首页 > 论文 > 激光与光电子学进展 > 53卷 > 3期(pp:31501--1)

改进PCA-SIFT 算法的立体匹配系统

Improved PCA-SIFT Algorithm for Matching Stereo System

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
  • PDF全文
分享:

摘要

针对双目视觉测量中的立体匹配问题,提出了一种基于主成分分析(PCA)算法和尺度不变特征变换(SIFT)匹配算法相结合的双目视觉立体匹配新方法。该系统以GSI 编码点为特征点,利用双目相机对以散斑为背景的编码标识板进行成像,利用PCA 算法与SIFT 算法结合的新算法对采集的图像进行特征提取与匹配解算。可实现对GSI 编码点特征的准确提取和立体匹配,并测量出不同位姿下特征点之间的精确位移。实验验证部分引入GSI 编码技术并在行程为1000 mm×1000 mm 二维高精度平移台上进行,实际测得位移的绝对误差在5×10-2 mm 之内,验证了该系统的高精确性。

Abstract

Aim at stereo matching problem in binocular vision measurement, a binocular vision stereo matching method based on principal component analysis(PCA) algorithm and scale invariant feature transform(SIFT) algorithm is put forward. The system uses GSI code as its feature points, and the binocular camera imaging on code identification plate using speckle as its background. Then a new algorithm combining the PCA with the SIFT is used to extract feature and solve matching problem on the acquisition images. We can achieve accurate extraction and stereo matching on these GSI code points and measure the precise position and orientation under different displacement between the feature points. The experimental verification part introduced the GSI coding technique and it is carried at 1000 mm×1000 mm stroke dimensional precision translation stage. Actual measurement of displacement got the absolute error within 5×10-2 mm, which can verify the high accuracy of the proposed system.

Newport宣传-MKS新实验室计划
补充资料

中图分类号:TP274.2

DOI:10.3788/lop53.031501

所属栏目:机器视觉

基金项目:国家自然科学基金委员会与中国民用航空局联合项目(U1333105)、中央高校基本科研业务费(3122013D019)

收稿日期:2015-08-10

修改稿日期:2015-09-06

网络出版日期:2016-02-17

作者单位    点击查看

于之靖:中国民航大学航空地面特种设备研究基地, 天津 300300中国民航大学航空自动化学院, 天津 300300
王韶彬:中国民航大学航空自动化学院, 天津 300300

联系人作者:于之靖(hit_yu@126.com)

备注:于之靖(1963—),男,博士,教授,主要从事自动化检测技术、光纤传感技术和计算机视觉测量等方面的研究。

【1】Gu Cheng, Qian Weixian, Chen Qian, et al.. Rapid head detectionmethod based on binocular stereo vision[J]. Chinese J Lasers, 2014, 41(1): 0108001.
顾骋, 钱惟贤, 陈钱, 等. 基于双目立体视觉的快速人头检测方法[J]. 中国激光, 2014, 41(1): 0108001.

【2】Xie Zexiao, Lu Wenjuan. A binocular matching algorithm based on similar image geometric features[J]. Chinese J Lasers, 2014, 41(5): 0508002.
解则晓, 陆文娟. 基于图像相似几何特征的双目匹配算法[J]. 中国激光, 2014, 41(5): 0508002.

【3】Wang Yilin. Research of Stereo Matching Technologies Based on Regional Algorithm[D]. Dalian: Dalian Maritime University, 2012: 12-17.
王逸林. 基于区域匹配算法的双目立体匹配技术的研究[D]. 大连: 大连海事大学, 2012: 12-17.

【4】Zai Xiaotao, Zhao Yuming. A stereo matching algorithm based on SIFT feature descriptor[J]. Control & Automation, 2007, 23(8): 285-287.
宰小涛, 赵宇明. 基于SIFT 特征描述子的立体匹配算法[J]. 微计算机信息, 2007, 23(8): 285-287.

【5】Lowe D G. Distinctiveimage features from scale invariant keypoints[J]. International Journal of Computer Vision, 2004, 60 (2): 91-110.

【6】Luo J, Oubong G. A comparison of SIFT, PCA-SIFT and SURF[J]. International Journal of Image Processing, 2009, 3(4): 143-152.

【7】Dai Xianglong. The Research and Application of Coded Target in Non-Contact 3D Measurement[D]. Xi’an: Xidian University, 2014: 7-16.
戴相龙. 三维非接触式测量中编码标志的研究与应用[D]. 西安: 西安电子科技大学, 2014: 7-16.

【8】Ke Y, Sukthankar R. PCA-SIFT: Amore distinctiverepresentation for local image descriptors[C]. IEEE Computer Society Conference on Computer Vision & Pattern Recognition, 2004, 2(2): 506-513.

【9】Panchal P M, Panchal S R, Shah S K. A comparison of SIFT and SURF[J]. International Journal of Innovative Research in Computer & Communication Engineering, 2013, 1(2): 323-327.

【10】Xu Xin, Sun Shaoyuan, Sha Yujie, et al.. A method of infrared image mosaic based on improved RANSAC[J]. Laser & Optoelectronics Progress, 2014, 51(11): 111001.
徐鑫, 孙韶媛, 沙钰杰, 等. 一种基于改进RANSAC 的红外图像拼接方法[J]. 激光与光电子学进展, 2014, 51(11): 111001.

【11】Lowe D G. Object recognition from local scale invariantfeatures[C]. International Journal of Computer Vision, 1999, 2: 1150- 1157.

【12】Gong Wenbiao, Gu Guohua, Qian Weixian, et al.. Stereo matching algorithm based on the inter color correlation and adaptive support weight[J]. Chinese J Lasers, 2014, 41(8): 0812001.
龚文彪, 顾国华, 钱惟贤, 等. 基于颜色内相关和自适应支撑权重的立体匹配算法[J]. 中国激光, 2014, 41(8): 0812001.

【13】Tuytelaars T, Gool L V. Matching widely separated views based on affine invariant neighborhoods[J]. International Journal of Computer Vision, 2004, 59(1): 61-85.

【14】Wang Canjin, Sun Tao, Wang Rui, et al.. Color image registration based on colored binary local invariant descriptor[J]. Chinese J Lasers, 2015, 42(1): 0109001.
王灿进, 孙涛, 王锐, 等. 基于彩色二进制局部不变特征的图像配准[J]. 中国激光, 2015, 42(1): 0109001.

引用该论文

Yu Zhijing,Wang Shaobin. Improved PCA-SIFT Algorithm for Matching Stereo System[J]. Laser & Optoelectronics Progress, 2016, 53(3): 031501

于之靖,王韶彬. 改进PCA-SIFT 算法的立体匹配系统[J]. 激光与光电子学进展, 2016, 53(3): 031501

被引情况

【1】孙玉娟,董军宇,王增锋. 灰度一致纹理图像的光参数估算方法. 激光与光电子学进展, 2017, 54(6): 61002--1

【2】张鑫,靳雁霞,薛丹. SICA-SIFT和粒子群优化的图像匹配算法. 激光与光电子学进展, 2017, 54(9): 91002--1

【3】于之靖,马凯,王志军,吴军. 采用改进KLT算法的标志点匹配方法. 激光与光电子学进展, 2018, 55(2): 20301--1

【4】周博,何宇清,王建. 基于自适应近邻局部保持投影算法的人脸识别. 激光与光电子学进展, 2018, 55(3): 31010--1

【5】赵婷,康海林,张正平. 结合区域分块的快速BRISK图像拼接算法. 激光与光电子学进展, 2018, 55(3): 31005--1

【6】王琳,刘强. 基于局部特征的多目标图像分割算法. 激光与光电子学进展, 2018, 55(6): 61002--1

【7】王莹,沈峘,夏瀚笙,刘敦强. 数字图像相关法中一种动态应变子区选择算法. 激光与光电子学进展, 2018, 55(9): 91001--1

【8】茅正冲,陈强. 基于PCA-LDA与SVM的AGV多分支路径识别与跟踪. 激光与光电子学进展, 2018, 55(9): 91005--1

【9】毛一鸣,王建明,晏涛,陈丽芳,刘渊. 基于空间平面分割和投影变换的光场图像拼接算法. 激光与光电子学进展, 2019, 56(10): 101005--1

您的浏览器不支持PDF插件,请使用最新的(Chrome/Fire Fox等)浏览器.或者您还可以点击此处下载该论文PDF