基于法向约束的背靠视觉端面对接定位方法

端面对接在航空航天、自动化装配、人机交互等领域有着重要应用,然而端面检测仍存在圆姿态解不唯一、解精度不高、对接效率较低等问题。为提高测量精度和鲁棒性,以背靠视觉和排列点激光为测量手段,提出一种基于法向约束的端面对接定位方法。通过背靠视觉分别采集端面圆特征图像,在对圆特征进行边缘提取的基础上采用随机采样一致性算法进行圆特征拟合,降低图像噪声的影响,提高特征拟合的鲁棒性。根据单目相机圆位姿解算模型,得到二义性的端面圆中心位置和姿态解,将排列点激光拟合得到的平面法向量作为法向约束,并取圆姿态解与法向约束的夹角最小者为正确的圆姿态解。最后,由机器人先后进行姿态和位移迭代调整,完成端面的对接装配。机器人小角度姿态、小位移的实验结果表明,该方法具有姿态调整准确度高、位移调整收敛快的特点,姿态最大偏差为0.03°,中心位移X方向最大偏差为0.01 mm、Y方向最大偏差为0.03 mm。     

无人直升机着陆控制的视觉图像特征处理算法

基于视觉的无人直升机着陆是无人直升机着陆控制中的主要发展方向,视觉图像处理算法将直接影响无人直升机姿态估计以及着陆控制精度.提出了一种应用于无人直升机着陆控制的视觉图像特征处理算法,对目标灰度图像进行阈值处理,边界跟踪,利用凸四边形几何特点提取特征点,最后将所有特征点标记出来.实验结果显示提出的算法即能满足实时处理速度要求,也能满足较高的特征点定位精度要求.这一方法可用于无人直升机着陆控制的相对位置姿态估计.     

动态环境下基于旋转-平移解耦的立体视觉里程计算法

在实际应用中,若图像中的动态特征数量多且运动方向一致,这些特征会对视觉里程计的估计结果产生严重的影响.本文针对这类问题提出一种根据图像特征点位置解耦估计摄像机旋转-平移的立体视觉里程计算法.算法通过立体视觉系统将特征点划分成"远点"和"近点".在随机抽样一致性算法(RANSAC)框架下,采用"远点"估计视觉系统的姿态;进而在姿态已知的条件下,通过"近点"估计摄像机平移,实现旋转-平移解耦计算.这样处理可以通过姿态约束减少近距离运动物体对视觉里程计的影响.实验表明,在实际道路环境中,本文基于旋转-平移解耦估计的算法较之传统的同时估计旋转-平移的算法,能有效剔除动态特征.所提出算法对动态特征的抗干扰能力更好,鲁棒性更强,精度更高.     

一种新的人脸姿态估计算法

提出基于正射投影模型的人脸姿态参数估计算法.从图像获取特征点,计算这些点到正面姿态参考模型特征点的最佳姿态变换参数,算法只需获取4个特征点就能确定图像人脸姿态.同时基于该模型提出新的人脸图像姿态拟合方法,以最小化SSD为目标函数,迭代法求姿态参数.该方法的优势是人脸姿态估计并不依赖于特征点检测,给定初始姿态就能找到模型到图像的最佳姿态拟合.模拟图像和真实图像的姿态估计实验结果显示,拟合算法的迭代过程能迅速收敛,并且该算法可有效用于姿态跟踪.     

基于神经网络的双目视觉下头部姿态估计

头部姿态估计是人体姿态检测的关键技术之一。本文基于神经网络设计一种在双目视觉下由人脸中的关键点在空间中的相对位置的变化估计头部姿态,并对头部进行定位的方法。将头部姿态分为6种,空间位置关系分为2种。利用改进SDM算法对双目视觉下的人脸关键点进行标记;标记出人脸关键点后利用的POSIT算法对头部姿态角度估计,计算出头部欧拉角;根据左右图像中对应的头部关键点位置的视差由三角测量原理算出其深度信息。并设定阈值对其进行分类。通过实验,该方法的头部姿态估计准确率高,头部空间定位精度良好。     

基于机器视觉的圆轴直径精密检测算法

介绍一种基于机器视觉的圆轴零件直径精密检测算法。在对圆轴图像边缘进行空间矩亚像素定位的基础上,利用相邻分辨率边缘像素的亚像素位置关系,精确计算分辨率截面的直径,并给出了整个圆轴直径的估计。实践表明,该算法可达到0.001mm的精度。     

基于ORB-SLAM的低照度空间非合作目标的姿态估计

相机视觉观测在空间技术中有着广阔的工程应用前景,然而太空的弱光照条件会影响相机所采集图像的质量.本文将低照度增强LIME算法与ORB-SLAM算法相结合,提出了一种弱光照条件下空间非合作目标的姿态估计方案.该方案首先运用LIME算法对图像进行增强处理,以能够从中提取出目标上足够的特征点,然后利用ORB-SLAM算法对目标的姿态进行有效估计.仿真结果表明,本文所提方案可以有效地实现弱光照情况下空间非合作目标的姿态估计.     

一种主动视觉插轴入孔方法

本文提出了一个利用主动视觉实现空间任意斜面插轴入孔的方法，其相关算法包括主动视觉空间圆定位算法、主动视觉空间直线定位算法以及通过一个特征点估计相机姿态参数算法。通过建立以注视点为中心的相对坐标系，对零件之间的相对关系进行量测，其量测精度对于系统中诸如相机的绝对定位误差、机器人的绝对定位误差不敏感。用实际机器人系统进行实验的结果证明了该方法的有效性。该方法的思想可以扩展到其他形式的装配作业。     

逼近与跟踪空间翻滚目标的图像视觉伺服控制

在空间翻滚目标的最终逼近与跟踪任务段,追踪星对目标星的视觉相对导航会因进入盲区而失效,而基于间接相对导航的位置视觉伺服控制精度太差.针对该问题,基于图像视觉伺服思想,直接利用目标图像特征点坐标,建立了超近距离姿轨跟踪的成像运动模型,推导得到指数收敛的图像视觉伺服期望广义速度、相对位置估计修正量,进而引入基于双滑模面控制律的相对姿轨耦合控制闭环,从而提出了间接估计辅助的图像视觉伺服控制方法.数学仿真结果表明:该方法的相对位置和姿态控制精度显著提高,可为空间翻滚目标最终逼近与跟踪任务提供安全、准确、稳定的相对姿态和轨道条件.     

基于随机森林误分类处理的3D人体姿态估计

为解决基于随机森林的3D人体姿态估计算法容易出现的误分类问题, 提出一种基于自适应融合特征提取和误分类处理机制的改进算法.该算法利用自适应融合特征提取方法自适应提取深度融合特征, 此特征可表达图像距离信息和部位尺寸信息, 增强特征的表征能力; 针对识别部位误分类问题, 分别从识别部位误分点聚集情况和迭代整合思想出发, 提出误分类处理机制, 改善部位识别结果; 最后提出可进一步处理误分点的改进主方向分析(Principal direction analysis, PDA)算法, 自适应计算出部位主方向向量, 实现3D人体姿态估计.结果表明, 该算法能有效去除部位误分点, 并显著改善了3D人体姿态估计.     

空间轴对称目标三维姿态测量方法的研究

提出一种双目视觉测量空间轴对称目标姿态的新方法,应用线性方法获取轴对称目标在像面的轴线,通过两像面轴线与各自光心所成的平面相交,得到被测目标的轴线的方向矢量,进行三维姿态测量,避免了传统姿态测量中左右像面目标特征点的特征匹配或灰度匹配。模拟实验结果表明:该方法姿态角测量误差小于0.5°;且计算速度快,结果稳定,能够满足实时处理的要求。     

微操作机器人显微视觉系统的研究

本文深入研究了基于生物工程领域显微视觉系统的设计方法．给出了微操作物体平面坐标及微机器人手端位姿的求取方法；提出了基于载物台平动测量微操作物体的高度及微机器人做三维空间已知运动标定出微机器人手端在摄像机坐标系的坐标，进而确定微机器人手端与微操作物体之间位置关系的单目视觉方案．采用两步法对显微视觉系统进行了标定．实验证明该系统运行可靠，达到显微操作的要求．     

OpenMV视觉模块的滚球目标识别与追踪系统研究

基于OpenMV微型机器视觉模块,以云台为载体,使用Micro Python语言对滚球目标识别与追踪算法进行研究。通过摄像头获取实时图像,在对图形进行预处理后利用形状识别和边缘检测算法完成目标识别与追踪,并通过串口将滚球中心位置坐标输出。     

基于图象差的平面大范围视觉伺服控制

为解决大范围偏差的控制问题,将期望图象按给定的角度间隔旋转,离线生成一系列子期望图象。比较实时采集图象与期望子图象间的差异程序可获取目标绕重心的旋转运动参数。纵使图象求重心方法给出的平动参数,实现了在大范围偏差时迅速将摄象机调整到期望位姿。在期望位姿附近结合直接图象反馈方式,实现了基于图象差的平面大范围视觉伺服控制。     

Trajectory reconstruction with uncertainty estimation using mosaic registration

This paper addresses the problem of estimating the 3D trajectory and associated uncertainty of an underwater autonomous vehicle from a set of images of the seabed taken by an onboard camera. The presented algorithms resort to the use of video mosaics and build upon previous work on image registration and visual pose estimation. The pose estimation is accomplished in two steps. Firstly, a video mosaic is created automatically, covering a region of interest of the seabed. Then, after associating a 3D referential for the mosaic, the estimation of the camera position from a new view of the scene becomes possible.

The main contribution of this paper lies on the assessment of the performance of the 3D pose algorithms. In order to do this, an image sequence with available ground-truth is used for precise error measuring. A first-order error propagation analysis is presented, relating the uncertainty in the location of the match points with the uncertainty in the pose parameters. The importance of predicting the estimate uncertainty is emphasized by the fact that it can be used for comparing algorithms and for the on-line monitoring of the vehicle trajectory reconstruction quality.

Several iterative and non-iterative pose estimation methods are discussed, differing both on the criteria being minimized and on the required information about the camera intrinsic parameters. This information ranges from the full knowledge of the parameters, to the case where they are estimated using self-calibration from an image sequence under pure rotation. The implemented pose algorithms are compared for the accuracy and estimate covariance.     

基于DSP的视觉传感器的开发及其在焊缝自动跟踪机器人上的应用

近年来视觉传感器在工业自动化和机器人导航领域得到越来越多的应用。本文提出了一种基于DSP微处理器的视觉传感器的设计与实现。视觉传感器采集环境图像并在DSP内核处理器执行图像处理算法，得到决策结果后直接输出给控制系统执行，从而避免了传输大量图像数据所需要的高带宽通讯通道的使用。开发的视觉传感器具有体积小、实时性能好、可扩展性强等特点，并且提供了常用的图像处理软件支持包。文中对系统的软件和硬件开发进行了详细阐述，最后在焊缝自动跟踪平台上的应用验证了传感器的实际整体性能可满足实际应用的需要。关于视觉传感器的下一步工作在最后进行了讨论。     

全景视觉还原算法分析与应用

为了便于掌握海上试验进度和协调各参试专装同步操作,需要实时大范围的影像监视参试船特定区域周围360°场景的试验情况,文中采用全景视觉技术生成的全景图像获得水平360°环境信息,来满足这种大视场影像监视需求。文中分析并实现了将圆形全景图展开还原成符合普通视觉的矩形全景图的三种还原算法,并结合图像插值、无线影音、视频流采集等技术探讨了全景视觉在靶场海上试验中的具体应用,通过实物模型验证了全景视觉可较好地运用到海上试验中。     

3D视觉结合图像检测与导纳控制的圆轴孔零件机器人装配

面向机器人柔顺装配圆轴与圆孔零件,建立基于3D、单目视觉与导纳控制的机器人自动装配系统,提出基于三维点云的轴线位姿估计算法、图像深度学习目标检测、导纳控制结合的圆轴孔零件的装配策略.针对3D视觉估计圆孔零件位姿问题,重点研究基于三维点云的轴线位姿估计算法.首先,介绍三维点云关键点选取方法;然后,以点云表面法线与轴线的几何约束为基础,提出并分析轴线粗估计的算法;最后,在轴线粗估计的基础上,提出并分析基于迭代鲁棒最小二乘的轴线位姿优化的算法.实验结果表明:轴线位姿估计的角度均方根误差为0.248°,位置均方根误差为0.463 mm,与现有流行的轴线估计方法相比,所提方法的精度更高,使装配策略很好地满足了机器人圆形轴孔零件装配的精度高、稳定可靠的要求.     

The extended marine underwater environment database and baseline evaluations

Images captured in underwater environments usually exhibit complex illuminations, severe turbidity of water, and often display objects with large varieties in pose and spatial location, etc., which cause challenges to underwater vision research. In this paper, an extended underwater image database for salient-object detection or saliency detection is introduced. This database is called the Marine Underwater Environment Database (MUED), which contains 8600 underwater images of 430 individual groups of conspicuous objects with complex backgrounds, multiple salient objects, and complicated variations in pose, spatial location, illumination, turbidity of water, etc. The publicly available MUED provides researchers in relevant industrial and academic fields with underwater images under different types of variations. Manually labeled ground-truth information is also included in the database, so as to facilitate the research on more applicable and robust methods for both underwater image processing and underwater computer vision. The scale, accuracy, diversity, and background structure of MUED cannot only be widely used to assess and evaluate the performance of the state-of-the-art salient-object detection and saliency-detection algorithms for general images, but also particularly benefit the development of underwater vision technology and offer unparalleled opportunities to researchers in the underwater vision community and beyond.