基于Kriging算法的手术导航三维形变技术

针对计算机辅助手术三维导航技术中无法利用术前CT重建模型进行病人个体化手术的问题,提出一种基于克里金(Kriging)算法的三维骨骼形变(bone morphing)技术.利用术中采集和医学图像模型的两片点云进行配准,在CT重建模型上选取4个合适的控制点,通过求解Kriging算法建立的方程组,获得CT重建模型上所有点相对于实际病例变形后的位置,实现医学图像模型向个体化的变形.最后,以人体股骨CT模型和塑料模型为对象进行了形变的精度分析和关节手术导航评估实验.结果表明:这种形变方法简单可靠,可以用于前交叉韧带(ACL,Anterior Cruciate Ligament)重建手术的导航评估.     

遥感图像的快速配准方法

针对多传感器遥感图像的配准,提出了一种快速有效的图像配准方法.该基于分级候选点集匹配的配准算法充分利用了分级匹配和候选点集匹配方法的优点,减少了特征提取空间和搜索空间.并在同名控制点对的确定中引入距离计算,能更有效地确定同名控制点对,减少了误匹配率,增加的距离计算时间代价很小,而且不随图像大小发生变换,只与最终匹配点对数目有关.采用主观与客观判断相结合的方法进行配准评价,实验结果表明,该算法在图像存在一定背景噪声,同时具有平移、旋转的情况下,可以准确地进行配准,提高了配准速度和精度.      

基于改进SIFT的图像配准算法

为解决存在较大程度旋转和缩放的图像配准问题,提出了一种基于尺度不变特征变换(SIFT,Scale Invariant Features Transform)的图像配准算法.采用对数极坐标变换(LPT,Log-Polar Transform)进行图像粗匹配,对图像旋转角度和缩放尺度变化量进行估计,并对图像加以校正;在粗匹配的基础上对图像进行分块,根据信息熵原理提取子块的SIFT特征和不变矩特征,构造新型的特征描述符;结合欧氏距离和Procrustes迭代算法获得图像的同名点对,并估计图像形变参数,完成图像配准.实验结果表明:该算法速度快、稳定性强,并能达到亚像素级的匹配精度.     

基于正弦图的计算机断层图像配准

为了解决工业X射线无损检测中图像配准的问题,以计算机断层(CT,Computerized Tomography)图像中物体的位置变化与采集的投影数据之间的理论关系为基础,提出了基于正弦图的CT图像配准算法.该算法结合实际的投影采集系统对投影信号进行预处理,并利用投影信号的相关性寻找物体的位置变化,可以解决二维平行束和扇束投影采集方式下物体二维刚性变换的配准问题.由于提出的算法是在重建之前的投影域内进行,因此相比传统的图像域内的配准算法适用性更高,尤其当投影数据不足、质量不高、噪声较大、重建图像有严重的伪影时,该方法更加有效可靠.对某一封装零件的配准结果证明了算法的可行性.      

基于深度神经网络的像素级别可见光图像配准

现有图像配准算法中,借助图像采集设备参数的方法存在硬件内参难以获得或精度不够的问题,采用匹配图像特征计算图像单应性的方法存在对场景深度信息利用不全的问题。针对这一现象,提出了结合可见光图像与其深度信息来生成更具有真实性的配准图像对数据,用以训练得到一个可以进行像素级别图像配准的深度神经网络PIR-Net。建立了一个大规模、多视角、超仿真的图像配准数据集:多视角配准(MVR)数据集,该数据集包含7 240对含有深度信息的待配准图像及其像素级别的坐标对准真值;基于编码器-解码器的深度神经网络结构,训练得到一个能以全分辨率形式对2幅输入图像之间的坐标变化矩阵进行重建的PIR-Net。通过实验验证了PIR-Net能够在未知相机内参的情况下实现不同视角的可见光图像配准,并比传统算法具有更高的配准精度。在MVR数据集上,PIR-Net的配准误差仅为通用的特征匹配对准算法(SIFT+RANSAC)的18%,同时减少了30%的时间消耗。      

基于无监督学习的多模态可变形配准

针对医学图像配准问题,传统方法提出通过解决优化问题进行配准,但计算成本高、运行时间长。深度学习方法提出使用网络学习配准参数,从而进行配准并在单模态图像上取得高效性能。但在多模态图像配准时,不同模态图像的强度分布未知且复杂,大多已有方法严重依赖标签数据,现有方法不能完全解决此问题。提出一种基于无监督学习的深度多模态可变形图像配准框架。该框架由基于损失映射量的特征学习和基于最大后验概率的变形场学习组成,借助空间转换函数和可微分的互信息损失函数实现无监督训练。在MRI T1、MRI T2以及CT的3D多模态图像配准任务上,将所提方法与现有先进的多模态配准方法进行比较。此外,还在最新的COVID-19的CT数据上展示了所提方法的配准性能。大量结果表明:所提方法与其他方法相比,在配准精度上具有竞争优势,并且大大减少了计算时间。      

基于嵌入式FPGA加速ORB算法的遥感影像配准方法

卫星上计算资源有限,星载嵌入式处理器处理遥感影像的配准时通常需要很长的时间.可编程逻辑门阵列(FPGA)利用其内部可编程器件可用于加速图像处理.提出了一种基于Xilinx公司的ZYNQ芯片加速ORB算法的遥感影像配准方法,可用于3000×3000像素尺寸的卫星图像配准,缩短了计算耗时,提升了ORB算法的计算能效比.利用...     

面向基准约束与余量约束的配准算法

为了保证待加工型面加工余量的均匀性及其相对于基准之间的位置关系,提出一种同时基于基准约束与余量约束的配准算法。所提算法在配准模型中增加基准约束与余量约束,建立在基准约束与余量约束下的配准模型,引入局部坐标系进行配准计算,并将计算结果反算至全局坐标系中。通过引入局部坐标系进行配准计算的算法,降低了测量点变换过程中测量点的运动自由度,从而降低了计算过程中变量的维度,提高了计算效率,保证了计算结果满足基准面约束与余量约束。所提算法在典型的飞机零件“襟翼滑轨”的简化模型上进行了应用验证,相关结果表明：在平面基准约束与余量约束下的配准算法,计算时间为仅在余量约束下配准算法计算时间的33.6%,配准后基准面上测量点的最大偏差小于0.04 mm,待加工面上余量的波动小于0.03 mm,适用于该类零件的自适应精加工过程。     

深空测角测速组合导航系统时间配准方法研究

深空测角测速组合导航系统通过测角信息与测速信息融合,获取探测器位置、速度等参数,具有连续、自主、实时、高精度的优点。在深空测角测速组合导航系统多源信息融合过程中,要求各敏感器数据必须是统一时间基准。基于天文测角测速组合导航系统基本原理,阐述了在实际系统中,测角敏感器、测速敏感器由于时间基准误差、采样周期不一致、数据传输时延等都会造成时间不同步,而时间误差对位置和速度测量信息会带来很大的影响。本文分析时间误差在深空测角测速组合导航系统位置估计和速度估计中的作用机理,研究基于内插外推方法的时间配准方法,实现了测角敏感器与测速敏感器量测信息的同步。数学仿真结果表明,内插外推时间配准算法可有效抑制时间误差,提高深空测角测速组合导航系统导航精度。     

网络瞄准中的异步传感器空间配准算法

针对现有异步空间配准算法在目标机动时无法准确估计传感器系统误差的问题,研究了一种基于内插外推时间配准的异步传感器空间配准算法.该算法首先采用内插外推时间配准算法实现两传感器的数据同步,随后根据时间配准结果构建伪量测方程.不同于其他文献根据目标状态向量和时间差求解加权系数,从而构造与目标运动状态无关的伪量测方程的方法,该算法的伪量测方程构建过程与目标状态向量无关,且可以证明由时间配准结果构造的伪量测也与目标状态无关.因此该算法可有效解决目标机动条件下的异步传感器空间配准问题.仿真实验验证了该算法在目标作蛇形机动的条件下仍然可准确地对传感器的系统误差进行估计.     

基于ICP的稳态部分可辨编队目标精细跟踪算法

针对稳态编队在部分可辨条件下精细跟踪的难题,提出了一种基于迭代就近点(ICP)的稳态部分可辨编队精细跟踪算法。首先将ICP算法思想应用于编队成员拓扑的点航关联中,将k时刻的位置状态估计通过最近点循环迭代逼近k+1时刻的量测,在关联判决时采用双门限原则应对部分可辨所带来的漏观测问题,以提高关联时的容错性能;进而采用概率最近邻对漏观测航迹进行填补,以进一步保证跟踪的可靠性;最后,采用多模型法实现编队成员航迹滤波更新,以保证航迹的跟踪滤波精度。仿真结果表明,与现有的基于模版匹配的编队目标跟踪算法以及经典的多假设多目标跟踪算法相比,该算法具有较高的跟踪可靠性与精度,且在编队拓扑发生缓慢变化时具有更高的正确跟踪率。     

基于半实物仿真的地磁导航等值线匹配算法评估

影响地磁导航匹配算法性能的因素很多,而现阶段算法的评估完全依靠计算机仿真,其可信性有待进一步验证.以等值线(ICCP)算法为研究对象,首先从理论上分析影响算法性能的因素;然后搭建了地磁匹配导航半实物仿真系统,通过引入磁场仿真环境和磁传感器,提高了仿真的可信度;最后从测量噪声、匹配长度、匹配区域和惯导误差4个方面对ICCP 匹配算法的性能进行半实物仿真试验分析.仿真结果表明,通过半实物仿真试验可以对算法的抗干扰性、算法匹配长度的确定、匹配区域的选择以及惯导误差的影响做出有效评估,从而推动地磁匹配导航及匹配算法的工程化进程.      

ICCP中单纯形优化的误匹配检测

在迭代最近等值点ICCP(Iterative Closest Contour Point)算法的地形辅助导航中,利用单纯形优化方法实现对最优航迹的估计,但在匹配中往往得到的只是局部最优解,导致误匹配发生,严重时导致匹配发散.以ICCP算法为研究对象,研究并建立了ICCP方法的误匹配判断准则,以减小误匹配误差的影响和提高匹配精度.利用概率数据关联建立ICCP算法的误匹配判断准则,仿真结果表明,与无误匹配方法匹配结果相比,提高了其收敛性和精度;与 M/N 方法相比,降低了误匹配概率的30%,提高了导航的精度和算法的稳定性.     

基于多假设跟踪的散射点关联和三维重构方法

针对雷达目标在未知视角下一维散射中心关联存在的问题,提出了一种基于散射强度信息辅助的多假设跟踪(MHT)散射点关联方法,采用散射点幅度信息辅助实现对目标散射点的有效关联,对关联后的数据采用序贯因式分解的方法实现了目标的三维重构。仿真实验表明,该方法简单、成像效果稳定,通过对关联过程中的假设更新和管理可有效剔除目标运动过程中产生的虚假散射点,适用于目标在多个姿态下多个散射点的关联和三维重构,具有较高的鲁棒性。      

基于三维点云重建的助推器位姿估计

助推器分离是运载火箭发射过程中的关键动作之一,常用的激光雷达姿态测量技术在助推器分离阶段受外界干扰严重,难以准确获得位姿。基于视觉的助推器位姿变化测量技术具有优秀的抗干扰能力,通过搭建三维点云重建网络,以图像为输入,三维点云为输出,在构建的助推器分离过程的图像 点云数据上进行了训练和测试,对测试重建的助推器点云使用主成分分析的方法完成了位姿的估算。测试结果表明,所建立的三维点云重建网络可以根据仿真图像数据,精确测量助推器分离阶段的位姿变化,在R2score指标下,对三维坐标的预测分数均在0.98以上,姿态角平均误差约为21°,预测分数则均在0.80以上。     

一种自由曲面视觉测量三维数据拼接方法

提出一种利用标志点构建全局测量控制点的视觉测量三维数据拼接方法.在被测自由曲面上粘贴标志点,并在被测区域放置基线尺,采用1台数码相机在不同视点拍摄标记点和基线尺图像,由此求解数码相机在不同视点的坐标系变换关系.在此基础上,根据立体视觉模型确定标志点三维坐标,转换到全局坐标系下,形成全局测量控制点.视觉传感器在不同位置对各局部区域进行三维扫描,获得局部区域内标志点在局部测量坐标系下的坐标,通过至少3个非共线标志点解算局部坐标系到全局坐标系的变换,从而将实现局部三维数据的拼接.该方法操作简便,适合现场使用.实验结果表明, x,y,z 坐标的拼接误差分别为0.03mm,0.02mm,0.07mm.     

基于扩展卡尔曼滤波的舰机相对位姿估测

通过将基于扩展卡尔曼滤波的长序列图像分析方法与单目视觉技术相结合,把无人机自主着舰视觉导引中舰机间相对位姿的估测,转化为机载摄像机对着舰靶标平面3D位姿的实时估测问题.首先根据透视投影理论,建立了以摄像机的透镜中心为原点且Z轴与光轴重合的摄像机坐标系和世界坐标系,然后利用机载摄像机连续拍摄的靶标图像序列,选择描述相对运动的3个欧拉角、平移向量及它们的速度作为状态变量;由靶标角点的提取和帧间匹配,建立了反映着舰靶标上特征点的图像坐标和状态变量之间关系的观测方程,带入扩展卡尔曼滤波器,估测出舰机的相对运动参数.计算机数据仿真和基于DSP平台的半实物仿真试验验证了算法的有效性和鲁棒性.      

基于三维光场的静态场景前景分割

为解决复杂场景中的前景提取问题提出一种基于三维光场分析的静态场景前景分割方法.首先,通过在一条直线等间距的不同视点上拍摄场景的序列图像构建密集采样的三维光场.其次,用线段检测(LSD)直线检测算法从对极平面图(EPI)中分析提取出场景边缘及其深度信息.借助分段三次Hermite多项式(PCHIP)快速插值算法恢复整个场景的深度信息.最终,通过阈值法实现对不同深度的前景物体的分割.初步实验结果表明,本方法能够较准确地恢复场景中多个物体之间的空间关系,前景分割结果较好地克服了现有基于区域聚类和数学形态学等方法在复杂场景应用中存在的过分割问题.