导读:本文包含了全局特征点论文开题报告文献综述及选题提纲参考文献，主要关键词:点云配准,特征点提取,FGR算法,ICP
全局特征点论文文献综述
杨志华,张云生[1]（2018）在《一种基于特征点的地面激光点云全局配准方法》一文中研究指出针对当前地面激光扫描(TLS)点云配准自动化程度低且耗时的问题,本文提出一种基于特征点和改进FGR(fast global registration)算法的TLS点云全局配准方法。该方法一共分为叁步:首先对点云进行粗差剔除和降采样;然后提取Do G(Difference-of-Gaussian)特征点和进行FPFH(fast point feature histogram)描述,进而进行双向一致性匹配;最后使用FGR算法进行优化获得点云之间初始参数,结合标准ICP算法实现TLS点云的高精度配准。利用7站地面激光点云数据进行实验,结果表明本方法可以在保证配准精度的前提下获得较高的配准效率。(本文来源于《测绘与空间地理信息》期刊2018年04期）
邹彬,陆阳,钱钧,贺峻峰,李良福[2]（2017）在《基于图像全局矢量的特征点矢量提取方法》一文中研究指出针对传统二进制特征描述子提取算法复杂,鲁棒性较差等缺点,提出了一种具有一定全局参考性及鲁棒性的二进制特征矢量;首先,对输入的匹配图像求取其Harris特征点及其显着图;然后,将图像空间网格化,求取各网格中心,并按其对应网格的显着度进行排序,生成全局基准矢量;最后,将各个特征点与全局基准矢量进行比较,生成基于显着度加权的二进制特征矢量.实验结果表明,该算法提取的二进制特征在极大减少计算的同时,还具有良好的特征表征能力.(本文来源于《微电子学与计算机》期刊2017年01期）
卓丽媛,潘华伟,高春鸣,郭松睿[3]（2016）在《基于全局信息的人脸特征点精确定位》一文中研究指出空间中物理位置的线性变化在图像空间的变化往往是非线性的,人脸特征点定位受到头部姿态较大的影响。提出一种改进的基于头部姿态估计的条件回归森林方法,该方法有效地将原非线性问题转换为分段线性问题。使用局部保持投影(LPP)得到全局的姿态信息标签,通过非线性回归(NLR)得出头部姿态,训练并使用条件回归森林对全局特征条件下的人脸特征点进行一个精确定位。实验结果表明,该方法有效地降低了头部偏转等图像空间中的非线性变化引起的特征估计误差,提高了人脸特征点定位的精确度。(本文来源于《计算机工程与应用》期刊2016年17期）
武艳美,肖阳辉[4]（2011）在《基于特征点匹配的全局运动估计》一文中研究指出传统块匹配法只考虑平移运动,对大角度旋转无法进行有效估计。为此,根据圆形的旋转不变性,提出一种基于圆形块的匹配方法,提取圆投影矢量作为匹配特征,采用特征匹配的策略,得到当前块的运动矢量。为提高匹配效率,利用Harris算子检测特征点,获取特征点的运动矢量。通过局部运动矢量和刚体变换模型得到线性参数方程,并采用RANSAC算法进行求解,以获得全局运动参数。实验结果证明,该方法对较大的平移及旋转角度具有较强的适用性。(本文来源于《计算机工程》期刊2011年22期）
方辉,杨明,杨汝清[5]（2010）在《基于地面特征点匹配的无人驾驶车全局定位》一文中研究指出针对室外环境特点,设计将摄像机安装在车辆底部,提出一种基于地面特征点的地图匹配法以获取车辆定位信息.定位方法分为两步:(1)手动控制车辆在环境中运行,保存RTK(real-time kinematic)-GPS、里程计和摄像机等传感器数据,离线自动创建地面特征点地图,并利用一种特殊的地图组织方式来提高地图搜索和匹配效率;(2)利用地图匹配对车辆进行定位,其中采用一种基于M估计加权ICP(iterative closest point)算法的特征点对应和匹配参数求解方法,并进一步采用UKF(unscented Kalman filter)算法融合地图匹配和航位推算的结果以提高定位鲁棒性.实验结果表明了该方法的有效性.(本文来源于《机器人》期刊2010年01期）
贾倩倩,王伯雄,史辉,罗秀芝[6]（2009）在《基于特征点图像序列的多摄像机全局标定》一文中研究指出多摄像机的全局标定是影响视觉测量系统精度的关键。为了降低标定过程中多次坐标变换而引起的误差,本文提出了一种基于特征点图像序列的多CCD摄像机的全局标定方法,通过时间脉冲同步,在液晶显示屏靶标上显示一系列含有特征点的图像序列的同时,多个CCD进行拍摄,对用于显示的特征图像和CCD拍摄得到的图像进行处理和计算,即可对多个摄像机进行全局标定。该方法只需一次坐标变换,克服了常规方法下特征点难以被所有摄像机全部拍到的困难,用标定结果进行叁角测量,最大绝对误差为0.08mm,证明了标定方法的精确性。(本文来源于《清华大学学报(自然科学版)》期刊2009年05期）
贾倩倩,王伯雄,史辉,罗秀芝[7]（2009）在《基于特征点图像序列的多摄像机全局标定》一文中研究指出多摄像机的全局标定是影响视觉测量系统精度的关键。为了降低标定过程中多次坐标变换而引起的误差,本文提出了一种基于特征点图像序列的多CCD摄像机的全局标定方法,通过时间脉冲同步,在液晶显示屏靶标上显示一系列含有特征点的图像序列的同时,多个CCD进行拍摄,对用于显示的特征图像和CCD拍摄得到的图像进行处理和计算,即可对多个摄像机进行全局标定。该方法只需一次坐标变换,克服了常规方法下特征点难以被所有摄像机全部拍到的困难,用标定结果进行叁角测量,最大绝对误差为0.08mm,证明了标定方法的精确性。(本文来源于《清华大学学报(自然科学版)网络.预览》期刊2009年05期）
王薇[8]（2007）在《基于动态规划的全局运动特征点提取》一文中研究指出准确提取全局运动特征点是MPEG-4中Sprite编码的关键。针对全局运动特征点提取的计算代价高,精度低,容易陷入局部极值等方面的缺陷,提出了一种新型的基于动态规划的全局运动特征点提取方法,能够有效抑制噪声影响,减少冗余点数,从而大大提高全局运动估计的效率,使全局运动估计在实时应用中成为可能。(本文来源于《河北省科学院学报》期刊2007年01期）
彭晶[9]（2005）在《基于全局特征点提取的指纹识别方法研究》一文中研究指出生物识别技术是借助人体自身的不可复制的生物特性来进行个体识别的技术。相对于人脸和视网膜识别等其他生物识别技术,自动指纹识别技术是一种更实用、更理想的身份识别技术。本文以活体指纹录入仪为指纹采集手段,以个人计算机作为处理平台,综合运用图像处理和模式识别技术,深入、系统地研究了指纹自动识别的理论和技术,并且详细的探讨了指纹图像预处理过程的实现,提出了一种改进的指纹图像全局特征点的提取方法。并在此基层上完成了指纹分类算法,提出并建立了基于全局特征的指纹识别方法。主要研究工作如下:(1)以计算机和活体指纹录入仪为基础,建立了自动指纹识别系统的硬件环境。(2)研究了自动生物识别系统的设计原则,从工作模式、系统组成、结构原型和算法流程等方面完成了验证式自动指纹识别系统的总体设计。(3)研究了指纹图像预处理技术。针对指纹图像方向信息的提取问题,实现了方向图调整法和基于指纹灰度图像快速提取指纹图像方向信息的算法,对这两种方法的提取效果进行了实验分析和比较。(4)有效实现了指纹图像的二值阈值分割,实现了整体阈值、KSW 熵值、模糊法、局部阈值等二值化算法。(5)实现并比较了Hilditch 细化、快速细化和模板细化叁种细化算法,讨论了指纹细节特征的提取方法;并针对对指纹图像进行彻底的细化和完全修复技术难度大、时间消耗多的问题讨论了基于非彻底细化图像的指纹细节特征提取方法。(6)深入研究了指纹匹配算法。将指纹的全局特征点引入匹配过程,解决基于几何特征的点模式匹配方法时间复杂度较高的问题。该方法通过全局特征点的计算和基于曲线拟合技术寻找参考点进行模板指纹和待识指纹图像的归一化校准,对模板图像和待识图像进行旋转和平移,进而进行特征点模式匹配。实验结果证明,该方法能够较快速地进行指纹匹配。(本文来源于《吉林大学》期刊2005-04-30）
贺玉文,杨士强,钟玉琢[10]（2001）在《全局运动估计中特征点选取和鲁棒性分析》一文中研究指出文中研究了全局运动估计中的关键问题 ,提出全局运动估计中有关特征点选取和计算中的鲁棒性分析等问题的解决方法 ,提高了全局运动估计计算的整体性能 .全局运动估计用途非常广泛 ,如它可以应用于 sprite编码、基于运动分割、虚拟现实和全景图生成等领域中 .但是由于全局运动估计计算量大 ,噪声多等因素使得它很难在实时应用中使用 .为了使计算速度和估计精度能够很好结合 ,文中提出了适合全局运动估计的特征点选取准则和鲁棒性分析方法 ,选取特征点进行计算可以减少计算量 ,提高运算速度 ;而在计算中引入鲁棒性分析方法可以抑制噪声影响 ,保证计算精度 ,因此这两者的结合就可以很好地解决快速全局运动估计问题 .从实验结果来看该文方法是有效的 ,对全局运动估计的改进是明显的 ,速度提高而精度也可以得到保证 .(本文来源于《计算机学报》期刊2001年03期）
全局特征点论文开题报告
（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：
针对传统二进制特征描述子提取算法复杂,鲁棒性较差等缺点,提出了一种具有一定全局参考性及鲁棒性的二进制特征矢量;首先,对输入的匹配图像求取其Harris特征点及其显着图;然后,将图像空间网格化,求取各网格中心,并按其对应网格的显着度进行排序,生成全局基准矢量;最后,将各个特征点与全局基准矢量进行比较,生成基于显着度加权的二进制特征矢量.实验结果表明,该算法提取的二进制特征在极大减少计算的同时,还具有良好的特征表征能力.
（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。
全局特征点论文参考文献
[1].杨志华,张云生.一种基于特征点的地面激光点云全局配准方法[J].测绘与空间地理信息.2018
[2].邹彬,陆阳,钱钧,贺峻峰,李良福.基于图像全局矢量的特征点矢量提取方法[J].微电子学与计算机.2017
[3].卓丽媛,潘华伟,高春鸣,郭松睿.基于全局信息的人脸特征点精确定位[J].计算机工程与应用.2016
[4].武艳美,肖阳辉.基于特征点匹配的全局运动估计[J].计算机工程.2011
[5].方辉,杨明,杨汝清.基于地面特征点匹配的无人驾驶车全局定位[J].机器人.2010
[6].贾倩倩,王伯雄,史辉,罗秀芝.基于特征点图像序列的多摄像机全局标定[J].清华大学学报(自然科学版).2009
[7].贾倩倩,王伯雄,史辉,罗秀芝.基于特征点图像序列的多摄像机全局标定[J].清华大学学报(自然科学版)网络.预览.2009
[8].王薇.基于动态规划的全局运动特征点提取[J].河北省科学院学报.2007
[9].彭晶.基于全局特征点提取的指纹识别方法研究[D].吉林大学.2005
[10].贺玉文,杨士强,钟玉琢.全局运动估计中特征点选取和鲁棒性分析[J].计算机学报.2001