基于双目视觉的机器人引导系统研究

随着智能制造技术的快速发展,汽车制造也已逐步向少人化、无人化方向发展,而视觉技术的应用更是加快了汽车生产线无人化的进程。对双目视觉进行研究,相机平行布置并安装在机器人末端。通过以太网分别获取左右相机二维图像并上传到上位机,使用特征提取算法提取标定板上特征点的像素坐标导入标定模型计算出双目相机内外参数并生成相应的图像矫正矩阵,利用矫正矩阵分别矫正左右相机二维图像以消除镜头畸变;使用图像去噪、图像二值化化、特征提取、极线约束及模板匹配算法,计算出零件上特征点在左右图像上的视差,采用双目视差测距原理,计算特征点在相机坐标系下的三维坐标。通过眼在手上的手眼标定方式标定出相机坐标系到机器人工具坐标系的旋转矩阵,采用SVD奇异值分解算法计算模型坐标系到目标零件坐标系的偏移矩阵,通过坐标系变换算法将零件的偏移矩阵转换为机器人工具坐标系的偏移,再使用TCP/IP以太网通讯发送偏移量给机器人,从而实现机器人引导定位功能。测试结果表明,该双目视觉引导系统可满足基本的零件定位需求。     

基于灰度图像的压印凹凸字符质量检测研究

提出了直接在灰度图像上进行的压印字符质量检测的新方法.首先利用基于矢量和的最优圆心定位算法得到字符相似误差进行1次质量检测,然后以3点定位获得倾角误差进行2次质量检测.该方法是直接在灰度图像上提取检测特征,不仅保留图像的原始特征,克服了通常字符检测算法过分依赖于二值化算法及抗干扰性差等的弊病,而且快速,适合在线检测要求.实验表明,该方法不仅能检测不同灰度、位置和角度的压印字符,而且也适宜于有重叠、缺损等干扰的字符图像,正确检测率为97.27%.     

基于关键特征点决策的广义 Hough 变换目标定位快速算法

广义Hough变换对非解析轮廓的定位与检测需要考虑平移、旋转、尺度问题,所以需要对四维参数空间进行搜索,计算量、存储量相当庞大且同时保证速度和精度存在困难.为解决该问题,本文提出基于关键特征点决策的广义Hough变换目标定位快速算法.图像关键特征点包含稳定的图像信息且数量不大,因此基于角点信息的广义Hough变换检测任意形状物体的效率得到提高.检测过程首先利用模板图像的关键特征点——角点建立局部R表,然后将待检测图像中的角点依据局部R表对平移、缩放系数s和旋转角度β进行高精度全局搜索,完成对实际参考点的投票累积过程,提取累积矩阵峰值从而得到其对应的参考点位置以及s和β的参数值.实验表明,本文算法也适用于局部遮挡等情况,同时运算时间、存储消耗大大减少,检测稳定性高,具有一定应用意义.     

一种基于卷积神经网络的360环视系统停车位检测设计

针对传统汽车视觉系统所存在的视野有限的缺陷,文章提出了一种基于卷积神经网络的360环视系统停车位检测方法。该系统通过安装在车身四周的4个鱼眼摄像头来获取车身所处环境信息,再对摄像头捕获的图片进行畸变矫正与逆透视变换,由拼接技术生成环视鸟瞰图;在此基础上,设想出一种全新的停车位检测方法,即利用卷积神经网络对环视鸟瞰图进行检测和识别。     

一种新的掌纹轮廓特征点提取算法

提出了一种对掌纹轮廓特征点进行提取的方法,该方法首先沿着掌纹边缘线做多个彼此相切的外切圆,然后通过判断外切圆与掌纹边缘线交点个数来定位角点的大致位置,最后结合轮廓线近似直线的性质,得到掌纹轮廓特征点的准确位置.在定位角点位置的基础上,为每一幅掌纹图像获得一个ROI(感兴趣区域),并通过计算每个区域的特征向量值对数据库中掌纹图像进行匹配.实验结果表明,该算法具有较高的效率和匹配精度.     

基于SIFT特征的鱼眼图像拼接算法

鱼眼图像在全景图拼接中优势明显，然而，由于鱼眼图像存在严重的透视畸变缺陷，往往导致拼接图像效果不理想，甚至导致拼接失败，针对该问题，提出基于 SIFT特征的鱼眼图像拼接算法，该算法先对鱼眼图像进行校正，采用SIFT特征算子对校正后的鱼眼图像进行特征提取和匹配，再利用RANSAC鲁棒算法对变换参数进行估计，最后使用加权平均法对图像进行拼接融合? 通过对不同场景下、不同重叠区域图像的全景图像拼接实验验证，与现有的拼接方法相比较，同等拼接质量下该算法得到的全景图像能够有效减少计算量、减少拼接次数，证明了该算法的适用性和有效性。     

基于压缩特征的鱼眼视频目标跟踪算法研究

该文针对畸变严重的鱼眼图像中的目标跟踪,提出一种能适应尺度变化、姿态变化以及形状畸变的鱼眼视频目标跟踪的方法。该方法首先将灰度特征和相对梯度特征相结合得到目标的高维特征,然后对其平均降维得到目标的压缩特征。并根据鱼眼成像模型得到投影点的运动特性,确定目标的运动范围。为了适应尺度变化,在块匹配运动估计思想的基础上,对目标跟踪框的顶点分别进行由粗到精的定位,并在此过程中根据跟踪框的尺度相应改变压缩特征的尺度。实验结果表明:该算法在目标畸变、尺度变化、姿态变化以及局部遮挡等情况下,判断指标均优于其他对比算法。     

基于摄像头的智能车预测控制策略

要实现一个完整的基于摄像头的智能小车,第一步要做的就是将摄像头输出的模拟信号通过单片机A/D转换采集到单片机中,然后对采集到的原始的图像数据进行处理,以获取赛道中央的黑线在图像坐标系中的位置.     

基于冗余小波变换的立体图像视差估计

通过分析目前立体视差估计方法的不足,提出一种基于冗余小波变换的视差估计新算法.首先对参考图像进行冗余小波变换,提取特征点,形成DT(Delaunay Triangle)网格,然后根据三角形特征点在目标图像中进行视差估计,最后通过仿射变换形成浓密视差图.实验表明该算法能有效获得视差矢量,视差匹配后能得到良好的重建图像.     

基于多方向小波期望最大融合的图像边缘检测算法

针对传统图像边缘检测算法抗噪能力差,定位准确性不高的缺点.提出了一种基干多方向多尺腰小波变换的图像边缘检测算法.该算法利用小波变换各尺度间边缘梯度信息的关联及备方向上边缘梯度信息的互补,首先从多个方向对图像进行多尺度小波变换.然后将各个方向上小波系数根据期望最大规则进行融合,再通过最大墒阈值处理,形成图像的边缘。宾验结果表明,由于算法省去了求模值过程,使计算更加简单.同时通过多方向小波变换能尽可能地搜索各方向的图像边界,使边缘定位更加准确.     

考虑圆形特征边缘模糊和偏心误差修正的高精度相机标定方法

针对立体视觉系统采用圆形特征点标定时存在的空间圆形投影边缘模糊和偏心现象问题,利用改进Zernike矩和偏心误差修正进行圆心的高精度定位,以此提高相机参数的标定精度。首先考虑了由于立体视觉成像系统的标定场景光照强度不均匀引起的圆形特征投影图像边缘模糊的问题,引入高斯误差函数对边缘过渡段的灰度分布进行描述,建立了高斯边缘模型,并基于该模型计算投影图像的Zernike矩,然后利用改进Zernike矩实现高精度的圆形特征投影边缘像素坐标定位。此外,分析了影响圆形特征中心投影点和拟合圆心间偏差大小的因素,基于该分析对迭代拟合圆心进行偏差补偿使之逼近真实的圆心投影,最后通过所提算法对99圆形标志点进行圆心坐标提取并用于相机参数的标定。仿真实验表明,文中算法对投影图像边缘定位的精度以及圆心拟合的精度均高于传统的算法;实测实验中,基于圆心高精度坐标得到的相机标定参数对标准杆进行三维重建,长度测量精度比传统算法提高了30%。     

一种基于单目视觉的无人机室内定位方法

目前,无人机定位技术主要依赖以GPS(Global Positioning System)为代表的全球定位系统,然而在室内等GPS信号缺失的地方进行定位则比较困难.另外,传统的室内定位技术主要采用蓝牙、WiFi、基站定位等多种方式融合成一套定位体系,但是该类方法受环境的影响比较大,而且往往需要部署多个设备.此外,这种方...     

一种针对车载全景系统的图像拼接算法的仿真

传统的全景图像拼接算法,多采用Harris角点的特征提取或尺度不变特征转换?(SIFT)的特征匹配算子的方式,对存在重合部分的图像进行图像拼接处理。但对于车载全景图像拼接算法而言,车身四周采集到的4幅鱼眼畸变图像,使用特征提取算子的方法进行的拼接,运算的复杂度高,效率低,不能满足车载设备的实时性要求。针对这一问题,该文提出一种专门应用在车载系统的车载全景图像拼接算法,并对其进行Matlab仿真,最大限度提高算法的运算效率,以满足车载系统实时性的要求,真实的反应路况信息,辅助驾驶员安全驾驶。     

基于北斗和边缘计算的车联网导航技术研究

随着车辆保有量的不断增长和车联网应用的普及,车辆终端会产生大量需要实时处理的数据消息。在车辆高速移动场景下,传统的车联网导航系统由于车辆差分定位数据存在传输时延,导致车辆定位结果存在一定的偏差,无法及时获得高精度定位结果。基于此,文中提出了一种基于北斗定位和边缘计算的车联网导航技术方案,采用改进的遗传算法进行终端定位请求的资源分配,有效降低整个边缘网络的服务时延,并利用基于边缘节点的优化无损卡尔曼滤波算法来提高车联网节点的定位精度。实验表明,文中所提出的方法能够为大规模车联网终端提供实时精准、低延迟和高精度的定位服务,具有较高的实际应用价值。     

基于IMU/视觉融合的导航定位算法研究

针对基于视觉传感器的移动机器人在快速运动或发生旋转时出现图像模糊和特征丢失,以至无法进行特征匹配,从而导致系统定位和建图的准确度及精确度下降问题,该文提出了一种以深度相机(RGB_D)融合惯性测量单元（IMU）的方案。采用ORB SLAM2算法进行位姿估计,同时将IMU信息作为约束弥补相机数据的缺失。两种传感器的测量数据采用基于扩展卡尔曼滤波的松耦合方式进行非线性优化,通过数据采集实验表明,该方法能有效提高机器人的定位精度和系统建图效果。     

基于改进ORB算法无重叠视野域的目标交接

介绍了基于ORB（Oriented FAST and Rotated BRIEF）算法的无重叠视野域的目标交接。当目标离开摄像机1视野域时,利用ORB算法提取目标特征点,待匹配特征点通过PROSAC（Progressive Sample Consensus）算法剔除外点,保留有价值的特征点。当目标进入摄像机2视野域时,通过Vibe（Visual Background extractor）算法获取进入摄像机2的运动目标,并提取待确认运动目标的特征点,去除外点并与摄像机1视野域提取的特征点做匹配,匹配率达到阈值则表示目标一致,完成目标交接并进行跟踪。实验结果表明,文献提出的方案能够实现目标在多摄像机视野域间的快速交接。     

基于融合改进RANSAC光流法的无人机视觉SLAM研究

针对同时定位与建图(SLAM)中存在定位精度不足、匹配特征点误差累积和特征匹配时间较长,提出了一种融合改进RANSAC光流法的优化算法。该方法基于传统RANSAC算法,加入最小二乘法对模型进行迭代优化来估计最优模型,对光流法的误匹配点进行剔除,大量减少图像误匹配特征点;把融合改进后的RANSAC光流法与特征点通过卡尔曼滤波进行融合,最后使用改进后的算法在公开的EuRoC MAV数据集中进行SLAM定位精度实验。实验结果表明：该改进算法能够有效减小光流法特征匹配的误差,从而提高无人机视觉SLAM的定位精度。     

基于AprilTag二维码的无人机着陆引导方法

计算机视觉导航技术具有精度高、不受电子干扰,成本低等特点,被誉为未来无人机自主定位的必备手段之一.作为新的定位手段,我们需要在实验室搭建仿真平台来进行大量的模拟训练.将虚拟现实、可视化技术与计算视觉导航算法紧密结合起来,开发了一种基于虚拟仿真环境的无人机视觉自主定位仿真验证系统.在场景中构建虚拟摄像机、棋盘格以及合作二维码标签,在虚拟场景中进行相机标定,并用标定得到的内参解算得到基于标签定位的位置参数,实时计算和输出位置参数.实验结果表明:该仿真系统可以对场景中虚拟相机进行准确标定得到虚拟摄像机的内参,解算定位参数误差在0.2m以内,满足无人机自主飞行以及降落的精度要求,并具备良好的用户显控界面,验证了基于视觉无人机自主定位算法的可行性.     

小视场环境下的摄像机标定

摄像机标定旨在建立三维世界坐标与二维图像坐标之间的映射关系。传统标定板为数十个整齐排列的标准圆或网格,通过提取圆心坐标或网格角点坐标进行标定。在微小物体测量系统中,摄像机视场较小,无法从传统标定板提取足够多点坐标信息。针对这一问题,提出一种基于二次曲线与直线的混合标定方法。该方法抛弃了利用点对点关系的标定方法,转而利用二次曲线方程及直线方程在两种坐标系下相对应的关系进行标定,使摄像机即使是在非常小的范围内仍然能够提取足够的信息进行标定。仿真与实验证明,相对于基于点的标定方法,混合标定方法精度高,具有更好的稳健性。另外,标定模板为一个标准的半圆,制作简单,方便应用到小视场的环境中。