简介:针对传统尺度不变特征变换(ScaleInvariantFeatureTransformation,SIFT)和加速鲁棒特征(Speed-UpRobustFeature,SURF)算法在视觉同步定位与建图(SimultaneousLocalizationAndMapping,SLAM)系统中耗时严重的问题,基于ORB(ORientedBRIEF(BinaryRobustIndependentElementaryFeatures))算法提出了一种改进的图像匹配算法。针对FAST(FeaturesfromAcceleratedSegmentTest)特征检测算子易受图像模糊和距离变化影响的缺点,建立了多尺度空间金字塔;针对BRIEF特征描述算子效率不高的问题,采用精简后的快速视网膜特征描述算子构建了特征向量;通过最邻近的交叉匹配对特征向量进行了提纯,采用顺序采样一致性算法剔除了错误匹配对。最后,通过与SIFT、SURF和ORB算法进行对比验证了改进算法的有效性。
简介:针对多目标粒子群算法多样性不好、收敛精度不高等问题,提出了一种改进的多目标粒子群优化算法。该算法设计了一种基于聚类算法的全局引导策略,并对初始惯性权值进行了非线性递减的自适应调整。结合现阶段我军弹药维修任务调配中的实际问题,构建了弹药维修任务调配多目标优化模型。通过算例求解和MATLAB仿真,验证了该算法的Pareto解集具有更好的多样性和收敛性,为我军弹药维修的定量决策提供了参考。