卫星装配中基于强区分性描述子的识别方法
在各种变换干扰和相似背景影响的实际工程环境下,针对快速视网膜关键点(FREAK)描述子区分性能有限导致图像间错误匹配、无效识别现象严重的问题,本文提出一种具有更强区分性能的改进FREAK描述子,运用于准确识别卫星装配时所需的工件目标。在特征点描述阶段,通过构建FREAK局部邻域的多组层子区域集合,使描述子包含更多的区分信息;提出的新采样模型能够增加周边采样点对比较结果在整个描述向量中的比重,利用紧凑的周边采样点对信息增强描述子的区分性能。另外,在特征点检测和匹配阶段采用差分加速分割检测特征(Fast-Difference)检测子、汉明距离和随机采样一致性(RANSAC)等方法,最终依据正确匹配率识别出工件目标。实验证明,本文描述子在满足实时性的前提下,相比于 FREAK 描述子区分性能更强。平均匹配正确率提高16.64%,保证了机器人系统在卫星装配过程中能够更好的克服图像中各种视角、尺度和旋转变换的干扰以及周围相似背景的影响,准确识别出所需的工件目标。
卫星装配、工件识别、区分性能、多组层域、新采样模型
TP391.41;TH164(计算技术、计算机技术)
国家863计划2011AA040201
2015-01-23(万方平台首次上网日期,不代表论文的发表时间)
共10页
2653-2662