单目式自主机器人视觉导航中的测距研究

针对传统自主式机器人视觉测距方法的缺陷,提出了一种建立在B 对偶空间几何学上的单目摄像机标 定方法,并将其应用到单目式自主机器人的视觉测距中．与OpenCV 标定方法相比,新的标定方法对CCD 摄像机 内参数的计算更为准确,并减小单目视觉测距的总体误差．同时,在引入运动目标自动提取算法的基础上,将目标 车辆的自动检测与实时测距融合为一个完整的系统．通过实际的测量及对比试验,验证了所提出方法的有效性．     

基于单目视觉的机器人目标定位测距方法研究

为实现具有单目视觉的双足机器人对目标物体的定位测距,根据针孔成像和几何坐标变换原理,提出一种基于单目视觉系统自身固定参数计算目标物体深度信息的几何测距方法;该方法利用双足机器人自带的单目视觉系统的固定参数,通过几何映射关系求解目标物体在三维空间内的坐标位置及相对于机器人的距离,克服了由于外界环境变化以及对参照物识别时所产生的误差影响测距定位精度的问题,从而实现基于单目视觉的目标物体精确跟踪定位;并对所提出方法进行了实验,得到比理论结果误差较小的实验数据,证明了方法的可行性。     

基于单目视觉的移动机器人测距方法

本文针对多机器人编队过程中的跟踪控制,提出了一种跟踪机器人采用单目视觉技术获取前方被跟踪机器人距离信息的方法.该方法首先对跟踪机器人摄像机进行内参数标定,并在目标机器人背部设置视觉标记.然后系统获取目标机器人的含有视觉标记的单帧图像,预处理此图像,并识别出图像中的视觉标记所在的目标区域,用Hu氏不变矩计算该区域形心.最后推导出单目测距算法,利用图像信息和其它参数可以计算出两机器人之间的距离.实验结果表明,所设计的单目测距系统能得到准确的距离,为跟踪控制提供了重要的反馈信息.     

基于单目视觉的实时测距方法研究

为了利用单目视觉实时监测本车与前方障碍物之间的距离,在比较了现有的几类用于车辆控制的道路深度信息获取方法的基础上,首先研究了较为适用于汽车自动驾驶的几何关系推导法,进而提出了基于单目视觉的实时测距算法.通过试验可知,由于摄像机的俯仰角是影响实时测距算法的关键因素,因此又提出了基于道路边界平行约束条件的实时计算摄像机俯仰角算法.静态实车试验的结果显示,该基于单目视觉的实时测距算法具有较高的准确性,可以满足测距要求,而动态实车试验的结果则显示,此算法还可以满足汽车智能化控制的实时性要求.     

基于单目视觉的移动机器人目标测距方法研究

为实现具有单目视觉的移动机器人对目标物体的定位测距工作,本文提出了一种基于单目视觉的几何测距算法融合的方法。该方法利用圆曲线拟合方法对方法所得的数据进行了优化,克服了由于外界环境变化以及对参照物识别时所产生的误差影响测距定位精度的问题,并通过实验来验证了这种融合方法的可行性。     

基于机器视觉的机器人测距研究

机器人测距技术是机器人导航、路径规划以及协作编队关键技术之一。基于透视投影几何原理,提出了单目视觉测距模型,实现物体测距。单目视觉测距模型实现了在摄像机与目标平面平行或者有夹角情况下,对目标物体距离的测量。实验结果表明,所提出的测距模型和和所用的算法,不仅避免了复杂的摄像机标定,而且测量速度快,能够实现对目标物体空间距离的精确测量。     

基于PreScan平台的单目视觉测距方法研究与虚拟试验

车辆与前方障碍物之间的距离是车辆主动安全控制中的一项重要参数。利用图像传感器获取车辆前方道路信息,根据投影变换模型推导出单目测距算法,并通过软件实现求解车距。在PreScan平台进行虚拟试验,并分析了图像传感器各参数对试验结果的影响。结果表明,在校正良好的情况下,基于单目视觉的车距测量具有较高的测量精度。     

基于超声波测距和单目视觉跟踪的移动机器人系统

在移动机器人的发展过程中,对周围环境的感知能力变得愈加重要。本论文介绍了一种新的移动机器人跟踪目标的方法,该方法结合了超声波测距和单目视觉技术,可以实现对目标物的安全跟踪。通过该方法,移动机器人不仅能够跟踪目标,还能够与目标保持设定的距离,从而提高跟踪效率。本论文详细介绍了该方法的设计和实现,并对实验结果进行了分析和讨论。实验结果表明,该方法能够有效地实现对目标的安全迅速跟踪。本论文的主要贡献在于提出了一种新的移动机器人跟踪目标的方法,为进一步提高移动机器人的感知能力和实用价值提供了参考和借鉴。     

基于单目视觉测距的车辆自动刹车辅助系统设计

针对红外测距与超声波测距探测距离与真实距离差异大,刹车控制智能性不强的问题,设计并实现了基于单目视觉测距的车辆自动刹车辅助系统,系统硬件主要由图像采集模块、图像处理模块、以及电子制动模块组成;通过基于单目视觉测距算法实现软件编程,并在Matlab平台上完成测试,实验中车辆以35km/h驶向障碍物,使在20~70m的实际距离进行仿真测距,单目摄像头俯仰角测定在88°~90°之间,对前方实时车距进行测量,并通过与汽车电子控制单元之间的数据交换对车辆制动进行辅助控制;实验结果表明:在实测距离和系统介入距离均在70m以内时,算法相对误差平均在2%左右,车辆停止地点距障碍物在4.5m左右,说明系统满足车辆智能化辅助制动的实时性要求。     

基于数据回归建模的单目视觉测距算法

提出了一种基于数据回归建模的单目视觉测距算法,其基本思路与现有的“先建模再测距”的顺序思路不同,创新性地提出了“先测距再建模”的逆向思路,首先准确标定出一些距离样本点,然后采用数据回归建模的方法建立测距模型。该方法不用再单独考虑成像模型、成像系统误差、透镜畸变等带来的影响,而是在进行回归拟合时隐含地加以解决;同时,该方法不依赖于道路几何约束条件,既可用于高速公路等结构化公路情况,又可用于城区公路等非结构化公路情况。实验表明,该算法思路是有效的,能满足测距的实时性与精确性要求。     

基于单目视觉的结构化道路检测算法研究

为了全面了解基于单目视觉的结构化道路检测方法的现状,给出近些年来一些典型的道路检测算法,并进行分类,包括基于灰度特征和彩色特征的检测算法、基于模型的识别算法,最后对该领域的难点和趋势给出简要的论述。     

基于单目视觉的结构化道路检测算法研究

为了全面了解基于单目视觉的结构化道路检测方法的现状,给出近些年来一些典型的道路检测算法,并进行分类,包括基于灰度特征和彩色特征的检测算法、基于模型的识别算法,最后对该领域的难点和趋势给出简要的论述。     

基于单目视觉的高速公路车道保持与距离测量

汽车智能辅助操作系统是智能交通系统的重要组成部分，也是目前国际上的热点问题．基于计算机视觉技术的车道保持，即视觉导航是辅助操作系统的核心问题之一．该文提出一种基于单目视觉的公路分道线二维重建算法和距离测量算法．其基本思想是根据分道线灰度与几何特征建立约束方程，进而跟踪提取分道线，并用二维模型重建，在此基础上，首先获得车道保持的必要道路参数，然后在二维重建的基础上，进一步实现了基于分道线几何约束的单目测距算法．在四川省与重庆市的高速公路上的实验证明，车道保持算法的实时性与精确性已基本满足实用要求；单目测距算法的精确度也能满足安全行车防止碰撞的需要．     

单目视觉定位方法研究综述

根据单目视觉定位所用图像帧数不同把定位方法分为基于单帧图像的定位和基于双帧或多帧图像的定位两类。单帧图像定位常利用已知的点特征、直线特征或曲线特征与其在图像上的投影关系进行定位,其中用点特征和直线特征的定位方法简单有效而应用较多;基于双帧或多帧图像的定位方法因其操作复杂、精度不高而研究的还较少。通过对各方法的介绍和评述,为单目视觉定位问题的研究提供参考。     

基于曲线拟合的单目视觉测量方法

针对传统单日视觉测量精度不高,尤其是深度方向测量精度较差的缺点,建立了球体针孔成像模型,提出了一种基于圆锥曲线拟合的球体成像边缘哑像素定位方法,可求出圆形目标的中心和半径,再同过统计目标边缘点到圆心的距离均值和方差,通过3σ原则剔除野值,再进行一次拟合进一步提高精度.实验表明,方法边缘定位精度为0.02pixel.直径为40mm的球体在1m范围内成像,平行于像平面方向上测量误差小于0.2mm,沿光轴方向小于0.6mm.     

基于视觉词典的单目视觉闭环检测算法

针对移动机器人单目视觉同步定位与地图构建中的闭环检测问题,文中设计一种基于视觉词典的闭环检测算法。算法对采集的每帧图像通过SURF进行特征提取,应用模糊K均值算法对检测的视觉特征向量进行分类,在线构建表征图像的视觉词典。为精确表征局部视觉特征与视觉单词间的相似关联,利用混合高斯模型建立视觉词典中的每一视觉单词的概率模型,实现图像基于视觉词典的概率向量表示,通过向量的内积来计算图像间的相似度。为保证闭环检测的成功率,应用贝叶斯滤波融合历史闭环检测与相似度信息来计算闭环假设的后验概率分布。另外,引入浅层记忆与深度记忆两种内存管理机制来保证算法执行的快速性。实验结果证明该方法的有效性。     

基于单目仿人机器人的障碍物测距方法

为了能够实时测量机器人与障碍物的距离,提出一种单目视觉的方法。首先将机器人获取的 RGB 图像转换为HSV图像,在HSV颜色空间对障碍物进行检测和识别,然后利用小孔成像原理和几何坐标变换,计算障碍物与机器人的距离。最后将该方法应用到实验室 Darwin 仿人机器人上,实验结果表明该方法具有可行性和有效性。     

基于单目测距技术的道路障碍物检测方法

本文从计算机视觉的角度,对障碍物检测进行了研究。本文将单目视觉系统简化为摄像机投影模型。通过几何关系推导法建立测距模型,获得图像坐标与世界坐标系之间的转换关系,最后实现障碍物距离的测算。经试验证明,本文选用的测距模型的误差在可接受范围之内。     

基于单目视觉和里程计的SLAM算法研究

已有的基于视觉的SLAM方法大多采用双目立体视觉,存在成本高,标定过程复杂,鲁棒性低等缺点.因此,提出了基于单目视觉和里程计的SLAM方法.该方法采用尺度不变特征变换算法提取特征,用扩展卡尔曼滤波更新地图.此外,由于单个CCD摄像头不能直接获得图像的深度信息,采用特征点延迟初始化的方法来解决这个问题,这种方法使得基于单目视觉的导航变得可能.在MATLAB环境下实现了SLAM算法仿真,实验结果表明,在室内环境下,该算法运行可靠,定位精度高.