改进SIFT特征粒子群优化的机器人视觉图像配准模型研究.pdf

改进SIFT特征粒子群优化的机器人视觉图像配准模型研究.pdf

ID:52246832

大小:1.92 MB

页数:4页

时间:2020-03-25

改进SIFT特征粒子群优化的机器人视觉图像配准模型研究.pdf_第1页
改进SIFT特征粒子群优化的机器人视觉图像配准模型研究.pdf_第2页
改进SIFT特征粒子群优化的机器人视觉图像配准模型研究.pdf_第3页
改进SIFT特征粒子群优化的机器人视觉图像配准模型研究.pdf_第4页
资源描述:

《改进SIFT特征粒子群优化的机器人视觉图像配准模型研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、机器人现代制造工程(ModernManufacturingEngineering)2015年第9期改进SIFT特征粒子群优化的机器人视觉图像配准模型研究李莹1,王哲2,李毛3(1陕西工业职业技术学院信息工程学院,咸阳712000;2陕西工业职业技术学院数控工程学院,咸阳712000;3陕西省机电工程学校电气专业,咸阳712000)摘要:针对机器人视觉图像尺度小、重复率低、数据量大和实时性差等特点,以提高图像配准效率、减少配准时间为目的,提出了改进SIFT特征粒子群优化的机器人视觉图像配准CSIFT-QPSO算法。CSIFT.QPSO算法通过建立s金字塔对SIFT

2、算法进行改进,达到降低空间复杂度和减少极值点数量的目的,并将改进后的SIFT算法与QPSO算法中适应值函数相融合,将当前检测到的极值点与最近更新的目标模块相配准,从而更具鲁棒性地应对机器人视觉图像的配准问题。通过Maflab软件进行仿真,仿真结果表明:CSIFY.QPSO算法具有较高的配准精度和较少的配准时间,适用于对实时性要求较高的机器人视觉图像配准系统。关键词:视觉图像;CSIFT-QPSO算法;尺度空间;适应值中图分类号:TP391文献标志码:A文章编号:167l—3133(2015)09—0034—04Optimizationofrobotvisuali

3、magesregistrationmodelbasedonSIFTparticleswarmimprovementLiYin91。WangZhe2,LiMa03(1SchoolofInformationEngineering,ShaanxiPolytechnicInstitute,Xianyang712000,Shaanxi,China;2SchoolofNumericalControlEngineering,ShaanxiPolytechnicInstitute,Xianyang712000,Shaanxi,China;3DepartmentofElectri

4、calEngineering,ShaanxiSchoolofMechanicalandElectricalEngineering,Xianyang712000,Shaanxi,China)Abstract:Agmnstthecharacteristicsofrobotvisualimagessmall-scale,lowoverlaprateandlargeamountofdata,inordertoim-pmvetheefficiencyofimageregistration,reducingthetimeforthepurposeofregistration

5、,proposestheimprevedSIFTfeatureparticleswarnloptimizationrobotimageregistrationCSIFI"一QPSOalgorithm.Toreducethemulti-scalespatialandthenumberoffeaturepoints,thealgorithmthroughtheestablishmentoftheS-layerpyramid,integratethefitnessfunctionoftheimprovedalgo·rithmSIFTandQPso,tomatchthe

6、currentlydetectedfeaturepointsandthetargetmoduleupdatedrecently,thusmorerobusttodealwiththeregistrationproblemofrobotvisualimages.Finally,Matlabsimulationresultsshowthattheimprovedalgorithmhashighermatchingaccuracyandlessmatchingtime,whichissuitableforreal—timerobotvisualimagesregist

7、rationsystem.Keywords:dsualimages;CSIFT-QPSOalgorithm;scalespace;fitness0引言机器人视觉图像能够准确、全面地提供区域动态观测数据,是多领域获得信息的重要手段之一⋯。理论上,利用机器人视觉图形进行图像配准,能够达到地面搜索和目标精确定位的目的,但是在实际运用中,往往发现因为图像配准处理速度慢且精度较低,而无法实现上述应用的需求目标。图像特征点是图像中具有鲜明特性并能把图像中的目标物体识别出来的点心J。特征点的信息含量较高,可以为视觉处理提供足够的约束,其数目相对于图像中的像素点来说很少,所以利

8、用特征点能够提高图像配准

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。