一种基于VINS的视觉里程计改进方法

同时定位与地图构建(SLAM)是当今机器人领域的主要研究课题之一。针对如何根据图像估计相机位姿问题，提出一种基于VINS的视觉里程计改进方法(ORLK-VINS)。首先，通过双目相机获取图像信息；其次，将图像信息进行直方图均衡化处理，使图像对比度和亮度得到改善；然后，对原图像特征提取算法进行改进，引入ORB算法中带有方向的FAST角点；最后再将提取的特征点进行正反向的LK光流跟踪匹配，保证匹配特征点的精确性。实验表明，经过改进后的视觉里程计相较于主流的VINS-Fusion算法，在某些场景下拥有更好的实时性和定位准确性。     

基于特征点检测与光流法的运动目标跟踪算法

为了解决当前运动目标跟踪算法在背景模型复杂和目标特征不明显的情况下,导致算法跟踪能力不足的问题,本文分别从特征点检测与光流法分析的角度出发,提出了基于特征点检测与光流法的运动目标跟踪算法。首先,根据图像梯度矩阵最小特征值,通过仿射变换,精确化特征点帧间匹配,排除伪特征点,达到精准检测运动目标特征点的目的。然后,基于图像像素守恒原理,进行2幅图像间变形评估,建立图像约束方程,进一步精确跟踪运动目标。最后,基于软件开发环境QTCreator实现算法,并系统集成。实验测试结果显示:与当前运动目标跟踪技术相比,本文算法拥有更高的准确性与稳定性。     

基于彩色图像与深度图像信息融合的改进Camshift算法研究∗

针对传统Camshift算法在目标跟踪过程中会被拥有与目标物体类似颜色分布的背景物体干扰,导致搜索窗口发散或目标丢失的问题,提出了一种基于彩色图像与深度图像信息融合的算法,利用Kinect传感器可同时获取目标区域彩色图像与深度图像的特点,使用光流法在深度图像中对运动目标进行跟踪,通过考虑空间运动关系剔除相似颜色背景可能带来的影响.试验结果证明,该算法可有效跟踪运动目标,并在出现干扰时提高系统的鲁棒性.     

智能视频监控系统动态目标检测与识别算法综述

随着电力系统自动化程度的不断提高,智能视频监控在电力系统中的应用也变得越来越多。本文针对智能视频监控系统所采用的动态目标检测与识别算法进行了综述。介绍了包括帧间差分法、背景差分法、光流法在内的视频移动目标检测算法、基于传统模板的识别方法以及统计学习识别方法。并对上述各种算法进行了比较,阐述了各算法的适用环境及优缺点。     

一种改进的光流估计方法

运动估计一直是视频处理领域的核心课题之一,基于Horn和Schunk所提出的光流约束方程的光流场估计类算法是图像运动估计的一类重要算法.本文针对光流法在亮度突变条件下,运动参数估计不准确的弱点,基于图像的边缘变化特征,对平滑约束项加以改进,给出了一种基于区域平滑约束的光流估计算法.该算法能够提高光流估计的精确性,降低Horn-Schunck法中全局平滑约束对运动边界的影响,提高峰值信噪比.实验结果表明,该方法更为有效和实用.     

基于深度学习的红外过采样扫描图像小目标跟踪算法

红外小目标跟踪过程中由于背景、外界杂波等干扰,导致跟踪精确度和实时性欠佳,为此,提出基于深度学习的红外过采样扫描图像小目标跟踪算法。首先构建了红外过采样扫描图像模型,通过背景估计、形态学开运算,对图像中背景以及外界杂波进行多级滤除;然后增加设计特征融合模块和区域选取模块来改进孪生网络,生成融合特征图输入目标区域,通过分类和回归计算提高图像的特征表征能力和跟踪精度;最后建立损失函数训练孪生网络,输出红外过采样扫描图像小目标跟踪结果。实验结果表明,利用所提算法进行图像滤除后,信噪比能够高达35 dB,所提算法的区域重叠率较高、跟踪精度高,且算法的实时性强,帧率达到200 fps以上,整体跟踪效果好。     

架空线路绝缘喷涂异物检测识别及机器人运动轨迹规划

异物侵入不仅影响输配电线网绝缘漆喷涂,更会影响电网安全运行。为此,需要开展输电架空线路绝缘喷涂异物检测、识别与清除的智能化方案研究。文中构建了基于分段映射直方图图像增强预处理、基于光流法图像区域特征分离提取、基于改进Camshift算法动态异物跟踪识别的异物检测、识别、跟踪方案;构建了基于关节空间的机械臂D-H运动学模型,采用五项式插值法进行机械臂空间运动轨迹规划;构建了基于双层结构模型预测控制(Model Predictive Control, MPC)的异物高精度控制视觉伺服控制方案,实现异物抓取的高精度控制。试验结果表明异物检测、识别、跟踪算法具有高鲁棒性,能够有效增强图像,提取复杂环境下的特征矩形区域,实现有遮挡情况下的动态异物跟踪;多关节机械臂空间运动轨迹算法具有良好连续平稳性,有效满足机械臂始终指向待抓取异物中心点;基于MPC的视觉伺服控制能够满足机械臂异物抓取的高精度控制。     

一种基于行程编码的图像背景重构

背景差法是一种重要而且实用运动目标检测方法。该算法的难点在于如何进行背景图像的重构。本文针对该问题,提出一种基于行程编码的背景图像重构算法,即在假设背景图像以最大概率出现在图像序列中的前提下,选择频率最高的图像作为背景图像进行背景重构。利用序列图像时间上的相关性进行行程编码,用编码数据进行背景图像点得重构,使重构具有实时性和节省运算空间的特点。在慢运动目标的图像序列中,即观测时长较长时,利用本文算法进行实时背景重构具有明显的优点。仿真结果表明,该算法能够准确地重构背景,从而实现对运动目标的完整提取,以便进一步识别或跟踪。     

煤矿井下人员视频图像识别跟踪的研究与应用

随着数字图像处理技术的发展,图像识别开始应用到煤矿的安全领域。基于背景差分法的研究,采用混合高斯模型的背景建模法,设计了井下视频图像中运动人员检测的流程和算法,来应对监测场景图像、光线强度的不断变化,并开发了实时监测平台,实现了对井下监控图像中人员进行识别和运动轨迹跟踪。实际应用结果验证,该算法能有效增强检测的效果,实现了在诸多不确定性因素的序列视频中较好的自适应构建背景,从而高效地检测出移动中的井下工作人员,并进行标注跟踪显示。     

基于TMS320C6455的目标跟踪系统设计与实现

介绍了一种基于高速处理芯片TMS320C6455和FPGA架构的目标跟踪系统。该系统以DSP与FPGA为主体设计一套图像处理设备,利用局域熵算法来实现简单背景下小目标的跟踪。FPGA采用Xilinx公司生产的XC5VSX95T ,用来对原始图像数据进行预处理。DSP芯片采用TI公司生产的 TMS320C6455,通过局域熵算法对预处理后的图像进行实时跟踪并且将目标信息返回FPGA。FPGA获得跟踪结果后,将目标信息与原图像叠加,通过显示器将图像结果进行显示。局域熵算法经过优化后,目标检测跟踪时间大大缩短,满足硬件系统实时性的要求。     

浅谈运动目标检测的基本方法

运动目标检测是视频图像处理过程中重要的环节,提取视频图像中的运动目标是视觉监控领域研究的难点之一,运动目标检测的效果将影响到目标跟踪结果的准确性。若要确定视频图像序列中目标的位置及灰度等特点,就要准确的检测出运动目标,本文介绍了背景消除法,帧间差分法和光流法三种常用的运动目标检测的方法,同时对各自方法的基本思想进行了阐述,对其优缺点进行了分析。     

背景提取与前景滤波相结合的时空联合视频降噪

针对视频图像的高斯型随机噪声,提出一种背景提取与前景滤波相结合的时空联合视频降噪算法。结合图像膨胀处理和背景差分法将视频图像分为背景和前景部分,前景部分和背景部分分别采用基于Non‐local means filter的时空联合视频降噪算法和时域平均算法进行降噪处理,并将处理之后的前景和背景相加,得到最终的视频图像序列。最后,给出了Non‐local means filter方法和本文降噪方法降噪效果的对比试验。实验结果表明,Non‐local means filter和本文降噪方法降噪后2个测试序列的PSNR分别为33．0043、29．0365和35．8340、31．5261。这说明对于背景固定的监控类视频,该算法在降低算法复杂度、提高实时性的基础上,有效的处理和保留了视频图像的低频信息和高频细节。     

一种基于视频图像的运动车辆跟踪方法

基于视频图像的车辆运动跟踪是当前计算机视觉研究的热点,具有广泛的应用领域。本文研究了一种基于视频图像的运动车辆跟踪算法,通过当前帧目标边缘与实时更新模板的最优匹配来确定目标的位移量。首先启动了卡尔曼滤波,预测目标匹配搜索区域,然后再在搜索区域中利用边缘匹配精确定位目标,减小了匹配的计算量。实验结果表明,该方法是有效的且实时性好。     

基于ISPF与异类信息融合的视觉目标跟踪

以监控系统为研究背景,引入了一种基于图像多特征信息融合的ISPF跟踪算法。利用基于颜色信息的模板匹配作为底层跟踪,通过分析目标轮廓的运动信息抽取具有特殊权重的中心粒子,并利用该粒子限制和引导底层跟踪的结果。由于融合了图像的颜色信息和运动信息,从而提高了跟踪精度,仿真结果表明该方法比利用单一信息的视觉跟踪更具优越性。     

基于信息融合的运动目标跟踪算法

针对复杂背景下目标遮挡后跟踪不稳定的问题,提出了一种在粒子滤波框架下融合异类信息进行目标跟踪的算法.该方法建立了声源特征模型和颜色特征模型,在此基础上将声音信息和图像的颜色信息融合到粒子滤波跟踪算法中,通过粒子更新策略实现跟踪.实验结果表明与基于单一特征的跟踪算法相比均方误差降低了18.3%.在低信噪比情况下,该算法更...     

一种快速运动目标检测与跟踪算法

运动目标的检测与跟踪是计算机视觉和图像编码研究的主要内容,有着广泛的应用领域。基于光流场的检测与跟踪是其常用的方法之一,但其计算结果和效率是不能令人满意的。提出了基于帧间差阈值法和光流场相结合的快速运动目标检测与跟踪算法,计算结果表明该算法简单实用、运算速度快,克服了单纯光流场方法的不足。     

一种新的检测方法在目标跟踪中的应用

综合考虑了目标跟踪可靠性和实时性的双重要求,以及场景中不可避免的光照变化、背景干扰等实际因素,基于离散线性卡尔曼滤波实现了运动目标快速跟踪。采用帧间差分与图像梯度信息相结合的办法提取目标轮廓,应用高斯滤波、空域平滑滤波技术减弱噪声干扰,并利用邻域端点搜索法连接、修复目标轮廓。实验表明,本文中的算法具有抗噪性能强,适合实时处理的优点。     

视频监视中运动物体检测的一种新算法

本文提出一种结合阈值分割以及区域生长的算法检测视频中运动物体的算法.首先对相邻的图像帧进行差分并根据3σ准则二值化差分图像,然后对二值图像进行扫描去除虚假目标区域和孤立亮点、并记录各区域的边界值,最后用区域生长的办法得到运动物体的完整信息.实验表明,在背景复杂、光照不均匀的视频中,该算法比帧间差分法、数学形态学的方法等能够更精确地检测出多个运动物体,在提取目标的同时,不留下任何背景像素,使下一步的目标跟踪更精确.     

应用于智能变电站的智能视觉系统

为了进一步提高智能变电站运行的安全性、稳定性和可靠性,研究和开发一套适用于智能变电站日常运行和维护的智能视觉系统,以监控智能变电站的运行环境、智能变电设备的运行状态。该系统包含基于特征匹配和图像融合技术的智能设备监控子系统、基于视觉跟踪技术和机器学习算法的智能环境监控子系统以及基于生物特征识别技术的智能门禁子系统;集成和改进了视频监控、图像处理、机器学习模式识别领域中的最新技术,实现了对智能变电站运行环境以及变电设备运行状态自动进行在线监控。     

基于动态自适应相关滤波的复杂场景目标跟踪算法

为解决目标变化、场景非均匀照明等复杂场景下的目标跟踪问题,提出了一种复杂场景下基于动态自适应相关滤波的目标跟踪算法。该算法首先构造一组几何失真的目标参考图像的版本,然后基于组合滤波器的思想,将构造的适用于每个图的最优模板组合起来;同时为避免下一帧中预先指定目标预期位置的需要,算法采用基于时间序列的预测机制,通过考虑目标的运动学来提高跟踪精度;最后该算法设计了重新初始化机制,在系统发生故障时算法进行重启。仿真结果表明,所提的算法的跟踪精度和跟踪效率上优于现有的算法,从而验证了所提算法的有效性和可行性。