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。     

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。     

双目视觉中的角点检测算法研究

为了实现双目视觉中的特征提取与立体匹配,在研究现有角点检测算法的基础上,提出一种改进的Harris角点检测算法。该算法首先采用图像分块和邻近角点剔除的策略,实现了阈值的自适应调节,并保证角点分布的均匀和避免角点聚簇的产生。结合Forstner检测算法,将精度提高到亚像素级。编程计算结果验证了该方法的准确性和稳定性。     

基于双目视觉测量系统的特征点匹配研究

双目视觉测量作为一种新颖的测量方式,当前正在越来越多的测量中取代传统的接触式测量方法。但是由于双目视觉测量系统对测量精度和实时性要求较大,因此在分析椭圆拟合算法的基础上,通过筛选规则选取部分边缘点进行迭代最小二乘椭圆拟合以提取光斑中心坐标。依据系统对待测量笔9个圆形标志的位置反映的特点,设计一种基于RANSAC算法的特征点匹配方法。实验表明该算法可以满足双目视觉测量对系统的高精度和实时性要求。     

一种用于机器人视觉系统的码链曲线角点寻求算法

本文描述了一种在平面码链曲线上检测尖锐角点的方法。对如何测量角点凸性进行了详细介绍。通过例子说明了该算法的实效性。最后，将该算法应用于机器人视觉系统，给出了仿真结果。     

基于超分辨率角点检测算法的双目相机高精度标定方法

双目相机标定是研究立体视觉的基础工作，标定的精度是视觉测量精度的关键。图像角点提取是相机标定的基础，但在现实应用场景中，外界影响使获取的图像不清晰，导致检测到的角点精度低，从而影响标定的精度。因此，提出一种基于超分辨率亚像素角点检测的端到端算法，从特征级解决低质量角点检测问题。首先，应用盲超分部分估计低分辨率图像模糊核，融合低分辨率图像特征重建出高分辨率图；然后，在此基础上得到角点亚像素位置；最后对双目相机进行高精度标定，并用测距实验对其进行检验。实验结果表明，所提基于超分辨的亚像素角点检测方法在真实场景下具有优越性。     

一种用于机器人视觉系统的码链曲线角点寻求算法

本文描述了一种在平面码链曲线上检测尖锐角点的方法。对如何测量角点凸性进行了详细介绍。通过例子说明了该算法的实效性。最后,将计算法应用于机器人视觉系统,给出了仿真结果。     

双目视觉技术在区域目标检测中的应用研究

针对求取区域目标的世界坐标的需要。以Harris角点算法对摄像机图像进行分析,提取图像中目标区域的角点。通过使用VC++环境中的OpenCV进行编程运算,计算出摄像机标定参数并运用双目视觉法计算出目标位置的世界坐标。     

基于双目视觉的目标完整点云获取方法

快速获取复杂形状目标的完整三维点云,重构目标的三维模型是目前智能检测和机器人识别与定位的关键技术和难点。基于立体视觉,提出一种图像预处理和优化半全局立体匹配过程的方法。该方法设计了图像预处理算法,与半全局立体匹配和点云配准算法配合使用,获取复杂形状目标完整的三维点云。搭建了硬件实验平台和旋转工作台,获取多角度下目标的左右图像对,在此平台上开发了一套基于双目视觉的点云获取系统,并以复杂形状的齿轮为实验对象对该系统进行测试。测试结果表明,该方法生成的物体三维点云效果良好,为目标三维重构提供方法和理论,实用性较强,并且系统运行速度快,算法处理过程可行。     

点结构光动态姿态角测量系统

设计出一个基于机器视觉中点结构光测量原理和以CMOS图像传感器局部感兴趣窗口(ROI)功能为基础的动态姿态角测量系统.介绍了系统测量原理、系统总体设计、以及软硬件算法的设计及实现.该系统硬件平台包括点结构光光源和姿态敏感器,实现了CMOS图像传感器的ROI功能,大大减少了图像数据量,提高了帧频.同时,采用FPGA实现了并行流水的图像预处理.基于序贯四连通域算法和一阶矩计算的实时光斑质心定位,将硬件处理结果实时传输给软件算法进行数据再处理,减少了软硬件平台间交互的数据量,提高了系统测量速度.软件平台实现了系统的标定和测试,并给出了结果.实验结果表明:该测量系统测量范围大,测角速度快,较好地实现了非接触式的动态测量.     

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FPGA的改进Harris角点检测方法

针对目前基于角点特征的视频分析系统前期特征提取速度较慢的问题,提出了一种利用FPGA来实现Harris角点提取的方法,并在充分考虑FPGA处理器结构以及Harris角点提取算法理论的情况下,对算法进行了进一步的改进,最后进行了仿真验证。结果表明,新算法在保证提取的角点完整准确的情况下,进一步提高了系统的实时性,同时大大简化了系统结构,减少了系统硬件开销,非常容易实现,具有较强的实用价值。     

应用于微型扑翼飞行器的实时视觉系统设计

提出并设计了一套应用于小尺寸、高频抖动的微型仿生扑翼飞行器的实时视觉系统,包括构成硬件基础的微型摄像头模块、5.8GHz传输模块和无线图传接收模块,以及构成软件模块的两种算法,其中一种是利用角点检测与LK光流法、基于卡尔曼低通混合滤波的实时电子稳像去抖算法,另一种是基于YOLOv3的人像识别算法。进行了微型仿生扑翼飞行器的飞行硬件搭载测试实验,实验结果表明,所提出的电子稳像算法可以去除x轴66.56%、y轴73.15%的抖动,人像识别算法可以达到96%以上的准确率,同时图传分辨率在720×480像素时,稳像去抖算法时延为6.33ms,人像识别算法时延为20.5ms,总时延满足实时要求,完成了实时去抖与人像识别系统的设计目标。     

一种基于角点检测的实时自动对焦方法及实现

为了满足热像仪在不同场景下自动对焦的功能需求,对现有多种自动对焦实现方案的优劣势进行了评估分析,并选择了一种基于角点检测算法的对焦方案。通过检测图像中的角点数量来实时判断图像的清晰度。根据热像仪FPGA图像处理系统的性能对该算法进行了改进与优化,并提出了多阈值角点检测实时对焦方法。根据当前场景的对焦状态,热像仪可自主判断是否执行对焦操作,以适应不同检测场景的需求,最终实现其在不同场景下的实时自动对焦功能。     

红外搜索跟踪系统中实时图像配准的研究和实现

为实现在红外探测器运动的条件下地面弱小目标的快速搜索与跟踪,提出了一种基于相位相关法配准和角点法配准相结合的红外图像配准方法实现对红外图像的运动补偿。根据相位相关法配准和角点法配准的特点,首先利用相位相关法对运动中的红外图像进行粗配准,然后利用相位相关法配准的结果作为角点法配准的先验信息实现图像的高精度配准。实验结果表明该算法能够在不降低配准精度的条件下,实时地为红外搜索跟踪系统提供红外图像的位移信息,有效地提高了红外搜索跟踪系统对弱小目标的检测率和检测精度。     

基于角点增强改进的TLD目标跟踪算法

针对TLD算法的特征点无法有效表述目标问题,提出了一种基于角点增强改进的TLD目标跟踪算法。改进算法在跟踪模块加入了对目标表述能力更强,具有光照不敏感性和旋转不变性的Shi-Tomas角点作为跟踪特征点。跟踪器运行时,在角点经光流法跟踪和双向误差检测后,利用剩余的稳定角点定位目标窗口。对照结果表明,改进算法在面对目标抖动和形变时可以稳定跟踪;有效抑制因跟踪平滑点造成的漂移现象;提高了跟踪的稳定性。针对TLD算法跟踪过程中因在线模板积累造成的计算量持续增大、实时性持续降低的问题,提出了一种依据相似度中值的模板判断删除机制。该删除机制在模板积累到设定阈值时运行,根据模板与当前目标的相似度,删除不再具备代表性的模板;调整模板空间并更新模板数目。实验表明,该删除机制在应对模板更新快、持续时间长的跟踪情景时有效降低算法计算量,实时性可提高约20%。     

多尺度Harris角点检测的FPGA实现

针对实时图像处理的要求,提出了一种利用FPGA实现多尺度Harris角点提取的方法。通过简化高斯函数,实现了基于FPGA的尺度空间构建。分析了多尺度Harris角点检测算法,改进了响应值计算函数,通过改进算法步骤,在FPGA上并行搜索位置、尺度空间响应值的极大值,进一步提高了多尺度Harris角点检测的速度。硬件处理速度显示,设计适用于实时性要求高的图像处理领域。     

一种基于激光视觉的焊缝实时检测技术研究

提出了一种基于激光视觉的焊缝实时检测技术,旨在提高焊缝检测的速度和精度。在实际的焊接过程中,由于大量噪声的干扰,焊接图像的采集一直是一个复杂的过程。 本文首先建立基于激光视觉的检测系统,以获得激光条纹的原始图像。在此基础上,将原始激光条纹图像灰度化,并提出一种改进的快速中值滤波算法,在去除图像中椒盐噪声的同时,缩短了程序运行时间。并通过Otsu阈值分割获得激光条纹的二值图像,提取感兴趣的激光条纹区域。接着结合方向模板法和脊线跟踪法提取激光条纹中心线,最后采用亚像素级角点法提取焊缝的特征点。 实验证明,本文提出的方法有效地克服了焊接环境的影响,不仅缩短了焊缝特征点检测的时间,而且具有较高的检测精度,符合实际焊接要求。     

动态环境下移动机器人运动目标测速方法

提出了基于Kinect摄像机的 机器视觉测速方法,用于实时的测量运用目标的速度信息。首先,设计出固定在运动目标上 的由 五个已知位置关系的圆组成的标识物,利用图像处理算法根据标志物的拓扑关系检测出运动 目标标志物在Kinect坐标系下 的位置;然后,将Kinect坐标系坐标通过坐标变换转换到世界坐标系;最后,根据采样时间 内测出的距离求出速度信息。通过 以上3步骤,依次解决运动目标检测和运动目标测速问题。理论分析和试验结果表明, 本文方法在移动机器人运动或者静止 情况下能够处理运动目标作直线运动、原地转动及其合成的曲线运动等不同运动形式下的速 度测量,应用范围广泛,计算实 时性和准确性高。