9篇关于特征匹配的计算机毕业论文

今天分享的是关于特征匹配的9篇计算机毕业论文范文, 如果你的论文涉及到特征匹配等主题,本文能够帮助到你

多媒体引导辅助装配教学平台关键技术研究

这是一篇关于辅助装配,深度学习,增强现实,特征匹配,人机交互的论文, 主要内容为模具实验课程是机械专业的重要课程,可以帮助高校学生培养实践技能以及分析和解决问题的能力,促使他们完成模具结构的设计和装配。但高校教学还保留了较原始的教学方式,实验课课时有限导致学生无法快速理解专业知识,更无法对所学知识进行实际运用。同时装配指导手册需要操作人员有一定的先验知识支撑,不利于学生对相关装配步骤的学习。随着增强现实技术的发展,将增强现实融入模具装配实验教学过程,智能化的实验课教学能够帮助学生更加直观和深入地了解知识点,提高学习效率增强课堂趣味性。本文针对传统模具装配实验课教学方法的缺陷,对多媒体引导辅助装配教学平台进行开发。首先对增强现实技术、信息可视化技术与人机交互技术进行研究,其次将关键技术进行集成搭建总体框架,最后根据框架分类设计了多媒体引导辅助装配教学平台系统,实现装配现场与引导信息相结合,辅助学生熟练掌握课程内容。本文研究内容如下:(1)对传统拆装实验教学存在的问题进行了分析,针对传统教学存在的问题以及实际操作过程中的需求规划了多媒体引导辅助装配教学平台的整体架构,明确了本文的研究要点以及关键支撑技术,划分了本平台的主要功能模块,介绍了平台系统实现的具体流程。最后,搭建了多媒体引导辅助装配教学系统硬件系统,并对硬件系统的主要模块的选型依据进行了阐述。(2)根据视觉模块相对位姿固定不动的特点以及现场环境决定的标定需求对相机-投影仪-桌面装配现场位姿注册技术进行研究,首先提出了基于改进优化算法的相机标定方法对相机标定获得的内部参数及畸变参数进行优化,其次将相机和投影仪看成双目模型使用基于张氏标定法的投影仪标定方法完成投影仪的标定,最后使用暗环境下改进的ORB特征识别和匹配算法对装配现场进行位姿注册。关键技术间的互相组合实现了相机-投影仪-桌面装配现场的数据联合。(3)根据平台引导信息形式多样且数量较多的特点,首先对引导信息管理进行研究提出了基于XML文件的信息管理模型,将装配平台中用到的各种文本、视频、音频等可视化信息以及实验模型零件树进行统一管理;其次,针对动态引导信息的投放需求建立了投影仪反向投影模型用来展示三维引导信息,并引入冯氏光照模型对三维引导信息进行渲染增强三维引导信息的真实性。最后,根据系统操作需求提出了基于CNN-LSTM改进的人机交互识别方法并辅以Media Pipe框架实现了系统对手势语义以及头部位置的识别,实现了隔空的信息更迭以及三维引导信息的优化。(4)集成所有的关键技术,对多媒体引导辅助装配教学平台系统进行开发;使用集成式开发工具VS2017根据系统总架构设计了软件界面,实现多媒体引导辅助装配操作;在此基础上以铝片落料模具为例介绍了ASSIP系统的操作流程,对功能模块中个技术要点进行阐述与验证。

基于双目视觉的无人车路障检测与识别研究

这是一篇关于双目视觉,相机标定,路障检测识别,特征匹配,双目测距的论文, 主要内容为随着社会经济与汽车制造业的不断发展,国内汽车保有量逐渐增加,人们的交通更加便利,但频繁的交通事故也随之而来。为减少行驶车辆碰撞事故的发生,具备环境感知能力的无人车辅助驾驶系统已成为目前汽车技术的发展方向。前方路障检测与识别技术是无人车环境感知系统的重要部分,利用双目视觉技术对路障进行检测是目前的研究热点。因此,本文基于双目视觉对车前方道路上的常见障碍物(如车辆和行人)进行检测与识别研究,主要包含以下内容:(1)分析双目视觉相关理论,完成双目相机标定实验。研究双目视觉领域中的四种基本坐标系及各坐标系之间的转换,分析相机线性与非线性的两种成像模型和基于平行双目视觉模型的测距原理。通过MATALB标定工具箱结合双目相机采集的多组标定板图像进行标定实验,获得路障测距所需的相机参数。(2)提出一种基于Mobile Net-YOLOv4的路障检测识别算法。针对YOLOv4庞大的网络参数量和模型体积而难以在设备上实时运行的问题,本文以Mobile Net为主干特征提取网络,将深度可分离卷积融入到YOLOv4的路径聚合网络与预测网络中,大幅度提升检测速度。同时为改善网络对路障尺度变化的适应能力,在预测网络前构建与不同尺度特点相适应的特征增强模块,提高了路障检测精度。通过实验证明,改进后的算法能较快地识别出路障,并提供较为准确的路障位置信息。(3)提出一种基于ORB的双目视觉路障测距算法。预先对相机采集的路障图像进行灰度化与滤波处理,并通过Open CV结合相机标定参数来校正双目图像,使其共面行对准。针对传统ORB算法存在大量误匹配的问题,本文利用路障检测提供的位置信息建立感兴趣区域,然后通过RANSAC算法以及阈值约束来优化ORB匹配算法,以获取对路障更具有代表性的视差信息,最后结合双目测距原理计算路障距离。经过实验验证,优化后的测距算法在改善测距精度的同时拥有较高的实时性。通过试验平台对实际道路场景下的行人、汽车、自行车、公交车和电动车五类常见障碍物进行多组不同距离的识别与测距试验,验证了本文的检测识别与测距算法在有效工作距离内,能基本满足对车前方路障的检测精度与实时性要求。

基于卷积神经网络的线特征描述方法研究

这是一篇关于特征匹配,点特征描述子,线特征描述子,大规模数据集,卷积神经网络的论文, 主要内容为图像匹配是计算机视觉中的一个重要研究方向,现有的数字图像匹配方法大致可以分为两种:第一种是基于灰度信息的匹配方法,第二种是基于特征的匹配方法。基于特征的匹配方法一直是计算机视觉领域中很多应用的关键技术,包含点匹配、线匹配等。在基于特征的图像匹配中,线特征比点特征包含更多的结构信息,并且在人造对象和环境(例如城市建筑物和道路)中,线特征大量存在。但由于提取的直线经常出现断裂、不完整等情况,与点特征描述方法相比,线特征描述方法进展缓慢。传统经验驱动的手工设计方法由于参数确定困难、设计思路受研究人员对事物的认知限制等原因,其性能进入瓶颈期,而且针对复杂条件下的图像匹配问题,这类方法往往无法取得令人满意的结果。借助深度学习强大的建模和表征能力,点特征描述方法取得长足的进步。基于学习的点特征描述方法具有数据驱动的良好特性,且设计方便,为线特征描述方法提供了新的思路。鉴于点特征描述研究较为成熟,本文将点特征描述方法的思想运用到线特征描述研究中,提出通过卷积神经网络学习出具有鲁棒性的线特征描述子,创新之处体现在以下三个方面:(1)构建适用于卷积神经网络学习的大规模HPU直线数据集。通过从网上下载以及外出拍摄,收集大量的图像,将同一场景但具有不同图像变换的图像两两一组,构建大量的图像对。使用Canny算法检测图像中的直线信息,使用现有的线特征匹配算法对图像对中的直线进行匹配,经过人工挑错,获得图像对中的正确匹配直线对,对这些匹配直线对的信息进行保存,得到直线特征数据集。(2)提出基于均值标准差块学习的线特征描述方法。提取直线上所有点的支撑区域,统计这些支撑区域的均值和标准差,获得唯一表示该直线的均值和标准差图像块。将标记过的图像块输入卷积神经网络,利用网络提取图像块的特征,反向传播中通过最大化最接近正样本的匹配线和非匹配线之间的距离更新网络参数,最终输出直线特征描述子。通过计算支撑区域的统计信息,解决了直线长短不一难于统一描述的问题,同时消除了支撑区域内的冗余像素信息,提高了算法的执行效率。实验结果证明基于均值标准差块学习的线特征描述方法性能优于手工设计算法,且在尺度、视角等图像变换中的性能尤为突出。(3)提出基于局部图像块学习的线特征描述方法。首先直接提取图像中直线特征周围的邻域信息,得到直线特征的局部图像块,并利用线性插值方法将其尺寸归一化为固定大小。然后利用Hard Net的网络架构进行特征提取,同时选用三元组损失函数以及随机梯度下降对网络进行训练,更新参数,以输出所需的线特征描述子,实现可靠的线匹配。通过提取直线周围的图像信息,较好地保留了直线特征的信息。实验结果表明,基于局部图像块学习的线特征描述算法明显优于传统的手工描述子,显示了数据驱动的网络学习方法在线特征描述方面的巨大潜力。

基于图像和文本的多模态商品匹配研究

这是一篇关于深度残差神经网络,Arcface损失,多模态,邻域混合,特征匹配的论文, 主要内容为随着互联网时代的高速发展,人们越来越倾向于在网上购买所需商品,线上购物给客户提供了更加丰富的商品选择和更加便捷的购物体验。在互联网电商发展愈加成熟、规范的背景下,各电商平台之间竞争也愈发激烈,电商平台迫切地需要提升服务效率和质量,以提升客户的购物体验,增加自身的竞争的优势。在商品推荐、比价等场景下,电商平台需要建立一套高效精准的商品匹配系统。商品信息往往具有多源模态,通过融合多源数据,可以提升商品匹配模型的精确度,本文构建了一个基于图像和文本的商品匹配模型,实现了较为精准高效的商品匹配,主要研究内容如下:1、构建了一套商品匹配系统,此系统主要分为特征提取和商品匹配两部分,特征提取部分中,主要使用了 ResNet18模型和Bert模型,并对模型的参数进行了微调,商品匹配部分主要使用了最近邻匹配的方法。2、针对商品匹配系统面对的数据集是开放的问题,在特征提取模型微调时使用了研究人员在人脸识别问题上遇到的相似问题所采用Arcface损失函数,显著提升了提取特征的类内紧密性,在与Softmax对比实验中将商品匹配的F1得分提高了 0.075。3、提出一种文本特征距离和图像特征距离的综合距离计算公式,在兼顾两个特征的距离之和的同时,对更为突出的距离特征优先进行匹配。采用一种商品特征匹配的邻域混合方法,该方法同时使用自身和邻域节点的特征信息,拓展了查询特征的能力,使匹配的商品特征向量更加全面。同时利用邻域节点的特征信息改变自身的商品特征向量,使得自身特征向量更加趋向于类内中心,提高了匹配精度。实验结果表明使用该方法进行特征匹配与不使用该方法相比,F1得分提高了 0.044。本文针对商品匹配的实际问题,在特征提取模型选择、损失函数、距离计算和匹配方式等方面进行优化创新,提升了模型效果,实现了较为精准高效的商品匹配。

基于图像和文本的多模态商品匹配研究

基于匹配优化的单目ORB-SLAM的移动端增强现实系统的设计与实现

这是一篇关于增强现实,即时定位与地图构建,特征匹配,安卓的论文, 主要内容为近年来短视频行业发展迅速,用户对于趣味化、个性化的短视频作品的需求也日益增长,为了进一步加快高品质短视频作品产出,短视频+新兴技术的应用形式逐渐获得关注,其中短视频和增强现实技术的结合正发展得如火如荼。为了充分发挥AR虚实结合以及交互能力价值,需要基于内容更丰富的现实环境来产出AR交互短视频作品,其中底层关键技术是基于特征点法的ORB-SLAM技术。为了方便用户直接使用移动端创作AR交互短视频,需要将ORB-SLAM移植到移动端以提供底层定位跟踪能力。然而对于特征点法的ORB-SLAM,特征匹配是影响整体计算耗时和位姿跟踪效果的关键,因此为了让ORB-SLAM更好地适配移动端,研究的重点放在特征匹配部分。本文首先对ORB-SLAM关键环节中的特征匹配部分进行分析,设计有针对性的特征匹配优化方案。其中,针对ORB-SLAM单目初始化、参考关键帧跟踪环节中原有匹配方法效率低、正确匹配数量少等问题,本文引入GMS特征匹配过滤器来实现高效剔除错误匹配,保留更多正确匹配,提高运行成功率。针对ORB-SLAM重定位环节中原有RANSAC算法采样效率低、多次迭代耗时长的问题,本文提出了基于质量评价函数的半随机采样RANSAC算法框架,有效降低了模型求解过程中的迭代次数,减少计算开销,提升重定位成功速度。从整体来看,这两项特征匹配优化最终提升了整体轨迹跟踪精度,保证位姿跟踪的精确性,同时保持了实时性和鲁棒性。本文将经过特征匹配优化后的单目ORB-SLAM移植到Android移动端,搭建底层位姿跟踪能力,设计并实现了一个增强现实系统——AR相机,实现了基础相机功能以及基于现实场景的增强现实功能,可以实时展示基于现实场景的AR渲染交互效果,提高了增强现实领域短视频创作的效率。系统的功能测试和性能测试结果证明了系统各项功能运行正常,系统性能满足需求。