基于双目视觉的物体尺寸测量系统

提出了一种基于双目视觉的物体尺寸测量系统,用于非接触式测量物体尺寸。该系统采用张正友棋盘标定法进行双目相机标定,并利用标定参数对采集的图像进行校正。通过采用图像分割技术和角点检测算法获取待测物体的特征点。通过立体匹配算法对校正图像进行处理,得到视差图。根据三角形相似性原理计算特征点的三维坐标,计算出物体尺寸的信息。实验结果表明,该系统具备较高的测量精度,具有一定的实用性和应用前景。     

一种基于工业相机的距离测量系统

基于双目视觉的基本原理,运用视差法,设计了一个距离测量系统,该系统通过两台高精度数字工业相机,能对一目标距离进行检测。系统首先通过工业相机获取图像,利用标定算法对工业相机内部参数进行标定,之后选取目标点输入并进行距离测算,最终输出目标点距离结果。实验结果表明,该系统能够较好地完成对物体的非接触式测量。     

基于投影匹配的目标姿态测量方法研究

提出一种在图像投影匹配基础上进行的目标姿态测量新方法,避免了传统姿态测量中左右像面目标的特征匹配或灰度匹配.二维投影相关法是基于二维投影的灰度相关匹配算法,主要利用匹配图像相邻像素的灰度值的大小关系应该相同的原理进行图像匹配.在此基础上采用双目视觉测量空间轴对称目标姿态,应用面面交会法获取轴对称目标在像面的轴线,进行三维姿态测量.模拟实验结果表明:该方法姿态角测量误差小于0.2°;且计算速度快,结果稳定,能够满足处理的要求.     

飞行目标落地姿态视觉测量方法研究

飞行目标落地姿态是评定飞行目标系统性能的重要技术指标.为了测量飞行目标落地姿态,采用放置在落弹点区域附近的凝视等待式双目视觉摄像机,高速摄影交汇测量飞行目标的落地姿态.根据目标在摄像机像面成像特点,将目标进行分类,并采用了不同的姿态测量方案.模拟实验与理论分析表明:该姿态测量方法正确、可靠,大目标和过渡目标姿态角测量误差小于1°,为飞行目标的姿态测量提供了一条新的便捷可靠的途径.     

回转体目标空间三维姿态测量方法研究

由于回转体目标表面灰度值变化较小和双目视觉视差的原因,在双目视觉测量中难以采用灰度和特征匹配.提出了一种双目视觉测量空间回转体目标姿态的新方法,避免了传统姿态测量中左右像面目标特征点的特征匹配或灰度匹配.采用基于空间矩的回转体像面目标直线边缘亚像素提取技术,获得回转体目标在每个像面上的两条母线的亚像素直线方程.求出两条母线与其光心所成平面的两个角平分平面,这两个平面相交就可以得到回转体目标的轴线的方向矢量.模拟实验结果表明,该方法姿态角测量误差小于0.5°,结果稳定,能够满足回转体目标空间三维姿态的高精度测量的要求.     

MEMS惯性传感器ADIS16355在姿态测量中应用研究

为了实现惯性导航控制,需获取控制对象的姿态角信息,设计了基于MEMS惯性传感器集成模块ADIS16355的姿态测量系统。该姿态测量系统采用ADIS16355作为惯性测量单元,利用加速度计对重力向量的观测来修正陀螺给出的姿态信息,卡尔曼滤波实现传感器信息融合以计算运动载体的姿态角。介绍了ADIS16355的基本功能模块,阐述了两种传感器融合测量实时姿态角的方法并给出了卡尔曼滤波算法迭代过程,基于ARMv7架构的Cotex-M3微处理器设计了姿态测量系统硬件。采用AHRS500GA对该姿态测量系统性能进行了测量姿态角的验证实验,测试结果表明,该姿态测量系统能在动态条件下准确地测定运动物体实时姿态角,其误差一般在?1?左右。     

双目立体视觉在模型姿态监测中的应用研究

风洞试验模型姿态的实时、精确非接触测量对于提高风洞试验的精度和可信度有重要意义。但实现却十分困难,尤其是模型姿态侧滑角的实时精确测量。提出采用双目立体视觉实时、精确测量模型姿态,简要说明了硬件组成和基本原理,深入探讨了技术要点和主要算法。最后给出了测量结论。     

双目立体视觉在模型姿态监测中的应用研究

风洞试验模型姿态的实时、精确非接触测量对于提高风洞试验的精度和可信度有重要意义。但实现却十分困难．尤其是模型姿态侧滑角的实时精确测量。提出采用双目立体视觉实时、精确测量模型姿态，简要说明了硬件组成和基本原理，深入探讨了技术要点和主要算法。最后给出了测量结论。     

基于一阶径向畸变算法的双目摄像机多位姿标定方法

双目立体视觉中在对物体进行三维测量或精准定位时,需要对摄像机进行标定以获得其内外参数。研究径向畸变摄像机模型,构造了基于一阶径向畸变（RAC）算法的双目摄像机内外参数线性求解公式。考虑侧倾角、旋转角、俯仰角以及透镜的主要畸变因素,修正了传统RAC标定法中只考虑径向畸变、部分参数需要先验值的缺陷。利用标定所得内、外参数进行了多位姿双目摄像机三维重构实验。实验结果表明,该标定方法重投影误差分布在[-0.3,0.3],动态识别结果与实际运行轨迹重合率为96%,对降低双目立体视觉三维测量误差率有积极性影响。     

MEMS惯性传感器ADIS16355在姿态测量中的应用

设计了基于微电子机械系统(Microelectro mechanical system,MEMS)惯性传感器集成模块ADIS16355的姿态测量系统。该姿态测量系统采用ADIS16355作为惯性测量单元,利用加速度计对重力向量的观测来修正陀螺给出的姿态信息,卡尔曼滤波实现传感器信息融合以计算运动载体的姿态角。介绍了ADIS16355的基本功能模块,阐述了两种传感器融合测量实时姿态角的方法并给出了卡尔曼滤波算法迭代过程。基于ARMv7架构的Cotex-M3微处理器设计了姿态测量系统硬件。采用AHRS500GA对该姿态测量系统性能进行了测量姿态角的验证实验。测试结果表明,该姿态测量系统能在动态条件下准确地测定运动物体实时姿态角,其误差一般在±1°左右。     

空间轴对称目标三维姿态测量方法的研究

提出一种双目视觉测量空间轴对称目标姿态的新方法,应用线性方法获取轴对称目标在像面的轴线,通过两像面轴线与各自光心所成的平面相交,得到被测目标的轴线的方向矢量,进行三维姿态测量,避免了传统姿态测量中左右像面目标特征点的特征匹配或灰度匹配。模拟实验结果表明:该方法姿态角测量误差小于0.5°;且计算速度快,结果稳定,能够满足实时处理的要求。     

基于立体视觉的目标姿态测量技术

基于动态场景分析的计算机视觉系统尤其是对运动目标的运动参数测量已成为计算机视觉研究的热点;建立了基于双目立体视觉的目标姿态测量系统,使用两个摄像机在不同视角对同一目标进行拍摄,采用DLT方法对摄像机标定;对拍摄到的图像进行去噪、滤波,通过立体图像匹配得到特征点在两幅图像中的同名点,姿态参数求解结合DLT算法和立体图像匹配算法,实现了对目标姿态参数的测量,得到了目标的三维姿态信息;实验结果表明,该测量系统结构简单,计算量小,具有较高的测量精度.     

基于多相机的人脸姿态识别

主动形状模型(ASM)算法被用来进行人脸特征点的精确定位,然后在多相机测量的图像中进行特征点的立体匹配,利用双目视觉和相机三维测距技术可以确定人脸特征点的空间三维位置,从而利用这些特征点的相对位置确定出人脸的姿态。实验结果显示,用该方法进行人脸姿态识别能取得比二维识别更高的精确度。     

基于IMU的主动伴舞机器人人机协作控制算法

提出了基于惯性测量单元IMU的主动型伴舞机器人人机协作控制算法。机器人腰部安装具有一定刚度的弹簧,利用Kalman滤波将三轴加速度计数据与三轴陀螺仪数据进行融合,得到机器人在人类舞伴作用下的姿态角变化,采用阈值法滤除相对姿态角抖动误差,再结合当前机器人状态,综合判断得到相对姿态角到速度矢量的映射。将期望轨迹速度与人力产生的轨迹修正速度融合,得到人机协作下机器人的运动轨迹和剩余目标点的坐标修正值。将算法应用于华尔兹CCL舞步轨迹测试,实验结果表明算法效果良好。     

机械臂视觉伺服控制系统的设计

针对传统机械臂无法更好的适应外部坏境的变化,提出了基于双目视觉的机械臂伺服控制系统的设计。首先用D-H建模法对机械臂进行运动学分析以及运动学求解,然后利用数字图像处理技术,基于SURF特征完成目标物体的识别以及双目立体视觉的测量,从而为机械臂的动作提供目标物体在空间中的坐标。最后,对目标测距的精度进行了结果验证,并完成抓取动作。     

基于立体视觉的高精度标定与测量方法

立体视觉测量系统中,光学系统产生的畸变使目标的成像偏离了理论成像点,导致系统产生测量误差。针对提高系统测量精度的问题,提出一种基于立体视觉的测量方法。首先,根据标定板上各角点的像素分辨率,拟合整个成像平面的四次多项式,且多项式的系数与物体到相机的距离成比例;然后,应用双目测距原理,测量被测物体的纵向距离;最后,基于所得的多项式,应用单目相机测量待测物体的横向尺寸。实验结果表明,对于所提方法,当物体距离相机5 m以内时,其纵向距离误差可以减小到5%以内;当物体距离相机1 m时,其横向宽度测量误差在0.5 mm内,逼近理论最高分辨率。     

基于深度学习与双目立体视觉的物体管理应用

利用搭载双目摄像机与GPS设备,提出了一种基于深度学习与双目立体视觉的物体管理方案。首先用智能眼睛拍摄照片,并利用GPS获取智能眼睛所在的位置,然后利用卷积神经网络(CNN)中的FAST-RCNN对拍摄照片进行物体识别,获取照片中的物体,再利用双目立体视觉技术中的SGBM算法,获取照片中的物体相对与摄像机的坐标。利用拍摄者的GPS与物体相对拍摄者的坐标,就可以获取物体的坐标,从而获取物品的位置,实现管理物体的功能。     

融合MeanShift和改进SURF算法的目标定位策略北大核心CSCD

在工业环境中,针对工业机器人进行抓取物品操作时定位耗时长,精度低的问题,提出一种融合MeanShift算法和改进SURF算法的分层式定位策略,快速精确地定位物体。首先根据双目视觉系统采集的目标物体图片信息,采用MeanShift算法进行初步处理,切割出目标图片信息;然后利用改进后SURF算法对目标区域进行特征点对的匹配以及筛选;最后将匹配好的特征点对根据三角形测量原理,实现物体三维坐标的精确定位。实验验证了在工业机器人抓取物品时,本文所提方法对物体定位速度与精度上有所提升。     

基于双目视差和主动轮廓的机器人手眼协调控制技术研究

提出一种基于双目视差和主动轮廓的机器人手眼协调技术;该方法利用主动轮廓的思想动态地逼近和跟踪机器人及目标物体的外部轮廓,通过控制双目视差趋零来实现机器人靠近目标和抓取物体.首先建立了机器人手指轮廓的几何参数模型和相应的观测概率密度模型,利用CONDENSATION算法对轮廓进行动态逼近和跟踪.然后针对动态轮廓的几何特征,探讨了基于双目视差的手眼协调控制策略.最后利用这种手眼协调控制技术进行了机器人抓取圆球目标的实验.实验表明,这种方法具有对图像噪声不敏感的特点,可以在杂乱的背景环境和复杂的纹理条件下执行视觉引导的跟踪和抓取任务,具有较强的鲁棒性.     

基于双目立体视觉的目标物测距研究

为了获取目标物体在空间中的三维信息,本文在双目立体测量原理的基础上,采取OpenCV和Matlab相结合的方法,设计了一个基于双目立体视觉的目标物体测距系统。该系统采取张定友棋盘标定法,使用Matlab内置的工具箱完成双目相机标定,采用SGBM(Semi-Global Block Matching)立体匹配算法在VS2017环境下结合Opencv3.4.1库,对左右相机获得的图像进行立体匹配,生成视差图,将二维空间点重投影到三维空间中,实现二维坐标到三维坐标的转换,即可得到物体的三维点坐标。最终实现通过鼠标点选被测物体视差图后输出选定的空间三维坐标。实验结果显示,该系统的测量精度较高,并且在140 cm距离的测量精度最高。