基于双阈值的移动机器人视觉图像分割

为了提高移动机器人识别目标的快速性,针对RIRAII移动机器人的图像处理和图像匹配问题,考虑到环境中的光照条件的影响和满足实时性的要求,在图像分割中,采用了将RGB和HSV两种色彩系统混合使用的方法,提出了基于颜色信息的RGB和HSV模型下利用双阈值图像分割的方法,对图像进行分割的试验结果证明,该算法能够取得较好的图像分割效果,并且图像分割处理时间减少,满足移动机器人跟踪目标的实时性要求.     

配置机械手的轮式移动机器人目标物体跟踪与抓取

针对配置机械手的室内轮式移动机器人目标物体识别、跟踪和抓取问题,采用一种目标物体识别和机器人定位的方法,利用一种基于模糊控制的轮式移动机器人视觉伺服跟踪控制的方法。针对机器人目标识别跟踪及抓取过程中受环境条件变化的影响,采用HSI颜色模型和基于阈值的区域分割的图像处理方法可以完成目标颜色物体的快速准确识别。基于云台摄像机角度信息的机器人小车目标定位方法和模糊控制理论,设计了模糊跟踪控制器,使机器人输出合适的线速度和角速度,能够实现机器人目标跟踪,使移动机器人趋近目标物体位置,并完成机械手目标物体抓取任务。仿真和实时实验结果表明：所设计的系统具有良好的目标物体识别、跟踪和准确抓取目标的能力。     

基于Kinect传感器的机器人室内环境检测方法

针对移动机器人室内环境检测问题,提出了一种基于Kinect传感器的目标物体检测方法.利用Kinect传感器采集的视频图像和深度数据来实现对机器人工作环境中已知特征目标物体和完全未知目标物体的检测及定位.对于已知特征目标通过颜色特征分析来完成检测,而对于完全未知的物体则通过深度地面消除算法和提取深度图像的轮廓来进行检测.利用传感器成像模型对检测出的目标区域进行三维空间定位,从而获取目标物相对于机器人的空间位置信息.基于移动机器人平台进行实验,结果表明,该方法能够有效地实现室内环境信息的检测及定位.     

双目移动机器人立体匹配算法

提出一种基于图像分割和可信点的双目移动机器人立体匹配算法,首先采用纹理检验分割算法对双目移动机器人获得的左右图像进行分割,确定低纹理和纹理相似区域;然后通过SIFT特征匹配点得到可信点视差;其次采用SAD区域匹配加速算法得到初始视差;最后依据SIFT特征匹配点的分布、初始视差和最小距离分类器对图像分割块进行视差处理,同时对于较小的图像分割块进行BLOB滤波处理来获取较高精度的视差图.实验结果表明,本算法能有效解决双目移动机器人周边环境中的低纹理和纹理相似视差精度差的问题,可快速准确识别障碍.     

基于空间位置关系改进的物体识别上下文模型

常见的物体识别算法是基于图像局部低维特征的,在图像成像质量较差、分辨率较低情况下存在不确定和歧义性;图像上下文包含了场景信息以及物体之间彼此关联的丰富信息,可作为图像低维特征补充从而有助于提高物体识别率。该文在已有上下文模型基础上,进一步考虑了物体的空间位置关系信息,将图像全局特征、物体同现性关系和空间位置关系信息、局部检测器输出整合到同一个概率框架中,并充分利用树结构图模型高效推理的优势,改进了物体识别性能。最后通过标准图像集进行算法验证测试和对比来说明该文算法的有效性。     

基于模板匹配的改进型目标识别算法

针对图像处理过程中采用局部特征提取与特征匹配的目标识别算法对纹理不丰富物体识别精度差、在同一次学习过程中不能多视角识别同一个物体的缺点,提出采用基于模板匹配的改进型目标识别算法,提高对纹理不丰富物体的识别速度及准确率。利用梯度作为特征量完成模板匹配,结合DOT算法去除次要的梯度特征,只采用幅值大的主导梯度方向作为特征量进行模板匹配,融入仿射投影变换算法、将模板特征二进制化来提高在线同时识别多个不同物体、多视角识别同一个三维物体的速度及准确率。试验证明,该目标识别算法对复杂背景中纹理较少的物体,发生微小变形、微小平移和光照变换的物体识别效果鲁棒性强。     

基于FPGA的图像识别与跟踪系统

设计了以FPGA为主芯片对目标物体进行识别与跟踪的系统。采用MT9M011数字图像摄像头采集初始图像;利用基于模型匹配的Sobel边缘检测算法实现对目标物体的识别;运用基于边缘特征检测和基于区域特征检测相结合的跟踪算法实现对目标物体的稳定跟踪。测试结果表明,整个系统能够有效稳定地对目标物体实施跟踪。     

果蔬CT图像含水率检测信息可视化研究

将图像处理技术应用于果蔬(红富士)CT扫描图像,首先对图像进行预处理,将24位真彩色图转化为256色灰度图,通过物体识别算法,将物体从背景中分离,该算法适用于多个不连通物体的同时识别.在物体识别的基础上,以物体区域的颜色信息作为分析数据,通过方程计算获得具体点的含水率信息以及单个物体有需要的含水率统计信息.由此可以通过对果蔬CT片的图像处理,以达到无损快速检测获取果蔬内部含水率分布信息的目的.     

一种基于色差灰度图像的足球机器人足球识别方法

针对足球机器人足球识别问题,提出构建R—G色差灰度图像,通过灰度阈值分割和消除小面域,较好地实现对Robo—Cup中型组规定比赛用球的快速准确识别。同时,针对比赛环境中场外与足球近似颜色物体的干扰,结合全景图像特征,采用目标面域大小和图像坐标系下的像素距离构建阈值滤波,较好地解决了场外物体对目标足球识别的干扰问题。     

基于双目光束法平差的机器人定位与地形拼接

为了实现自主移动机器人完成复杂智能任务,如路径规划和避障等,针对移动机器人在复杂未知环境中精确定位并对周围环境进行致密地形构建问题,提出一种基于双目光束法平差的机器人定位与致密地形拼接算法.利用安装在移动机器人上的立体相机获取图像序列,跟踪前后帧图像序列中的对应特征点,基于双目光束法平差优化(BBA)精确估计机器人位置姿态.对左右相机采集图像对进行立体匹配获取致密三维地形信息,结合定位时获取的旋转平移姿态,实现了地形的构建与拼接.实验结果表明,该算法具有较好的实时性和鲁棒性.     

基于双目视觉的机器人运动目标检测与定位

针对移动机器人自定位精度低的问题,提出了先由静止的工作机器人进行自定位,再对运动目标进行检测和定位的方法.基于HSV模型颜色特征,工作机器人分割出人工路标并进行自定位,利用帧间差分法将采集到的视频图像序列中相邻两帧作差分运算,提取出运动目标,并通过双目立体视觉视差原理计算出运动目标的绝对坐标,帮助运动目标完成定位.结果表明,该方法定位精度高于传统的移动机器人自定位的定位精度,且算法的实时性好,具有现实的研究意义.     

移动机器人检测与跟踪系统的研究与设计

从智能控制与模式识别方法和传统控制理论相结合的思想出发，提出了一种自主移动机器人对运动目标检测和自动跟踪的识别与控制方法.建立了基于连续图像帧差分和二次帧差分的改进的图像HSI差分模型，给出了运动目标的特征分析和计算方法.通过特征匹配识别所需跟踪目标的区域，采用Kalman预报器对运动目标状态进行一步预测估计和两步增量式跟踪，可以快速平滑地实现移动机器人对运动目标的跟踪驱动控制.以移动机器人对汽车桩考的全过程进行监控为例，给出了移动机器人视觉检测识别和跟踪控制系统在汽车桩考中的应用.     

基于颜色和形状特征的目标检测与识别

研究了一种基于颜色和形状特征的相似目标检测与识别方法。采用混合学习方式来获得目标颜色阈值解决环境光照变化,利用改进的Hough变换检测目标形状,解决目标部分遮挡和阴影的影响,基于模糊理论判定目标颜色和形状信度,该方法应用于移动机器人在复杂环境中对目标的检测与识别,实验结果证明了所提出方法的有效性。     

基于颜色和形状特征的目标检测与识别

研究了一种具有相似颜色和形状特征的目标检测与识别方法。采用学习一扩充法获得适应性目标颜色特征的空间分布,克服环境光照变化对目标颜色特征提取的影响。利用改进的Hough变换检测目标形状特征,解决目标区域出现阴影及目标被部分遮挡对识别的影响。最后通过融合前面所获得的颜色信度和形状信度,对目标进行模糊判决。通过移动机器人在复杂环境中对目标的检测与识别应用,证明了该方法的有效性。     

自主移动机器人走廊识别算法研究与改进

针对移动机器人在室内环境下自主导航过程中的走廊识别问题,提出一种改进的走廊识别算法.该算法采用由Kinect传感器提供的深度图信息,利用连续点间的深度差值和最小二乘法拟合直线检测走廊出口存在性,最后结合贝叶斯分类器完成对走廊类别的判定.实验表明,该方法能够高效地识别走廊类型,同时具有较好的鲁棒性,并且在复杂的室内环境下依然能够保持较高的走廊类型识别率.     

基于RTM的自主服务机器人智能化分散控制

为提高智能服务机器人的服务质量及智能化水平,基于机器人技术中间件(robot technology middleware,RTM),对室内环境下的机器人定点物体传送任务及其相关技术进行了深入研究.首先,为了提高系统的稳定性及开发效率,建立功能模块集,并结合模糊树图与DS(Dempster-Shafer)证据理论实现模块的粒度划分;对于机器人定点物体传送过程中所面临的即时定位与地图创建问题,采用Rao-Blackwellized粒子滤波算法完成底层栅格地图的创建,进而构造动态精简式混合地图,并利用记忆循迹规则实现机器人定点导航;通过改进的显著性区域提取算法实现对空间物体坐标的提取,并利用智能机械臂平台完成对物体的抓取及传送任务.以机器人移动平台和UR5机械臂为基础对设计系统进行实际测试,结果验证了所提分散控制方法的有效性和可行性.     

基于FPGA的足球机器人目标识别算法研究

基于国内外足球机器人视觉系统目标识别算法现状,讨论了目标识别所存在的问题,并提出了一种基于YCbCr色彩空间且应用于现场可编程门阵列的目标识别算法,以满足视觉系统的实时性和稳定性.     

基于遗传算法的动态目标特征选择方法研究

机器人在进行动态目标识别过程中,由于同一物体在运动中会引起多种目标图像参数的改变,对特征选择与提取造成困难.介绍一种新的基于遗传算法的机器人动态目标特征选择方法.用遗传算法对目标的不变矩特征进行选择.通过对特征进行二进制编码,采用类内类间距离作为适应度函数,对其进行选择和优化,获得最优特征子集.实验结果表明与其他方法相比,提高了目标的识别率.