基于贝叶斯估计与区域划分遍历的四轴飞行器避障路径规划算法

为了提高利用图像处理技术进行四轴飞行器避障的实时性,提出一种基于贝叶斯估计与区域划分遍历的避障路径规划算法。首先,通过贝叶斯估计来对四轴飞行器采集到的视频图像进行预处理;其次,对采集到的图像进行障碍物概率分析以获取视频图像中的关键帧,最大限度地提高四轴飞行器的实时性;最后,对选取的图像帧进行背景差分实现障碍物识别,并通过实现基于区域划分的像素点遍历算法提高障碍物识别的准确性。实验结果表明,在保证障碍物识别性能的前提下,所提算法使四轴飞行器进行避障时的实时性有所提升,且四轴飞行器的理想轨迹与实际飞行轨迹的最大距离为25.6 cm,最小距离为0.2 cm。可见所提出的避障路径规划算法为四轴飞行器利用摄像头采集的视频图像进行避障提供了一种高效的解决方案。     

基于机器视觉的机器人测距研究

机器人测距技术是机器人导航、路径规划以及协作编队关键技术之一。基于透视投影几何原理,提出了单目视觉测距模型,实现物体测距。单目视觉测距模型实现了在摄像机与目标平面平行或者有夹角情况下,对目标物体距离的测量。实验结果表明,所提出的测距模型和和所用的算法,不仅避免了复杂的摄像机标定,而且测量速度快,能够实现对目标物体空间距离的精确测量。     

基于单目视觉的车辆前方障碍物测距方法

针对行车过程中的防碰撞预警问题,提出一种基于单目视觉车辆前方障碍物检测与测距方法。为解决传统车辆检测泛化性差且人工提取特征不准确问题,通过深度学习目标检测YOLOv4算法对车辆前方多种障碍物进行检测,获取障碍物的类别信息与位置信息。运用改进的边缘检测算法调整检测框的位置,提升检测算法目标定位的准确性。根据摄像机成像原理及几何关系,得到路面三维坐标与像平面二维坐标转换模型从而进行测距,对所得测量数据进行三次曲线拟合、对测距过程和算法进行优化提升测距精度。在50m范围内平均误差为0.54m,在80m范围内平均测距误差为0.78m。实验分析对比结果表明,所提方法能够实现较精准、高效率的单目视觉测距。     

基于单目视觉的机器人目标定位测距方法研究

为实现具有单目视觉的双足机器人对目标物体的定位测距,根据针孔成像和几何坐标变换原理,提出一种基于单目视觉系统自身固定参数计算目标物体深度信息的几何测距方法;该方法利用双足机器人自带的单目视觉系统的固定参数,通过几何映射关系求解目标物体在三维空间内的坐标位置及相对于机器人的距离,克服了由于外界环境变化以及对参照物识别时所产生的误差影响测距定位精度的问题,从而实现基于单目视觉的目标物体精确跟踪定位;并对所提出方法进行了实验,得到比理论结果误差较小的实验数据,证明了方法的可行性。     

基于单目视觉的矿井机车障碍物检测和测距方法

针对现有矿井机车障碍物检测和测距方法存在测距精度低、测量范围小及成本高等问题,提出了一种基于单目视觉的矿井机车障碍物检测与测距方法。该方法首先对CCD摄像机采集的图像进行预处理,然后根据障碍物的特点进行特征提取得到准确的障碍物区域,最后利用基于摄像机内部参数和几何关系的单目视觉测距方法得到机车与前方障碍物之间的距离。测试结果表明,该方法能有效检测机车前方障碍物,且测距精度在有效误差范围内。     

基于单目视觉测距的车辆自动刹车辅助系统设计

针对红外测距与超声波测距探测距离与真实距离差异大,刹车控制智能性不强的问题,设计并实现了基于单目视觉测距的车辆自动刹车辅助系统,系统硬件主要由图像采集模块、图像处理模块、以及电子制动模块组成;通过基于单目视觉测距算法实现软件编程,并在Matlab平台上完成测试,实验中车辆以35km/h驶向障碍物,使在20~70m的实际距离进行仿真测距,单目摄像头俯仰角测定在88°~90°之间,对前方实时车距进行测量,并通过与汽车电子控制单元之间的数据交换对车辆制动进行辅助控制;实验结果表明:在实测距离和系统介入距离均在70m以内时,算法相对误差平均在2%左右,车辆停止地点距障碍物在4.5m左右,说明系统满足车辆智能化辅助制动的实时性要求。     

基于单目视觉的实时测距方法研究

为了利用单目视觉实时监测本车与前方障碍物之间的距离,在比较了现有的几类用于车辆控制的道路深度信息获取方法的基础上,首先研究了较为适用于汽车自动驾驶的几何关系推导法,进而提出了基于单目视觉的实时测距算法.通过试验可知,由于摄像机的俯仰角是影响实时测距算法的关键因素,因此又提出了基于道路边界平行约束条件的实时计算摄像机俯仰角算法.静态实车试验的结果显示,该基于单目视觉的实时测距算法具有较高的准确性,可以满足测距要求,而动态实车试验的结果则显示,此算法还可以满足汽车智能化控制的实时性要求.     

基于立体视觉的高精度标定与测量方法

立体视觉测量系统中,光学系统产生的畸变使目标的成像偏离了理论成像点,导致系统产生测量误差。针对提高系统测量精度的问题,提出一种基于立体视觉的测量方法。首先,根据标定板上各角点的像素分辨率,拟合整个成像平面的四次多项式,且多项式的系数与物体到相机的距离成比例;然后,应用双目测距原理,测量被测物体的纵向距离;最后,基于所得的多项式,应用单目相机测量待测物体的横向尺寸。实验结果表明,对于所提方法,当物体距离相机5 m以内时,其纵向距离误差可以减小到5%以内;当物体距离相机1 m时,其横向宽度测量误差在0.5 mm内,逼近理论最高分辨率。     

一种基于光条中心线的测距方法

在单目视觉避障系统中,利用红色LED水平光条照射前方障碍物,由摄像头获得图像并处理后得到红光光条,根据光条中心在图像中的位置判断障碍物与摄像头之间的距离。该文对Zhang并行细化算法进行了改进,以适应嵌入式系统快速准确得到红光光条的中心线,由中心线坐标得到障碍物距离及宽度。实验结果证明,该算法具有很好的中心线提取效果;测距范围为25 cm,测距误差在3 mm以内。     

基于单目视觉的水面目标识别与测距方法研究

无人船在自主航行过程中,如何探测障碍物种类与距离是值得重点研究的问题。现阶段的无人船主要采用激光雷达、超声波等设备探测水面障碍物,但此类方法并不能识别出障碍物的具体类型。提出采用基于单目视觉的目标检测与测距算法,不仅能够检测出无人船前方是否有障碍物,还能够对水面障碍物进行识别和距离检测。首先通过训练好的Mask R-CNN模型对水面障碍物进行检测识别,随后利用改进的基于小孔成像原理的单目测距方法对识别到的障碍物测量距离。为验证该目标识别与测距方法的有效性,选取了不同形状的船只、河岸、荷叶及荷花等图像进行验证实验。实验结果表明,课题研究的目标识别与测距方法能较为准确地对水面障碍物进行分类及像素级别的实例分割,同时测量障碍物与无人船之间的距离。     

动态船舶行驶场景下的实时单目测距算法研究

为了利用单目视觉实时监测船舶行驶过程中与周围船舶之间的距离,首先分析单目视觉测距现状及其成功应用实例,基于小孔成像原理建立单目相机模型,通过几何推导,得到世界坐标系、相机坐标系、图像坐标系及像素坐标系之间三层坐标转换关系.随后通过实验验证pitch俯仰角与yaw水平角对单目视觉测距的影响程度,从而分析出动态船舶行驶场景...     

一种视觉引导的作业型飞行机器人设计

针对作业型飞行机器人执行抓取、投放等作业任务时飞行机器人与被抓取目标之间难以相对定位的问题,提出了一种视觉引导的作业型飞行机器人设计方法.首先,介绍作业型飞行机器人系统的整体机构设计,建立飞行器和空中作业装置的运动学和动力学模型.然后,根据针孔成像模型,在ArUco标记尺寸已知的前提下,通过机载的单目摄像头检测被抓目标上的ArUco标记,利用n点透视(PnP)算法解算摄像头位姿,进而利用摄像头位姿信息对飞行器和作业装置进行分级控制.最后,通过静止实验和户外悬停实验验证了位姿估计算法的有效性,并通过自主抓取直径2 cm、质量100 g的管状物体进一步验证视觉引导的有效性和合理性.     

基于单目测距技术的道路障碍物检测方法

本文从计算机视觉的角度,对障碍物检测进行了研究。本文将单目视觉系统简化为摄像机投影模型。通过几何关系推导法建立测距模型,获得图像坐标与世界坐标系之间的转换关系,最后实现障碍物距离的测算。经试验证明,本文选用的测距模型的误差在可接受范围之内。     

单目视觉室内无人飞行器运动目标测距技术研究

为了准确检测动态背景中运动目标并对其测距,实现室内无人飞行器避障需求,本文研究一种基于单目视觉的运动目标测距方法。在惯性信息辅助提高运动目标检测跟踪效率的同时,推导基于小孔成像几何约束的测距算法。在初步解算距离情况下,研究针对摄像机俯仰角误差的测距补偿方法。实验结果表明,本文算法不仅能够完整检测和跟踪运动目标,并且便于准确快速求取运动目标到摄像机的距离,具有重要的工程参考价值。     

轮式移动机器人单目视觉的目标测距方法

为减小特征匹配以及摄像机光轴倾斜对单目测距造成的误差,提出一种基于单目视觉的轮式移动机器人目标测距方法,将测距目标从平面物体推广到立体物体,在无须校正的情况下提高测量精度。通过对摄像机进行标定测量其内外参数,建立小孔平面成像模型得到世界坐标系与像素坐标系的对应关系。针对坐标变换矩阵奇异的情况,引入面积这一特性进行求解,推导特定矩阵奇异情况下目标距离与像素面积的关系。实验结果表明,该方法可将综合误差率控制在0.7%以内,能够满足轮式移动机器人单目视觉测距实时性和可靠性的要求。     

单目视觉测距在移动机器人的应用

运用Matlab软件中摄像机标定工具箱通过传统的摄像机小孔成像原理对摄像机内外参数进行标定。找出图像像素坐标系与机器人所在地面的世界坐标系之间的联系。并借助图像中消失点,确定机器人移动路径。找出图像上对应的机器人预通过区域。基于对障碍物边缘检测确定其是否出现在预通过区域上,并仅对区域内的障碍物进行单目视觉测距。在计算距离时提出了一种仅与机器人移动方向相关的距离计算方法。以保证机器人移动时不会与前方障碍物相碰撞。     

单目视觉测距在移动机器人的应用

运用Matlab软件中摄像机标定工具箱通过传统的摄像机小孔成像原理对摄像机内外参数进行标定。找出图像像素坐标系与机器人所在地面的世界坐标系之间的联系。并且借助图像中消失点,确定机器人移动路径。找出图像上对应的机器人预通过区域。基于对障碍物边缘检测确定其是否出现在预通过区域上,并仅对区域内的障碍物进行单目视觉测距。在计算距离时提出了一种仅与机器人移动方向相关的距离计算方法。以保证机器人移动时不会与前方障碍物相碰撞。     

基于深度学习的四旋翼无人机单目视觉避障方法

针对无人机避障问题，提出一种基于深度学习的四旋翼无人机单目视觉避障方法。首先通过目标检测框选出目标在图像中的位置，并通过计算目标选框上下边距的长度，以此来估量出障碍物到无人机之间的距离；然后通过协同计算机判断是否执行避障动作；最后使用基于Pixhawk搭建的飞行实验平台进行实验。实验结果表明，该方法可用于无人机低速飞行条件下避障。该方法所用到的传感器只有一块单目摄像头，而且相对于传统的主动式传感器避障方法，所占用无人机的体积大幅减小。该方法鲁棒性较好，能够准确识别不同姿态的人，实现对人避障。     

四轴飞行器视觉导航系统设计

采用基于计算机视觉的视觉导航技术,设计了一种符合四轴飞行器定点降落的视觉导航系统。在地面铺设着陆平台,利用机载摄像头采集周围环境图像,并进行特征点提取,确定四轴飞行器位置,通过无线通信的方式发送控制指令,实现对四轴飞行器的飞行过程导航控制。     

基于显著性检测的双目测距系统

为了提高双目视觉测距系统中图像匹配的实时性与测距的精度,提出一种将显著性检测与焦距拟合相结合的双目测距方法。首先对双目相机进行畸变矫正,并利用双目相机成像的特点拟合相机焦距与目标距离的关系,随后对所得图像进行显著性检测,并提取目标区域,最后,利用surf算子对提取出的区域进行特征匹配,将匹配点代入测距模型中得到目标物体的距离。结果表明:显著性检测方法明显提升算法执行速度,焦距拟合降低双目测距模型误差,明显提升双目测距精度。