微操作机器人系统拟实环境的实现

本文实现了一个具有显微图像效果的2D增强现实的微操作拟实环境．文中给出 了微操作工具的生成算法和它的运动学建模算法,并在虚拟显微镜的实现过程中对操作工具 和操作对象的显微图像进行了优化处理,实现了对微操作机器人系统的拟实,并获得了很好 的拟实效果．该拟实环境可有效地用于实际微操作的预演、再现,微操作路径规划及人员培 训．     

微操作机器人系统拟实环境的建模与实现

建立微操作机器人的拟实环境结构, 应包括微操作环境的建模、微操作工具的建模及模型叠加三部分; 本文就微操作环境的建模与实现和微操作工具的建模与实现这两部分的关键技术: 图像传输、虚拟微操作器的生成、虚拟显微镜、虚拟成像过程及虚拟控制器给出了实现方案, 并在基于微机的硬件结构和VisualC ++及OpenGL组成的软件环境里, 得到了虚拟微操作环境和虚拟微操作工具的动态模型.     

基于显微图像处理的微操作工具深度信息提取方法

提出并实现了一种通过显微图像处理获取目标深度信息的方法, 将此种方法应用于生物医学实验中常用的微操作工具---微针的深度信息提取, 取得了较好的效果. 首先, 论述了深度信息提取原理; 之后, 研究了微针的成像模型, 详细分析了显微图像点扩散参数获取与微针深度信息提取的方法, 给出了相关的实验结果. 最后, 将此方法应用于微操作机器人系统, 利用离焦状态双针互插实验验证了方法的有效性. 结果表明, 本文的方法在精度上和速度上都达到了在线应用的水平.     

基于SLM显微立体视觉模型的3D微定位研究

基于体视显微镜(Stereolightmicroscope,SLM)的显微立体视觉已经在微操作领域应用。本文研究了基于SLM显微立体视觉模型的微操作系统中的三维微观定位问题。通过对SLM双光路的分析,给出了描述二维图像空间和三维物空间映射的弱非线性显微立体视觉模型。采用立体匹配算法和目标识别两种方式对运动图像序列中的目标对象进行捕捉,可以批量给出立体图像中相关点的坐标。利用显微立体视觉理论模型和显微图像处理实现了微操作系统中的微观3D定位。     

基于显微图像散焦特征的微操作机器人深度信息提取

提出了一种单目显微视觉下微操作机器人深度信息的快速提取方法，通过计算微操作空间中 X-Y平面的散焦图像特征，表征图像清晰程度，从而获得机械手在Z方向的深度信息．实验 特征曲线证明方法简洁快速，有效的反映了微操作深度信息的变化和机械手在纵向的运动特 性．     

显微光学模糊图像的景物深度提取及应用

目的 显微光学成像有景深小和易模糊等缺陷,很难根据几何光学中的点扩散函数准确评估图像的模糊程度,进而很难计算景物深度。同时,传统的使用边缘检测算子衡量图像模糊程度变化的方法缺少与景物深度之间的函数关系,影响深度计算的精度。为此,本文提出一种显微光学系统成像模糊程度与景物深度关系曲线的获取方法。方法 从显微光学系统中的光学传递特性出发,建立光学传递函数中的光程差、高频能量参数和景物深度之间的数学关系,并通过归一化和曲线拟合得到显微光学系统的成像模糊程度与景物深度之间的解析函数。结果 为了验证本文获取的图像模糊程度和景物深度之间的函数关系,首先使用纳米方形栅格的模糊图像进行深度计算,实验测得的深度平均误差为0.008 μm,即相对误差为0.8%,与通过清晰图像和模糊图像的逐个像素亮度值比较,根据最小二乘方法搜索两幅图像的亮度差最小时求得深度的方法相比,精度提高了约73%。然后基于深度测量结果进行模糊栅格图像的清晰重构,重构后的图像在平均梯度和拉普拉斯值两个方面都明显提高,且相对于传统基于高斯点扩散函数清晰重构方法,本文方法的重构精度更高,稳定性更强;最后通过多种不同形状和亮度特性的栅格模糊图像的深度计算,证明了本文的模糊程度—深度变化曲线对不同景物的通用性。结论 本文建立的函数关系能够更加直观地反映系统参数对光学模糊成像过程的影响。使用高频能量参数表征图像的模糊特性,既可以准确测量图像模糊程度,也与景物深度具有直接的函数关系。固定光学系统参数后,建立的归一化系统成像模糊程度与景物深度之间的函数关系不会受到景物图像的纹理、亮度等特性差异的影响,鲁棒性强、更方便、更省时。     

一种体视显微图像误匹配消除方法

针对尺度不变特征变换( SIFT)匹配中存在的误匹配问题和立体图像特点,提出一种误匹配消除方法。对体视显微图像进行SIFT特征匹配初步得到匹配对,结合体视显微镜标定参数,计算三维点云坐标。将三维点云分别投影到左、右图像中得到新的匹配对,新投影点的图像坐标分别与原来匹配点的图像坐标相减,生成投影向量集。通过左、右2个投影向量集幅值和方向的异常值剔除,实现误匹配消除。实验结果表明,实验图像的误匹配消除率达到100%,同时不消除正确匹配点,提高了匹配精度。     

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．     

通过显微图像特征抽取获得微操作目标纵向信息

工作于生物显微镜下的微操作机器人系统,是完成对生物细胞显微操作的专用操作系 统．由于各种原因,常规的反馈定位控制难以实现．系统中惟一可以利用的信息是由CCD摄 像机获得的显微平面图像,目标的纵向信息难以获得．本文提出了一种基于系列显微图像频 率特性比较的分析方法,完成对微操作系统中各目标体的纵向位置信息的获取,为本系统的 标定工作和位置控制的实现奠定了基础．     

基于高频能量参数Eh的微操作纵向深度估计

提出了利用散焦图像的高频能量参数获取深度信息的新方法．算法实现步骤分为两步：首先通过标定实验，从一组在2μm间隔深度下采集的微工具序列模糊图像中导出深度计算方程，然后，在实际深度估计中，测得深度对应的能量参数，代入深度方程，求解出深度值．在测试实验中，讨论并解决了微工具形状不均对标定实验的影响．该技术已经成功地应用到NKTY-MR系列微操作机器人系统，准确快捷地完成了深度估计和自动调焦的操作．     

The generalized Radon transform: Sampling, accuracy and memory considerations

The generalized Radon (or Hough) transform is a well-known tool for detecting parameterized shapes in an image. The Radon transform is a mapping between the image space and a parameter space. The coordinates of a point in the latter correspond to the parameters of a shape in the image. The amplitude at that point corresponds to the amount of evidence for that shape. In this paper we discuss three important aspects of the Radon transform. The first aspect is discretization. Using concepts from sampling theory we derive a set of sampling criteria for the generalized Radon transform. The second aspect is accuracy. For the specific case of the Radon transform for spheres, we examine how well the location of the maxima matches the true parameters. We derive a correction term to reduce the bias in the estimated radii. The third aspect concerns a projection-based algorithm to reduce memory requirements.     

基于单目显微视觉的微球姿态测量方法

微零件的姿态测量对微装配具有重要的作用.但对于微球零件,其姿态的精确测量存在困难,影响了装配精度.针对带有微孔的微球,本文提出了一种基于单目显微视觉的微球姿态高精度测量方法.设计了一种由粗到精的微孔检测算法,实现了高精度的微孔定位.通过对相机光轴方向的标定,在相机运动后对微球图像坐标进行补偿,提高了在相机坐标系下的微球定位精度.通过对微球和微孔的精确定位,计算出微球球心与微孔圆心的空间相对位置,实现了相机坐标系下高精度的微球姿态测量.同时,根据标定出的相机坐标系与调整平台坐标系之间的旋转关系,将微球姿态转换到调整平台坐标系.实验结果表明,最大姿态测量误差0.3度,验证了本文方法的有效性.     

虚拟现实对象的动态行为控制研究

虚拟现实中对象动态行为控制是虚拟现实技术研究的重要内容。分析了虚拟场景对象的控制方法，研究了基于Java程序和VRML语言的核心交互技术。利用EAI实现从虚拟场景中获得对象的位置坐标、得到对象参数信息、向对象发送控制参数、控制对象动态行为等功能。     

虚拟实景对象建模与表现

虚拟对象是指物体的数字化外观仿真模型,与基于图形的虚拟对象相比,基于图像的虚拟对象具有绘制速度与物体复杂度无关、实时性强、可轻易达到相片级的视觉表现效果以及建模简单等特点,在许多领域都具有广泛的应用前景.传统的基于图像的虚拟对象建模需已知相机参数或图像深度信息,建模繁琐复杂.针对该问题,提出一种可实用的基于图像的虚拟对象简化模型--虚拟实景对象,对该模型建模只需围绕待建模物体周围采集一圈实景图像,无需已知相机参数或图像深度信息,表现时则采用视图合成方法来合成未采集图像视点的虚拟视图,从而实现对物体的连续自由观察.实验结果表明,该方法不仅建模过程简单,而且可以实现对虚拟对象的360度连续自由操纵.     

结合活动轮廓模型的无监督纹理图像分割

定义了清晰度参数、细节信号能量参数和边缘信号能量参数3个纹理参数，对图像的纹理特征进行分析，以获取原图像的特征能量图；再利用基于简化Mumford-Shah的活动轮廓模型对图像进行纹理分割，该分割模型能较好地处理模糊、缺省的边界，同时具有去噪的功能．利用水平集方法求解该模型，解决了演化曲线拓扑可变的问题．与传统的纹理分析方法相比，文中方法能更好地表达图像中复杂纹理的信号特征．通过对合成纹理图与自然纹理图进行分割及大量实验结果表明：该方法能有效、快速地分割纹理图像．     

强边缘提取网络用于非均匀运动模糊图像盲复原

基于深度学习的非均匀运动图像去模糊方法已经获得了较好的效果. 然而, 现有的方法通常存在对边缘恢复不清晰的问题. 因此, 本文提出一种强边缘提取网络(Strong-edge extraction network, SEEN), 用于提取非均匀运动模糊图像的强边缘以提高图像边缘复原质量. 设计的强边缘提取网络由两个子网络SEEN-1和SEEN-2组成, SEEN-1实现双边滤波器的功能, 用于提取滤除了细节信息后的图像边缘. SEEN-2实现L₀平滑滤波器的功能, 用于提取模糊图像的强边缘. 本文还将对应网络层提取的强边缘特征图与模糊特征图叠加, 进一步利用强边缘特征. 最后, 本文在GoPro数据集上进行了验证实验, 结果表明: 本文提出的网络可以较好地提取非均匀运动模糊图像的强边缘, 复原图像在客观和主观上都可以达到较好的效果.     

图像复原中高斯点扩展函数参数估计算法研究

在图像的非盲复原算法中,点扩展函数的获取是算法的关键,因而点扩展函数参数估计是图像复原中重要的一步。由于高斯型点扩展函数是许多光学系统和成像模型中最常见的,所以高斯型点扩展函数参数估计算法一直是研究的热点。文中详细论述了三种主要的高斯型点扩展函数参数的估计算法的原理和实现,比较了各种算法的优点和不足之处。最后,文中展望了今后研究的方向,具有重要的实际意义。