导读:本文包含了特征点标定论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:特征,摄像机,知识库,机器人,法兰克福,在线,靶标。
特征点标定论文文献综述
来昊[1]（2018）在《计算机辅助颅骨特征点标定方法研究》一文中研究指出目前,叁维模型的特征点广泛应用于模型的检索、重建和配准中,相关特征点标定技术也是当下的研究热点。人类颅骨模型作为一种特殊的叁维模型,其表面的特征点标定工作是颅面复原中的关键一步,并且也开始逐渐应用于目前的刑侦、整形手术和失踪人口比对等行业中。但是,颅骨模型由于其自身结构的复杂性和特异性,以及颅骨特征点需要具有一定的生物或医学意义。因此,目前颅骨特征点的标定方法大多数以手工方式为主,这种方式人类主观性较强,其准确性依赖标定人员的经验知识,效率较低。针对颅骨模型特征点标定存在的这些问题,本文提出一种基于知识库的计算机辅助标定颅骨特征点的方法。主要工作进展如下:(1)人类颅骨知识库构建。首先,将颅骨模型进行参数化表示,生成特征描述符;然后针对人类颅骨上的特征点不能简单等同于一般叁维模型上的特征点这个问题,为每一个具有人类学意义的特征点生成特征点参数,形成二维特征点选择区域;最后建立人类颅骨知识库,包含颅骨标准化模型、特征描述符以及二维特征点选择区域。(2)提出一种根据颅骨几何特征进行相似性度量方法。基于对人类颅骨模型参数化的结果,分别从颅骨模型的体积、形状以及表面特征点间的欧式距离叁方面衡量不同颅骨模型之间的相似程度。实验结果表明,对于目标颅骨可以在颅骨库中找出与其最为相似的模板颅骨,并通过针对颅骨模型配准改进的ICP算法对检索结果进行了验证,其中目标颅骨与最相似的颅骨配准误差结果为最小的0.2164mm,证明了该相似性度量方法的有效性。(3)提出一种基于知识的人类颅骨特征点标定方法。首先,通过将待标定颅骨和模板颅骨在法兰克福坐标系下进行归一化和点对齐后,将模板颅骨上的标准特征点映射到待标定颅骨上,得到特征点的大致位置,实现特征点的粗标定;然后,利用K-D树保存颅骨模型的点云数据,通过k近邻点搜索得到粗标定特征点的k近邻点集;最后结合知识库中关于颅骨标准特征点的先验知识,即二维特征点选择区域,实现最终特征点位置的精确定位。实验结果表明,当k值取颅骨模型点云数据的顶点个数的2.1%~2.8%时,标定效果较好,最终特征点位置的平局误差在2~3 pixel。(本文来源于《西北大学》期刊2018-06-01）
来昊,周明全,刘晓宁,李康,耿国华[2]（2017）在《基于知识库的颅骨特征点标定》一文中研究指出提出一种基于知识库的叁维颅骨特征点标定方法。首先,对于待标定颅骨,在知识库中找到与其形态最为相似的模板颅骨。然后,在法兰克福坐标系下,将模板颅骨上的标准特征点映射到待标定颅骨上。最后,利用K-D树对最终特征点的位置优化、精确。实验证明,当k值在颅骨模型顶点个数的1.5%~2.1%时,标定效果较好。(本文来源于《西北大学学报(自然科学版)》期刊2017年05期）
张馨元[3]（2017）在《汽车形貌检测系统平面靶标标定与车身特征点重建方法》一文中研究指出近年来随着检测技术的不断发展,机器视觉逐渐成为提高汽车检测效率和保证汽车检测精度的关键技术。基于机器视觉的车辆形貌检测可为车辆超限超载的自动辨识、车型分类、整车尺寸参数检测、车辆信息的获取和重建等提供重要的研究依据,因此研究汽车形貌检测系统平面靶标标定与车身特征点重建方法,对实现汽车自动化检测、完善汽车性能检测项目、促进汽车检测技术的发展具有重要研究意义。针对汽车形貌检测光平面标定和特征点重建的研究现状,研究了一种基于二维靶标的汽车形貌检测系统激光平面优化标定方法。为提高激光光条提取精度,研究了一种基于RANSAC的投影光条的提取方法。根据空间叁维到图像二维的投影关系和标定的动态激光平面,利用Open CV和Open GL实现车身特征点的叁维重建。为了提高激光平面的标定精度,排除受光照等因素影响的野点,对由Hessian矩阵方法获得的靶标激光光条中心点集应用RANSAC方法,根据获得的内点提取具有较高精度的激光光条。选取光条中心点到拟合出的激光光条的平均距离作为评价指标,试验验证了RANSAC方法与最小二乘法的提取精度。为了重建车身叁维特征点,首先,研究了汽车形貌检测系统激光平面初值标定方法,建立了激光平面标定模型并分析了标定过程中模型参数的生成过程。利用平面靶标对摄像机的内外参数进行了标定,获得了投影平面和靶标平面在摄像机坐标系下的坐标,利用Plücker矩阵表示的光平面交线及奇异值分解法解算摄像机坐标下的激光平面初值。然后,采用最大似然估计法以参数化的投影平面坐标的重投影最小误差为优化目标,建立优化目标函数;采用Leve nberg-Marquard优化方法解算优化的激光平面坐标。通过激光平面重投影直线试验,完成了激光平面优化方法的有效性评价。最后,根据承载激光投线仪的直线运动系统的丝杠导程等解算了任意运动位置的激光平面坐标,利用图像中二维激光点与叁维激光点的投影关系及特征点在激光平面上的条件重建车身叁维特征点。通过Open CV和Open GL实现了从摄像机中获取图像、提取激光光条差分图像、识别激光光条中心,重建车身特征点叁维坐标及车身叁维特征点点云的显示等功能。完成了汽车车身形貌特征点重建试验,以激光投射基准尺特征点距离重建误差为评价指标,对重建方法进行了试验验证。(本文来源于《吉林大学》期刊2017-05-01）
王维[4]（2017）在《基于卷积神经网络的人脸检测与特征点标定算法研究》一文中研究指出随着数字图像技术和深度学习技术的飞速发展,利用深度学习算法进行数字图像领域的信息获取成为研究热点。而人脸作为有效的生物学特征,一直备受关注。本文着眼于利用深度学习领域里的卷积神经网络模型对人脸检测和特征点标定方法进行研究,并通过扩充训练样本、构建级联结构等方式提出了更加高效的人脸检测和特征点标定算法。本文的主要研究内容如下:(1)人脸检测算法研究。本文首先介绍了基于卷积神经网络(CNN)的人脸检测算法。为提升算法的鲁棒性,提出了一种训练样本扩充策略,使该算法对人脸姿态、遮挡和光照影响均具有较好的检测效果。针对图像金字塔模型中存在误检人脸的问题,将非极大值抑制算法引入“去重消错”机制,有效降低了误检率。针对该算法检测速度慢、误检率较高的问题,继而研究了级联卷积网络人脸检测算法,并使用Relu激活函数和Dropout随机正则化策略进行网络训练,不仅加快了网络的收敛速度,而且提高了泛化能力。(2)特征点标定算法研究。本文首先研究了基于卷积神经网络的特征点标定算法,并引入了局部权值共享策略。为进一步提升标定效果,提出了一种双层级联卷积网络用于由粗到精的特征点定位。在该模型中,首先利用样本扩充策略提升系统的鲁棒性;其次,在级联结构的第一层引入梯度特征,构建像素域和梯度域并联的网络模型,并将两者标定结果进行加权融合。实验表明,经改进的算法具有更低的标定误差,并对人脸受到姿态、表情、肤色、遮挡和光照影响等均具有较好的标定效果。(3)人脸检测和特征点标定软件设计与实现。以本文提出的人脸检测和特征点标定算法为基础,本文先从功能及软件构架角度设计了该软件,进而给出了人脸检测和特征点标定两个核心软件模块的主要实现细节,并利用标定结果对人脸姿态进行矫正,最后利用矫正后的人脸进行识别和分类。利用matlab实现了以上模块核心代码的编写,并利用GUI搭建软件界面进行交互显示。(本文来源于《东南大学》期刊2017-04-06）
杨其乐[5]（2017）在《面向视觉标定的图像特征点检测算法研究》一文中研究指出视觉的引入是机器人智能化的一个巨大飞跃,机器人视觉标定技术是实现机器人视觉伺服控制、引导机器人运动和测量的前提,由此可见机器人视觉标定对机器人完成相关动作至关重要。本文主要就摄像机视觉标定技术在机器人视觉引导方面进行研究,机器人视觉标定精度直接影响到视觉引导的准确性,而图像特征点检查精度又直接影响摄像机标定精度,因此重点研究了摄像机标定过程中图像特征点检查技术,本文的主要研究工作如下:1、从应用角度出发,提出了一种改进的Harris方格板角点检测算法。该算法综合运用了 Harris角点检测技术,并在保留了 Harris角点检测算法良好的可重复性和相对较高的检测效率的情况下使其精度和可重复性更高,同时很好的解决了相机内参数计算过程中:方格板图像的角点坐标和空间点相匹配这一难点问题,并有效的解决了原有Harris角点检测算法阈值的选取过度依赖的问题。2、提出了一种基于几何对称性并应用于椭圆阵列图像的圆心检测算法,该算法通过设定约束条件来限定搜索范围,避免出现漏检或相互混淆而影响检测的精度;同时有效的解决了标定板的标记点和图像特征点难以严格匹配的问题。3、寻求一种完全自动的圆心特征提取算法,达到降低机器人标定对工人的文化水平需求,从而降低企业成本的目的;并针对现有相关技术中同时对多个椭圆进行检测时出现精度不高和难以准确排序的问题,提出一种将最小二乘法应于椭圆阵列图像的椭圆拟合算法,该算法无需人机交互协同完成检测工作,全部自动完成提取,提取到的圆心特征点精度和匹配度相对较高,可重复性好。4、利用上述的叁种特征点提取算法利用平面标定法进行实验,计算出摄像机的内外参数,并进行对比分析;将标定数据写入机器人控制器,进行视觉抓取实验进一步验证标定算法的正确性。(本文来源于《昆明理工大学》期刊2017-04-01）
杨永[6]（2017）在《机器人单目视觉标定圆心靶标特征点几何求解》一文中研究指出针对机器人单目视觉标定圆心靶标特征点求取问题,利用射影变化公切线不变性,建立圆心靶标的特征点几何求解模型,并进行了精确求解,该模型理论上不存在模型误差;为了检验几何求解模型的精确性和稳定性,分别对机器人单目视觉坐标系下的圆心靶标圆心点和棋盘格靶标角点进行了叁维测量。实验结果表明:测量长度在300 mm内的最大相对误差小于1.5%,测量结果较精确;各点的距离平均绝对偏差均在0.2 mm左右,且无阶跃,该方法稳定。(本文来源于《机床与液压》期刊2017年05期）
潘慧,刘元坤,张启灿[7]（2016）在《摄像机标定中的特征点自动提取方法》一文中研究指出提出了一种在复杂背景下,无需人工干预、自动提取二维正弦标靶特征点的方法。以液晶显示器作为平面标靶,标定图像为正弦强度条纹。摄像机拍摄标定条纹图后,算法根据条纹调制度自动分离背景和有效条纹区域;先将水平和垂直相移条纹的截断相位进行相位展开,再将两个相位分布构造成新的二维正交条纹图,通过多项式拟合建立各相位分布与其像素坐标的关系,以正交条纹亮点(对应相位为2π)作为标定特征点,并对这些亮点进行定位操作,获取其对应的亚像素坐标;最后利用展开相位的级次与条纹周期信息自动计算出它们的世界坐标,用于后续的摄像机标定。与常用的二维棋盘格对比实验结果表明,该方法标定结果可靠,而且精度更高,最为关键的是,该方法无需人机交互的手动操作,自动易行,可在以二维正弦条纹为标靶的摄像机标定中推广应用。(本文来源于《光学与光电技术》期刊2016年02期）
陈康,吴开华[8]（2016）在《轮对在线检测中基于异面特征点的摄像机标定》一文中研究指出基于光截图像的轮对在线检测中,摄像机的标定技术直接影响轮对参数的检测精度。针对轮对在线检测环境,设计了一套摄像机标定系统。在该系统中,设计特制的平面标定板,将其竖直固定于轨道面不同位置,通过异面特征点实现了摄像机的标定。并利用摄像机标定软件实现了标定板图像采集,图像处理,特征点计算机图像坐标提取和摄像机内外部参数计算。实验结果表明,该标定系统的摄像机标定精度在0.1mm以内,可应用在轮对在线检测中。(本文来源于《光学仪器》期刊2016年01期）
洪磊,嵇保健,王玉国,凌超[9]（2016）在《改进的单特征点机器人手眼自标定方法》一文中研究指出针对手眼标定过程要求机器人运动次数过多的缺点,提出了一种改进的单特征点手眼自标定方法.引入手眼关系矩阵的解耦运算,分别标定手眼旋转矩阵和平移向量.运算过程无需计算特征点位置,操作过程仅需机器人末端有5次以上平移运动和2次以上旋转运动.实验与误差分析结果表明,所提方法满足工业机器人手眼视觉测量的需求.(本文来源于《北京邮电大学学报》期刊2016年01期）
鹿宏青,李锦涛[10]（2016）在《基于主动表观模型的人脸特征点自动标定》一文中研究指出主动表观模型是一种具有高精度和强鲁棒性的特征点标定算法。本文主要研究了主动表观模型在人脸图像特征点自动标定方向的应用,并通过MATLAB工具对目标人脸图像进行了特征点自动标定实验。实验结果证明主动表观模型是一种有效的特征点标定算法。(本文来源于《电子技术与软件工程》期刊2016年01期）
特征点标定论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
提出一种基于知识库的叁维颅骨特征点标定方法。首先,对于待标定颅骨,在知识库中找到与其形态最为相似的模板颅骨。然后,在法兰克福坐标系下,将模板颅骨上的标准特征点映射到待标定颅骨上。最后,利用K-D树对最终特征点的位置优化、精确。实验证明,当k值在颅骨模型顶点个数的1.5%~2.1%时,标定效果较好。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
特征点标定论文参考文献
[1].来昊.计算机辅助颅骨特征点标定方法研究[D].西北大学.2018
[2].来昊,周明全,刘晓宁,李康,耿国华.基于知识库的颅骨特征点标定[J].西北大学学报(自然科学版).2017
[3].张馨元.汽车形貌检测系统平面靶标标定与车身特征点重建方法[D].吉林大学.2017
[4].王维.基于卷积神经网络的人脸检测与特征点标定算法研究[D].东南大学.2017
[5].杨其乐.面向视觉标定的图像特征点检测算法研究[D].昆明理工大学.2017
[6].杨永.机器人单目视觉标定圆心靶标特征点几何求解[J].机床与液压.2017
[7].潘慧,刘元坤,张启灿.摄像机标定中的特征点自动提取方法[J].光学与光电技术.2016
[8].陈康,吴开华.轮对在线检测中基于异面特征点的摄像机标定[J].光学仪器.2016
[9].洪磊,嵇保健,王玉国,凌超.改进的单特征点机器人手眼自标定方法[J].北京邮电大学学报.2016
[10].鹿宏青,李锦涛.基于主动表观模型的人脸特征点自动标定[J].电子技术与软件工程.2016
论文知识图
