结合目标检测与双目视觉的三维车辆姿态检测

随着城市规模的发展,车辆的需求在与日俱增,同时对自动驾驶技术的需求也在不断提高.为了增强自动驾驶系统对路面车辆的信息掌握能力,提出一种车辆姿态检测方法.首先利用基于深度学习的目标检测方法获取车辆在二维图片上的信息,结合深度相机利用双目视觉获取车辆的关键三维空间信息;然后综合二维与三维信息建立三维空间坐标,经过计算后实现车辆的三维边框绘制,绘制的三维边框能辅助区分出车辆在空间上的方位.文中方法为端对端方法,不需要其他额外的输入信息,能够实时展示在相机中.实验结果表明,该方法针对常见的路面停车场景有较好的识别效果,对自动驾驶系统有较好的辅助作用;对比目前流行的三维边框计算方法也展示了其准确性.     

基于双目视觉的车辆速度测量方法

为配合高速公路入口处的货车称重工作,需要测量车辆通过称重台时的实时速度.利用双目视觉技术测速具有成本低、部署简单、稳定性高的优点,具有广阔的应用前景.双目视觉测速的技术难点是目标的位移测量,其核心问题是目标在多帧图像间的精准匹配.文中提出了一种基于空间位置的匹配区域对齐算法与基于模板匹配的空间位移计算方法.具体地,利用...     

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。     

基于双目视觉的车距测量系统

文章提出的基于双目视觉技术的车距测量系统,由预处理、车辆检测和车距测量共3部分组成,通过计算车辆矩形框中心点、左右中心点特征匹配和三角测量来计算车距。实验表明,本系统车辆检测准确率最高可达95%,最低为92.5%,车距测量精度误差范围为-1.1～0.2 m,车距测量响应时间范围为80～90 ms,在车辆检测准确率、车距测量精度和响应时间等方面均表现优良,具有较高的准确性和实用性,可以满足大多数车距测量应用场景的需求。     

基于计算机视觉的前方车辆检测与测距系统设计

随着我国私家车数量的增多,公路行驶道路安全成为社会关注的主要问题.而前方车辆距离检测系统的搭建,能够完成前方车辆检测与智能汽车导航工作.探讨了计算机视觉的前方车辆检测与测距系统设计,通过分析基于前方车身底部阴影的检测算法,阐述了前方车辆检测与测距系统的设计与应用.     

基于双目视觉的缺陷药片检测

传统基于机器视觉的药片缺陷检测方法中,药片图像多为单摄像机从药片的正上方进行拍摄,该方法难以对上下表面间断裂以及厚度不合格的药片进行有效的检测,该类缺陷药片在厚度上与标准药片可能存在着一定的差值。针对这种情况,本文提出一种基于双目视觉的药片厚度检测方法。该方法将双目摄像机放置于药片正上方,并采集药片图像,采用Canny算子提取图像中药片的边缘特征进行立体匹配,利用双目视觉的三角测距原理计算药片的视差,根据视差计算药片的深度信息,计算标准药片和缺陷药片的深度差,检测出存在厚度缺陷的药片。实验测量结果精度达到0.1 mm,具有较高的检测精度,满足检测的精度要求,表明该方法具有较好的适用性和可靠性。     

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。     

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。     

基于双目视觉的跟踪机器人系统的设计

文章介绍了一种以TMS320DM642为核心,结合编解码芯片SAA7115和SAA7105组成的高速图像处理系统,和典型的电机控制芯片TMS320F2812为核心的电机控制系统,组成了基于双目视觉的跟踪机器人系统.文章提出了一种新的基于YUV彩色模型的实现足球立体视觉匹配的检测方法,该方法将匹配问题映射为具有某种颜色的目标特征区域的中心,把其中心作为匹配点,通过目标的分割获得匹配点后根据双目视觉定位数学模型恢复目标位置信息,完成在动态背景下运动目标的识别与跟踪,从而高效实时地检测运动目标并实现时目标的跟踪.     

基于双目视觉的障碍物高度检测

针对变电站设备巡检机器人的应用需求,提出了一种基于双目视觉的障碍物高度检测方法.采用双目测距原理对障碍物的距离信息进行检测,然后在图像中选择样本点,根据这些点在视差图中的三维坐标,利用改进的RANSAC算法,求取当前帧的路面的平面方程,并利用Kalman滤波对此平面方程进行估计和预测.最后利用点到平面距离公式求取障碍物的高度,得到三维环境的高度图,利用高度信息检测障碍物.实际应用表明:提出的方法能有效地克服光照变化和阴影对障碍物检测的影响,所求得障碍物的高度信息精度较高,能够满足需求,对于环境变化的适应性较强.     

基于双目视觉的光纤定位研究

本文介绍了一种在光纤对接系统中用于光纤粗定位的视觉子系统．文章以双目视 觉的应用为背景，详细论述了视觉系统的硬件配置和软件开发，包括系统标定、图象处理、 特征提取、三维计算的具体步骤．提出了改进的Hough变换算法，能够较为准确的定位图象 中的两根光纤．     

基于SIFT特征与区域相结合的双目视觉匹配算法

以SIFT特征对旋转、尺度缩放、亮度变化保持不变性的特点,使用双目视觉系统从两个不同的视觉角度采集立体图像对,提出基于SIFT特征匹配和改进的区域匹配相结合的匹配算法。该方法确定符合SIFT特征的边缘为可靠特征点,并确定其视差;根据视差梯度原理确定其他点的视差,最后生成稠密的视差图。实验结果表明,SIFT特征与区域相结合的匹配算法的引入,提高了特征点视差的准确性,一些弱纹理区的匹配也有所改善。     

基于双目立体视觉的集装箱卡车定位方法研究

针对目前存在的集装箱卡车(以下简称集卡)定位方法无法有效地解决集卡准确定位以及箱距计算等问题,提出一种基于计算机视觉的集卡定位系统方案.实验表明,该方案能提供准确、及时的集卡定位引导信息,能够极大提高集装箱的装卸效率.     

基于行人与车辆关系模型的行人检测

针对在交通场景下的行人,考虑到绝大多数交通场景中车辆与行人同时存在,提出一种在对背景图像进行初步行人检测的同时对车辆进行检测的方法,建立一种行人与车辆关系模型。以车辆位置作为辅助检测基础,引入真假阳性检验用以排除出现在不可能区域的行人并介绍了具体方法。该方法首先对行人、车辆、行人与车辆关系特征进行定义并建模形成与其有关的函数关系,然后推导得到适用于支持向量机的标准形式,最后通过支持向量机回归法训练分类器进行分类识别。现场实测结果表明,此种方法大大降低了误检率,对不同分辨率图片中的行人均有较好的识别效果。     

基于计算机视觉和图像处理的交通参数检测

本文提出了一种基于计算机视觉和图像处理的车流量检测方法,通过分析CCD TV 摄 像机获取的图像中车辆和场景信息来有效地检测交通参数．本方法可以完成双向四车道高速 公路和城市道路的车辆计数和车辆速度检测．实验结果表明：车辆计数的正确率为94％,车 辆速度检测的正确率达92%,并具有满意的实时特性．     

基于最小特征匹配代价的夜间车辆检测和追踪

针对夜间复杂环境下车辆追踪存在检测难、配对准确率低、追踪效果差等问题,提出一种新的夜间车辆检测与追踪算法。首先将频域的同态滤波与空域的阈值技术结合进行车灯检测;然后,利用几何特征对车灯进行跟踪;其次,将几何特征和运动特征相结合,利用最小特征匹配代价算法实现车灯配对;最后,根据车灯配对情况对车辆轨迹进行追踪,同时引入反馈修正机制对轨迹进行修正。实验表明该算法能够在不同照明和交通条件下有效检测车灯、跟踪车辆,平均检测率和跟踪率较高。     

基于高速DSP的动态视觉处理系统

本文以移动车辆的视觉导航为北景，设计和实现一个用于外部景物识别的高速视觉处理系统，该系统采用了ＴＭＳ３２０Ｃ３０和ＩＮＭＯＳＡ１１０为其核心部分，并采用有效的结构，一方面利用Ｃ３０的强大的整点和浮点数据处理能力，完成视觉处理的高层任务，另一方面利用Ａ１１０的一维和二维数据滤波能力以及相应的后端处理单元功能，通过图像象素的流水作业，快速完成视觉中低层处理。     

基于System Generator实现车辆检测分类

在环形车辆检测系统中,车辆通过埋地环形线圈检测器时,车体与环形线圈相互作用,改变了线圈的谐振频率,从而产生频率变化曲线.采用Xilinx的FPGA辅助设计软件-System Generator对采集的频率变化曲线进行车辆的特征值提取,从而实现对车辆的自动检测和分类,完成从软件图形化设计到FPGA硬件实现一体化设计流程.该方法能提高多车道车辆识别检测速度及检测算法的可维护性.     

基于角点检测与颜色连贯性分析的车牌定位算法

针对低分辨率视频图像,提出一种基于角点检测与颜色连贯性分析的快速车牌定位算法。考虑到车牌具备固定的颜色连贯性特点,首先由车牌背景颜色与车牌字体颜色得出分析掩膜;然后使用较小的阈值和最小角点间距计算得出掩膜内角点;最后对角点进行颜色加权,选择权值最大的分析区域。该方法对图像噪声具有极好的抗干扰性,适用于分辨率较低的视频图像数据。实验表明与其他方法相比,该方法的车牌定位准确率高,平均耗时短。     

基于机器视觉的螺纹零件头部裂纹检测

将数字图像处理技术应用于螺纹零件头部裂纹的检测,构建基于机器视觉的螺纹零件头部裂纹检测系统。对采集的螺纹零件头部图像进行预处理、感兴趣区域定位,边缘检测、特征提取以及形态学处理,提出针对螺纹零件头部裂纹特征的检测方法。实验表明,方法具有识别精度高、可靠性强等优点,完全能满足工业生产中裂纹检测的要求。