立体视觉测量中的一种摄像机标定方法

立体视觉测量方法已广泛应用于三维物体几何信息的获取中，针对摄像机标定过程中复杂的成像和跨变模型，提出了基于BP神经网络的立体视觉摄像机标定方法，并利用实际数据对其进行了实验测试。结果表明，该方法可以获得较高的标定精度。     

基于神经网络的视觉伺服机器人摄像机标定

采用可调节点径向基函数神经网络实现视觉伺服机器人摄像机标定.首先将基于leave-one-out准则的orthogonal forward selection算法扩展到多入多出的RBF网络,建立摄像机标定的RBF网络模型.通过应用卡内基-梅隆大学标定图像实验室提供的标定数据进行仿真试验,验证此方法的有效性.由于OFS-LOO算法可构造出具有稀疏隐层节点的RBF网络,使网络具有较好的泛化推广能力,同时RBF网络为局部逼近网络,因此,此标定方法具有较高的标定精度和较强的标定实时性,适用于视觉伺服的摄像机标定.     

基于BP神经网络的双目视觉系统摄像机标定

利用人工神经网络对复杂非线性映射关系的强大逼近能力，对双目视觉三维测量系统中的摄像机进行隐式标定。通过高精度的数控移动工件台获取密集的样本数据，并在神经网络训练过程中采用贝叶斯正则化方法。实验表明，神经网络具有很好的推广能力，标定后的系统具有很高的三维测量精度。     

双目立体视觉中摄像机标定技术的研究

提出了一种介于传统标定和自标定的内外参数标定分离的方法。摄像机内部参数以透视成像模型为基础,用物理方法来提取;外参数标定时合理选取参考坐标系,通过实验分析求取两摄像头的外参数模型。该算法简单易懂,计算速度快,所需设备简单,实用性好。     

基于BP神经网络的摄像机标定方法研究

在摄像机标定中,由于摄像机镜头存在多种非线性畸变,传统的标定方法需要建立复杂的数学模型来描述,因而增加了系统的复杂性和不稳定性.神经网络可以较好的处理非线性问题.提出了一种基于BP神经网络的标定方法,通过隐式标定来处理二维图像点和世界坐标系中的三维点之间的映射关系,使系统不经过复杂的摄像机内外参数标定,就可以获得物体的三维信息.实验表明,该方法有效可行.     

基于双目立体视觉的摄像机外参数快速在线自标定算法

提出了一种基于双目立体视觉的摄像机外参数在线自标定算法。该算法采用理想的小孔成像模型,事先离线标定好摄像机的内参数,且各项内参数在自标定过程中均不发生变化,通过双目系统采集的二维目标图像,进行匹配和分析计算,来实时标定视觉系统的位置参数即摄像机的外参数。由于该算法可以实现摄像机快速在线标定,可以实时获得视觉系统位置参数,故可为无人机的自主着陆提供高度信息。     

机器人立体视觉中摄像机的标定探析

在智能制造领域,工业机器人视觉测量技术应用广泛。针对常见的关节型6自由度工业机器人,采用平面模板法对其系统进行立体视觉标定;通过实验结果与工具箱处理过的结果进行对比,验证了标定的准确性取决于合理选择末端执行器不同姿势。给出了实验过程、标定结果分析,期望该方法为工程实践提供参考。     

一种基于立体模板的双目视觉传感器现场标定方法

给出了一种基于立体标定模板的双目视觉摄像机内、外部参数现场标定方法.该方法采用理想小孔模型忽略摄像机镜头的非线性畸变,把透视变换矩阵中的元素作为未知数,在已知一组三维空间特征点坐标及其对应的图像点坐标时,利用线性算法求解出透视变换矩阵中的各个元素,进而得到所需的参数.最后采用立体标定模板对该标定算法进行了实验验证,用标定完成的立体视觉传感器对已知长度进行测量,相对精度达到了0.02%,取得了较为理想的结果.结果表明:该方法由于无需迭代,因此计算速度快,在测量现场只需摆放一次标定模板即可完成标定,可高精度地实现摄像机内、外部参数的现场标定.     

基于蚁群遗传算法的BP神经网络摄像机标定

摄像机标定是从二维图像提取三维空间信息的关键步骤。为了有效解决传统摄像机标定算法中的多参数和计算费时费力等问题,提高摄像机标定的精度和速度,首次将蚁群遗传算法应用于摄像机标定中。方法初期采用遗传算法过程生成信息素分布,后期利用蚁群算法正反馈求精确解,最后用优化后的BP神经网络来进行摄像机标定,充分发挥遗传算法的全局搜索能力和蚁群算法的正反馈收敛优势。     

双目立体视觉测量系统的标定

考虑传统的自标定方法虽然无需场景信息即可实现摄像机标定,但是标定精度较低,故本文提出了一种新的大视场双目视觉测量系统自标定方法。该方法无需高精度标定板或者标定物,仅需利用空间中常见的平行线和垂直线建立摄像机参数与特征线间的约束方程,即可实现摄像机的内参数与旋转矩阵标定;同时利用空间中距离已知的3个空间点即可线性标定两摄像机间的平移向量。通过标定实验对本文提出的方法进行了验证。结果表明:该方法标定精度能够达到0.51%,可以较高精度地标定双目测量系统。由于避免了大视场测量系统标定中大型标定物制造困难,以及摄像机自标定过程中算法冗杂,标定精度不高等问题,该方法操作简便,精度较好,适用于大视场双目测量系统的在线标定。     

STUDY ON INJECTION AND IGNITION CONTROL OF GASOLINE ENGINE BASED ON BP NEURAL NETWORK

According to advantages of neural network and characteristics of operating procedures ofengine, a new strategy is rapresented on the control of fuel injection and ignition timing of gasolineengine based on improved BP network algorithm. The optimum ignition advance angle and fuelinjection pulse band of engine under different speed and load are tested for the samples trainingnetwork, focusing on the study of the design method and procedure of BP neural network in engine     

FORCE RIPPLE SUPPRESSION TECHNOLOGY FOR LINEAR MOTORS BASED ON BACK PROPAGATION NEURAL NETWORK

Various force disturbances influence the thrust force of linear motors when a linear motor （LM） is running. Among all of force disturbances, the force ripple is the dominant while a linear motor runs in low speed. In order to suppress the force ripple, back propagation（BP） neural network is proposed to learn the function of the force ripple of linear motors, and the acquisition method of training samples is proposed based on a disturbance observer. An off-line BP neural network is used mainly because of its high running efficiency and the real-time requirement of the servo control system of a linear motor. By using the function, the force ripple is on-line compensated according to the position of the LM. The experimental results show that the force ripple is effectively suppressed by the compensation of the BP neural network.     

6-DOF MOTION AND CENTER OF ROTATION ESTIMATION BASED ON STEREO VISION

A new motion model and estimation algorithm is proposed to compute the general rigid motion object＇s 6-DOF motion parameters and center of rotation based on stereo vision. The object＇s 6-DOF motion model is designed from the rigid object＇s motion character under the two defined reference frames. According to the rigid object＇s motion model and motion dynamics knowledge, the corresponding motion algorithm to compute the 6-DOF motion parameters is worked out. By the rigid object pure rotation motion model and space sphere geometry knowledge, the center of rotation may be calculated after eliminating the translation motion out of the 6-DOF motion. The motion equations are educed based on the motion model and the closed-form solutions are figured out. To heighten the motion estimation algorithm＇s robust, RANSAC algorithm is applied to delete the outliers. Simulation and real experiments are conducted and the experiment results are analyzed. The results prove the motion model＇s correction and algorithm＇s validity.     

NEW VERSATILE CAMERA CALIBRA-TION TECHNIQUE BASED ON LINEAR RECTIFICATION

A new versatile camera calibration technique for machine vision using off-the-shelf cameras is described. Aimed at the large distortion of the off-the-shelf cameras, a new camera distortion rectification technology based on line-rectification is proposed. A full-camera-distortion model is introduced and a linear algorithm is provided to obtain the solution. After the camera rectification intrinsic and extrinsic parameters are obtained based on the relationship between the homograph and absolute conic. This technology needs neither a high-accuracy three-dimensional calibration block, nor a complicated translation or rotation platform. Both simulations and experiments show that this method is effective and robust.     

ADAPTIVE LEARNING CONTROL OF CUTTING PARAMETERS FOR SCULPTURED SURFACE CUTTING BASED ON GENETIC ALGORITHMS AND NEURAL NETWORK

An adaptive learning control scheme intended to the on-line optimization of sculptured surface cutting process is presented. The scheme uses a back-propagation neural network to learn the relationships between process inputs and process states. The cutting parameters of the process model are optimized through a genetic algorithms(GA). The capacity of the proposed scheme for determining optimum process inputs under a variety of process conditions and optimization strategies is evaluated on the basis of milling of a sculptured surface using a ball-end mill. The experimental results show that the neural network could model the cutting process efficiently, and the cutting conditions such as spindle speed could be regulated for achieving high efficiency and high quality. Therefore the proposed approach can be well applied to the manufacturing of dies and molds.     

基于RBF神经网络的齿轮箱故障诊断

阐述径向基函数(radial base function,RBF)神经网络的基本原理和算法,将其应用于齿轮箱故障诊断与识别,建立齿轮箱的BRF故障诊断模型,并与BP(back propagation)神经网络、学习率自适应BP神经网络进行对比分析研究。结果表明,RBF神经网络性能优于BP神经网络,具有较快的训练速度、较强的非线性映射能力和精度较高的故障识别能力,非常适用于齿轮箱的状态监测和故障诊断。但在具体应用中应当注意,RBF网络的训练样本必须含有一定的噪声,以提高网络的容噪性能;各类故障的训练样本数不能太少,否则RBF网络的故障分类能力很差。     

用于摄像机标定的三维特征点集构建方法

提出了一种由二维共面靶标自由移动来构建三维特征点集的方法 ,该方法不需要严格限制标定靶标的移动 ,因此可以保证摄像机在固定之后进行现场标定 ,使摄像机的标定状态和工作状态完全一致 ,降低了标定设备的成本 ,简化了标定过程 ,提高了标定效率。试验结果表明 ,该方法切实可行     

基于神经网络响应面的疲劳裂纹扩展寿命的可靠性分析

当失效形式的极限状态方程中随机变量个数较多或非线性较高时,其形式很复杂,因此传统的计算失效概率的方法不再适用。针对疲劳裂纹扩展寿命失效概率计算的复杂性,提出基于神经网络响应面的可靠性分析方法。首先建立神经网络响应面模拟疲劳裂纹扩展寿命的极限状态方程,然后使用遗传算法(GA)计算可靠性指标。数值试验表明,本方法可以快速、精确地模拟疲劳裂纹扩展寿命的极限状态函数,进而计算出失效概率和可靠性指标。同其他模拟技术相比,在精度相同的情况下,神经网络响应面法可以大大减少模拟时间。     

基于神经网络的动力学反解算法及其应用研究

论述了使用神经网络求解结构动力学反问题的基本原理和方法,并针对BP网络在使用中存在的主要问题,提出了网络快速学习算法,以及训练样本正交化处理方法和反解结果精度的自适应修正等一系列解决方法。应用上述理论进行了设备动态诊断的数值仿真和试验研究,结果令人满意。     

基于立体视觉和激光标记的空间物体位姿的快速定位算法

建立了一种4自由度双目立体视觉装置的传感器模型,根据空间两条相交射线唯一确定空间一点的原理,提出了在摄像机上加装激光源的方法,通过激光标记来解决目标物体上同一点在两幅CCD图像上对应点的快速匹配问题,从而很方便地求取目标物体的深度信息。最后,研究了目标物体空间位姿的图像定位算法,并通过确定的空间圆柱体位姿验证了该方法的正确性。