基于双目视觉的物体尺寸测量系统

提出了一种基于双目视觉的物体尺寸测量系统,用于非接触式测量物体尺寸。该系统采用张正友棋盘标定法进行双目相机标定,并利用标定参数对采集的图像进行校正。通过采用图像分割技术和角点检测算法获取待测物体的特征点。通过立体匹配算法对校正图像进行处理,得到视差图。根据三角形相似性原理计算特征点的三维坐标,计算出物体尺寸的信息。实验结果表明,该系统具备较高的测量精度,具有一定的实用性和应用前景。     

基于双目立体视觉的复杂背景下的牛体点云获取

提出一种基于双目立体视觉的复杂背景下的牛体点云获取方法。在点云获取过程中,针对牛不是保持不动的实际情况,采用基于被动视觉技术的双目立体视觉方法;在相机标定过程中,进行单目标定获取相机内部参数,统一标定获取相机外部参数,针对牛体毛色及所处环境复杂的情况,采用基于贝叶斯的皮肤检测算法提取牛体图像,采用基于SIFT的特征点提取和匹配方法实现特征点的匹配,利用计算机视觉中的极线几何原理,剔除误匹配点,通过相机的成像模型求取牛体的三维点云。实验验证了该方法能够在复杂背景下获取牛体点云,并得到较好的点云数据,较好解决了双目立体视觉中相机标定和立体匹配两个较关键和困难的问题。     

基于立体视觉的生态景观布局中三维特征标定

利用传统方法标定生态景观布局中存在的三维特征时,由于未矫正因薄棱镜畸变、离心畸变和径向畸变产生的图像畸变,导致特征标定效率和精度较低.针对上述问题,提出基于立体视觉的生态景观布局三维特征标定方法.采用立体视觉技术构建相机成像模型,在相机成像模型的基础上消除薄棱镜畸变、离心畸变和径向畸变产生的图像畸变,实现对生态景观图像的矫正处理.采用SIFT算法建立尺度空间,并获取尺度空间中存在的极值点,根据极值点在生态景观图像中定位关键点,并通过KD-树搜索方法进行关键点匹配,实现对生态景观布局中三维特征的标定.仿真结果表明,所提方法不仅特征标定效率和精准度均较高,且其标定率也较高,充分证明了上述方法的有效性.     

基于格雷码和多步相移法的双目立体视觉三维测量技术研究

传统的被动式双目立体视觉三维测量技术,具有操作简单,使用灵活方便,相机标定技术成熟的优点,但是对于特征点稀疏图像,寻找匹配点困难,匹配精度低。编码结构光测量方式通过向待测物体投射特定的编码图案,获取编码图像进行解码求解物体的三维信息,具有着测量精度高,速度快的优点,但是存在着投影仪标定精度低,实现难度大的缺点。提出了将双目立体视觉和编码结构光相结合的三维测量方法,在完成双目校正的基础上,向待测物体投射格雷码图案和多步相移图案,给予被测物体容易识别和可控制的特征信息,最后求取物体的三维信息。而且通过实验论证了投射多步相移图案比起4步相移图案,测量精度更高,能够更好的体现物体细节。     

一种机器人抓取矩形零件时的标定方法

计算机视觉系统应能根据视觉传感器(如摄像机)获取的图像计算出三维环境物体的位置、形状等几何信息,并由此识别环境中的物体,从而做出正确反应。因此,标定是视觉技术中的重要问题之一。以SCARA机器人为研究对象,针对机器人手爪抓取矩形零件时出现的零件转角难以确定的问题,对矩形零件的位置和角度的标定方法进行了研究。该方法不考虑畸变量,采用几组点就可以确定标定参数,简化了计算量。     

信号博弈的三维重建形变识别算法

现有双目立体视觉算法常常需要双目相机位置固定,在现实应用中,这类算法难以重构空间三维几何关系.为此,本文提出了一种不受位置限制的多视角图像三维重建与形变检测算法.该算法首先采用sift算法获取成对图像的特征点,以获取形变前后比对点对图像的特征信息;其次,利用信号博弈方法确定图像拍摄时相机的空间位置与视角,以准确获取图像的空间位置坐标;再次,依据上述信息完成物体的三维点云重建;进而,利用三维数据信息比对实现物体形变识别.最后,本文利用真实物体的实验,验证了三维重建形变识别算法的有效性.     

基于相机空间点约束的机器人工具标定方法

工具标定就是确定工具坐标系相对于机器人末端坐标系的变换矩阵,但传统的解决方案是通过人工示教点约束的方法,为此提出一种基于视觉相机空间的自动工具标定方法。在末端工具上增加特征点如圆环标志,利用相机建立机器人三维空间与相机二维空间之间的关系,通过自动的三维空间视觉定位,实现对圆环标志的中心点的点约束,视觉定位不需要相机的标定等繁琐过程。基于机器人的正运动学和相机空间点约束完成工具中心点(TCP)求解。重复实验的标定误差小于0.05 mm,实验的绝对定位误差小于0.1 mm,验证了基于相机空间定位的工具标定具有较高的可重复性以及可靠性。     

一种基于工业相机的距离测量系统

基于双目视觉的基本原理,运用视差法,设计了一个距离测量系统,该系统通过两台高精度数字工业相机,能对一目标距离进行检测。系统首先通过工业相机获取图像,利用标定算法对工业相机内部参数进行标定,之后选取目标点输入并进行距离测算,最终输出目标点距离结果。实验结果表明,该系统能够较好地完成对物体的非接触式测量。     

基于图像的大型物体尺寸的三维测量方法研究

针对大型物体尺寸不易测量的问题,研究简单快速的测量方法;提出了一种利用数码相机完成物体尺寸的三维测量的方法;利用数码相机从多角度获取图像,采用稳定性强的Harris角点检测算法对图像进行特征点检测;在相机标定过程中提出了一种利用图像中被测物体自适应寻找标定模板的方法,扩大了标定模板的使用范围;最后利用投影矩阵理论计算特征点的世界坐标进行测量;实验证明测量结果误差在2.0%以内,说明该方法能够克服传统测量方法的缺点,满足一般工业的测量要求并且适用范围广。     

基于非参数相机标定的位移在线检测系统

物体受外力作用时因发生位移变形而导致结构损坏。针对该问题,以双目视觉原理建立物体三维数学模型,研究相机标定和特征提取,完成特征匹配,恢复标识点三维几何信息,得到物体位移。由于传统的相机标定法在常规尺寸应用中精度较高,一旦超出视场范围其测量精度迅速降低,不适于大视场测量,因此引入一种针对大视场测量的非参数相机标定法,并建立基于非参数的成像模型。通过在不同环境下分别对2种标定方法进行精度对比实验,结果表明,非参数相机标定法比传统的参数相机标定法精度提高约72.5%,且稳定性好,可满足物体位移测量的需求。     

基于目标检测的机器人手眼标定方法

智能协作机器人依赖视觉系统感知未知环境中的动态工作空间定位目标,实现机械臂对目标对象的自主抓取回收作业。RGB-D相机可采集场景中的彩色图和深度图,获取视野内任意目标三维点云,辅助智能协作机器人感知周围环境。为获取抓取机器人与RGB-D相机坐标系之间的转换关系,提出基于yolov3目标检测神经网络的机器人手眼标定方法。将3D打印球作为标靶球夹持在机械手末端,使用改进的yolov3目标检测神经网络实时定位标定球的球心,计算机械手末端中心在相机坐标系下的3D位置,同时运用奇异值分解方法求解机器人与相机坐标系转换矩阵的最小二乘解。在6自由度UR5机械臂和Intel RealSense D415深度相机上的实验结果表明,该标定方法无需辅助设备,转换后的空间点位置误差在2 mm以内,能较好满足一般视觉伺服智能机器人的抓取作业要求。     

基于双目立体视觉的目标物测距研究

为了获取目标物体在空间中的三维信息,本文在双目立体测量原理的基础上,采取OpenCV和Matlab相结合的方法,设计了一个基于双目立体视觉的目标物体测距系统。该系统采取张定友棋盘标定法,使用Matlab内置的工具箱完成双目相机标定,采用SGBM(Semi-Global Block Matching)立体匹配算法在VS2017环境下结合Opencv3.4.1库,对左右相机获得的图像进行立体匹配,生成视差图,将二维空间点重投影到三维空间中,实现二维坐标到三维坐标的转换,即可得到物体的三维点坐标。最终实现通过鼠标点选被测物体视差图后输出选定的空间三维坐标。实验结果显示,该系统的测量精度较高,并且在140 cm距离的测量精度最高。     

基于双目视觉的板材平面测量研究

针对传统人工测量板材尺寸精度较低、工作量大、易导致板材表面受损等局限,基于双目视觉技术设计了一种板材尺寸视觉测量系统。通过双目相机采集棋盘格图像,采用MATLAB进行相机标定和图像校正,拍摄左右图像并通过半全局立体匹配算法(SGM,semi global matching)进行特征点立体匹配,重建出目标三维点云模型。为提高目标特征点坐标获取的准确性,提出基于HARRIS的亚像素检测方法。采用区域生长算法结合膨胀和腐蚀操作提取板材表面轮廓,根据三角测量原理计算出板材轮廓上各点的三维坐标从而实现板材的尺寸测量,并进行点云重建增强三维展示效果。实践结果表明亚像素检测方法在角点提取上存在优势,在实际板材测量应用中实现了高精度尺寸测量,满足了工业测量需求。     

基于神经网络的工业机器人视觉抓取系统设计

针对机器人示教编程方法导致的工件位置固定、抓取效率低下的问题,研究神经网络在机器人视觉识别与抓取规划中的应用,建立了视觉引导方案,通过YOLOV5神经网络模型开发视觉识别系统,识别物体的种类,同时获取待抓取物体定位点坐标。提出了机器人六点手眼标定原理并进行标定实验,提出了针对俯视图为圆形或长方形物体的定位方法。最后针对3种物体进行了180次的抓取实验,实验的综合平均抓取成功率约为92.8%,验证了视觉识别和抓取机器人系统具备实际应用的可能性,有效提高了抓取效率。     

面向水下目标的双目视觉测距方法

针对水下机器人对于探测海洋具有的高灵敏度、低成本、易携带特点的要求,设计和实现面向水下目标的双目视觉测距检测方法。采用张正友标定算法,通过使用9×9棋盘获取水下双目相机的内外矩阵模型的参数,采用SGBM (Semi-Global Block Matching)立体匹配算法,增强了图像的对比度,削弱了图像色斑的影响,保证了算法的鲁棒性,提升了匹配搜索速度。将视差图通过矩阵运算转化成深度图,并将其映射成可视化点云,构建目标物体的三维立体信息。     

基于标定物的相机标定及三维重建

针对传统三维建模的局限性,讨论了一种基于图像建模的技术,提出了利用普通相机和标定物对物体进行三维建模的方法,该方法利用一个在左右图像都存在的物体,对相机进行标定[1]。然后利用左右相机的相机矩阵,反算空间中的对应点和需要求取的关键点。最后利用这些点计算出来的空间位置[2],对物体进行重建,并用OpenGL进行漫游显示。实验表明,该算法计算准确,鲁棒性很高,能够满足于虚拟现实的需要。     

射频技术辅助的三维视觉识别系统

在基于视觉的物体识别领域,单目视觉识别技术往往只能获得物体片面信息,而多目视觉识别技术的运算复杂度较高.随着物联网技术的普及,无源超高频射频识别技术已经大规模应用于物体的标识上,具有的读取速度快、读取距离远的优势.本文提出一种通过先验信息辅助视觉识别的通用方法,提高物体识别的速度和准确性.通过识别射频识别标签,从数据库读取准确的特征信息辅助图像识别物体.通过摄像头采集物体的图像、视频信息后传输给控制模块,控制模块从数据库获取射频识别先验信息后以相机标定算法对图像进行矫正处理,对目标物体进行定位,从而复现物体的三维图像.传统的边缘检测和目标检测技术需要两个及以上的摄像头才能对物体进行三维识别,所提方法只需使用一个摄像头即可获取物体三维位置.针对边缘检测的改进中通过结合射频识别标签中准确的物体几何信息和像素信息来确定滤波窗口的权重,进行标定真实边缘和潜在边缘;针对目标检测的改进中在原始的Faster R-CNN的RPN架构上引入了特征金字塔,使得特征提取时语义更强.最后两种不同视觉识别方式的实验结果证明了所提方法的有效性,所提方法具有更高的识别定位精准度、更低的算法复杂度和更快的识别速率,可以更加准确可靠地对物体特性进行检测及形状、方位的判断.     

基于视觉定位的带电作业锁杆无线遥控操作技术

利用视觉定位能精确转换图像坐标为真实位置的能力,结合机器人技术,提出基于视觉定位的带电作业锁杆无线遥控操作技术。根据视觉定位原理,使用VisionHAWK智能相机采集带电作业锁杆图像,运用Visionscape软件分析及处理获取的图像,采用像素网格划分法计算所得图像坐标,通过摄像机标定方法,利用Visionscape软...     

一种基于随动视觉的排爆机器人自主抓取系统

在传统基于固定视觉的排爆机器人抓取系统中,相机视觉易被遮挡且不能保证拍摄清晰度。基于随动视觉技术,提出一种将深度相机置于机械手末端并随机械手运动的排爆机器人自主抓取系统。利用深度相机计算目标物体的三维坐标,采用坐标转换方法将目标物体的位置坐标信息实时转换至机器人全局坐标系,并研究相机坐标系、机器人全局坐标系与末端执行器手爪工具坐标系三者的动态映射关系,实现排爆机器人的自主抓取。实验结果表明,与传统固定视觉方法相比,随动视觉方法可在误差2cm内,使得机器人机械手爪准确到达目标物体所在位置,且当机器人距离目标物体100cm~150cm时,抓取效果最佳。     

考虑径向畸变的机器人视觉系统的参数标定

针对GRB-400机器人视觉系统,建立完整的摄像机一阶径向畸变模型。用GRB系统的Matrox图像采集卡采集标定点坐标,利用径向排列约束方法 (简称RAC)建立线性方程组求解摄像机的径向畸变参数。基于此畸变参数实现图像校正,以提高对目标物体的定位精度,从而提高机器人视觉系统对摄像机标定参数变化的鲁棒性。实验结果表明,该方法有较高的标定精度。