结合立体视觉与超像素技术的道路障碍物概率检测

针对道路障碍物检测问题,提出了一种基于立体视觉与超像素技术的双目障碍物概率检测算法。该算法首先利用双目相机采集的左右视图进行立体匹配获取视差图,通过三维重建到得3D点云,然后采用最小二乘法拟合地平面方程,并计算图像空间点到地平面的距离,接着使用SLIC算法得到超像素,并计算超像素到地平面的中值距离,最后使用逻辑回归方法和信任函数计算像素为障碍物的概率。实验结果表明,该方法能够可靠地检测道路障碍物,并为障碍物检测的多传感器融合方法提供有价值的概率数据。     

基于双目立体视觉的齿轮端面高度测量方法

为了实现齿轮端面高度的高精度非接触式测量,提出基于双目立体视觉的齿轮端面高度测量方法。创新性地使用可滑动固定基线距离的单目CCD相机代替传统的双目相机获取齿轮双目图像。在获取双目图像后,通过双目相机标定实现齿轮图像立体矫正。基于改进的SGBM算法对矫正后的双目图像进行立体匹配,获取视差图和相机坐标系下平面三维坐标点,对上下平面的三维坐标点进行最小二乘拟合,从而获取上下平面的深度信息,上下平面深度相减即可实现齿轮端面高度的测量。使用直齿轮进行了视觉测量实验,实验结果表明,提出的测量系统及方法具有较高的精度和稳定性。     

电力监测无人机与移动机巢协同路径规划方法研究

由于小型商用无人机续航时间有限，完成长距离持续电力监测任务有一定困难。因此，提出了一种无人机与移动机巢协同路径规划方法，使用能耗受限的无人机进行持续电力监测，而无人机由移动机巢充当移动充电站。路径规划目标是由无人机定期访问一组监测点，同时最大限度地减少连续访问监测点之间的时间。将无人机和移动机巢在持续监测场景下的最优规划描述为组合优化问题。此外针对优化问题还提出了一种算法，能够成功处理未知障碍。该算法将监测环境分解为最大分区，只要无人机在距离分区中心足够近的地方释放，就可以在一次能耗循环中覆盖这些分区，完成监测后移动机巢将无人机运送到下一个分区，并同时充电。在仿真中对所提出的方法进行了测试，并与传统规划方法进行了对比，结果表明所提出的方法在计算时间和鲁棒性方面均有较大提升。     

基于神经网络模糊控制的单目无人机视觉避障方法研究

为了提高单目无人机航行安全性能，提出基于神经网络模糊控制的单目无人机视觉避障方法。结合SURF算法采集单目无人机运行路径，优化无人机规避功能模块的功能，规范无人机航行参数标定数值。根据采集到的参数数值，选择并筛选单目无人机航行路径。计算单目无人机障碍物避让路线数值，选择最优避障路线，实现单目无人机视觉避障方案的准确选择，保证运行安全和稳定。通过实验证实，基于神经网络模糊控制的单目无人机视觉避障方法具有较高的避障有效性和实用性，可以更好地保障无人机航行安全，充分满足研究要求。     

基于显著性分析的立体图像视觉舒适度预测

分析了传统的基于全局视差特性的像视觉舒适度评价模型的不足,提出了一种基于显著性分析的立体图像视觉舒适度客观预测模型。首先,根据人眼的立体视觉注意力机制,利用协方差矩阵和Sigma特征集分别计算得到图像显著图和深度显著图,并组合得到立体显著图;然后,利用立体显著图加权得到立体图像视觉舒适度感知特征;最后,通过支持向量回归构造视觉舒适度预测函数,建立视觉舒适度感知特征和主观评价值之间的关系模型,从而预测得到立体图像视觉舒适度客观评价值。实验结果表明,本文评价方法的Pearson线性相关系数值达到0.79,Spearman等级相关系数值达到0.81,表明提出的模型更加符合人眼视觉特性,得到的客观评价值与主观感知具有较高的一致性。     

面向故障短文本的改进图节点嵌入与聚类方法

为有效挖掘故障短文本中跨文本的词汇间关联，构建故障实体节点的全局特征表示，从而获取故障实体节点聚类标签，提出一种面向故障短文本的改进图节点嵌入与聚类方法。该方法首先在图结构构建过程中创新边权重计算方法，用以区分同一窗口下不同距离的词汇间关联；其次改进图节点结构特征获取方法，从而体现节点度值差异对嵌入的影响；通过融合节点的结构特征与关系特征，增强具有相似邻居节点的同类节点之间的相似性表现；在聚类阶段设计备选节点数参数以缓解截断距离的敏感性。该方法在公开数据集和真实业务数据上进行了参数分析和性能评估，结果表明该方法可获取精准有效的故障实体节点聚类结果。     

立体视觉和三维激光系统的联合标定方法

双目立体视觉和三维激光扫描是移动机器人环境探测与建模的常见传感测量方法。为实现两个系统的数据融合应用,必须为二者的测量坐标系建立数学关系,即对其进行传感器之间的位姿联合标定。为此提出了一种基于三维特征点距离匹配的联合标定新方法,设计了一种镂空棋盘格作为标定板。使用双目立体相机提取棋盘格角点三维坐标信息,使用激光测距雷达扫描获取镂空区域中心点三维坐标,最终通过最小化两组特征点的理论与实际测量距离的平方差获取两传感器坐标系之间的旋转矩阵和平移向量。进行的联合标定测量实验结果表明了该方法的准确性和可靠性。     

立体视觉测量中的一种摄像机标定方法

立体视觉测量方法已广泛应用于三维物体几何信息的获取中，针对摄像机标定过程中复杂的成像和跨变模型，提出了基于BP神经网络的立体视觉摄像机标定方法，并利用实际数据对其进行了实验测试。结果表明，该方法可以获得较高的标定精度。     

基于双目立体视觉的IC板深度测量

为了测量批量生产的IC板深度,搭建了一套双目立体视觉系统,介绍了双目视觉测量原理和测量过程,结合HALCON视觉处理软件开发了图像处理算法,通过立体匹配获取到了左右相机的视差图,最终根据视差图像计算出了IC零件的深度,实现了对IC零件深度的准确测量。实验结果表明,该方法可较精确的测量出IC零件深度。     

基于双目视觉的非凸复杂形貌物体干涉分析

传统基于点云分析的物体与场景干涉检测算法使用层次包围盒或空间分解的方法判断是否发生干涉,不能获取物体与场景各点的准确安全距离数值。提出一种基于双目视觉点云的非凸复杂形貌物体干涉分析方法,该方法首先使用双目立体视觉算法对已标定的双目相机拍摄的场景快速重建点云,然后用待分析的物体三维点云和重建的场景点云数据求解干涉问题,使用K-D树搜索的方法快速确定指定点的干涉距离,使用相机光轴方向的点云坐标关系确定是否干涉。方法在某探测器内场实验中的干涉检测正确率为100%。且相较于现有干涉检测算法,本方法可准确获取物体表面是否干涉及具体距离信息,并借助双目点云沿参考相机光轴方向有效简化相交测试计算复杂度,在降采样下单点检测的时间不超过0.15 s,能够满足非凸复杂形貌物体和各类地形的干涉快速分析的需求。所提方法圆满完成了嫦娥五号在轨月面采样封装中采样点选择的采样器-地形干涉分析任务。     

基于HVS的自然场景图像特征提取方法

提出了基于人类视觉系统的自然场景图像颜色和纹理特征提取方法.介绍了两类低层图像特征颜色和纹理特征提取方法,分别提出了以自适应主导色原理来表示颜色特征、采用纹理灰度图的空频域特性表示空间纹理特征;以ACA方法获得自适应主导色、以可控金字塔滤波分解的方法获取纹理特征.同时还介绍了优化颜色构成距离度量和纹理距离度量,最后给出了实验结果和分析.     

构建虚拟立体靶标的大视场高精度视觉标定

为了提高立体视觉系统在大视场下的测量精度,基于误差溯源思想提出了一种构建虚拟立体靶标的大视场高精度视觉系统标定方法,克服了大尺寸高精度标定物难以制造等问题。对影响立体视觉系统测量精度的主要因素进行分析,列出视觉测量系统的误差溯源链,解析了大视场视觉系统精度瓶颈的原因。借助激光跟踪仪,运用非线性最小二乘单位四元数算法求解坐标系刚体变换,获取大范围高精度的空间点阵,构建虚拟靶标。在相机畸变模型中考虑了三阶径向畸变和二阶切向畸变参数,并使用Levenberg-Marquardt迭代算法进行标定参数求解,进一步提高系统精度。实验构建了一套测量空间约为4m×3m×2m的双目立体视觉系统,通过对某型号高精度直线导轨进行点距测量,在测量距离3m处,152组不同长度的横向距离测量的误差算术均值为-0.003mm,误差标准差为0.08mm。测量精度相较于传统的平面标定法有较大提升。     

支撑点扩展快速立体匹配方法的设计与应用

为精确构建计算机立体视觉中的视差图,提出了一种快速全局优化匹配算法。该算法采用吉布斯随机场模型描述空间点与其邻域之间的关系,由改进的Graph Cuts方法对空间点的邻域进行匹配来获取场景的致密视差图。首先,计算出一组具有明确匹配关系的稀疏匹配点,将这些匹配点命名为“支撑点”;然后,对每一个支撑点的邻域进行扩展,采用改进的Graph Cuts全局优化算法计算扩展后的邻域空间的匹配关系,并将满足一定匹配度的邻域点设置为新的支撑点。最后,重复上述步骤并逐级扩展,直至扩展出的匹配空间覆盖整个视图,进而获取待匹配图对的致密视差图。实验结果表明,该方法不仅对不同场景视差图的质量具有良好的一致性,而且匹配速度较快(匹配时间约为0.8~1.2 s),大大高于其他传统的全局匹配算法。为体现本文算法的实际应用价值,以Smart Eye Ⅱ立体视觉试验台为测试平台,对真实场景进行了视差图构建,取得了良好的试验效果。     

白车身视觉检测系统中视觉传感器的可修复技术

针对白车身视觉检测系统中组成立体视觉传感器的两个摄像机,在光照不理想的情况下难以获得理想的立体像对,或某个摄像机损坏导致系统不能正常工作的情况,提出视觉传感器可修复技术.在立体视觉测量模型基础上,借助线结构光投射器,引入结构光测量技术,利用立体视觉传感器和左、右两个结构光传感器同时实现特征点的测量,大大提高了测量数据的稳定性和可靠性.研究结果表明,该技术切实可行,计算出的空间点距离与实际距离真值相对偏差优于0.5%,可以很好地完成修复任务,从而实现特征点的不间断测量.     

基于线性生长的区域立体匹配算法研究

图像的区域立体匹配是立体视觉中的重点研究课题之一,实时可靠应用的关键在于视差图的可靠性和计算复杂度.提出了一种基于线性生长的区域立体匹配算法,实现从立体图像对中提取深度信息,获得更可靠视差图的方法.该算法包括根点选择和区域生长2个部分,获得视差图的计算时间短,利用滤波可以提高视差图的可靠度.最后对此算法生成的结果进行了比较分析.     

一种多焦距动态立体视觉 SLAM

现有的双目同步定位与建图(SLAM)都使用标准立体相机,所处环境为静态的假设会影响其在动态环境中的精度。 提 出了一种多焦距动态立体视觉 SLAM 方法,它克服了标准立体相机无法兼顾远距离和宽视场感知场景的缺点,并去除了动态物 体对 SLAM 的影响。 具体来说,对传统的立体校正方法进行了改进,并使用校正参数修正了特征点的位置,而不是整张图像,还 提出了一种自适应特征提取和匹配方法以增加多焦距图像的特征匹配数量。 综合使用多视图几何、区域特征流和相对距离检 测动态对象,剔除动态对象上的特征点。 在公开数据集 KITTI 上,该方法相对 ORB-SLAM3 和 DynaSLAM 的定位精度都提高了 6. 97% ,在自建数据集中,该方法的定位精度比 ORB-SLAM3 提高了 26. 64% ,比 DynaSLAM 提高了 32. 09% 。     

一种基于双目立体视觉的测量方法

以双目立体视觉理论为基础,提出了一种基于射线交汇法的双目模型。标定好双目系统后,使用Harris算法提取图像中的特征点,经过立体匹配,求出特征点在相机坐标系下的三维坐标,从而计算出任意点间的距离,并通过理论推导证明其比另一种双目模型计算出的结果更精确。实验表明该方法能够较精确的对物体实现三维测量。     

基于CenSurE star特征的无人机景象匹配算法

针对传统局部不变特征的景象匹配算法冗余点多、实时性差、抗几何变换不突出的情况,提出基于CenSurE-star的无人机(UAV)景象匹配算法。首先采用Cen Sur E特征星型滤波器(CenSurE-star)提取基准图和实时图中的特征点,并生成FREAK二进制描述符;然后将汉明距离作为特征点的相似性判定度量,采用K近邻距离比值的方法提取匹配点对;最后利用基于RANSAC的定位模型得到空间几何变换关系,实现图像匹配并获取定位点经纬坐标。算法性能评价实验表明,本文算法不仅相对于SIFT、SURF、ORB算法,对各种变换具有更好的鲁棒性,而且相对于改进的SIFT、SURF算法处理时间有更大程度的缩短,算法定位误差在0.8个像素内,尺度误差在0.02倍内,旋转角度误差在0.04°内。基于算法进行外场飞行实验,实验证明算法定位精度较高,可以适应地貌信息较少的环境,并能满足无人机视觉辅助导航的需求。     

无人机移动自主回收着陆原理及控制方法

针对无人机回收存在着陆点相对固定、被动回收、灵活性及环境适应性较差等问题,提出了一种无人机全自主的地面移动回收原理,主要包括目标定位、动态轨迹跟踪和的主动柔顺承接,实现野外复杂环境下自主化的无人机动态移动回收。首先,针对难以精确获取无人机动态位置的问题,提出了多传感器信息融合定位和伺服转台聚焦跟踪的目标定位方法;其次,为完成对无人机的快速高精度跟踪,提出了基于无人车和Stewart平台的双级跟踪控制策略;最后,为了解决无人机着陆过程冲击大、重心失稳等问题,设计了基于模型预测的平稳性控制算法和基于自适应变阻抗的柔顺控制算法,在实时调整承接面位姿的同时做到了主动柔顺承接。搭建了由目标定位系统、无人车和Stewart平台组成的原理样机,验证了本原理的可行性及控制算法的有效性,该方案和技术已成功运用于某型号固定翼无人机自主回收。     

基于显著性图像边缘的全参考图像质量评价

大部分图像质量评价算法仅研究图像的灰度值及信息内容,没有充分考虑人眼视觉特性对图像质量评价的影响,针对此问题提出了一种基于显著性图像边缘的全参考图像质量评价方法。利用显著性图像表征图像的视觉关注内容,然后提取显著性图像的边缘检测图,得到人眼关注的结构和边缘,最后计算参考图像与失真图像边缘检测图之间的汉明距离得到图像质量评价指标。实验结果表明本文提出的评价指标满足人眼视觉特性,对于各种失真类型有非常高的主观一致性,评价性能也优于很多其他指标。