载量
2
CSCD
关联资源
相关文章
相关作者
相关机构