基于协同显著性的服务机器人空间物体快速定位方法

针对传统算法模型先检测、后识别、再定位导致执行效率较差的问题,提出了一种基于协同显著性检测的服务机器人空间物体快速定位方法.利用RGB-D传感器获取N对包含待定位物体的RGB图像与深度图像,将待定位物体看作协同显著性目标,在RGB图像中充分挖掘单幅图像显著性传播机理,构建基于图像间显著性传播和图像内流形排序的两阶段引导协同显著性检测模型,同时排除背景和非协同显著性物体,得到协同显著性物体区域的像素坐标集合.进一步利用RGB图像与深度图像的对应关系确定物体质心的空间坐标,实现对空间物体的快速定位.最后将所提方法在iCoseg标准数据库和经手眼标定后的服务机器人机械臂抓取平台上进行实验.实验结果表明,该方法一致优于现有的5种协同显著性检测算法,且满足抓取系统的实时性需求,在复杂背景、多目标干扰以及光照变化时具有较高的准确性和鲁棒性.     

基于开源操作系统ROS的机器人软件开发

ROS(机器人操作系统)是一套机器人软件框架,基于这一框架,人们可以快速开发出控制机器人的一系列应用,是目前大多数机器人系统的首选软件平台.扫地机器人、四轴飞行器、机器小车等,虽然各自的配件、外形或功能等各不相同,但是它们有一个共同点就是均运行在ROS系统框架之上.ROS本身的优良设计使其兼具了精简与集成、多语言多平台支持、点对点设计以及开源免费等特点.目前,越来越多的机器人厂商将基于ROS平台进行软件设计研发,而更多厂商的使用反过来又成为ROS的进一步完善与普及的巨大推动力.     

基于机器视觉的目标定位与机器人规划系统研究

为完成机械臂在非特定复杂背景环境下的自主抓取,通过设计RGB-D相机对场景内的物体进行实时检测,采用基于深度学习的目标检测定位方法,并对相机-机械臂-目标物体的三维标定模型进行研究。将物体的三维坐标信息通过ROS话题机制发送给机械臂,并通过moveIT编程规划抓取规划。 通过设计一套基于ROS的视觉检测和机械臂抓取系统,将计算机视觉检测技术以及机械臂运动规划抓取应用在机器人操作系统ROS平台上。实验结果表明,该系统可以实时高效地操作机器人来完成指定的控制作业,提高了系统对环境的适应能力,该系统具有抓取准确、物体识别准确率高的特点,解决了传统机械臂操控中的不足。     

基于RGB-D的机器人跟随系统设计

机器人跟随可广泛应用于物流、安防、家庭服务、医院等诸多领域,基于ROS平台设计了机器人跟随系统,包括机器人差速运动控制、深度图像处理和机器人跟随软件.在目标跟踪定位方面,提出了一种利用深度图像信息(RGB-D)的深度质心算法,该算法在采用KCF算法进行目标跟踪的基础上,计算跟踪矩形区域的深度质心值,然后剔除远高于深度质...     

一种基于数据竞争的高分辨率图像的聚类分割算法

近些年,机器人技术得到了迅猛的发展,应用越来越广泛.随着机器人技术的推广和普及,对机器人使用的要求也越来越高,其中对智能机器人的要求尤显迫切.机器视觉是智能机器人研究领域的一个重要研究方向.在机器人视觉系统中,核心问题是目标提取,对目标实时、准确、快速提取的关键技术是图像分割.由于机器人感知的环境的复杂性及目标的多样性,往往导致机器人感知获得的图像数据量较大且图像本身存在不可预知的复杂性,这就对准确的目标分割和提取处理提出了挑战性问题.本文针对高分辨率图像数据集的分割处理,提出一种新的聚类算法,即根据数据点能量和的大小识别类代表点和类成员点,通过数据点间的竞争识别出最有能力成为簇成员的数据点,并将其与mean shift聚类算法有效地结合应用于彩色图像分割问题中,能够快速高效地实现高分辨率图像的目标分割,并得到较好的图像分割效果.实验结果表明,本文算法在分割效果和分割效率上明显优于传统聚类算法.     

基于深度学习的抓取目标姿态检测与定位

机器人对抓取目标进行高准确的姿态检测与定位依然是一个开放性的难题.本文提出了一种基于卷积神经网络对抓取目标快速姿态检测与精确定位的方法.该方法采用Faster R-CNN Inception-V2网络模型,在网络中将抓取目标的姿态角度采用分类标签方式输出,位置坐标采用回归方法,对Cornell公开数据集重新标注并训练端到端模型.模型在实例检测和对象检测测试集上分别取得96.18%和96.32%的准确率,对于每一幅图像的处理时间小于0.06 s.实验结果表明模型能够实时地对图像中单个或多个抓取目标进行快速地姿态检测与定位,准确度高并具有很强的鲁棒性和稳定性.     

六足机器人动态目标检测与跟踪系统研究

动态目标检测与目标跟踪是图像领域的热点研究问题,为研究其在移动机器人领域的应用价值,设计了六足机器人动态目标检测与跟踪系统。针对非刚体运动目标容易被检测为多个分散区域的问题提出区域合并算法,并通过对称匹配、自适应外点滤除对运动背景进行精确补偿,最终基于背景补偿法实现对运动目标的精确检测。研究了基于KCF（Kernel Correlation Filter）的目标跟踪算法在六足机器人平台上的应用,设计了自适应跟踪算法实现六足机器人对运动目标的角度跟踪。将运动目标检测及跟踪算法应用于六足机器人系统。实验表明,在六足机器人移动过程中,系统可对运动目标进行精确检测与跟踪。     

基于YOLO算法的无人机航拍图像车辆目标检测系统研究

为了解决航拍图像地面车辆目标实时检测和识别的问题,引入先进的人工智能技术,设计了一种基于深度学习的无人机航拍图像车辆目标检测嵌入式GPU系统.论文首先基于YOLOv3算法实现地面车辆目标检测技术,在GPU服务器上对地面车辆目标进行离线训练,通过自学习和迭代优化网络神经元权重,得到针对特定应用场景的网络模型;然后在嵌入式GPU平台上部属训练好的网络模型,实现无人机航拍图像的实时在线检测.实验结果表明,在NVIDIA TX2平台上实现了25帧/s的检测速率,基本满足地面车辆目标检测的需求.该嵌入式系统为无人机航拍图像在智慧交通领域的应用提供了一种解决方案.     

基于ROS的智能工业机器人系统开发平台

目前,工业机器人对于机器视觉、自主路径规划等智能化功能需求日益增长.然而在传统工业机器人系统中添加智能化功能模块时需要修改大量的源码,浪费了人力和成本.本文提出的基于ROS的易扩展机器人系统开发平台,能为开发者开发智能工业机器人系统提供了方便.本平台分为服务器端和机器人端.将机器人端作为一级节点,与安装ROS的PC服务器端进行通信.机器人一级节点由二级功能节点与功能模块组成.根据此平台开发实现的JPB06六自由度工业机器人系统具有机器视觉、自主定位、语音控制等智能化功能,可以满足工业机器人对于智能化和实时控制的需求.     

乒乓球机器人的视觉伺服系统

视觉伺服的乒乓球机器人系统作为典型的"手眼系统",是研究高速视觉感知和快速伺服运动的理想平台,其涉及的高速物体识别跟踪、快速精确轨迹预测及机械臂伺服准确回球等关键技术在工业、军事等领域有广泛的应用前景.本文提出了乒乓球机器人的高速视觉伺服系统实现方法,包括基于特征直方图统计和快速轮廓搜索的目标识别算法,基于模型参数学习和自适应模型调整的物体运动状态估计和轨迹预测算法,及基于轨迹预测的灵巧臂回球规划算法.通过实验验证了各算法的实时性和高效性,并在165cm高的仿人机器人"悟"和"空"上成功实现了双机器人对打和与人对打任务.     

基于机器视觉的西林瓶尺寸检测

在西林瓶生产过程中,尺寸是一项重要的产品质量判断标准,与传统的西林瓶尺寸人工检测方法相比,基于机器视觉的自动检测具有巨大优越性。为实现西林瓶尺寸的检测,提出了一种基于机器视觉的西林瓶尺寸检测方案,设计了系统的图像采集和背光源照明方案,通过中值滤波对图像进行去噪,利用对图像像素点的运算算法,对图像的灰度进行了校正变换,增强图像的对比度,采用Canny算子成功提取西林瓶边缘,在HALCON平台下实现了西林瓶尺寸测量。设定系统标定方法并选取15个2mL样品西林瓶进行测试,结果表明,该方法对西林瓶尺寸检测快速准确,边缘量化精度达到了亚像素级别,检测精度为0.02mm,满足西林瓶生产的参数测量精度要求,为工业生产产品尺寸的自动检测提供了一种有效的新途径。     

基于可变模型的目标实时跟踪

为了在图像序列中实现目标的快速定位和实时跟踪，该文提出了一种基于可变模型的快速目标跟踪算法，在已知模型条件下，利用区域模型相关匹配的思想对目标模型进行实时更新，充分利用目标莲续运动过程中目标形状在两个连续帧中变化不大、相邻两帧中目标的速度和位移变化不大的特点，以当前帧目标模型作为下一帧的先验模型；综合运用模型梯度信息、运动信息和模型区域特征匹配的方法来跟踪目标。由于算法综合考虑了目标模型的区域信息和轮廓信息，因此对背景干扰不太敏感。在头部跟踪实验过程中，该文算法跟踪移动目标的实时性和准确性比较好，抗干扰能力较强，基本上可以满足鲁棒性和快速性的要求。     

基于联系度态势的图像边缘检测算法

为了使提取的目标边缘精确、连续、清晰以及具有抗噪声干扰能力,这里给出了一种新的基于联系度态势的边缘检测算法.该算法是以Sobel算子为基础,先对图像进行灰度变换,然后运用联系度态势中的同一度和对立度之间的趋势关系,对图像目标实现边缘检测.实验结果表明,该算法不仅计算速度快,而且检测的目标边缘准确、清晰,且对噪声的抑制能力强.     

基于码本和运行期均值法的双层背景建模方法

背景建模是视频处理的重要部分,是后续运动目标检测、识别和跟踪的基础。针对现有的背景建模方法无法兼顾抗干扰性、适应光照、背景更新速度和遮挡等问题,提出结合码本和运行期均值法对视频进行双层背景建模的方法。首先在第一层提取亮度和颜色特征,使用聚类的方法进行码本建模,接着在第二层建立运行期均值法模型,通过两种背景模型的有效结合快速准确地实现运动目标分割。实验结果表明,该背景建模方法计算简单、背景更新快、抗噪声能力强并且能较好地适应光照变化,适应于复杂环境下的目标检测。     

基于图像清晰度的自动聚焦算法

在数字监控和机器视觉中，摄像头的焦距可以由计算机根据图像的清晰度自动控制。本文针对监控系统在目标跟踪时对自动聚焦的速度和精度的要求，提出了两次定位、单向搜索的快速精确的聚焦算法。在聚焦精度方面首先针对全局图像进行第一次粗略的聚焦，图像的清晰度判断采用计算速度较快的相邻象素差分法的判断函数；然后再对图像中的目标区域进行第二次精确的聚焦，图像清晰度判断采用对清晰度变化敏感的基于Laplacian边缘检测的判断函数。调焦过程采用最佳焦距位置的单向搜索法，以提高聚焦的速度。实验证明该算法具有较好的实时性和精确性。     

全局平滑和边缘保持的单幅图像去雾

针对现有基于暗原色先验理论的去雾方法在天空区域容易产生失真和边缘定位不准确的问题,提出了一种雾天图像直接去雾方法。根据雾天成像模型和空间变化图像复原思想,构建了数据项;通过深入分析天空区域产生失真的原因、透射率图像和复原图像的边缘特征,构建了约束项,并通过线性组合数据项和约束项,构建了一个能量泛函;利用分步梯度下降流法最优化该能量泛函,实现了复原图像的精确求解。实验结果表明,与传统方法相比,该方法不但能更好地抑制天空区域失真现象的产生,也能更精确地定位复原图像的边缘。     

基于仿射迭代模型的特征点匹配算法

图像序列中的特征点匹配是计算机视觉中的一个基本问题,也是目标识别、图像检索以及3维重建等问题的基础。为了提高图像匹配的精度,提出了一种针对两幅图像的高精度特征点自动匹配算法。该算法首先分析并提出两幅图像中相应特征点的邻域窗口之间的单应映射可以用仿射变换模型来近似;然后通过快速的基于仿射变换模型的迭代优化方法,不仅估计并矫正了相应邻域窗口之间的透视畸变,同时还补偿了在特征点检测阶段对相应特征点的定位误差,从而使匹配结果达到子像素级精度;最后通过真实图像的实验以及与现有算法的比较结果表明,该算法不仅得到了更多的匹配关系,还提高了特征点匹配的精度。     

基于ToF红外图像的手部轻量化检测算法设计与优化

嵌入式设备上实现快速精准的手部检测主要面临两个挑战：一是复杂的深度学习网络很难实现实时的手部检测;二是场景复杂性导致基于RGB彩色图像的手部检测算法准确率下降。与主流基于RGB图像的检测技术不同,基于ToF红外图像的轻量化手部检测算法实现了红外图像中手部的精准快速检测。首先,通过自主研发设备采集了22 419张静态红外图片,构建了用于手部检测的红外数据集;其次,通过对通用目标检测算法进行轻量化改进,设计了RetinaHand轻量化手部检测网络,其中采用了MobileNetV1和ShuffleNetV2两种不同的轻量化网络作为模型骨干网络,并提出了一种融合注意力机制的特征金字塔结构Attention-FPN;最后,在红外数据集上与常规方法进行了对比实验,验证了该方法的有效性。