双目立体视觉和GSOM相结合的机器人自主地图构建方法

双目立体视觉和自组织可增长特征映射图GSOM(Growing Self-organizing Map)相结合的机器人地图构建方法首先利用双目立体摄像机采集图像,借助双目立体视觉处理技术,将采集到的图像信息转化成神经网络的训练样本;然后利用GSOM的地图绘制算法,通过不断增加新的神经元实现网络规模的增长,用441个SOM神经元便表示了2000个样本点的环境特征信息的拓扑地图,体现了对输入样本分布的逼近特性;实验结果表明双目立体视觉和GSOM相结合的机器人自主地图构建方法可行,并表现出类似生物的自主智能行为。     

双目立体视觉栅格地图构建方法

本文基于立体视觉定位技术,提出了基于双目立体视觉的栅格地图构建方法,用以解决目前视觉SLAM技术构建的稀疏特征地图难以直接用于自主导航的问题。本文提出的方法仅以视觉信息作为输入实时完成移动机器人自定位与外界环境栅格地图的构建。首先采用双目立体视觉定位获取机器人运动参数,利用稠密匹配估算空间点云分布,在考虑机器人实际高度的情况下将三维点云投影成二维数据,最后通过二值贝叶斯滤波器在线构建栅格地图。本文所构建的栅格地图包含环境几何信息,可直接应用于机器人路径规划与导航。实验结果验证了本文所以出的定位与地图构建方法的可行性。     

基于双目视觉和Voronoi图的移动机器人地图构建研究

在双目视觉传感器的基础上,应用改进后的SIFT(Scale-invariant feature transform)算法确定障碍物的三维坐标,提出最大包围盒的思想,将处理后的数据作为Voronoi图的建模生成元,完成移动机器人的全局地图构建;基于V图构建的地图的最大的优点是移动机器人行走的路径是障碍物离散中心的中垂线,可以保证机器人在运行过程中最大程度地远离障碍物;试验结果表明应用该方法构建的地图可靠性高,符合导航的要求。     

双目视觉平台的研究

本文介绍了双目视觉平台的研究目的，意义和现状，着重介绍了其研究内容和方法，指出在双目视觉平台研究中双目区配，视觉运动集成是研究的重点和难点，总结了研究中存在的困难和以后的研究方向。     

基于双目主动视觉监测平台的刀具匹配方法

为了解决并联机器人加工点定位精度问题,构建了双目主动视觉监测平台.基于双目主动视觉的刀具图像特征点的提取和匹配是加工点定位的核心.结合刀具边缘特点,对特征所在极线的区域局部校正算法改进,给出一种并联机器人加工刀具匹配方法及其实现.提取刀具图像的边缘线拐点作为特征点,根据对极几何的立体成像关系,对以特征点为中心的图像局部区域进行方向和尺度校正,通过区域相似度准则求取同名点,并对三维重建.采用对并联机器人加工刀具进行测量,实现了主要特征点匹配.进行仿真,实验表明,上述方法可提高图像匹配的精度和速度,能够较精确地对刀具加工点实现三维重建.     

融合双目视觉和2D激光雷达的室外定位

高精度的定位对于自动驾驶至关重要. 2D激光雷达作为一种高精度的传感器被广泛应用于各种室内定位系统.然而在室外环境下,大量动态目标的存在使得相邻点云的匹配变得尤为困难,且2D激光雷达的点云数据存在稀疏性的问题,导致2D激光雷达在室外环境下的定位精度极低甚至无法实现定位.为此,提出一种融合双目视觉和2D激光雷达的室外定位算法.首先,利用双目视觉作为里程计提供相对位姿,将一个局部时间窗口内多个时刻得到的2D激光雷达数据融合成一个局部子图;然后,采用DS证据理论融合局部子图中的时态信息,以消除动态目标带来的噪声;最后,利用基于ICA的图像匹配方法将局部子图与预先构建的全局先验地图进行匹配,消除里程计的累积误差,实现高精度定位.在KITTI数据集上的实验结果表明,仅利用低成本的双目相机和2D激光雷达便可实现较高精度的定位,所提出算法的定位精度相比于ORB-SLAM2里程计最高可提升37.9%.     

基于双目视觉的智能配送机器人平台设计

为提高配送机器人的定位精度与可靠性,设计了基于双目视觉的智能配送机器人平台,采用分布式控制实现机器人平台的整体设计,融合视觉SLAM、IMU与超声波雷达实现机器人精准定位,采用改进A*算法实现机器人的路径规划,基于QT软件开发了上位机监控终端,可实现对配送机器人的监测与控制.实践表明,该平台定位精度高、可靠性强,可满足...     

基于立体视觉的实时三维地图构建

提出了由视差图实时构建三维地图的算法.首先给出从视差图到车体坐标系下的三维地图的重建方法.其次建立车体坐标系与全局坐标系的转换关系,得到全局坐标系下的三维地图.最后建立全局坐标系下的全局地图,并实时地把当前时刻的三维地图融入全局地图.实验结果表明,该算法计算量小,鲁棒性强,能实时正确地构建地图.     

基于双目视觉的无人船障碍物探测与地图构建

在无人船的巡航过程中，如何探测和躲避障碍物是必须解决的问题。由于无人船自主巡航依赖于其自身对所处环境的精确探测，而目前一般采用的超声波或雷达技术探测距离和精度较低，避障功能弱，因此需引入视觉方法来提升避障精度，并用于轨迹生成、定位或路径规划。本文为无人船搭建双目视觉系统，提出采用双目直接稀疏里程计算法构建无人船所处三维空间模型，将构建的三维点云图转化为二维网格图并标记障碍物，为避障系统进行路径规划提供障碍物数据。实验结果表明，该系统对真实河流环境进行了地图构建，并解决了水上环境构建存在的“虚拟障碍”等问题。     

基于双目视觉的智能送餐机器人系统设计

随着中国社会老龄化问题的日益加剧,劳动力的短缺将会严重阻碍社会经济的发展.智能机器人慢慢地融入到人类的生产生活中,逐渐开始代替人类发挥出越来越大的作用.针对传统的送餐机器人所存在的在送餐循迹过程中路径偏差较大的问题,设计并实现了一款基于双目视觉的智能送餐机器人系统.整个系统的硬件电路由图像采集模块、电源模块、电机驱动模...     

基于光束平差法的双目视觉里程计研究

机器人自定位是实现机器人自动导航及其他智能行为的前提, 一种基于光束平差法的移动机器人双目视觉里程计可以有效地实现机器人自定位. 为此, 首先采用点模式匹配方法建立相邻图像之间的特征匹配关系, 根据立体视觉算法得到匹配点对的三维对应关系; 然后, 计算摄像机的相对运动参数, 并采用光束平差分段优化算法对其进行优化. 所提出的双目视觉里程计能够避免车轮半径变化、空转、打滑等对里程计测量精度的影响, 相对定位精度较高.

     

基于双目视觉动态跟踪的机器人标定

采用双目视觉动态跟踪技术对自主研发的工业机器人进行运动学标定。区别于以往机器人运动学标定中复杂模型计算,在此利用双目视觉动态跟踪系统的静态测量和动态跟踪等优势特性来跟踪测量机器人的连杆参数误差,结合机器人控制系统开放性特点,运用提出的动态标定原理对机器人实施连杆参数测量、辨识、修正及补偿。实验表明,通过参数反馈补偿,自主研发的机器人的定位误差明显降低,且该方法易于实现,为机器人精度研究提供了可靠依据。     

双目立体视觉的目标识别与定位

双目立体视觉系统可以实现对目标的识别与定位.此系统包含摄像机标定、图像分割、立体匹配和三维测距4个模块.在摄像机标定部分,提出了基于云台转角的外参数估计方法.该方法可以精确完成摄像头旋转情况下外参的估计,增强了机器人的视觉功能.并利用广茂达机器人系统,基于改进的双目视觉系统进行目标识别与定位,以此结果作为依据控制机器人的手臂进行相应运动,最终实现了对目标物体的抓取,验证了提出方法的可行性.     

基于近红外与可见光双目视觉的活体人脸检测方法

针对人脸识别系统易受伪造攻击的问题,提出了一种基于近红外与可见光双目视觉的活体人脸检测方法。首先,采用近红外与可见光双目装置同步获取人脸图像,提取两图像的人脸特征点,利用双目关系实现特征点的匹配并获取其深度信息,再利用深度信息进行三维点云重建;然后,将全部人脸特征点划分为四个区域,计算各区域内人脸特征点在深度方向的平均方差;接着,选取人脸关键特征点,以鼻尖点为参照点,计算鼻尖点到人脸关键特征点之间的空间距离;最后,利用人脸特征点的深度值方差和空间距离来构造特征向量,使用支持向量机（SVM）实现活体人脸判断。实验结果表明,所提方法能够准确检测活体人脸以及有效抵御伪造人脸的攻击,在实验测试中达到99.0%的识别率,在准确性和鲁棒性上优于利用人脸特征点深度信息进行检测的同类算法。     

视觉传感系统的自主移动机器人路径规划方法

在未知环境下,机器人很难快速获取周边环境信息并建立实时环境地图,实现自主运行.为此提出基于视觉导航的方法,利用全景摄像机作为机器人的视觉传感器系统采集环境信息,将彩色地图进行HSI空间下模糊聚类图像分割,得到环境二值图像;将图像进行栅格化处理来构建环境地图,运用8方向连接的Dijkstra进行全局路径规划,计算出最优路径,从而实现移动机器人的快速、自主运动.经过仿真实验证明,该方法有效且可行.     

基于双目视觉移动机器人的路径规划和避障研究

提出了一种移动机器人路径规划和避障的系统设计方案,实现了移动机器人自主行进的路径规划和自动避障功能.详细说明了如何采用立体视觉实现对环境的探测,利用图像处理算法的组合分离出地面、背景、障碍物和目标物,采用边界不变矩实现障碍物和目标物的区分,改进了经典的人工势场法进行路径的规划,根据模糊控制原理设计了避障控制器和避障规则.实际的运行结果表明了该系统的可行性和有效性,该系统实现了移动机器人利用自身传感器感知环境信息,动态规划行进路径,成功躲避障碍物等功能.     

基于GEP的双目视觉摄像机标定方法研究

摄像机标定是精密视觉测量的基础,传统的标定方法具有很多的缺陷。提出了一种新的双目视觉摄像机标定方法,通过引入基因表达式程序设计算法,挖掘其中潜在的坐标函数关系。将GEP标定方法与同类方案进行了比较,实验结果表明：新算法有效地提高了标定精度,加快了运算时间,具有较高的实用价值。     

基于径向基神经网络的双目摄像机标定方法的研究

传统的摄像机标定方法需要建立复杂的数学模型,计算量大、实时性不好.针对双目摄像机标定问题,提出了一种基于径向基函数(RBF)神经网络的双目摄像机标定方法,利用该网络具有很强的自组织、自学习、自适应和较强的非线性映射能力,准确的建立了双目视觉中三维空间物点坐标和两个摄像机坐标间的关系,与传统的方法相比,该方法具有重建速度快,运算精度高等优点.仿真结果表明该方法是正确性和有效性.     

双目视觉的立体标定方法

为实现双目视觉系统的立体标定,分析了摄像机成像模型,并充分考虑了透镜的径向畸变和切向畸变,提出了一种新的立体标定算法。该算法利用张正友的灵活标定算法,初步求取摄像机的内参数,结合Brown算法并提取图像中角点的子像素级坐标,精确求取摄像机内参数和畸变向量。为方便后续的图像校正,基于前面的单个摄像机标定,通过计算空间中的景物点在左右摄像机成像平面上的位置关系,计算出双目视觉系统中两个摄像机之间的旋转矩阵R和平移向量T,从而实现了立体标定。实验结果表明,该算法能取得较高的精度,可以应用于双目视觉系统。     

双目视觉下基于区域生长的三维人脸重建算法

为解决传统立体匹配算法匹配低纹理人脸图像时极易产生误匹配的问题,提出一种基于区域生长的人脸立体匹配算法。该算法利用级联回归树算法提取的人脸特征点将人脸划分为不同区域以分别限制各区域的视差搜索范围,从而避免在全局范围上查找匹配点;同时利用人脸的局部形状特性,采用局部曲面拟合的方式筛除误匹配种子点并生成大量可靠种子点用于区域生长;最后,分别在实验室环境采集的人脸图像和FRGC v2.0人脸数据库上进行定性和定量实验。实验结果表明,与传统算法相比,所提算法能够重建出更加准确的三维人脸模型。经点云配准后与人脸点云真实值的均方根误差在2 mm以内,且不同光照、姿态、表情下人脸图像的重建表明所改进的立体匹配算法具有较好的鲁棒性。