机器视觉

针对光照分布不均匀的室内环境下低动态载体速度计算实时性较差等问题，提出一种基于改进SVD-Harris的低动态载体速度快速计算的新方法。首先利用奇异值分解(Singular Value Decomposition, SVD)对相邻两帧视觉图像分别进行压缩与重构，结合改进的Harris角点检测算法对两帧图像进行特征点的检测，同时利用归一化互相关(Normalized Cross Correlation, NCC)模板匹配算法对相邻两帧视觉图像的特征点进行粗匹配。然后利用随机抽样一致性(Random Sampling Consistency, RANSAC)算法进行误匹配点对的剔除。最后利用特征匹配点对的信息对载体的速度进行计算。实验结果表明：传统算法的计算时间平均为3.07s，而改进算法平均为0.71s，且传统算法的误匹配率远远大于改进算法的误匹配率。研究表明：与传统的NCC模板匹配方法相比，该算法不仅保证低动态载体速度计算的精确性，而且显著提高了载体速度在光照不均匀的室内环境下的计算效率，为室内移动机器人实现实时视觉导航提供了理论依据。

方文辉, 陈熙源, 柳笛. 基于改进Harris的低动态载体速度快速计算方法[J]. 光学学报, 2018, 38(4): 1.  复制并引用该论文