1 西安石油大学，陕西 西安 710065
2 青海民族大学物理与电子信息工程学院，青海 西宁 810007
当前的动态目标识别方法在场景复杂的图像中，因为无法采集足够多的特征信息，导致识别结果应用性受限。基于三维激光点云提出一种运动图像动态目标识别方法。利用三维扫描系统获取运动点云图像特征，在不影响有效信息采集的情况下，进行图像预处理；引入地平面方程，将图像背景点云与被识别目标点云通过欧式聚类法分割，提取处理后的被识别目标关键点，并采用Freeman链码检测边缘特征，完成运动图像动态目标识别。试验对比结果表明，所研究基于三维激光点云的运动图像动态目标识别方法，对动态目标有良好的鉴别能力及较好的识别精度，且所需动态目标识别时间较短。
动态目标识别 三维扫描系统 点云图像 图像预处理 关键点提取 边缘特征检测 dynamic target recognition three-dimensional scanning system point cloud image image preprocessing key point extraction edge feature detection
1 上海交通大学机械与动力工程学院，上海 200240
2 上海智能网联汽车技术中心有限公司，上海 201499
复杂交通场景下的3D目标检测是重要且具有挑战性的任务。针对主流检测算法使用的高线数激光雷达昂贵和基于毫米波雷达和相机的检测算法效果不佳的问题，提出了一种利用低线数激光雷达和相机实现3D目标检测的算法，可以大幅降低自动驾驶的硬件成本。首先，将64线激光雷达点云降采样至原始点云数量的10%，生成极端稀疏点云，并将其和RGB图片一同输入到深度补全网络中得到深度图；然后，在新提出的计算点云强度的算法基础上，由深度图生成点云俯视图；最后，将点云俯视图输入检测网络，得到目标立体边界框的几何信息、航向角和类别等信息。在KITTI数据集上对算法进行实验验证，实验结果表明所提算法在检测精度上可以超过部分基于高线数激光雷达的检测算法。
遥感 激光点云 卷积神经网络 关键点检测 深度学习 激光与光电子学进展
2022, 59(18): 1828004
1 山东科技大学测绘与空间信息学院，山东 青岛 266590
2 交通运输部公路科学研究所，北京 100088
针对车载移动测量系统不同时期获取的道路场景点云位置一致性差、车载激光点云与固定站激光点云坐标基准不统一的问题，本团队提出了一种利用地理实体目标特征的道路场景激光点云配准方法。首先分析道路场景激光点云的数据特点，结合高程误差趋势和道路场景地物的分布特征对车载点云进行分段，分割条带分布的车载道路点云为连续分布的小范围分段点云；然后提取固定地理实体目标作为配准基元，以降低场景的复杂度；接着结合特征值与形状指数构建特征约束，提取配准基元的多尺度关键点；最后在关键点约束下应用4PCS和双向KD树改进的ICP算法，完成多期道路车载激光点云的配准以及固定站与车载点云的配准。实验结果表明：多期车载点云配准精度在5 cm范围内，固定站与车载点云的配准精度最高可达到4.2 cm。所提方法为道路场景激光点云的高精度融合提供了实现途径。
遥感 道路场景 多期车载点云 固定站点云 配准基元 关键点约束 点云配准 中国激光
2022, 49(18): 1810002
1 桂林电子科技大学信息与通信学院，广西 桂林 541004
2 桂林电子科技大学信息科技学院，广西 桂林 541004
针对micro electro mechanical system （MEMS）激光雷达与相机标定外参误差大的问题，提出了一种基于标定板关键点的外参标定方法。首先对多帧点云进行叠加预处理，然后基于Hough变换拟合标定板的边缘直线以确定关键点，最后设立关键点及法向量对应的约束条件，利用点面对应算法求出优化的标定外参。实验结果表明，所提方法可精确提取关键点，使得标定外参的平均误差相比现有的外参标定方法更低，提高了标定外参的精度。
遥感 激光雷达 Hough变换 关键点 外参标定 激光与光电子学进展
2022, 59(4): 0428001
针对已有人体摔倒检测方法在复杂环境场景下易受光照影响、适应性差、误检率高等问题，提出了一种基于关键点估计的红外图像人体摔倒检测方法。该方法采用红外图像，有效避免了光照等因素的影响，经过神经网络找到人体目标中心点，然后回归人体目标属性，如目标尺寸、标签等，从而得到检测结果。使用红外相机采集不同情况下的人体摔倒图像，建立红外图像人体摔倒数据集并使用提出的方法进行检测，识别率达到 97%以上。实验结果表明提出的方法在红外图像人体摔倒检测中具有较高的精度与速度。
红外图像 关键点估计 摔倒检测 神经网络 infrared image, key point estimation, fall detecti
1 重庆理工大学电气与电子工程学院, 重庆 400054
2 电梯智能运维重庆市高校工程中心, 重庆 402260
3 光纤传感与光电检测重庆市重点实验室, 重庆 400054
传统三维(3D)点云配准过程中存在配准误差高、计算量大及耗时长等问题,针对该问题,提出了一种3D点云中关键点的配准与优化算法。在关键点选取阶段,用边缘点检测算法剔除边缘关键点,以提高关键点特征描述的全面性和重复性,降低3D点云配准误差。在3D点云配准阶段,用K-维树(KD-tree)加速的最近邻算法和迭代最近点算法剔除粗配准结果中的误配准关键点,降低配准误差,提高3D点云配准的速度与精度。实验结果表明,本算法在不同点云数据下,均能获得良好的配准结果。与传统3D点云配准算法相比,本算法的平均配准速率提高了68.725%,平均配准精度提高了49.65%。
图像处理 关键点检测 边缘检测 三维重建 点云处理 误差优化 激光与光电子学进展
2021, 58(4): 0415008
针对VSLAM视觉里程计中图像特征点匹配信息冗余、特征点误匹配率高导致里程计误差大的问题，提出一种基于ORB特征的改进视觉里程计算法。首先，针对在关键点提取过程中提取效率低和关键点分布不合理的问题，提出对图像进行模块分割，利用灰度变化率和子区域特征有效因子剔除低质量图像模块和关键点的方法。其次，针对在两帧图像匹配过程中对过多无效特征点进行匹配产生误匹配的问题，提出利用相机前一时刻位姿剔除当前帧图像中不在前一帧图像视野中的特征点。实验结果表明，改进后的视觉里程计算法较原始的算法在相机位姿估计中具有更高的精度。
信息冗余 特征点 剔除关键点 位姿估计 精确度 information redundancy feature point deletion of key point pose estimation precision
1 长沙理工大学电气与信息工程学院, 湖南 长沙 410114
2 云南电网有限责任公司电力科学研究院, 云南 昆明 650217
提出一种基于关键点训练学习的防振锤滑移检测方法。首先利用改进SSD模型对防振锤进行识别、定位;再选择防振锤关键点,训练MobileNetV3网络,通过上一级定位结果设定输入区域,从而实现关键点的检测;最后依据线路图像特征,制定相应判别规则。当档距内悬挂m(m≥2)个防振锤时,利用关键点几何约束关系实现判别;当档距内悬挂单防振锤时,采用EPnP算法估计相机在多个角度的位姿,通过位姿与线夹关键点像素坐标间的关系求解最邻近点的世界坐标,判断最邻近点与防振锤间的距离是否在阈值范围内。实验结果表明,所提方法能对滑移异常进行有效识别,为输电线路异常检测提供了新思路。
机器视觉 关键点检测 异常检测 位姿估计 激光与光电子学进展
2020, 57(20): 201502
