公开(公告)号：CN112085117B

公开(公告)日：2022-08-30

申请号：CN202010976289.6

申请日：2020-09-16

Applicant: 北京邮电大学

Inventor： 王松 ,  胡燕祝 ,  李家乐

IPC: G06V10/80 ,  G06V10/74 ,  G06V10/75 ,  G06V10/46

Abstract: 本发明涉及基于MTLBP‑Li‑KAZE‑R‑RANSAC的机器人运动监测视觉信息融合方法，是一种对国防军事和民用领域机器人运动监测的的分布式视觉信息融合的方法，属于目标跟踪领域，其特征在于采用如下步骤：(1)确定中心元素LBP值；(2)确定每一子区域内的8维描述向量；(3)计算两个描述向量之间的近似欧式距离；(4)进行图像的匹配点对，确定图像间投影变换的参数矩阵；(5)对剩下的特征点对进行dv操作；(6)确定采样迭代次数；(7)确定似然比；(8)确定最佳阈值。本发明相较于传统的识别方法有着高精度、高效率、低延时的特点，大大提高目标识别的速度。对于错误数据的识别和剔除有着较为准确的判断，提高精确信息的置信度，获得更准确的识别结果。

公开(公告)号：CN112085117A

公开(公告)日：2020-12-15

申请号：CN202010976289.6

申请日：2020-09-16

Applicant: 北京邮电大学

Inventor： 王松 ,  胡燕祝 ,  李家乐

IPC: G06K9/62

Abstract: 本发明涉及基于MTLBP‑Li‑KAZE‑R‑RANSAC的机器人运动监测视觉信息融合方法，是一种对国防军事和民用领域机器人运动监测的的分布式视觉信息融合的方法，属于目标跟踪领域，其特征在于采用如下步骤：(1)确定中心元素LBP值；(2)确定每一子区域内的8维描述向量；(3)计算两个描述向量之间的近似欧式距离；(4)进行图像的匹配点对，确定图像间投影变换的参数矩阵；(5)对剩下的特征点对进行dv操作；(6)确定采样迭代次数；(7)确定似然比；(8)确定最佳阈值。本发明相较于传统的识别方法有着高精度、高效率、低延时的特点，大大提高目标识别的速度。对于错误数据的识别和剔除有着较为准确的判断，提高精确信息的置信度，获得更准确的识别结果。