基于单目相机和多线激光雷达的联合标定方法研究

目的 针对相机和激光雷达之间的外参标定问题,为了减少两者的标定误差,得到更高的标定精度,方法 提出一种基于非线性优化的联合标定方法。首先拍摄不同角度的棋盘格标定板图像,采集足够多数据后利用工具包进行相机内参标定,得到单目相机内参;然后在激光点云和图像中检测标定板的角点特征坐标,激光点云下的角点坐标由提取的标定板点云数据和其几何特征获得,通过拟合出的图形由上至下、由左至右确定图形顶点坐标及标定板行列数,可得到各角点坐标;相机角点特征坐标采用FAST角点检测,利用角点灰度信息确定角点坐标;根据点云检测特征点到图像投影误差构建目标函数,将外参求解转化为最小二乘问题;最后通过基于列文伯格-马夸尔特的非线性优化算法,迭代求解得到最优外参。结果 最终平均标定投影误差为1.29像素,最大投影误差为2.46像素,最小投影误差为0.70像素,标准差为0.57像素。结论 根据标定的外参将点云投影至图像上可知,标定结果较好,并将结果运用到实际场景下视觉和激光雷达融合的SLAM算法中,运动轨迹平滑且与地图保持高度一致,本文方法标定过程简单,不需要棋盘格的真实物理尺寸,满足使用要求。     

差分遗传算法优化BP神经网络的双目相机标定

针对传统双目相机标定的方法存在计算量大、标定过程复杂等问题,本文提出了一种利用差分遗传算法优化BP神经网络来完成双目相机标定的方法.利用能量生长和光线扫描匹配算法完成同名角点的检测、匹配以及像素坐标的提取;对遗传算法的选择和交叉算子进行改进,同时利用差分算法对遗传算法的变异算子进行改进;利用差分遗传算法来优化BP神经网...     

基于空间矩的视觉图像基元特征提取方法研究

建立了三级灰度图像边缘模型的空间矩算子。首先利用LOG(Laplacian of Gaussian)算子定位速度快的特点,确定图像像素级边缘;然后在包含边缘点的邻域内利用空间矩进行边缘的亚像素定位,由Hough变换提取直线和椭圆边缘像素点;最后采用基于最小二乘原理的直线拟合边缘提取方法,得到亚像素级被检测直线和椭圆。对空间矩算子亚像素定位算法与像面直线和椭圆亚像素提取算法的有效性和精度进行了实验研究,实验结果表明,在测量速度相当的情况下,本文提出的算法具有较高的精度和稳定性。 更多还原     

基于改进Harris的消音壁亚像素级角点检测算法

在计算机视觉领域,角点检测作为图像拼接、三维重建等算法的关键,能够直接影响视觉处理的最终效果。为了进一步提高角点检测在消音壁视觉检测应用场景下的精度,提出了一种亚像素级角点检测算法,首先以Harris算法获得像素级角点为中心角点,然后通过最小二乘法迭代计算不断逼近,最后计算得出亚像素级角点坐标。实验结果表明,算法角点检测的平均偏移量为0.18像素,相较Harris角点检测算法的偏移量降低0.56像素,在确保正确率的基础上更加接近真实值,能够满足在消音壁视觉检测应用场景下的精度需求。     

一种适用于图像测量的角点检测算法

根据角点一定是边缘点且是2条边缘或多条边缘交点的几何特征,提出了一种基于亚像素边缘拟合的角点提取算法.首先,获得形成角点的边缘所处的图像区域,在该区域中利用亚像素边缘检测算法求得边缘的方程,然后利用相邻2条直线方程分别求交点,最终取均值求出角点的亚像素坐标.通过与Bouguet算法比较,发现在视觉比较、投影误差相近的情况下,本文角点检测算法获得的尺寸测量值的平均绝对误差要小于Bouguet算法,证明本算法更适用于高精度的图像测量。     

一种基于视觉的瓷砖尺寸在线检测系统

介绍了一种基于线阵CCD的瓷砖尺寸在线视觉检测系统,对系统进行了设计,并提出了系统的标定方法。采用了一种改进的基于灰度矩的亚像素边缘定位算法对边缘进行了精确定位,随后根据边缘点数据拟合出瓷砖的角点,最终根据角点的相对位置求出瓷砖的各个尺寸参数。实验结果表明,该系统具有实时、非接触、速度快、精度高以及现场抗干扰能力强等优点,可以满足一般瓷砖在线尺寸检测的需要。     

基于目标区域定位和特征融合的图像检索算法

提出了一种新的基于局部特征点的图像检索算法。首先将彩色图像转换成灰度图像,并利用Harris算子对灰度图像进行"角点"检测,根据"角点"的分布确定目标区域,然后在彩色图像目标区域中提取图像的颜色特征和空间特征表述图像内容。实验证明,该算法在查准率和查全率上要优于基于全局特征的算法。     

基于曲线拟和的亚像素边缘检测

提出了一种高精度零件尺寸测量的亚像素边缘检测算法,采用改进的Sobel算子去掉局部非极大值点获得像素级边缘,在梯度方向上进行高斯曲线拟合,可实现图像边缘亚像素精确定位,提高测量系统的精度。     

基于Harris-张正友平面标定法的摄像机标定算法

为了提高双目摄像机标定参数的精确性,以张氏标定方法为基础,首先采用Harris算法对黑白棋盘表格进行内角点提取,其次将内角点像素点坐标精确到亚像素精度,最后利用投影线性关系求出双目摄像机的内外等参数,并与cv Find Chessboard Corners()函数提取内角点标定方法进行对比,证明了该方法准确、有效,提高了黑白棋盘表格内角点检测的准确性和标定精度,可以应用于双目视觉系统中.     

基于灰度矩亚像素定位算子的视觉测量方法研究

根据灰度矩算子在目标成像前后的矩不变特性,提出了一种利用目标图像成像前后三阶灰度矩进行亚像素定位的多源视觉测量方法.该方法在获取到被测对象的图像后,首先根据其特点利用图像增强算法与传统的边缘检测算法进行预处理与边缘粗定位,然后根据物体成像前后灰度矩算子不变的特性将边缘定位在亚像素级精度上,之后利用直线拟合法确定被测对象的参数,最后采用多个传感器分别获得测量结果并进行加权平均,以进一步提高测量结果的精度.仿真测量结果表明,该方法具有精度高、抗噪声性能好等特点.     

零件几何参数测量中的边缘检测算法的研究

提出了一种综合利用图像灰度信息和灰度梯度信息的边缘检测算法．首先,使用基于Sobel算子的改进的边缘检测算法对灰度图像进行处理得到梯度图像．其次,综合应用其他边缘检测算法,完成对目标边缘的准确检测,最后,沿边缘的梯度方向进行多项式插值法亚像素细分计算,对边缘进行亚像素精确定位．     

基于改进Zernike矩的玻璃瓶亚像素边缘检测算法

图像的边缘检测精度决定了实际尺寸的测量精度,为了提高测量精度,提出了一种基于改进的Zernike矩的测量玻璃瓶实际尺寸的算法。将传统的Zernnike矩算法与Otsu自适应阈值法相结合,得到改进的快速算法;利用该快速算法对采集的玻璃瓶图像进行亚像素级边缘检测;运用最小二乘法根据亚像素坐标对瓶口与瓶底所形成的椭圆进行拟合;应用标准块规对系统进行标定并得到玻璃瓶实际的测量尺寸。实验结果表明,该方法不仅可使边缘检测达到亚像素级精度,还避免了人工反复选择阈值而造成的低效率与误判,实现了快速、准确、无接触测量实际尺寸的功能。     

高精度移动小车载具位姿检测平台仿真设计

高精度移动小车载具的定位机制和控制算法中,需要先对小车位姿进行高精度、实时的检测。为此设计了机器视觉位姿检测实验平台,选用高分辨率高帧率相机对小车进行实时拍照,通过面积法对相机光轴垂直度进行调节保证相机安装精度,选用世界坐标已知的X靶面作为标定板,采用改进的Harris算子提取图像亚像素级的特征角点。利用Matlab对相机进行标定和安装检测,得到世界坐标和图像坐标之间的映射关系和相机倾斜方向。实验结果表明:该实验平台可以达到预期的功能和精度需求,为后续小车位姿检测奠定了基础。     

基于单模板的二维场景重建方法

针对现有场景重建算法具有计算复杂度高且鲁棒性差的缺点,本文采用一种基于映射变换的黑箱标定方法,根据图像坐标与世界坐标的线性映射模型,利用矩阵方程获取摄像机参数。与传统方法相比,该方法仅需一幅模板图像,降低了特征点与模板个数,简化了计算。实验过程中,利用图像降噪、改进的Harris算子角点提取等预处理过程快速提取特征点,实现摄像机参数标定的映射变换;建立了误差评价函数评价本文方法与Tsai标定算法。实验结果表明,该方法具有稳定性强、计算精度高、算法简捷的特点。     

基于LOG算子的亚像素边缘检测

首先，把原始图像和LOG（Laplaciam of Gaussian)算子做卷积检测零交叉点，然后使用平面模型获得像素级边缘，最后，经过多项式插值在亚像素精度上再次确定零交叉点，得到了精确到亚像素级的边缘。     

高斯插值哑像素边缘检测算法的优化

针对传统的高斯插值算法运用在图像检测上定位不准确,定位精度随着所选择定位角度的不同而不同,效率低等问题,对高斯插值亚像素边缘检测算法进行了优化．首先,通过LOG算子获得像素级的边缘后,进行Hough变换,得到图像边缘的斜率和在垂线方向相应点,并设置新的坐标系;然后,利用泰勒级数插值法在新的坐标系下获取灰度值的方向梯度;最后,对变换后的亚像素梯度方向进行高斯插值计算．实验结果表明：优化后的方法比传统的算法可以得到更好的精度,更高的效率,且具有方向不变性,验证算法的精度达到0．05个像素,有效地提高了图像边缘提取的精确度．且将该算法运用于刀具几何参数的检测和视觉设备效果很好．     

差分遗传算法优化BP神经网络的双目相机标定

针对传统双目相机标定的方法存在计算量大、标定过程复杂等问题,本文提出了一种利用差分遗传算法优化BP 神经网络来完成双目相机标定的方法。利用能量生长和光线扫描匹配算法完成同名角点的检测、匹配以及像素坐标的提取;对遗传算法的选择和交叉算子进行改进,同时利用差分算法对遗传算法的变异算子进行改进;利用差分遗传算法来优化BP神经网络进行双目相机标定。实验结果表明：基于本文提出的方法的双目相机的标定的误差的均方根为0.038 mm, 传统的基于Opencv和Matlab标定的方法的标定误差的均方根分别为0.155 mm和0.417 mm。相比而言,其标定精度分别提高了75%和90%。与此同时,采用本文提出的方法对双目相机进行标定时需要花费的平均时间为26.3 s。故此,差分遗传算法优化后的BP网络在双目相机标定过程中简化了标定流程并取得较好的效果,满足双目相机标定的要求。     

多关节柔性三坐标测量系统标定技术研究

为了克服传统的笛卡尔坐标测量系统的缺点,基于Denavit-Hartenberg方法建立多关节柔性三坐标测量系统的数学模型,提出了一种基于改进遗传算法标定技术,并通过采用改进多点交叉算子、自适应变异算子及两次最优保存策略,保证算法标定精度.在Faro Platinum 4 ft平台上,通过反转法验证标定算法精确性,为进一步提高系统精度奠定了理论基础.     

基于非线性四阶图像插值的亚像素边缘检测算法

为提高数字图像边缘检测的精度,提出了基于ENO的非线性四阶插值和Canny算子的亚像素边缘检测算法。本算法应用经典Canny算子检测图像边缘信息,对灰度图像进行处理得到梯度图像,然后在梯度图像上沿目标边缘的梯度方向进行基于ENO的非线性四阶插值,进行亚像素细分计算,对目标边缘进行亚像素精确定位。用所得到的边缘检测算法与基于正交多项式插值检测算法和基于三次多项式插值检测算法性能进行比较,仿真结果表明本文给出的基于ENO插值的检测算法不仅提高了图像的边缘检测能力,而且可以一定程度地克服噪声干扰。     

一种快速医学图像亚像素边缘检测方法

针对目前医学图像配准中使用的多是配准精度较低的像素级的边缘检测的问题,提出一种新算法将像素级算子sobel,log,prewitt,roberts,zerocross和canny分别与Zernike矩算子及搜索算法相结合,并对边缘检测结果进行比较,从中选取较优的算子来实现医学图像亚像素边缘检测.实验结果表明该算法克服了像素级算子和Zernike矩算子的缺点,提取的边缘定位精度高,计算时间短,抗干扰性强.