一种用于彩色图像目标识别的自适应阈值分割方法

机器人视觉系统利用颜色、形状等信息来识别环境目标，但是难点在于识别的鲁棒性和实时性的保证。采用移动机器人做平台，提出一种基于颜色学习的实时目标识别系统，并提出了一种目标颜色学习和分割算法，该算法基于自适应阈值分割图像，考虑环境的光照变化进行调整，改善了系统的实时性和鲁棒性。     

基于主动视觉和超声的机器人目标跟踪系统

运动目标跟踪技术是未知环境下移动机器人研究领域的一个重要研究方向。该文提出了一种基于主动视觉和超声信息的移动机器人运动目标跟踪设计方法,利用一台SONY EV-D31彩色摄像机、自主研制的摄像机控制模块、图像采集与处理单元等构建了主动视觉系统。移动机器人采用了基于行为的分布式控制体系结构,利用主动视觉锁定运动目标,通过超声系统感知外部环境信息,能在未知的、动态的、非结构化复杂环境中可靠地跟踪运动目标。实验表明机器人具有较高的鲁棒性,运动目标跟踪系统运行可靠。     

移动机器人实时目标跟踪系统设计与实现

针对单目视觉移动机器人目标跟踪的实时性和鲁棒性要求,提出了基于Kalman滤波器的改进Camshift算法检测和定位目标.将Kalman预测值作为目标初始位置,补偿摄像头和目标相对运动导致的目标在图像中的偏移.在系统“跟丢”后判断目标丢失的原因,根据原因自适应拓展搜索窗口作为Cam-shift算法的下一帧初始搜索窗口.为了验证改进算法的有效性,自主研制了一种应用该算法的履带式机器人实时目标跟踪系统.实验结果表明:该系统具有很好的鲁棒性和实时性.     

基于CUDA 与粒子滤波的多特征融合视频目标跟踪算法

针对复杂环境中非线性运动目标跟踪,单一特征无法满足对目标的准确描述,造成不能准确跟踪的问题,提出了一种基于粒子滤波与多种特征自适应融合的跟踪方法．该方法先对目标区域提取轮廓方向分布与颜色分布。根据自适应规则融合后,然后与粒子滤波理论相结合,实现对各种复杂环境中视频运动目标的有效跟踪．同时,通过使用CUDA（ComputeUnifiedDevicemchitecture）加速,实现了目标跟踪的实时性．实验结果表明,该方法可对非线性、非高斯的运动目标进行有效的跟踪,对目标的遮挡与暂时消失,背景焦距的拉伸与背景颜色的变换,有很强的鲁棒性和实时性．     

基于特征模型的非结构化道路跟踪算法研究

鉴于室外自主移动机器人视觉导航的应用需求,提出一种提高非结构化道路跟踪准确性和鲁棒性的算法。首先,利用局部二值模式LBP的纹理特征和颜色特征建立道路区域的H-S-LBP特征模型,利用特征模型对视频序列图像进行反向投影,将图像分割为道路区域和背景区域。同时,采用卡尔曼滤波器更新道路特征模型。通过反向投影与特征模型更新的交替完成,实现非结构化道路跟踪。实际应用表明,提出的算法能够准确跟踪视频图像中道路区域,对复杂多变的室外环境适应性较强,道路边缘处区分度较高,满足实时性要求。     

一种基于拟全方位视觉的移动机器人自运动融合估计方法

基于地平面假设的移动机器人单路视觉运动估计存在鲁棒性和环境适应性较差、精度较低等缺 点,针对这一问题,本文首先介绍了拟全方位视觉系统的构成,并结合该视觉系统的特点给出了一种基于两 步运动的摄像头平行位姿参数标定方法．然后据此提出了一种基于拟全方位视觉的自主移动机器人自运动融 合估计方法．该方法能够借助机器人的非完整运动约束、地平面运行假设以及运动估计参数之间的相容性测 度等多种因素,对拟全方位视觉系统中的各路视觉估计进行性能综合评价;最终依据评价结果融合确定出具 有较高可信度和较强鲁棒性的运动估计参数．实验结果从鲁棒性、精度以及实时性等方面验证了本算法的有 效性．     

改进的粒子滤波器目标跟踪方法

针对现有粒子滤波器目标跟踪算法采用单一颜色直方图特征在目标建模中的缺点和不足,提出了一种将目标颜色特征和不变矩特征融合建立目标模型的改进方法,粒子权重由环境决定的两种特征欧式距离加权生成.实验结果表明,该方法改进了单一颜色特征描述目标在跟踪过程中对抗一些干扰的不足,在不影响实时性的基础上提高了跟踪的准确性和鲁棒性.     

移动机器人崎岖地面静态目标瞄准跟踪系统

目标跟踪对自主移动机器人是一项重要的任务,但往往系统成本高、体积大、耗能高,跟踪控制算法复杂,不适合于小型移动机器人的应用场合。本文结合一种低成本的嵌入式颜色视觉系统,提出了一种简单实用的目标跟踪方法,基于图像的HSV阈值分割,经过颜色分割识别物体,通过实时对比目标中心在图像平面的坐标与图像平面中心的偏差,产生相应控制命令驱动云台电机保持目标中心坐标始终处在图像平面中心矩形框内,从而实现移动机器人对目标持续有效的瞄准跟踪。通过移动机器人在不同崎岖地面运动对所提出目标跟踪控制方法进行了验证。     

基于路径识别的移动机器人视觉导航

跟随路径导引是自主式移动机器人广泛采用的一种导航方式,其中视觉导航具有其他传感器导航方式所无法比拟的优点,是移动机器人智能导航的主要发展方向。为了提高移动机器人视觉导航的实时性和准确性,提出了一个基于路径识别的视觉导航系统,其基本思想是首先用基于变分辨率的采样二值化和形态学去噪方法从原始场景图像中提取出目标支持点集,然后用一种改进的哈夫变化检测出场景中的路径,最后由路径跟踪模块分直行和转弯两种情况进行导航计算。实验结果表明,该视觉导航系统具有较好的实时性和准确性。     

基于时空模型的尺度自适应视觉跟踪*

针对视觉跟踪过程中因目标尺度变化跟踪精度低的问题,提出一种基于时空模型的尺度自适应视觉跟踪算法(Spatio-temporal context – scale adaptive,简称STC-SA)。在颜色属性空间下提取目标颜色直方图特征;再通过时空上下文学习获取置信图中概率最大位置;最后利用颜色直方图进行相似度匹配和自适应方法修正跟踪框尺寸以达到最佳的跟踪效果。实验选取Benchmark中五组具有明显尺度变化的图像序列进行测试,STC-SA算法的跟踪成功率最高达到91%,验证了STC-SA算法具有较高的跟踪精度和跟踪实时性。     

五自由度立体视觉平台--目标物体的识别与定位

从立体视觉与机器人控制集成的角度出发,建立了一个主动立体视觉跟踪和定位系统,用于柔性装配线中装配零件的运动跟踪和装配工位的精确定位。讨论了使用立体视觉进行快速目标识别和定位的方法,该方法将颜色分割与基于形状特征相结合,提出采用基于局部图像的HSV阈值分割和形状识别相结合的图像处理方法,该方法经过HSV阈值和形状判据,准确地识别出物体,得到物体的边界和质心。能快速准确地识别出物体并进行定位,满足柔性生产线小规模定制产品装配的要求。最后给出的实验结果验证了该方法的有效性。     

基于投影直方图匹配的双目视觉跟踪算法

为了在机器人机械手双目视觉伺服系统中跟踪并精确定位目标的空间位置,提出了一种利用投影直方图匹配和极线几何约束的目标跟踪方法。分别在2个视觉中人工标定目标,并提取目标在多颜色空间的水平、垂直投影直方图作为匹配模板;在一个视觉中利用目标的运动一致性原则和投影直方图匹配搜索并跟踪目标;在另一个视觉中依据双目视觉系统的极线几何原理限定目标搜索范围,搜索并定位目标。该方法利用水平、垂直投影直方图描述目标的结构信息,同时完成了双目视觉系统中的目标跟踪与配准功能,有利于目标的精确定位和视觉测量。实验结果表明,该方法可在双目视觉系统中有效跟踪目标,运算效率高,鲁棒性强。     

一种基于颜色信息的足球机器人目标搜索方法

针对实际比赛中足球机器人视觉系统不能快速、准确地搜索到目标物体的问题,分析了RGB空间模型的优缺点以及基于彩色HSI变换原理,结合足球机器人的实际情况采用了一种从RGB空间到HIS空间快速变换的方法对颜色信息进行处理.同时,通过分析以往的目标搜索方法的优缺点,提出了一种基于颜色索引表的顺序网格法和种子填充法相结合的目标搜索方法,并在足球机器人视觉系统中进行了实验.实验结果表明这种方法既在一定的程度上降低了噪声干扰的影响,又避免了逐个像素计算颜色值,大大降低了计算量,从而提高了系统的实时性和可靠性.     

基于双计算机的仿人机器人的视觉跟踪系统

运动目标的实时跟踪是机器人视觉的关键技术之一。设计了仿人机器人的视觉跟踪系统,系统采用双计算机,分别负责视觉信息的处理和运动单元的控制,两台计算机通过Memolink进行通讯。基于Windows的视觉信息处理子系统实现运动目标的分割,状态估计和预测。运动控制子系统采用RTlinux实时操作系统,利用PD控制器控制关节运动。实验验证了系统的稳定性和实时性。     

大场地足球机器人视觉系统优化设计

介绍了大场地足球机器人比赛中视觉系统的整体设计方案.采用现场标定法对采集图像进行校正,为比赛提供准确的定位信息;通过采用HSI颜色空间实现了目标颜色的准确快速识别.最终使该视觉系统保证了比赛中实时性和准确性的要求.     

移动机器人运动目标跟踪系统设计

利用SONYEV-D31摄像机和自主研发的摄像机控制模块,构建了一套主动视觉子系统,并将该子系统应用于RIRA-Ⅱ型移动机器人上,实现了移动机器人运动目标自动跟踪功能。RIRA-Ⅱ移动机器人采用了由一组分布式行为模块和集中命令仲裁器组成的基于行为的分布式控制体系结构。各行为模块基于领域知识通过反应方式产生投票,由仲裁器产生动作指令,机器人完成相应的动作。在设置了障碍、窄通道以及模拟墙体的复杂环境下进行运动目标跟踪实验,实验表明运动目标跟踪系统运行可靠,具有较高的鲁棒性。     

Binocular motion tracking by gaze fixation control and three-dimensional shape reconstruction

It is an easy task for the human visual system to gaze continuously at an object moving in three-dimensional (3-D) space. While tracking the object, human vision seems able to comprehend its 3-D shape with binocular vision. We conjecture that, in the human visual system, the function of comprehending the 3-D shape is essential for robust tracking of a moving object. In order to examine this conjecture, we constructed an experimental system of binocular vision for motion tracking. The system is composed of a pair of active pan-tilt cameras and a robot arm. The cameras are for simulating the two eyes of a human while the robot arm is for simulating the motion of the human body below the neck. The two active cameras are controlled so as to fix their gaze at a particular point on an object surface. The shape of the object surface around the point is reconstructed in real-time from the two images taken by the cameras based on the differences in the image brightness. If the two cameras successfully gaze at a single point on the object surface, it is possible to reconstruct the local object shape in real-time. At the same time, the reconstructed shape is used for keeping a fixation point on the object surface for gazing, which enables robust tracking of the object. Thus these two processes, reconstruction of the 3-D shape and maintaining the fixation point, must be mutually connected and form one closed loop. We demonstrate the effectiveness of this framework for visual tracking through several experiments.     

Vision Based Target Tracking and Collision Avoidance for Mobile Robots

A real-time object tracking and collision avoidance method is presented for mobile robot navigation in indoors environments using stereo vision and a laser sensor. Stereo vision is used to identify the target and to calculate its relative distance from the mobile robot while laser based range measurements are utilized to avoid collision with surrounding objects. The target is tracked by its predetermined or dynamically defined color. The mobile robot’s velocity is dynamically adjusted according to its distance from the target. Experimental results in indoor environments demonstrate the effectiveness of the method.