基于单目视觉的移动机器人跟随

针对室外环境下移动机器人基于单目视觉对目标人实时跟随问题进行了研究,提出通过均值漂移算法对像平面目标的跟踪来实现目标定位。为了补偿摄像机运动造成目标在像平面的偏移,提出了以卡尔曼滤波器的估计值作为均值漂移算法的启动点,然后利用均值漂移算法获得最终位置;为了估计单目视觉下目标与机器人之间的距离,提出了一种借助于主颜色描述子和形状直方图的间接景深计算方法。室外实验表明该算法具有很好的实时性和鲁棒性,能有效实现复杂室外环境下对人的跟随。     

基于均值偏移快速算法的红外目标跟踪

在光电跟踪设备中,传统的嵌入式跟踪器一般采用形心、相关等算法,在复杂背景下或目标受到遮挡时会丢失目标。为了能够使目标跟踪器具有抗遮挡的能力,在嵌入式目标跟踪平台上引入了均值偏移算法。在硬件的设计上,利用FPGA并行运算效率高的特点,设计了基于FPGA的直方图统计计算模块,该模块实时的将每一帧的直方图计算结果存储在SDRAM上,然后利用DSP进行均值偏移的迭代运算,在算法上针对红外图像设计了融合图像位置和像素灰度特征的改进核函数直方图作为目标特征,并提出了改进的快速均值偏移算法使其满足DSP的运算速度要求。实验表明系统在背景复杂和目标受局部遮挡时可以连续跟踪目标。跟踪性能好于传统的以型心为算法的跟踪器。在目标区域大小为64×64像素大小时,平均计算速度为22 ms。该系统和所使用的算法可支持大部分红外相机对目标的实时稳定跟踪。     

一种改进的均值移位红外目标跟踪算法

为了增强复杂背景条件下红外目标跟踪的稳健性,提出了一种改进的均值移位目标跟踪算法。该算法融合了均值移位的梯度匹配搜索策略的优势与基于特征分类跟踪算法强鲁棒性的优点,建立了灰度似然比加权的核直方图目标表征模型。模型中加入了目标与局部背景灰度特征的似然比作为原始核直方图的权值,应用该模型的均值移位算法能够进一步提高目标像素灰度的移位权重,有效抑制背景干扰,进而提高低对比度目标跟踪的稳健性。同时,基于跟踪复杂度估计提出了目标遮挡情况下的模型更新判别准则,提高了算法的自适应性能。实测红外目标跟踪实验表明了该算法简单、有效。     

改进的均值移位红外目标跟踪

提出了一种改进的均值移位红外目标跟踪算法,该算法融合了基于均值移位的梯度匹配搜索策略与基于特征分类的跟踪算法。以目标与局部背景灰度特征的似然比作为目标区域核直方图的权值,建立了改进的目标表征模型。以Bhattacharyya系数作为相似性度量,在均值移位框架下推导了应用该目标模型下移位向量的表达形式。同时,提出了基于跟踪复杂度估计的目标遮挡情况下的模型更新判别准则。实验结果表明,该算法能够提高目标像素灰度的移位权重,抑制背景干扰,对于低对比度红外目标的跟踪具有稳健的性能,在正确跟踪情况下平均Bhattacharyya系数保持在0.97以上。     

基于电子稳像跟踪技术的运动滤波算法

为了在摄像机平台不稳的情况下获取稳定的图像序列,实现基于电子稳像的目标跟踪,对摄像机主动扫描运动与随机抖动分离方法进行了研究,提出了用均值偏移和粒子滤波结合的运动滤波算法(MSPF)来实现运动分离.算法通过粒子滤波预测粒子,然后利用单次均值偏移迭代移动粒子,使粒子更接近于目标真实位置区域,削弱了计算结果精度对粒子数的依赖.对于现实中的复杂背景,利用MSPF算法分离摄像机的主动扫描运动和随机抖动,采用运动补偿图像差分法检测出运动目标,从而实现图像的稳定跟踪.实验结果表明,MSPF算法使用50%的粒子就能起到传统粒子滤波算法同样的效果,缩短了计算时间,有利于实现实时稳像跟踪,适用于车载、船载、机载等稳定跟踪系统中.     

基于均值漂移算法的水下视频目标跟踪

鉴于水下的特殊环境,本文利用均值漂移算法对水下视频中的运动目标进行跟踪.首先对水下视频目标对象和候选目标对象分别建立RGB颜色分布加权直方图模型,将这两个模型进行匹配,匹配度用Bhattacharrya系数来表示,搜索出与目标最匹配的候选目标并且更新目标模型,依此类推,从而在视频序列中实现目标跟踪.仿真实验证明,基于均值漂移算法的目标跟踪能够克服水下视频环境中干扰运动目标跟踪的因素:水波、倒影、气泡、游泳池浮标的遮挡等,进一步与基于Kalman滤波器的水下目标跟踪相比(对比),目标跟踪结果表明本文所用的算法能够对水下这种复杂背景的运动目标进行稳定实时的跟踪.     

基于依赖关系的产品协同设计单主体任务排序研究

针对产品协同设计环境下"人员-任务-资源"复杂交叉难以协调且排序标准单一的问题,基于协调理论中的依赖分析方法对产品协同设计业务规则及任务-资源依赖关系进行了逻辑分类,提出了基于改进禁忌算法的复杂协同设计环境下单主体任务协调模型。该模型能有效给出单个主体协同设计任务的最优排序并能将具有相同依赖关系的活动趋向归类。该模型所得结果与LEKIN中的WSPT启发式算法运算结果的对比验证了该排序方法的有效性和正确性。     

预瞄时间自适应的最优预瞄驾驶员模型

驾驶员模型是汽车动力学仿真和控制算法开发中的重要环节.在极限工况下汽车动力学稳定性仿真与控制中,为模拟驾驶员在人-车-路复杂系统中对汽车的操纵特征,要求驾驶员模型能够在复杂道路与整车稳定性约束条件下完成驾驶操作,而不是单纯的路径预瞄跟踪.在最优预瞄驾驶员模型的基础上,提出一种预瞄时间自适应算法.该算法根据不同的预瞄时间,预测将来一段时间内车辆运行情况,并根据所设计的优化函数,选取合适的预瞄时间使得车辆稳定通过测试路径.对所开发的驾驶员模型进行仿真测试,结果表明,预瞄时间自适应的最优预瞄驾驶员模型能够在复杂道路、极限工况、有边界约束条件下完成驾驶操作.     

一种改进的基于双权值颜色直方图的均值漂移跟踪算法

在实际应用中,当目标与背景的颜色相似时,均值漂移跟踪算法容易产生跟踪漂移现象.本文基于均值漂移算法,首先提出一种背景削弱权值,结合基于核函数的目标中心加权,有效解决由相似背景带来的跟踪干扰.然后提出一种模板更新策略,提高目标在遮挡、光照、形变等干扰下的跟踪鲁棒性.由老虎图像序列实验可知,提出的改进算法具有更好的跟踪效果.     

用基于二值化规范梯度的跟踪学习检测算法高效跟踪目标

为提高复杂环境下TLD(Tracking-Learning-Detection)算法的跟踪精度和速度,提出基于二值化规范梯度(BING)的高效TLD目标跟踪算法。在跟踪器中引入基于时空上下文的局部跟踪器失败预测方法和全局运动模型评估算法,提高了跟踪器准确度和鲁棒性;用BING算法取代滑动窗口搜索策略,结合级联分类器实现目标检测,减少了检测器的检测范围,提高了检测的处理速度;将训练样本权重整合到在线学习过程中,改进级联分类器的分类准确度,解决了目标漂移问题。对不同的图片序列实验结果表明:本算法的跟踪正确率达85%,帧率达19.79frame/s。与原始TLD算法及其他主流跟踪算法相比较,该算法在复杂环境下具有更高的鲁棒性、跟踪精度及处理速度。     

基于机器视觉的智能车辆鲁棒车道线识别方法

针对目前传统车道线识别算法在复杂道路环境中识别困难的问题,提出了一种基于机器视觉的智能车辆鲁棒车道线识别方法。为消除噪声干扰以及提高特征检测效率,设计了一种自适应道路感兴趣区域(ROI)计算方法,针对不同情况的车道可自适应地将车道区域与非车道区域分离。对待检测目标采用改进划分角度的检测算子进行车道线特征检测,同时对车道图像有针对性地采用多色域阈值处理,以提高算法的环境适应性。对转换视角后的车道线采用DBSCAN聚类及NURBS曲线进行拟合,并利用随机抽样一致法优化车道线模型以滤除误匹配。实验结果表明,该算法可有效识别出各种道路工况下的车道线。     

A new algorithm to rigid and non-rigid object tracking in complex environments

With a focus on complex environments, the present paper describes a new algorithm in rigid and non-rigid object tracking through color feature. Object tracking in these environments is taken into consideration as real-time applications, such as manufacturing, surveillance and monitoring, smart rooms, and so on, where partial or full occlusion sensibly occurs. As is obvious, the best color-based object tracking algorithm is now known, as the mean shift (MS) iterative procedure, to find the location of an object in image sequences. The algorithm performance is not unfortunately acceptable once objects in complex environments need to be tracked. In fact, the main aim of the present research is to improve the MS tracking algorithm, by proposing an improved convex kernel function, which is now realized in association with the Kalman filter approach (KFA). In the algorithm proposed here, the KFA is employed to solve the full occlusion problems since the speed for the objects is constant. Subsequently, the present investigated robust kernel function has been designed to dominate the low saturation and partial occlusion problems.     

Segmentation of epithelium in H&E stained odontogenic cysts

An algorithm for the automated segmentation of epithelial tissue in digital images of histologic tissue sections of odontogenic cysts (cysts originating from residual odontogenic epithelium) is presented. The algorithm features an image standardization process that greatly reduces variation in luminance and chrominance between images due to variations in sample preparation. Segmentation of the epithelial regions of images uses an algorithm based on binary graph cuts where graph weights depend on probabilities obtained from colour histogram models of epithelium and stroma image regions. Algorithm training used a data set of 38 images of four types of odontogenic cyst and was tested using a separate data set of 35 images of the same four cyst types. The best parameters for the segmentation algorithm were determined using a response-surface optimizer. The best parameter set resulted in an overall mean (± std. dev.) sensitivity of 91.5 ± 17% and overall mean specificity of 85.1 ± 18.6% on the training set. Particularly good results were obtained for dentigerous and odontogenic keratocysts for which the mean sensitivities/specificities were 91.9 ± 6.15%/97.4 ± 2.15% and 96.1 ± 1.98%/98.7 ± 3.16%, respectively. Our method is potentially applicable to many pathological conditions in similar tissues, such as skin and mucous membranes where there is a clear microscopic distinction between epithelium and connective tissues.     

基于因子图的 INS / UWB 室内行人紧组合定位技术

针对室内复杂应用场景下待定位行人接收到的超宽带(UWB)测距信息数量不确定问题,提出一种基于因子图的INS/UWB室内行人紧组合定位算法,实现对动态随遇接入与退出的UWB量测信息有效融合。首先,基于室内行人运动模型以及UWB量测模型构建INS/UWB紧组合因子图模型,由于对行人位置与速度同时进行建模估计,导致该因子图模型含有环结构。在此基础上,针对有环因子图模型基于和积算法(SPA)通过两次迭代推导因子图中各节点间消息传递算法,计算行人位置与速度的后验概率密度。进一步,针对特殊量测矢量条件下因子图算法定位误差跳变问题,提出一种基于坐标变换的因子图改进方法,从而有效提高行人位置与速度估计精度。仿真结果表明,本文提出的INS/UWB紧组合定位算法可以有效融合动态随遇接入与退出的UWB测距信息。在满足计算量与内存消耗需求的前提下,与变结构多模型扩展卡尔曼滤波(EKF)相比,本文提出算法的定位精度与速度估计精度可以分别提高14.94%与56.42%。     

Recognizing Anomalies in Urban Road Scenes Through Analysing Single Images Captured by Cameras on Vehicles

In this paper, we propose to recognize anomalies in urban road scenes through analysing single images captured by cameras on driving vehicles. Anomaly detection is one of the most important functions for visual driver-assistance systems and autonomous vehicles. Anomaly detection provides drivers and autonomous vehicles important information about driving environments and help them drive more safely. In this work, we define anything on roads that are within a certain distance of a driving vehicle and pose potential dangers for it as anomalies, such as traffic accidents, reckless driven vehicles and pedestrians. The proposed approach recognizes anomalies in urban road scenes by analysing appearances of single images captured by cameras on driving vehicles. To do so, first, we collect a large number of urban road scene images that do not contain any anomalies. Second, we segment the road regions from these images and represent the obtained road regions based on the bag of visual words method. After that, we apply k-means clustering to the region representations for acquiring a small set of reference images. Third, we establish dense correspondence between input images and the reference images to create representations for the input images. Following that, representations of normal images are used to train a one-class Support Vector Machine classifier. Finally, we use the classifier to recognize images containing anomalies. Experiments on urban road scene images are conducted. Obtained results demonstrate that by using the proposed approach we can recognize urban road scene images containing anomalies.     

机器人任务描述与自动分解算法研究

给出机器人任务的五元组描述模型 ,针对装配次序规划中产生的以AND/OR图表示的零部件装配次序 ,提出任务分解的算法 ,将复杂的装配操作分解成机器人的操作单元。由于操作单元可移植 ,可组合 ,是机器人执行复杂任务编程时的理想输入。因而该算法将使机器人在装配操作中的编程工作大大得到简化 ,对机器人在自动装配线上的应用有重要意义     

DSP／BIOS环境下视频图像火焰检测算法实现

针对DSP／BIOS环境下在线视频图像火焰检测算法实现中存在的巨量数据运算和提高CPU利用率之间的矛盾,提出了以TMS320DM642为处理器的视频图像处理硬件系统构建,并在DSP／BIOS下设计了基于任务通信的实时视频图像火焰检测系统。此外,给出了基于颜色和火焰蔓延动态特性的检测规则,利用Ping-pong缓存技术实现了EDMA数据传输和CPU处理的并行操作,大大提高了CPU的利用率。试验结果表明,该算法不仅能有效地提取火焰区域,而且能使单帧图像的处理速度较无缓存技术和缓存技术分别提高60倍和1．55倍。     

受路网和测量约束的变电站巡检机器人路径规划

采用机器人对变电站高压线路测温可以大大提高日常巡检任务的智能化水平,但是巡检过程中存在路网限制和频繁启停能量消耗大等问题,须考虑最优路径与最佳测温停靠地点的相互制约性。为了解决上述问题,基于图论对变电站环境进行建模,通过分析巡检机器人在路网中对目标点测温时相机的位姿约束,建立了以时间消耗最小为目标的路径规划模型。提出了一种基于改进蚁群算法的路径优化方法和基于贪婪思想聚类的巡检停靠点选取方法,通过蚁群算法迭代获得机器人的最优巡检路径、巡检停靠点序列以及各停靠点对应的测温点集。最后,采用仿真案例验证了算法的可行性和鲁棒性,基于巡检机器人的实验结果表明该路径规划模型可用于变电站巡检。