提取RGB图像上的线特征，并根据线特征间的相似性，输出两幅图像上的匹配线对。

张量投票算法利用人类感知功能原理进行计算,它具有较强的鲁棒性、非迭代性、参数唯一性等特性,其非迭代性具有节省计算时间的显著性特征,因此,广泛应用于图像线特征提取,但在一些含有复杂噪声的图像中,却不能得到更为连续的显著线特征信息。本文针对此问题,提出一种改进的具有迭代性的张量投票算法,它主要是对投票域进行迭代改进,使改进后的张量投票算法可以提取更为连续的显著线特征,且与传统的张量投票算法相比,本文算法既缩短了计算时间,又提取了更为连续的线特征图像。

输电线处于自然环境中，背景通常为植被和田野，而配电线布设于城镇街道，建筑纹理、屋檐屋顶和其他线路等都会对配电线检测造成极大影响，常用的输电线检测方法无法有效去除这些环境干扰。文中提出了一种改进的分段灰度变换增强方法，先消除干扰，再通过自适应阈值的Canny算子结合形态学处理方法，进一步加强配电线特征。最后提出了基于区域筛选的Hough变换，在提取得到的配电线区域中确定配电线目标。实验结果表明，提出方法能够在复杂干扰环境下实现配电线检测，并且提高了精度和效率。

利用点特征求解单目相对位姿是现在普遍采用的方法,但在纹理不明显、角点少的场景下,仅依靠点特征难以得到理想的结果。鉴于此,结合惯性测量单元的测量数据和平面场景存在的单应性约束,提出了基于点线特征结合的单目相对位姿估计算法。先利用惯性测量单元提供的旋转角信息将2帧连续图像校正为正下视图像;再对图像中的点线特征进行检测和匹配;最后根据点线特征的单应性约束求解正下视图像之间的相对位姿,进而转化获得原始图像之间的相对位姿。仿真实验和实物实验结果证明,所提算法能够有效地求解单目相对位姿。

微带线特征阻抗的计算，对于射频PCB工程师而言十分有用

PL-VIO 使用点和线特征的紧密耦合单眼视觉惯性里程表 与点要素相比，线提供了更多的环境几何结构信息。我们提出了PL-VIO，它是一种结合点和线特征的紧密耦合的单眼视觉惯性里程计系统。该代码在Linux上运行，并与ROS完全集成。 1.先决条件 1.1 Ubuntu和ROS Ubuntu 16.04。 ROS动能， 额外的ROS封装 sudo apt-get install ros-YOUR_DISTRO-cv-bridge ros-YOUR_DISTRO-tf ros-YOUR_DISTRO-message-filters ros-YOUR_DISTRO-image-transport 如果安装ROS Kinetic，请使用以下命令更新opencv3 sudo apt-get install ros-kinetic-opencv3 1.2。 Ceres Solver遵循，记

基于线特征和互信息的多模态图像配准，赵亚芳，冀小平，互信息作为配准的一种相似性度量，由于不需要对图像灰度做任何的假设，因此尤其适用于多模图像配准。然而，这种方法在寻优变换中

基于轮廓线特征点的交互式文物拼接

针对传统视觉里程计在低纹理场景下,定位精度差甚至失效的问题,提出一种结合点线特征的RGB-D视觉里程计方法。该方法结合了点线特征各自独有的特性,同时联合点特征的光度误差和线特征的局部梯度适应性误差,构建了一个对低纹理场景鲁棒的联合误差函数。利用高斯-牛顿迭代法对联合误差函数进行非线性迭代优化,以获取相机每一帧的准确位姿。在公开的真实RGB-D数据集和合成基准测试数据集上对本文方法进行评估。实验结果表明,与其他先进算法相比,本文算法具有更优越的准确性和鲁棒性。

有两个关于点线特征综合的视觉slam代码，还有10篇左右的参考文献