基于双目CCD测距的目标图像匹配算法研究

为了实现高精度的远距离双目CCD被动测距,提出改进的互相关匹配算法与三次曲面拟合算法,对双目CCD拍摄的两幅图像进行亚像素级匹配。介绍了双目测距系统的测距原理;进行测距图像的匹配操作,提出基于模板的灰度互相关算法,根据互相关运算的结果,提出亚像素级匹配算法,即采用三次曲面拟合方法,拟合出相关峰的亚像素级坐标;对测距实验结果进行误差分析,并修正系统误差的计算公式。实验表明,3 km以内的目标实际测量精度优于0.5%,满足高精度双目测距的精度要求。     

基于会聚型双目立体视觉的测距模型北大核心CSCD

传统的双目视觉模型基于特征对左右画面进行匹配,但当画面中出现多个高度相似且表面特征不明显的目标时,无法通过特征进行有效匹配。针对上述问题,本文采用基于特征和空间位置的方式进行目标匹配,并根据人类双眼锁定目标时,目标始终处于视野中心位置的原理,选择舵机来控制摄像头光轴会聚于目标,建立了一种基于会聚型双目立体视觉的测距模型。该模型能够通过控制舵机使摄像头自动汇聚于目标,并实现测距功能。理论推导及实验研究验证了该模型的可靠性及一定的实用性。     

基于双目视觉的车辆检测跟踪与测距

由于道路上存在各种不安全因素,车辆检测跟踪并测距是自动驾驶技术的重要组成部分。本文将YOLOv4-tiny作为检测器使之加快模型检测速度且更适合在车辆嵌入式设备中使用。考虑到目标检测失败的情况,本文在历史缓冲区中存储以前的跟踪细节(唯一ID)和每个对象的相应标签,提出了一个基于中值的标签估计方案(MLP),使用存储在前一帧的历史标签的中值来预测当前帧中对象的检测标签,使得跟踪错误最小化,并用双目摄像头获取图像检测车辆距离。测试新网络结构后,检测精度(Mean Average Precision,mAP)为80.14%,检测速度较YOLOv4相比提高了184%,检测到的距离误差平均在0.5%左右。     

基于双目摄像头的测距系统的实现

摄像头测距有着多种多样的方式,比如在摄像头上安装测距设备、采用单目测距和双目测距等方式进行距离的测量.文章主要研究利用双目摄像头进行测距,分析其测距的可行性及如何才能完成测距工作.     

基于双目机器人的实时测距与追踪系统

传统的双目立体视觉系统很难同时实现对运动目标的实时测距和追踪.本文设计了一种仿人脖项的双目立体视觉平台:左右摄像机相对位置固定,并安装在一个可做水平转动和垂直俯仰运动的机架上.该系统可以灵活而准确的追踪运动目标,并实时地确定运动目标到立体视觉平台的距离.通过对多种运动的追踪,验证了该系统的准确与稳定性.     

光电被动测距技术研究

围绕提高双目视差测距的测距精度、准确率、速度和抗干扰性能等,研究了图像预处理、配准算法、搜索策略等关键技术.提出了改进的互积相关配准测度,并采用粗、精配准相结合的搜索策略以及抛物线拟合方法,实现了快速双目立体目标测距.实验证明该测距算法可有效的抑止噪声、双目光强和图像对比度差异等因素的影响;测距系统测距精度高、稳定性好、实时性好.     

双目测距和YOLOv5s的无人机快速识别定位追踪系统

无人机的识别与监控是目前安防领域研究的热点,现有的无人机检测方案成本过高、实现困难,存在一定的缺陷。针对此问题,文中提出一种使用最新型深度学习算法YOLOv5s的无人机光学快速识别定位追踪系统。首先通过深度学习算法实时检测是否存在无人机,并准确定位无人机的位置信息;再进一步使用KCF快速追踪算法锁定并持续追踪入侵目标;最后采取双目深度摄像头实时测算跟踪目标距离,定位位置信息后再转换输出无人机三维位置数据。所设计系统使用最新一代YOLOv5s深度学习模型,并通过改进训练模型使得其对无人机的识别达到了较高的准确率,特别是在运算速度方面,大大超过现有算法,满足高速追踪的要求。实验结果表明,相较于YOLOV3,YOLOv5s模型的准确率提高5.84%,召回率提高6.41%,推理速度提高300%。采用YOLOv5s和KCF算法相结合可稳定连续定位目标,且由于双目摄像头定位精确,全局识别速度高达80 f/s,完全具备高速追踪定位无人机的能力。     

基于立体视觉技术的实时测距系统研究

双目立体视觉测距系统由于计算量大、受限于硬件水平等原因,通常无法做到实时测距,为解决这一问题,对双目立体视觉的关键技术进行研究与分析后,采用预标定方法,通过选取一种快速的立体匹配算法,对其各参数进行优化,并以动态视差搜索的方式,结合目标跟踪算法,实现了对目标的实时跟踪与测量。经实验验证,该系统成本低、可行性高,能实时对目标进行跟踪与测量,并在一定范围内具有较高的精度,且有一定的应用价值。     

基于双目视觉的无人机实时测距算法

无人机对目标进行测距时,其算法的实时性和准确性一直是研究的重点。针对算法的实时性,提出双向搜索策略以及采用三条数据流并行处理实现GPU加速,并引入蝶形排序算法,提高了运算效率;针对算法的准确性,提出改进AD算法与改进Census算法融合,有效地解决了算法过度依赖中心像素的问题;为了降低算法复杂度,在基于背景差法的目标检测中引入移动平均算法;针对无人机平台存储空间有限,提出存储数据优化方案,减少了数据的占用空间。在Middlebury数据集下与BM算法、SGBM算法进行对比实验,采集室外场景与BM算法进行测距性能对比,最后实现室外无人机测距。通过大量实验数据验证了所提算法可满足无人机实时测距的高精度要求。     

实时双目立体视觉系统的实现

依据双目立体视觉原理,对双目立体视觉系统的设计与实现展开研究,介绍了双目立体视觉系统的组成,并对系统涉及的主要关键技术进行了探讨。结合相关的硬件设备,利用VS2012软件开发平台实现了双目立体视觉系统。该系统可实时地进行图像采集、边缘检测、立体匹配等功能,同时由于采用3种确认算法,最大限度地去除错误匹配,得到良好的视差图。     

基于嵌入式平台的实时双目视觉测量系统

针对当前大多的双目视觉测量算法都是以PC为平台实现的,但这种方式在实时性与便携性方面存在不足。基于嵌入式开发平台,对双目视觉中成熟的Harris角点提取算法与传统的角点匹配算法,结合双目视觉系统,被测物体的特征和嵌入式平台自身的特点,进行算法上的改进与扩展。在不影响整个系统精度的前提下,达到实时,快速的三维测量。最终为解决非接触式的测量方式,提供一个快速的解决方案。     

基于角点检测的双目视觉测距新方法

为解决双目视觉中立体匹配困难、效率低的问题,提出了一种基于角点检测的人工匹配方法实现双目视觉测距。首先介绍了双目测距基本原理,对摄像机进行了标定,并采用Bouguet 立体校正算法对双目视觉系统进行立体校正;然后采用J．Shi 和C．Tomasi提出的角点方法对立体校正后的左右摄像机图像中被测目标上的同一特征点进行了亚像素级角点提取,并利用提取的匹配角点坐标结合双目视觉测距公式实现距离测量。     

高精度多频调制实时激光测距系统

为了克服多频调制激光测距系统中相位检测算法复杂、实时性差、精度低的问题,提出一种距离测量方法。该方法将测距回波信号通过改进的正交计算模块得到精确的相位延迟正切值,再通过坐标旋转计算机（CORDIC）角度计算模块得到相应的角度,结合正交同相（I）和正交（Q）支路输出的符号位和相位测距解模糊算法计算出精确的距离。实验结果表明,系统测距误差与回波信号的信噪比和计算模块的字长有关,在SNR为10dB,字长为16bit时,相位精度为0.03°,距离精度为0.125mm。     

双目摄像机标定与特征点匹配方法的研究

传统标定方法具有实验环境要求高、结果精确度低、鲁棒性差等显著缺点,为此提出一种基于软件编程的主动视觉标定方法。通过建立摄像机针孔成像线性模型,考虑畸变影响的非线性模型矫正,推导出双目摄像机标定参数,并应用软件编程实现摄相机标定,获得精度高、鲁棒性较好的结果。同时,针对当前已有的图像匹配算法,对图像尺度变化适应性较差等问题,以Harris算子为基础,通过增加图像变换尺度参数,得到具有尺度不变性的改进算法。基于软件编程实现特征点坐标提取与匹配,结果显示改进后算法耗时变短、计算结果精度和鲁棒性均有所提高,为深入研究双目摄像机障碍物识别与路径规划奠定了基础。     

基于RSSI测距的室内定位技术

搭建了基于ZigBee技术的室内定位实验平台,以实验室楼道为室内场景进行了接收信号强度(RSSI)测距和定位实验研究。首先对测距实验采集到的数据使用线性回归分析拟合出当前环境的具体测距模型,并对信标和未知节点进行软件开发,实现了基于RSSI的定位算法。经过定位实验精度评估,文中算法的平均定位误差为2.3 m,满足大多室内场景要求。     

一种基于改进ORB算法的双目视觉测距方法

针对传统基于特征点图像匹配算法误匹配率高和 双目视觉系统测量精度低问题,提 出一种基于改进ORB 算法的双目视觉测距方法。首先采用引导滤波对图像进行预处理,然 后将FAST 检测得到的特征点作为中心,得到围绕该特征点的区域,将该区域进行分割, 分别求出左右区域的质心坐标,根据两质心坐标进行主方向的确定;再采用Sobel 算子计 算出像素点水平和垂直梯度,比较每个像素点对之间水平与垂直梯度中的较大值,把比较 结果串成一个二值位字符串的形式,从而形成描述符,采用汉明距离进行匹配;最后在测 量阶段用二维二次函数拟合的方法获得特征点的亚像素坐标,通过三角测量原理获得对应 特征点的空间三维坐标,从而得到被测物体的尺寸。实验结果表明,本文改进算法的匹配精度较 传统ORB算法提高35.25%,同时测量的最低相对误差达到0.428%,满足测量要求。     

基于FPGA的激光测距系统中基4算法的FFT研究

文章提出了利用可编程逻辑器件FPGA通过硬件来实现快速傅立叶变换( FFT)的基4 算法,提出了采用两个蝶形运算器同时并行计算,每次蝶形运算按顺序进行的结构,将并行处理与顺序处理相结合,提高并行度和数据吞吐量,每次蝶形运算时间不超过1μs,完成整个256点复数FFT运算大约需要120μs左右,同时又节省资源。该方法在激光矿井提升机位置跟踪系统中应用取得了良好效果。