基于改进SURF算法的双目视觉定位

随着机器人技术的发展,机器人视觉方面的研究也越来越受到人们的重视。在机器人视觉系统中,双目视觉应用最为广泛。在利用双目视觉对物体进行定位时,文中采用了各方面性能都较有优势的SURF算法,来对图像中的特征点进行提取与匹配。由于客观因素的影响,在SURF匹配过程中存在特征点误匹配现象,为了消除误匹配,文中对SURF算法做了改进,加入了剔除误匹配的RANSAC算法。实验结果表明,改进后的SURF算法,能够大大提高双目视觉定位的精准度。     

双目立体视觉测量中的特征点快速匹配算法

对于图像特征点的提取与匹配是双目立体视觉测量系统中的重要一步,提出了一种改进的适用于随机噪声、光照变化、局部遮挡等复杂环境下的快速鲁棒性不变特征(SURF)的匹配算法。首先,改进了特征点描述子中的主方向的计算方法,提高了主方向的精确度和计算效率;其次,结合NN/SN算法和RANDSAC算法,提出特征点的反向匹配算法,克服了外部环境光照变化、噪声、局部遮挡等因素对特征点匹配的影响,有效地提高了匹配精度。     

改进Harris-SIFT算法在水下图像匹配中的应用

针对尺度不变特征变换(SIFT)算法实时性差、错匹配多,以及Harris角点检测算法精度不高、速度偏慢的问题,提出了一种运用改进Harris-SIFT算法对水下拍摄的双目图像进行特征点提取与匹配的方法。利用改进的Harris算法对两幅图像进行角点检测,然后为特征点分配方向,并生成SIFT特征描述子,完成匹配。实验结果表明,该算法实时性强、匹配率高,并能较好地反映水下物体的形状特征。     

基于双目立体视觉的快速人头检测方法

为满足人流统计实时性的要求,提出一种人头检测算法。该方法对双目相机采集的图像通过运动目标检测分离出运动人员所在区域,对这些区域使用融合区域匹配和特征匹配的快速匹配方法,即利用视差的连续性只对强纹理点进行绝对误差累积(SAD)匹配,其他点只进行简单的视差验证,能够得到稠密的视差图,再由三角投影关系计算出深度图。由于双目立体成像得到的深度图中人员与场景的深度分布不同,可以采用深度分层的方法将存在人头信息的深度层提取出来,经过数学形态学预处理再利用边缘检测会得到许多候选轮廓,最终利用轮廓的几何特征来判断轮廓是否为人头。实验表明:该算法可以很好地适应复杂场景下的人头检测,精度高、速度快。     

基于特征的立体视觉并行匹配算法的研究

本文提出一适合立体视觉的并行匹配算法。算法以特征匹配为基础。所谓特征意指用各种大小的拉普拉斯——高斯算子检测的零交点。为获得视差的候选区间,算法在整个图象上计算视差直方图,以迭代的方法确定全部视差,并利用表面的局部估计——二次表面片和边界对深度点进行插补,从而得到完整的深度图。     

基于双目视觉的相对定位定向研究

设计一个基于尺寸不变特征变换SIFT特征提取算子的双目相对定位定向系统,可解决极端环境下一般导航系统无法准确定位定向的问题.实现过程采用2个相对位置固定的相机,利用SIFT特征点尺度及旋转不变的性质精确匹配图像序列中的投影点,并根据坐标变换来测定相机的移动距离和旋转角度,从而可以计算出相机轨迹的变化,达到了相时的定位和定向的效果.该系统的定位定向精度可达86%.     

实时双目立体视觉系统的实现

依据双目立体视觉原理,对双目立体视觉系统的设计与实现展开研究,介绍了双目立体视觉系统的组成,并对系统涉及的主要关键技术进行了探讨。结合相关的硬件设备,利用VS2012软件开发平台实现了双目立体视觉系统。该系统可实时地进行图像采集、边缘检测、立体匹配等功能,同时由于采用3种确认算法,最大限度地去除错误匹配,得到良好的视差图。     

机器双目视觉里程计定位算法

随着人工智能的发展,在智能机器人及无人驾驶汽车应用上,空间定位是最基本和关键的问题。针对空间运动载体的定位算法,提出了双目视觉里程计定位算法,从摄像机标定、图像处理、特征提取和匹配以及运动估计4个方面展开了研究。出于实时性和精确性的考虑,使用Matlab 2016b和Visual Studio 2015两个软件进行混合编程。运用该算法对搭载双目相机的汽车在行进过程中所拍摄的图片进行计算,得出汽车精确的运动轨迹。     

双目立体视觉区域局部匹配算法的改进及其实现

匹配算法是双目立体视觉中关键技术之一.这里讨论双目立体视觉区域局部匹配的相似性测度函数、局部相关匹配算法,并分析其复杂度,进而提出模板滑动的匹配算法.在VC++平台上,通过双相机实验系统的标准测试图及实际场景图对所提方法进行验证.分析和实验结果都表明了该改进算法的有效性和快速性.     

可见光通信与双目视觉的室内定位分析

应用可见光通信与双目视觉的室内定位技术,能够提高室内移动机器人的导航精度。基于此,详细阐述了三维定位系统设计、LED光源中心坐标提取、双灯光源识别机制设计、IMU坐标系标定、室内定位技术应用试验这几项室内定位分析环节,希望能够为室内机器人定位技术的发展提供助力。     

基于双目视觉的六旋翼无人机立体匹配算法

针对六旋翼无人机双目视觉成像时,经双目融合后反馈的图像噪点过多,以及图像精度不够理想的问题,提出了一种在匹配过程中融入全局差错能量最小化的区域立体视觉匹配算法。由于视差的求解是立体匹配过程中最重要的环节,因此本文利用最小化差错能量矩阵求解最优视差的原理。通过提高立体视觉的视差精度,从而减少视觉融合过程中因数据问题产生的噪声干扰,最终提高了对场景信息三维重构的准确度。通过分别在室内外的仿真实验与真实环境重构实验,验证了本文提出的基于双目视觉的六旋翼无人机立体匹配算法的有效性与可靠性。     

双目视觉中立体匹配算法的研究与比较

在基于双目立体视觉三维重建的研究中,立体匹配是其中最重要的部分,它的准确性影响着最后的重建结果.本文主要讲述了常用的立体匹配算法,并详细介绍了两种算法分类中的代表性算法的实现步骤,即局域算法中的基于特征点匹配的算法和全局算法中的基于图割法的匹配算法,并对算法从运算速度和误配率两方面进行了比较,总结了两种算法的优缺点,比...     

复杂场景双目立体视觉测量精确定位系统研究

针对某复杂场景下对特定目标进行精确定位测量的 关键问题,依据双目立体视觉测量原理,结合OpenCV视觉开 发库标定摄像机内外参数,利用结果校准目标图像,借助于标靶类型进行图像区域分割并计 算出目标位置坐标,以此实 现精确定位测量之目的。研究结果表明,对于所确定的1.4~1.6m目 标测距范围,采用平行双目视觉测量模型和相机小孔 测量模型,获得了距离误差小于10mm、横向误差小于2mm和响应时 间小于350ms的测量结果,在满足实时性的同时具有较高的定位精度 。     

基于光栅投射与立体视觉融合的障碍物检测技术

为实现智能车辆前方障碍物的快速准确检测,将光栅投射引入到双目立体视觉系统中,建立激光和视觉传感器融合的障碍物检测系统,将两种传感器的优势结合起来并填补单一传感器检测的不足。用双目立体视觉系统捕捉障碍物的轮廓信息,同时利用光栅投射技术对障碍物的局部信息进行调制,利用光栅投射出来的固定相位图像,可以快速实现立体视觉匹配中同名点的识别,能够较好解决立体视觉中图像配准的难题。     

基于双目会聚型立体摄像机的目标深度测量

目标物体的三维测量是双目立体视觉的一项重要任务。基于视差的平行摄像机模型是最常见的用于三维重建的双目摄像机模型。一般双目立体摄像机不是严格平行的,所以采用上述方式进行三维重建时需要进行极线校正。提出了一种新的用于三维测量的双目摄像机模型,该模型针对一般常见的非平行的会聚立体摄像机模型。采用该模型进行目标物体的三维测距时,根据摄像机标定得到的相对外参,即可快速得到目标物体的深度信息。同时,本文从分辨率的角度对提出的深度测量方法进行了精度分析。实验结果验证了提出方法的有效性和可靠性。     

基于光轴垂直双目立体视觉系统的物体运行姿态研究

提出了一种采用光轴垂直的双目视觉测量技术获得运动物体运行姿态角的方法。首先,对光轴垂直立体视觉系统进行了建模;然后,采用光轴垂直原理求取被测物体在某时刻的中轴矢量;最后,通过建立中轴矢量与姿态角间的数学关系得到被测物运行时的姿态角。实验结果表明,该测量方法具有较高的精度和速度,能满足远距离运动的被测物体运动参数的测量要求。     

基于图像分块的Harris-SIFT特征匹配算法

应用Harris角点和SIFT图像局部特征定量化数据描述的互补优势,提出了图像分块Harris-SIFT特征匹配方法。将原图像分割成子图像块,根据子块的可变阈值检测多尺度Harris角点,并对其进行迭代精化,使其收敛到真值,然后生成定量化的特征矢量。匹配应用双向最近邻算法并用RANSAC去除误匹配。通过仿真验证,这种方法增强了角点提取的鲁棒性,提高了匹配速度和精度。     

基于双目视觉和散斑投射的快速形貌测量

针对现有三维扫描设备存在的体积较大,测量速度较慢以及对环境光照敏感等问题,利用双目立体视觉和散斑结构光,开发了一种小型的形貌测量装置。首先对该装置的投射模块,硬件结构进行了设计,其次对涉及到的主要算法,采用数字图像相关法进行像点坐标匹配进行了研究,最后对系统的测量效果和精度进行了初步验证。实验表明,对于单幅点云,该扫描装置测量过程迅速,数据采集可在2 ms内完成。并且在保证生成点的数目较多的同时,精度可达到0.1 mm。因此,本文提出的小型散斑投射装置可在确保测量精度的前提下,实现工件的快速测量。     

一种基于图像处理的双目视觉校准方法

双目视觉是利用机器视觉进行障碍物检测的研究热点。针对双目视频不同步,导致立体匹配不精准的问题,提出了一种基于图像处理的双目校准算法。算法首先根据道路的先验特征模型,建立视觉校准的敏感区域,以减小计算量。然后对图像的灰度进行聚类,并通过边缘检测和形态学处理来检测道路中的目标物,从而确定动目标与固定物的距离,搜索同步视频帧,实现双目校准。室外真实场景的实验结果表明,该算法可以较好地校准双目视觉,从而使立体匹配更精准。