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。     

基于单目视觉的移动机器人目标测距方法研究

为实现具有单目视觉的移动机器人对目标物体的定位测距工作,本文提出了一种基于单目视觉的几何测距算法融合的方法。该方法利用圆曲线拟合方法对方法所得的数据进行了优化,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,并通过实验来验证了这种融合方法的可行性。     

基于序列图像的视觉定位与运动估计

研究了移动机器人的视觉定位和目标的运动估计。采用单目视觉系统,借助人工标识物,由小孔成像模型及空间几何关系,推导出视觉测距模型,并实现了移动机器人的自定位和目标的定位。通过序列图像,应用基于特征的运动分析方法估计球体的运动参数,推导出移动机器人对运动目标的跟踪模型。球体定位实验结果表明:该方法的定位精度较高。     

基于信息融合的移动机器人目标识别与定位

针对单目摄像头工作的双足机器人的视觉定位问题,设计了一种视觉传感器与超声波传感器相结合的信息融合方法,进行目标的识别和定位。对拍摄的图像进行HSV颜色空间的阈值分割得到二值图像,并对其进行形态学滤波处理和Hu轮廓不变矩匹配,以此识别到目标和其重心点图像坐标;建立单目定位模型,用机器人自身的超声波传感器得到与目标物之间的距离,采用Zhang标定法得到摄像机参数,把这些已知数据带入坐标转换,得到目标物在世界坐标系下的坐标,实现定位。借助NAO机器人的平台,将基于信息融合的定位方法和一般单帧图像定位方法进行对比实验。实验结果表明上述方法的误差相对较小,且能得到目标物的三维信息,验证了该定位方法的实际可行性。     

单目式自主机器人视觉导航中的测距研究

针对传统自主式机器人视觉测距方法的缺陷,提出了一种建立在B 对偶空间几何学上的单目摄像机标 定方法,并将其应用到单目式自主机器人的视觉测距中．与OpenCV 标定方法相比,新的标定方法对CCD 摄像机 内参数的计算更为准确,并减小单目视觉测距的总体误差．同时,在引入运动目标自动提取算法的基础上,将目标 车辆的自动检测与实时测距融合为一个完整的系统．通过实际的测量及对比试验,验证了所提出方法的有效性．     

基于ARM处理器的单目视觉测距定位系统

针对在多机器人协作和服务机器人目标追踪的过程中,需要对目标物体或者同伴进行准确的目标定位这个问题,设计了一个以ARM9微处理器为处理模块、CMOS摄像头为采集模块的一个嵌入式视觉系统,实现了单目视觉测距定位.该系统设计大体分为目标识别和定位两部分,目标标识使用一个纯色的色标块,通过对摄像头采集的图像中检测色标块区域来实现目标物体定位;对色标块的图像分割采用基于RGB三个颜色分量的阈值分割算法,单目测距采用P4P方法,其中,摄像机的内参数标定则借助于Matlab工具箱来完成.同时,采用RANSAC方法确定色标块的四条边界直线,以四条直线交点作为色标块的4个角点,从而提高角点检测的精度.实验结果表明,该测距定位系统定位精度较高,系统鲁棒性好,具有良好的应用前景.     

一种四轴飞行器单目视觉测距算法

为解决四轴飞行器在执行目标检测与跟踪任务时无法判断机身与障碍物或跟踪目标之间安全距离问题,提出一种四轴飞行器单目视觉测距算法,算法融合基于帧间差分技术的水平测距模型与基于小孔成像的垂直测距模型.首先,算法可利用基于YOLOV4-Tiny的目标检测算法识别视频帧中的物体类别,并可在视频帧中框选出被测物体,依据现场环境选择最佳的测距方法进行测距;其次,系统终端执行测距方法,基于被测物体的视频帧成像位置与设定参数之间的差值控制四轴飞行器飞行,并记录飞行数据;最后,通过测距模型对飞行数据进行处理,计算出四轴飞行器在初始位置和最终位置与被测物体之间的距离.通过在特洛(Tello)飞行器平台上的实际飞行验证,实验结果表明所提出的四轴飞行器单目视觉测距算法可以有效分析出视频帧中各物体的景深,测距误差百分比均值为4.07%.在四轴飞行器与障碍物或跟踪目标之间距离较近,却无法评估此距离是否处于安全距离时,所提出的算法可为搭载单目摄像头的四轴飞行器提供可靠的测距技术支持.     

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。     

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。     

面向协作式自动泊车的场端单目视觉测距系统

在协作式自动泊车的实现过程中,较为关键的一点是停车场全局范围内相关车辆的识别与定位,因此本文提出一种应用于场端基于单目视觉的车辆识别与定位方法。首先,考虑基础设施停车场的特点,设计灵活性更好的以分布式架构为核心的感知系统架构,改进SSD网络以使检测模型更适于在边缘处理设备中部署运行;之后分析并构建用于场端的单目视觉测距数学模型;最终综合利用目标检测与视觉测距算法,完成目标车辆的识别与定位。为验证单目视觉测距算法在场端中应用的有效性,在真实的停车场环境中设计模拟实验,进行相应的测试,实验结果表明,视觉测距精度满足系统要求。