基于结构光的星箭对接环相对位姿测量方法

空间非合作目标位姿测量是空间在轨维护的前提。面向空间机械手对空间载体自动抓捕的应用需求，提出了基于结构光的空间非合作目标视觉测量方法。该方法以双套双线结构光测量装置作为测量传感器，以空间载体上普遍存在的星箭对接环作为抓捕目标。根据对接环的共同特点，选择直线特征和点特征相结合作为相对位姿的求解特征；基于直线特征求解圆环平面法向量，基于点特征求解圆环圆心坐标，进而得到机械手工具坐标系与对接环坐标系间的相对位姿关系；基于多重几何约束实现了不同光照条件下图像上目标直线的鲁棒识别。建立了演示验证实验系统，在大量演示实验的基础上，进行了实验结果分析。     

基于主动轮廓的声呐图像水雷识别方法

针对声呐图像具有噪声大、目标边缘模糊等特点,提出了一种基于主动轮廓的声呐图像水雷目标识别方法.首先根据水雷目标在声呐图像中的形状特征,采用水平集思想,得到了引入超椭圆形状约束的水平集函数;然后根据水雷目标在声呐图像中的灰度特征,采用Chan-Vese模型的演化思想,提出了一种基于超椭圆形状约束的多相水平集主动轮廓模型.将该模型用于声呐图像水雷目标的识别实验,实验结果表明,该方法对声呐图像中的水雷目标具有很好的识别效果,而且具有抗噪性和抗变形性能.     

基于凹点方向线的粘连药品图像分割方法

在利用视觉技术进行药品检测的过程中, 药品相互粘连的图像会给后续的特征提取工作带来很大的困难, 针对此问题提出了一种基于凹点方向线的粘连图像分割方法。首先依据颜色距离对药品图像进行预分割; 然后对不同颜色的预分割图像进行4链码运算, 寻找所有的凹点, 并对所有的凹点进行标记; 最后根据每一个凹点得到方向线, 根据方向线进行配对, 将配对凹点的连线作为分割线。实验结果表明, 该算法具备良好的准确性和通用性。     

路标定位中的优化选择策略

基于合作路标的三角定位是自主式移动机器人的主要定位方法。路标的优化选择是提高定位算法精度的关键。本文在给出该算法原理的基础上,通过理论分析和实验证明了路标优化选择对提高定位算法精度的作用,并介绍了路标优化选择的准则。     

基于立体视觉的移动机器人自主导航定位系统

描述了一种基于立体视觉的移动机器人自主导航定位系统。该系统采用双目立体视觉完成环境特征的3D信息提取,实时计算出机器人相对作业目标的位姿（6D）关系,导引移动机器人控制系统按目标异向进行运动。系统在相对位姿计算中采用旋动（Screw）理论,将带约束的多变量函数的非线性优化问题转化为线性方程组的最小二乘问题,简化了计算复杂性。实验表明,这个导航定位系统在定位精度和数据处理速度上均可满足机器人导航的要求。     

草地的红外纹理建模与真实感绘制方法

纹理是使图像具有视觉真实感的重要因素,红外纹理生成是场景红外成像仿真的重要组成部分,也是真实感场景仿真的迫切需求。以在图像平面直接生成具有真实感的景物红外纹理图像为目标,提出了一种草地的红外纹理建模与真实感绘制方法,从模拟组分温度分布和空间结构形态两方面开展研究。首先,考虑土壤-植被-大气间的热交换过程,建立红外辐射的耦合求解模型;其次,构建各组分的空间分布模式;最后,将已经求解的红外辐射数据映射到图像空间,生成具有真实感的红外纹理图像。对近距离或放大状态下草地红外纹理的视觉效果进行了模拟,理论分析和仿真结果表明:所提出的红外纹理模拟方法具有一定的合理性和有效性。     

机器人插件作业的视觉导引方法研究

插件作业（parts mating）是装配机器人的一项基本作业环节．本文介绍了以双目立体视觉 实现该作业的视觉导引方法．该方法通过采用人机交互方式,借助于人的智慧,提高了图像 特征提取和匹配的准确性和可靠性、可直观准确地给出插件作业的动作参数,克服了自动视 觉计算复杂、鲁棒性差的缺点,适用于机器人遥操作作业．实验表明,基于人机交互的机器 人插件作业在立体视觉导引下是完全可行的．     

基于模型的立体视觉的优化方法

针对3D视觉检测中最典型的误差源图像中像素的量化误差,在已知模型的条件下,对双目立体视觉提出一种模型,利用该优化模型及改进的约束最小二乘法对未知模型的立体视觉解法做一些改进,可以明显减少系统的误差,仿真结果表明,与未知模型的立体视觉方法相比,在同样的量化误差条件下,该方法可将系统误差减少50％以上。     

基于光谱分析的主动式距离图像获取方法

Rainbow三维摄像机是一种基于光谱分析的快速在维信息获取方法,该方法利用连续变化的彩色光谱照射景物,彩色CCD摄像机摄取的景物图像将呈现有规律的颜色变化,而且不同的颜色（波长）构成了不同的空间颜色面,通过标定这些颜色面和摄像机成象模型,即可计算同图像中各点的三维坐标。     

生成对抗网络及其在图像生成中的应用研究综述

生成对抗网络(GAN)是无监督学习领域最近几年快速发展的一个研究方向,其主要特点是能够以一种间接的方式对一个未知分布进行建模.在计算机视觉研究领域中,生成对抗网络有着广泛的应用,特别是在图像生成方面,与其他的生成模型相比,生成对抗网络不仅可以避免复杂的计算,而且生成的图像质量也更好.因此,本文将对生成对抗网络及其在图像生成中的研究进展做一个小结和分析:本文首先从模型的架构、目标函数的设计、生成对抗网络在训练中存在的问题、以及如何处理模式崩溃问题等角度对生成对抗网络进行一个详细地总结和归纳;其次介绍生成对抗网络在图像生成中的两种方法;随后对一些典型的、用来评估生成图像质量和多样性的方法进行小结,并且对基于图像生成的应用进行详细分析;最后对生成对抗网络和图像生成进行总结,同时对其发展趋势进行一个展望.