关于当前计算机视觉发展值得注意的几个问题

计算机视觉经历近10年的研究设法后，现在专家们研究热情和积极性似乎不如以前那么高，成功地信心似乎也没有以前那么足，甚至某些科学家对过去的研究工作还进行苛刻的指责、无情的批评，针对以上情况，本文首先肯定了计算机视觉研究已取得的显著成就，指出了研究工作中存在的不足和某些值得重视的研究倾向，建议研究人员投入更多的精力实验及应用方面的研究，确信计算机视觉能够成为一门更加成熟的科学学科。     

基于IEKF视觉运动分析递归算法的研究

本文提出基于图象序列上特征点的图象平面轨迹进行运动参数估计，以提取运动物体的姿态、速度以及外部环境内所感兴趣点的位置参数，由于图象特征点轨迹与待估计的参数有关，因此能够组合长序列图象内的信息并利用ＩＥＫＦ递归地估计未知的运动及结构参数。     

使用范围数据的三维物体的识别

本文所使用的系统有二个工作阶段。在知识阶段,含有单个物体的景物每次一个地示给系统,景物的范围数据可利用范围测距仪获得。根据区域特性和各区域间的关系建立每一景物的描述并将这种描述存储作为物体的模型。在识别阶段,以与知识阶段同样的方式对未知景物的特征进行描述,然后把这一描述和物体模型匹配,结果可实现成堆物体按顺序地逐个识别。为提高匹配效率,可把数据驱动和模型驱动搜索过程紧密结合。实验结果表明,这一方法是很有希望的。     

基于光流计算的三维并行运动检测的研究

本文基于局部均匀操作及相关运动检测器提出一种能够有效地检测光流力象运动及运动间断的强而可靠的算法，从而为进一步研究动态运动视觉开辟了新的途径。     

基于照明参数与反射系数的分层SFS算法

提出一种由明暗信息复原形状的鲁棒算法.此算法能有效地估计照明方向、漫反射 系数、照明天顶角以及沿图像轮廓由明暗信息复原形状,并且在考虑自阴影影响情况下,用新 方法从图像的统计特征估计照明的仰角和表面反射系数,使重建强度梯度接近输入图像梯度 实现平滑约束.该方法为数据驱动,稳定可靠,能同时更新表面斜率与高度图,大大减小发射 项与可积分项内的剩余误差.最后给出SFS(Shape from Shading)算法的分层实现.     

由双目图象流无对应地估计3—D运动参数

本文设计用并行立体摄象机产生的图象流作为输入，通过解系数由图象速度和两图象内坐标构成的线性系统等式，不需左、右两图象流场间特征点的对应就以有复原的３－Ｄ运动参数。经用综合图象流场测验已经证明我们算法的可行性以及具有功能强、速度快的特点。     

关于组合多针图复原物体3D表面形状的研究

光度立体系统很易确定物体表面任意点方向及相对深度，但不能确定绝对深度，为确定绝对深度，本文提出的算法首先利用双目光度立体系统的每个摄象机分别获得一幅针图，并求出左、右两针图内对应区域的视差。然后，经适当组合及精确的匹配，重建３－Ｄ物体表面深度。这一方法对进一步开发３－Ｄ表面深度重建及复原景物结构探索性研究有着十分重要的意义。     

基于神经网络的进化机器人组合行为方法研究

为了克服传统机器人设计方法存在的局限性,提高机器人的自适应能力,采用神经网络方法实现了进化机器人避碰、趋近及其组合行为学习,首先,提出了新的机器人模拟环境和机器人模型,结合了采用神经网络实现进化学习系统的方法。其次,对具有进化学习机制的机器人基本行为和组合行为学习系统进行了仿真,并通过仿真证明了新模型不要求环境知识的完备性,机器人具有环境自适应学习能力,还具有结构简洁、易扩展等特点,最后,对仿真结果进行分析与讨论,并提出了进一步研究方向。     

基于生长神经网络的进化机器人行为研究

提出了一个基于生长神经网络的进化机器人行为算法,新算法的主要特点是:1、通过自然选择对神经网络进行进化,并能自主实现机器人避碰、移动、复制和攻击等行为;2、开发了一个自主机器人模拟环境,对所提出的算法进行运行测试.模拟结果证明,生长神经网络系统是研究渐增进化的有效工具,新算法能够有效地实现机器人创新行为.