一种基于边缘线的三目立体匹配方法

为实现准确的三维场景匹配,提出了一种基于边缘线的三目立体匹配方法.Canny边缘是一种常用的视觉特征,通过对Canny算子加以改进,提高了边缘线条匹配的可靠性.匹配过程分层次进行,首先通过边缘上少量点的成功匹配确定边缘线条间的对应关系,然后以此来约束该边缘上其他点的匹配.详细介绍了对应特征匹配所用的约束条件.首先,使用三目系统中第三个摄像机提供的额外极线约束,有效地减少了误匹配.由于常规所用的三目极线约束条件给出的匹配效果并不理想,提出了另外一种更加有效的三目极线约束应用方法.此外还介绍了边缘点的梯度方向约束,给出了基于以上约束条件的边缘线匹配算法.实验结果表明,该算法具有较高的匹配正确率,是一种有效的立体匹配算法.     

用于内表面测量的圆结构光视觉图像处理方法

简要介绍了用于内表面测量的圆结构光视觉系统,分析了内表面圆结构光视觉图像特征,并给出了干扰光条的产生原因。在此基础上,提出了干扰光条的剔除方法与有用光条图像中心的子像素级提取方法。介绍了基于阶跃边缘轮廓模型的边缘提取方法,该方法采用非线性优化方法进行模型参数估计,具有速度快、鲁棒性强、精度高的特点。     

一种室内移动机器人自主探索方法

研究室内未知环境下的移动机器人自主探索问题,并提出改进策略.首先,提出一种基于可通行区域的探索目标点快速提取方法,以补充原有方法在特殊环境结构下出现的提取探索目标点失败的缺陷;然后,提出一种基于激光数据和栅格地图信息的实时拓扑地图构建与优化方法,使得探索地图更加精简,探索过程更加高效;最后,通过改进的避障模块实现机器人的运动控制,以到达机器人安全探索的目标.同时,该系统采取机器人操作系统(Robot operating system, ROS)下的分布式结构,将整体算法合理分配到客户端和服务器,降低系统实现的硬件要求.现场实验表明,所提出方法具有良好的自主导航性能,在较复杂的室内未知环境下,仍能保持良好的地图构建能力和避障能力.     

车载惯性稳定平台的神经网络滑模控制

三轴车载惯性稳定平台为复杂的MIMO非线性系统,针对其在不确定扰动下的伺服控制问题,本文设计了一种神经网络反演滑模控制器(NNBSMC).首先,选用反演法对其解耦,同时引入滑模控制律增加系统的抗干扰性;其次针对框架间的非线性摩擦力与系统耦合选用RBF神经网络作为扰动估计器,以便实时估计与补偿;然后采用前向增稳通道应对建模参数不精确以保证系统的稳定性.最后,利用Lyapunov定理分析了闭环系统的稳定性,在伺服控制与姿态锁定的仿真实验中分别与双环PID、滑模控制和反演滑模控制作对比,结果验证了提出的控制算法的有效性和鲁棒性.     

4WD-4WS型床椅一体化机器人室内定位与点镇定控制研究

以床椅一体化机器人为研究对象,通过设计相应的运动控制器,并结合所搭建的组合导航定位测控系统,实现了室内环境下的点镇定控制;首先,设计了一种四轮转向-四轮驱动模式的全向床椅机器人样机,并对其运动学进行分析;其次,通过不连续坐标变换,用极坐标形式表示当前位姿与目标位姿间的全局控制误差,并选取合适的位姿误差变量对系统模型进行描述,设计出一种基于位置闭环的全局反馈控制器;继而,根据控制器的需要,设计搭建基于卡尔曼滤波的IMU/UWB组合导航定位系统,实现床椅一体化机器人的全局实时精确定位;最后,采用Lyapunov函数法,对所设计控制器中的控制律进行稳定性分析;MATLAB仿真实验与现场实验均表明所设计的点镇定方法控制效果良好。     

多特征提取的双目机器人目标跟踪

为了解决复杂环境下双目机器人的目标跟踪问题,提出多特征提取的方法。在机器人静止-目标运动模式下根据改进的步态光流图和视角识别目标并构造颜色直方图模板;在机器人运动-目标运动模式下利用扩展卡尔曼滤波器、基于自适应核函数的CamShift算法、基于Hu矩的头肩模型匹配算法提取目标的运动特征、颜色特征和头肩特征以实现目标跟踪。实验分析表明,所提出方法能够避免启动时手动框选目标,可以实现遮挡和背景与目标相似度高等复杂环境下的目标跟踪。     

粒子滤波趋优重采样算法及仿真研究

研究机器人移动过程引入粒子滤波进行状态估计问题,粒子滤波中的重采样是为了解决粒子群退化现象而引入的方法.根据承采样方法(SIR)解决粒子退化的同时却带来了粒子的贫化问题,因而降低了滤波器的收敛性能.传统的各种重采样改进方法都是用优等粒子替代劣等粒子,因而会导致粒子多样性的丧失.针对上述问题,提出了一种趋优重采样方法,使...     

一种新型的微小型构件内表面三维形貌检测系统

构建了一种应用结构光三维视觉检测技术对微小型构件内表面进行三维形貌检测的系统。首先介绍了该检测系统的原理与结构，在此基础上，建立了系统的详细数学模型，并给出了测量方法。用该检测系统对内部宽度为5-20mm的加工件的内表面进行实际检测，得到并恢复了被测内表面的三维形貌。最后测定了该系统的单点检测精度小于50μm。     

基于改进在线多示例学习算法的机器人目标跟踪

提出基于改进的在线多示例学习算法(Improved multiple instance learning, IMIL)的移动机器人目标跟踪方法. 该方法利用射频识别系统(Radio frequency identification, RFID)粗定位IMIL算法的搜索区域, 然后应用IMIL算法实现目标跟踪. 该方法保证了机器人跟踪系统的连续性, 解决了目标突然转弯时的跟踪问题. IMIL算法采用从低维空间提取的压缩特征描述包中示例, 以降低算法耗时. 通过最大化弱分类器与极大似然概率的内积, 选择判别能力强的弱分类器, 避免了弱分类器选择过程中多次计算包概率和示例概率, 进一步提高算法的实时处理能力. 计算包概率时该算法平等对待各示例, 保证概率高的示例对包概率的贡献度, 克服跟踪漂移问题. 跟踪过程中, 结合当前跟踪结果与目标模板间的相似性分数在线实时调整分类器, 提高了算法的自适应能力. 最后将本文方法在视频和移动机器人上进行实验. 实验结果表明, 该方法在目标运动突变及外观改变时具有较强的鲁棒性和准确性, 并满足系统的实时性要求.     

基于混合位姿估计模型的移动机器人三维地图创建方法

针对室内复杂环境下的稠密三维建模问题, 提出一种基于RGB-D 相机的移动机器人同时定位与三维地图创建方法. 该方法利用架设在移动机器人上的RGB-D 相机获取环境信息, 根据点云和纹理加权模型建立结合局部纹理约束的混合位姿估计方法, 确保定位精度的同时减小失败率. 在关键帧选取机制下, 结合视觉闭环检测方法, 运用树结构网络优化(TORO) 算法最小化闭环误差, 实现三维地图的全局一致性优化. 在室内环境下的实验结果验证了所提出算法的有效性和可行性.