基于全景视觉的移动机器人的运动目标检测

在动态背景下的运动目标检测中,由于目标和背景两者都是各自独立运动的,在提取前景运动目标时需要考虑由移动机器人自身运动引起的背景变化。仿射变换是一种广泛用于估计图像间背景变换的方法。然而,在移动机器人上使用全方位视觉传感器(ODVS)时,由于全方位图像的扭曲变形会 造成图像中背景运动不一致,无法通过单一的仿射变换描述全方位图像上的背景运动。将图像划分为网格窗口,然后对每个窗口分别进行仿射变换,从背景变换补偿帧差中得到运动目标的区域。最后,根据ODVS的成像特性,通过视觉方法解析出运动障碍物的距离和方位信息。实验结果表明,提出的方法能准确检测出移动机器人360°范围内的运动障碍物,并实现运动障碍物的精确定位,有效地提高了移动机器人的实时避障能力。     

主动式立体全景视觉技术的研究

为了解决立体视觉测量中的快速匹配问题,文中通过集成全景彩色结构光发生器和全方位视觉传感器构建一种主动式立体全景视觉传感器;通过分析图像像素的颜色和投射角之间的映射关系估算全景图像上各像素息对应的投射角,利用三角关系计算对应物点的深度信息;实验结果表明该方法能快速地得到场景的全景深度信息。     

基于视觉传感器的障碍物检测

针对移动机器人双目视觉障碍物检测的实时性和准确性两大难题,提出了一种适用于室内复杂背景的障碍物检测方法。通过Retinex图像增强操作消除环境光照不均匀的影响;运用扫描线种子填充算法分割图像中的路面、背景和障碍物;通过二值化处理、边缘检测提取障碍物的轮廓信息和位置信息。在AS-RE轮式机器人平台上进行实验,实验结果表明,机器人能够在室内环境中稳定地实现自主避障功能,验证了提出的双目视觉障碍物检测算法的可行性。     

一种主动式全景立体视觉传感器设计

现有的三维激光扫描仪无法实时、全自动地计算空间三维信息,需要对获得的点云数据进行配准.为解决这些问题,研制了一种新型主动式全景立体视觉传感器( ASODVS),并且从影响ASODVS测距精度的各个因素进行了分析.实验结果表明:设计的ASODVS能自动、实时地进行空间物点深度测量,并得到相应的点云数据.     

基于双目立体视觉的障碍物检测方法

基于双目立体视觉的障碍物检测方法,是一种基于双目视觉的V视差图检测障碍物的算法。利用生成的视差图之后再生成V-视差图,进而提取V-视差图当中的直线的信息,利用这些提取的直线的信息,就可以大致确定障碍物存在的区域,以此进行障碍物的检测。这样是一种对于光照和阴影等的干扰不是十分敏感,可以检测具备面特征的障碍物,可以用于复杂的背景之下的障碍物的检测。     

基于全景视觉的移动机器人同步定位与地图创建研究

提出了一种基于全景视觉的移动机器人同步定位与地图创建（Omni-vSLAM）方法．该方法提取 颜色区域作为视觉路标;在分析全景视觉成像原理和定位不确定性的基础上建立起系统的观测模型,定位出 路标位置,进而通过扩展卡尔曼滤波算法（EKF）同步更新机器人位置和地图信息．实验结果证明了该方法在 建立环境地图的同时可以有效地修正由里程计造成的累积定位误差．     

基于重投影变换的实时障碍物检测视觉系统

文中报告了基于重投影变换技术的实时障碍物检测双目立体视觉系统的研制。关键技术包括单摄像机双目立体成像、图像级重投影变换、非零视差滤波和姿态自适应动态重投影变换。该系统利用重投影变换图像间的路面视差为零和非路面视差不为零的特性,在不进行特征提取和对应的情况下,实现了对路面障碍物的实时检测,具有算法鲁棒、计算简单、并行性高、以及对复杂环境的适应能力强等优点。文章给出了室外自然环境中真实图像的试验结果,     

基于视觉的室外移动机器人障碍物检测方法

针对复杂交通场景中的室外移动机器人,提出了一种基于小波模极大值和集成学习支持向量机的障碍 物检测方法．首先引入了基于小波模极大值的奇异信号分析理论,对候选障碍物区域进行探测;然后,构建了一种 基于集成学习改进的多分类支持向量机,对候选区域进行分类识别．实验中将该方法应用于多种交通场景（高速公 路、城区道路）,结果验证了其有效性、通用性和实时性．     

基于双目视觉的障碍物检测方法研究

随着无人机自主避障技术的发展,无人机的在线环境感知能力显得愈发重要。环境感知的重要组成部分便是障碍物的检测。与超声波、毫米波雷达这些只能检测出障碍物距离的传感器相比,视觉传感器具有独特的优势,因此成为多旋翼无人机进行自主避障的热点。本文采用双目立体视觉技术对多旋翼无人机前方视野内的环境进行障碍物检测,提出了一种基于柱状图的障碍物检测方法。首先,利用双目视觉传感器获取图像并进行图像处理;其次,把图像分成若干个柱状图的区域,提取每个柱状图区域里的障碍物深度信息;再次,检测柱状图区域里的障碍物相对于多旋翼无人机的方向;最后,通过室内环境进行算法验证。实验结果表明该方法的有效性,成功完成了室内未知环境下多旋翼前进方向的障碍物检测工作。     

基于彩色立体视觉的障碍物快速检测方法

Real-time obstacle detection method is a key technique for machine vision based mobile robot and au-tonomous land vehicle navigation in unstructured environments. In this paper o considering the real-time requirement for stereo matching algorithm, an adaptive color segmentation method for possible obstacle region detection is first developed based on the color feature, and a simple region based stereo matching algorithm of binocular vision for realobstacle recognition is also introduced. Obstacle detection is implemented by combining the road color adaptive seg-mentation method and region based stereovision method. Lots of experiment results show that the proposed approachcan detect obstacle quickly and effectively, and this algorithm is particularly suited for road environments in which the road is relatively flat and of roughly the same color.     

基于多传感器信息融合的机器人障碍检测和环境建模

通过融合距离图象和彩色图象为移动式机器人构造二维环境模型及进行障碍检测.其中,环境模型采用了多分辨的二维网格表示结构,较好地解决了计算速度和模型精度之间的矛盾;融合算法的设计是以推广的Dempaser-Shafer证据理论(DSTE)为基础,较好地解决了融合信息的相关性问题;所论及的系统和算法已在真实环境下经过测试,其有效性已被实验所证明.     

Omnidirectional Robot Vision Using Conformal Geometric Computing

In this paper, we show how to use the conformal geometric algebra (CGA) as a framework to model the different catadioptric systems using the unified model (UM). This framework is well suited since it can not only represent points, lines and planes, but also point pairs, circles and spheres (geometric objects needed in the UM). We define our model using the great expressive capabilities of the CGA in a more general and simpler way, which allows an easier implementation in more complex applications. On the other hand, we also show how to recover the projective invariants from a catadioptric image using the inverse projection of the UM. Finally, we present applications in navigation and object recognition. Carlos Alberto López-Franco is a doctoral student at CINVESTAV, GEOVIS Laboratory, Unidad Guadalajara, México. He received in 2003 the M.S. degree in Computer Science from CINVESTAV, Unidad Guadalajara. His scientific interests are in the fields of computer vision, robotics and the applications of geometric algebra for mobile robots. Eduardo Jose Bayro-Corrochano gained his Ph.D. in Cognitive Computer Science in 1993 from the University of Wales at Cardiff. From 1995 to 1999 he has been Researcher and Lecturer at the Institute for Computer Science, Christian Albrechts University, Kiel, Germany, working on applications of geometric Clifford algebra to cognitive systems. At present is a full professor at CINVESTAV Unidad Guadalajara, México, Department of Electrical Engineering and Computer Science. His current research interest focuses on geometric methods for artificial perception and action systems. It includes geometric neural networks, visually guided robotics, color image processing, Lie bivector algebras for early vision and robot maneuvering. He developed the quaternion wavelet transform for quaternion multi-resolution analysis using the phase concept. He is associate editor of Robotics and Journal of Advanced Robotic Systems and member of the editorial board of Journal of Pattern Recognition, Journal of Mathematical Imaging and Vision, Iberoamerican Journal of Computer and Systems and Journal Of Theoretical And Numerical Approximation. He is editor and author of the following books: Geometric Computing for Perception Action Systems, E. Bayro-Corrochano, Springer Verlag, 2001; Geometric Algebra with Applications in Science and Engineering, E. Bayro-Corrochano and G. Sobczyk (Eds.), Birkahauser 2001; Handbook of Geometric Computing for Pattern Recognition, Computer Vision, Neurocomputing and Robotics, E. Bayro-Corrochano, Springer Verlag, 2005. He has published over 120 refereed journal, book chapters and conference papers.     

基于移动障碍的MWSN节点协同转向避障方法

针对传统蜂拥控制模型协同避障的研究,笔者曾对其做出了改进,并加入了Steer to Avoid避障法则,通过仿真表明,它能够有效提高避开静止障碍的效率。该模型用于具有移动障碍的环境时,若障碍的运动方向与节点的判断方向同向,可能会与障碍物保持相对静止,从而大幅度降低避障效率。对Steer to Avoid进一步改进,提出一个新的针对移动障碍物的避障模型。当障碍物的运动趋势和节点的Steer to Avoid转向判断相同而且两者的速度较为接近时,节点将向着障碍物运动的相反方向运动。提出了对障碍物的移动预判。仿真实验结果表明,与传统两个模型相比,该模型在平均速率和时间效率上有显著提高,并且适用于避开未知的移动凸形障碍。     

基于道路动态视觉导航的控制策略与仿真

使车辆在自然环境中自动行驶，视觉导航方法受到了很大的重视。该文介绍了我们进行的研究工作，其中包括基于道路理解和目标检测的动态视觉导航控制策略，以及这一模拟显示系统的实现。     

颠簸环境下的快速障碍物检测算法

障碍物检测是智能车辆研究中的一个重要内容.用射影几何的方法给出了用重投影变换进行障碍物检测的一般原理,并引入摄像机的内、外参数和姿态参数,建立了重投影变换的参数化模型.为了满足颠簸环境的要求,提出了一种新的基于立体视觉视差分析的障碍物检测算法.实验结果表明,算法具有计算量小和可靠性高的特点.     

基于视觉的移动机器人实时障碍检测研究

针对立体视觉障碍检测的两个难点:匹配精度以及匹配算法的实时性问题,文章提出了一种基于区域分割的障碍检测方法。通过区域分割,把图像对应点的匹配问题简化为区域边界点的匹配,提高了匹配的精度。分割后的区域作为一个独立的对象进行处理,障碍物三维信息计算转化为视差的判断,提高了匹配的速度。该算法能够实现在室内环境下的实时障碍检测,不需要利用环境的先验知识,具有较强的自适应性。实验结果表明了该方法的有效性。     

基于双目视觉的智能车辆障碍物探测技术研究

鉴于障碍物探测是越野智能车辆自主导航的关键环节,为此针对越野环境光照多变、地形复杂的特点,提出了一种适用于越野环境的双目视觉障碍物检测技术,即首先对系统进行标定和坐标变换,以抵消地形的影响;然后采用高斯滤波和有限对比适应性直方均衡化(CLAHE)对图像进行预处理,以削弱噪声、光照和对比度的影响;接着在特征匹配部分,用提取的图像的亚像素级Harris角点特征参与匹配;同时基于RANSAC方法估计基础矩阵,再通过对极几何约束匹配来提高系统的实时性,并采用连续性约束消除误匹配,最终获取环境的3维信息;在障碍物提取部分,则通过线性插值来构建车前环境的高程图像;最后通过边缘提取和形态学处理来最终检测障碍物。此外还通过不同环境中的检测实验,验证了该算法的可行性及有效性。