文摘

指定工艺生产所有复杂的文明的一个重要特点,和考古学家经常利用工艺专业化作为识别和区分元素研究政治的演变的复杂性。本研究旨在更好地实现现代工艺的设计产品,使用数字图像处理技术的组合和视觉传感系统。数字技术的影响,结合视觉传感系统面向产品设计研究和一种改进的快速匹配算法和旋转简短(ORB)特性是设计用于目标图像特征提取。为了验证算法的性能,不同的实验设计成就的净化效果,尺度不变性、旋转不变性,和计算时间。结果表明,相应的性能精度连续净化后使用角约束方法是99.6%,99.3%,和99.7%,分别明显高于单个动作的准确性。此外,旋转角的误差的绝对值衡量匹配算法改进的ORB特性是平均0.14°。结果表明,改进的ORB功能匹配算法具有较高的匹配精度。该算法提高了目标图像特征提取的准确性,在图像识别具有重要意义。

1。介绍

考古学家所使用的生产工艺是一个术语指一组商品的制造,包括陶器、石器和装饰品,篮子,纺织品,金属物体。然而,工艺有很多这个词的含义和类别工艺不完全明确定义(1]。工艺品是区别于其他两个类别的noncomestible对象:艺术和工业产品。艺术是已知的工作个人的作品评估他们的创意或天才。工业产品是一种批量生产的项目,是机器生产的,而不是用手。工艺生产仍在世界各地执行时是可靠和有效的方法来创建家具、橱柜、和其他木工技能(2]。

随着行业的发展,使用的水和蒸汽自动化行业被淘汰,取而代之的是电子和信息技术,已导致大量增加自动化控制(3]。数字图像处理和三维印刷技术已经进化,以应对当前的趋势个性化的定制,实现货物远离生产线,质量,甚至被称为行业4.0的标志。信息技术的快速发展使得数以亿计的人能够创建海量数据通过各种数字设备,包括非结构化、半结构式,结构化数据。图像语义特征提取从图片中提取多维语义信息使用计算机模型来帮助人们理解他们(4]。

随着数字技术的发展,视觉传感技术和信息技术,视觉传感技术被广泛用于设计工艺产品。使用数字技术工艺品的设计可以提高效率和美学可以增强。数字技术,如3 d图像在视觉传感技术中扮演着重要角色,和三维图像逐渐成为一个常见的应用程序在设计工艺产品5]。室内软装饰设计前的工艺产品,必须了解布局来确定具体的装饰方案,各种类型的软装饰。然而,不同的软装饰物品放置方案必须从多个方面评价等功能,视觉效果,并占领区域,通常需要一个高级技术人员花费大量的时间才能完成,导致长时间的处理时间。数字技术可用于模型的布局,功能和视觉效果的不同工艺产品生产前(6]。

近年来,许多学者也进行了不同程度的探索,取得了令人满意的研究成果。在这个阶段,最常用的是三维图像视觉传达系统使用视觉交互技术(7]。刘等人。8)调查的影响打印机设计和打印设置3 d印刷产品的质量和开发的策略提高3 d实体层表面平滑的印刷产品。周(9)使用现有的大数据和3 d技术进行深入分析的快速设计系统的优化工艺机盐烤。基于生成的一个实例级图像检索方法对抗网络建议(10),有对抗性的培训在检索过程中。改进的生成器和鉴频器来生成类似的图像检索和识别不同的图像的检索。威尔逊(11)检查所发生的一些变化在一些历史和现代牙买加工艺和设计流程。连接牙买加的多样化的努力一直在进行工艺设计,特别是国家的传统技能和材料,有更多的当代设计。徐et al。12)工作日后健壮的特性(冲浪)算法来提取稳定特性,匹配错误率高,失去正确的匹配信息匹配和净化的过程。从特征提取和特征匹配是提高。实验结果表明,改进算法比原算法在特征点的数量方面,稳定,和最终的匹配精度。王等人。13)使用一个粗略的注册方法使用筛选功能点深度地图,使用一个优化的双向匹配算法,匹配的特征点对纯化。实验结果表明,曲率之间的前部和侧人体千差万别。当重叠面积小,脸登记可以更准确地执行,完成建模可以执行。

今后更好的提取图像特征,本研究提出了一种改进的ORB功能匹配算法通过使用多个约束。验证该算法的性能比较实验和目标图像特征提取的准确性明显提高。提出的改进的ORB算法具有潜在的应用在现代工艺设计产品。

其余的手稿命令如下:部分2概述了数字技术和视觉传感的应用在工艺美术设计。部分3是结果与讨论部分中给出的结论是4。

2。数字技术的影响对产品设计和视觉传感系统

结合数字技术和视觉传感系统使用在现代工艺产品设计是当前研究的一个新的方向(14]。在正常情况下,现代工艺产品设计包括三个阶段,概念阶段,设计阶段,工程阶段。

2.1。概念阶段

一个概念的形成是一个合成和变换的信息和经验。信息变得更加开放和公平由于信息技术的快速发展,以及信息资源的报道变得越来越具有可比性。由于接受者的不同文化背景,新的互动模式可以通过数字工具和方法,建立和思考和行为的变化可以探索通过在线资源。在这个阶段,产品特点可以提前确定,可以调整生产规模,和最合适的产品概念设计。这个阶段似乎很简单这个阶段有助于确定产品的性质,生产方法,应用的范围。数字技术的应用可以使工作在这个阶段更容易也更可行。使用互联网的信息流通、数字计算、存储、和其他资源,产品市场的总体形势可以理解从设计,生产,和销售阶段的第一次。它对产品设计和生产奠定了坚实的基础。这个阶段还包括设计提高产品的形象,产品的设计使用需求预测的全生命周期设计,等等。因为这种技术的优点是结构简单,使用方便,和长时间存储所有的设计方案都需要依靠数字技术,主要依靠数字信息存储技术(15]。

2.2。设计阶段

设计阶段是绘制设计草图和模型。数字技术在这个舞台上扮演着重要的角色。数字技术的推广形式的选择和对信息的依赖。虽然不同的产品中使用的工具和方法是不同的,这是不可否认的数字技术是特别重要的16),虚拟。

现实(VR)技术给予了极大的支持,新产品的开发。随着虚拟现实技术和多媒体技术的发展,人机交互(HCI)技术不断改进设计的虚拟产品。设计师可以直接使用它们在一个虚拟环境而设计的产品,但是他们需要使用一些设备,例如三维位置追踪器和头盔显示装置。通过这些设备,视觉,听觉,触觉,连接和虚拟产品概念模型,这有助于检查和评估产品设计的。

2.3。工程阶段

使用这个状态,设计可视化虚拟产品设计的商业设计。虚拟装配设计的一个重要因素是影响虚拟设计在新产品开发。虚拟装配将在这个阶段,使用和工艺设计,加工,组装和调试可以实现通过模拟计算机的组装模型(17]。尽管没有商业化的虚拟装配系统是用于产品开发的分析和评价,这种技术已经在新产品的开发。过去,它经常花了大量的时间,人力和物质资源开发传统产品。现代设计需要设计师考虑虚拟装配问题在虚拟产品开发的早期阶段,协助设计师发现装配缺陷设计时间,和优化解决方案。这只可以节省时间和精力,还降低了新产品开发的成本。因此,当设计一个新工艺产品,许多调查需要在早期阶段收集数据并把握市场需求。数码技术和视觉传感器系统的应用提高了效率,使收集到的信息更准确和更方便的存储和组织。表1现代工艺设计提供的例子。

2.4。ORB算法

面向快速旋转短暂(ORB)算法检测特性和提取局部特征在目标图像通过快速关键点取向(oFAST)方法。快速特征点可以判断函数可以表示为 在哪里ε_d代表了阈值,是在当前特征点和灰度值吗是任何像素的灰度值的边缘特征点的邻近区域。因为快速功能操作符没有直接信息,ORB算法需要使用灰度重心法快速检测特征点的方向信息(18,19]。目前的图像特征点域表示使用

领域的灰色质心图像的特征点表示为

ORB算法首先构建图像金字塔规模,然后检测oFAST规模特性。高斯函数 和缩放功能 可以表示为(4)和(5),分别为: 在那里, 代表原始图像,σ比例因子。通过高斯差分函数和原始图像卷积计算,尺度空间金字塔组成的不同尺度的图像,然后oFAST特征点提取的金字塔。

得到特征点后,rotation-aware短暂(rBRIEF)用于计算特征点描述符。二进制的测试功能点P可以表达 在哪里代表点的灰度值 显示点的灰度值 。在这个时候, 点对选择。然后,二进制特征点描述符生成的二进制测试标准,可表示为:

其中,= 128,256,512,在这个时候,特征描述符不含有方向信息,需要旋转和简短的特征描述符的特征点的主方向。标准的任何n二进制测试集的位置 ,矩阵可以定义使用

从主方向的信息θ检测到的特征点和旋转矩阵 ,旋转矩阵可以获得,如所示。

因此,rBRIEF描述符表示为

使用上面的方程,ORB功能可获得具有良好的实时性能。

下一步是使用汉明距离ORB算法的匹配特征点,和任意选择图像的特征描述符K₁和K₂分别给出了(11)和(12)。

汉明距离是用来测量ORB功能的描述符相似算法,设置为 ,所示。 在较小的 特征点的相似度越大。假设有两个点P₁和P₂最接近点P₀,如果他们匹配 ,这意味着p₀和p₁是一对匹配点正确的功能。的价值可以选择作为妥协的匹配精度和匹配对的数量。

2.5。改进的ORB功能匹配算法使用多个约束

消除ORB功能运营商特性造成的错误描述和匹配,该算法需要改进(20.]。在正常情况下,大多数研究人员使用RANSAC算法来改善,然而当错误匹配点对的数量相对较大,直接使用RANSAC算法会产生相对较大的错误(21]。因此,提出一种改进的ORB特征匹配算法,算法的流程如图1。

2.5.1。粗略的匹配使用K最近的邻居

首先,再邻居(资讯)算法用于特征匹配。下,最好的本第一(BBF)算法用于搜索最近的邻居。这种方法可以组织很多计算测试样本集的社区。这大大提高了计算效率22,23]。假设V_r特征向量的吗r在模板图像特征点的集合V_年代和V_t相对应的特征向量是最近邻特征点和下一个邻居特征点,分别的K最近邻粗匹配点对可以表示为给定。

2.5.2。净化的近邻比率

汉明距离的两个特征点匹配是最接近,然而,仍然有错误匹配点。通过最近邻特征点之间的距离比第二个最近邻特征点,错误的匹配点对消除(24]。假设之间的汉明距离和是 ,之间的汉明距离和是 ,问的比例是 和 ,和T_问是固定的阈值。当问>T_问匹配点对(r,年代)是错误的,所以消除不正确的匹配点的标准使用汉明距离可以表示为公式(15)(18)。

当判断阈值T_问是0.8,匹配点对留存的数量会比较大,净化的要求也可以满足。

2.5.3。双向匹配和净化

最近邻比率是用来净化时,并不能保证可以消除所有错误的匹配对。在这种情况下,需要进一步纯化,因此提出了双向匹配方法。即特征匹配是在两个方向模板图像对目标图像的正向匹配和逆向匹配集合。如果它存在于两个匹配集,它可以确定匹配是正确的。

2.5.4。方向夹角约束净化

虽然提到三个匹配点净化算法可以去除匹配点对,当执行功能匹配,会发生一些变化之间的模板图像和目标图像,如照明或旋转。因此,匹配特征点的方向和角度信息用于约束和净化粗匹配的特征点。为了提高匹配的准确性,有必要应用RANSAC算法来去除剩余的匹配对(25]。有两个正确的匹配特征点之间的约束,约束关系可以表示为 在那里,代表主方向角差阈值,计算过程如图2θ₁代表两个匹配点之间的主要方向角的图像和模板θ₂两个匹配点之间的主要方向在场景图像角。

3所示。结果与讨论

3.1。净化效果试验

四个从不同角度拍摄的图像的相同的项目,使用资讯的特征点大致匹配算法。邻近的比方法,双向匹配方法,和夹角约束方法用于净化粗略的匹配结果。结果如图3和4,分别。

数据3和4显示匹配的成对的粗匹配的第一组,第二组,第三组是455年,397年和418年,分别和相应的精度是37.5%,39.1%,和44.3%,分别。匹配的对数的第一组,第二组和第三组使用最近邻比率方法功能净化是291、283年和305年,分别和相应的精度是55.9%,48.6%,和56.7%,分别。同样,匹配的对数的第一组,第二组和第三组使用净化功能的双向匹配方法是327年,304年和320年,分别和相应的精度是48.8%,46.9%,和49.9%,分别。同样,匹配的对数的第一组,第二组和第三组使用角约束功能净化方法是252年,242年和258年分别和相应的精度是57.2%,52.4%,和60.4%,分别。与粗匹配的准确性相比,使用这三种方法特征匹配的准确性是改善。特征匹配使用角约束方法的准确性相对较高,但仍有许多错误的匹配点对。进一步验证ORB特征匹配算法的匹配效果使用多个改进,在粗匹配后,三种提到的方法用于连续去除错误匹配点对的匹配结果。结果如图所示5。

图5显示的精度粗糙匹配的第一组,第二组,第三组是37.5%,39.1%,和44.3%,分别。当close-to-nearest比率方法被采用,那么相应的精度连续净化是55.9%,48.6%,和56.7%,分别。相应的连续净化使用双向匹配方法的精度是79.4%,77.5%,和81.3%,分别。当角约束法连续净化后相应的精度达到99.6%,99.3%,和99.7%,分别。三个净化算法的准确性显著提高连续行动之后,出现的错误匹配点对,和图像目标识别。

3.2。尺度不变性的实验

8在同一项目的不同距离拍摄的图像检测尺寸不变性。其中,规模最大的形象多是模板映像,剩下的是目标图像。改进的ORB功能匹配和结果如图所示6。

图6表明改进的ORB功能匹配算法匹配精度87.5%,规模是0.65。规模增加到0.7时,相应的匹配精度为90%。当规模0.75,相应的匹配精度为93.2%。当规模提高到0.8,相应的匹配精度达到93.5%。当规模0.85,相应的匹配精度为95.8%。同样的,当规模为0.9,获得相应的匹配准确率为95.4%。同样地,当规模为0.95,相应的匹配精度高达97%。随着规模的增加,匹配精度的匹配算法改进的ORB功能是逐渐增加。通过比较匹配精度的四个算法,改进的ORB特征匹配算法的准确性更高。这将验证改进的ORB尺度不变性特征匹配算法具有较高的优越性。

3.3。旋转不变性的实验

对图像不同的旋转角度,使用匹配的特征点之间的角度值模板图像和目标图像,对应的旋转角度计算。角度测量误差的比较结果如图所示7。平均误差比较结果如图8。

图7显示,当图像旋转,旋转角度值的误差来衡量匹配算法改进的ORB功能是远远低于原来的ORB特征匹配算法。因此,改进的ORB功能匹配算法具有良好的性能的旋转不变性。

图8表明,旋转角度测量的误差的绝对值由原ORB功能匹配算法平均是1.3°。旋转角度的误差的绝对值衡量匹配算法改进的ORB功能是0.141.3平均°。两个实验结果的比较表明,改进的ORB功能匹配算法具有较高的匹配精度。

3.4。算法比较耗时

我们选择了9组相同大小的图像进行实时测试实验。改进的ORB功能匹配算法的实时性能验证。对比结果如图9。

图9表明改进的ORB特征匹配算法的匹配速度明显高于冲浪的(12)算法和筛选(13)算法。然而,与原始的ORB功能匹配算法相比,改进算法的速度有点慢。平均改善ORB功能匹配算法的匹配时间是164.72毫秒,而原始的ORB的平均匹配时间特征匹配算法是133.72毫秒。这一现象的主要原因是,改善ORB功能匹配算法在净化过程中有多个约束。这就是为什么它需要更多的匹配时间。改进的ORB功能匹配算法仍能满足实时的要求。

4所示。结论

最近,大数据和数字技术控制了许多领域和他们的迅速发展极大地改变了人类的生活。在这项研究中,数字图像处理和视觉传感技术相结合来分析现代工艺产品。匹配算法的一种改进的ORB功能是用于目标图像特征提取的工艺产品。来验证该算法的性能,实验是设计用于不同的净化效果,尺度不变性、旋转不变性,时间和计算结果表明,三种净化算法的性能在连续动作明显高于在一个单一的行动,他们有很高的优势在规模上不变性。旋转角度的误差的绝对值衡量匹配算法改进的ORB特性是平均0.14°,验证改进的ORB功能匹配算法具有较高的匹配精度。虽然略有改进的ORB特性匹配算法会更多的时间比原来的算法,但是,它仍然可以满足实时的要求。目标图像特征提取的准确性,从而在一定程度上改善了算法。该算法在图像识别具有重要意义。该算法也有一个缺点,改进的ORB功能匹配算法并不理想,用更少的纹理识别目标。因此,后来的ORB功能匹配算法需要进一步改善。

数据可用性

在这项研究中提出的数据都可以在请求从相应的作者。

的利益冲突

作者宣称没有利益冲突。