基于FANUC机器人的工具坐标校准

阐述了在FANUC机器人使用环境下,进行工具校准的一种实现方法,以及提出了满足课题要求的软硬件解决方案。经过现场实际运行,满足了生产实际需要,该方案是一种方便高效的机器人工具坐标校准方案。     

消失点计算方法研究

利用消失点(线)进行场景理解与三维重建是计算机视觉研究中的一个重要问题。以往 主要是利用图像点的齐次坐标来计算,由于同一图像点的齐次坐标之间相差一个比例因子,当图像 坐标过大(或过小)时,会引起计算精度的下降。为此,从实际计算角度出发,利用图像点的坐标矢 量和调和共轭特性,研究了消失点的计算方法。经过举例分析和算法验证,证明该方法实用、可靠。     

基于消失点检测的铁路环境视频自动拼接算法研究

提出了一种基于铁路环境视频的全景图自动拼接算法。根据铁路环境视频中的场景几何特性,检测场景中的线段及消失点,从而生成场景的空间布局关系;在此基础上,自动构建合适的采样区域,以达到无缝拼接的效果;最后实现全景图的自动拼接。实验结果表明,该方法实现了铁路环境视频的自动化拼接,且得到了更加令人满意的拼接效果。     

利用消失点信息的建筑物检测

以往的单片建筑物检测,常假设相片是下视或近乎下视成像的,从而可忽略建筑物的透视形变。该文将长度约束与高斯映射和向量叉积相结合,提出了长度优先的向量叉积消失点检测方法,试验表明,该方法对分辨率较高且透视效果明显的图像,有着较好的检测效果。     

一种快速的人工场景图像消失点检测方法

人工场景中包含了大量的空间平行线以及垂直边,这些空间平行线映射到图像中相交产生的交点即消失点。消失点检测对摄像机标定、三维场景重建等都有着重要的意义。传统的消失点检测算法往往基于二维霍夫参数空间,复杂度高、效率低。因此,提出一种新的方法,先检测图像中较长的边界线,并将检测到的线段进行筛选、分组;然后利用消失点与焦距之间的制约关系,确定三向消失点的位置以及焦距的大小。该方法将传统的二维霍夫参数空间转换为二级一维霍夫参数空间。实验表明,这种方法运算复杂度低、运行时间短。在室外场景图像中,鲁棒性好,且保持较高的准确率。     

基于纹理的复杂环境下道路消失点检测算法

在乡村或者越野环境中,道路没有明显的边界和行车线,阻碍了一般视觉道路检测算法的应用。采用计算道路消失点的方法,提出一种快速的局部适应软投票FLASV(Fast Local Adaptive Soft Voting)算法。算法首先采用Gabor滤波器计算每个像素点的纹理方向,然后依据像素点的置信水平决定是否参与投票,最后采用快速局部投票的算法估计消失点的位置。实验结果分析表明,该算法能很好地适应复杂多变的环境,具有较低的时间复杂度和较高的准确性。     

平面点匹配的一点校准算法

点模式匹配是一项重要的视觉课题。对于一个平面点集,由平移和旋转并伴有一定噪声作用产生另一点集,提出一个基于一点校准的点模式快速匹配算法,并推广到带有属性点的匹配问题中。基于一点校准的点模式匹配算法,其计算复杂性为O(mn),其中m,n分别是两个点集所含点的个数,比基于两点距离近似相等的校准匹配算法,其计算复杂性为O(m2nl)(其中l为第二个点集中与第一个点集中任两个点的距离近似相等的平均个数),极大地减少了计算量。     

一种基于消失点的摄像机标定方法

为了简化摄像机标定,提出了一种基于消失点的摄像机标定方法,该方法仅需根据场景中3组已知的相互正交的平行线就能标定摄像机的内参数.该方法分为两步(1)根据场景中3个正交方向上的消失点计算摄像机的主点位置以及像机的焦距,首先得到摄像机内参数的初步估计;(2)以此估计值作为初值,通过非线性优化来得到摄像机内部参数的精确估计.最后使用模拟图象和真实图象对该方法进行了实验.结果表明,该标定方法是可行的,具有较高的精确度和较强的鲁棒性.     

基于Haar纹理的非结构化道路消失点检测

由于非结构化道路缺乏明显的车道标识线或车道边界,使得其检测面临很大困难.利用非结构化道路的消失点作为约束,可以显著提高非结构化道路的检测性能.但基于多尺度多方向Gabor纹理的消失点检测方法存在计算量较大的问题,并且背景干扰也常会使得现有的消失点投票方法出现大的误检.为此提出一种基于类Haar特征的非结构化道路纹理快速提取方法,该方法利用设计的实部及虚部矩形模板,通过积分图技术实现了纹理特征的快速复响应;并在此基础上,提出利用正交校正及多样性投票方法,实现非结构化道路消失点的检测.在各种非结构化道路下比较了本文算法与现有两种最新的非结构化道路消失点检测算法,实验结果表明本文算法可以显著提高非结构化道路消失点的检测性能.     

基于无标度摄像机的车流跟踪与速度估计算法

该算法通过滤波、图像差分、图像逻辑运算得到运动物体,再运用数学形态学的方法去除过于细节的图像信息,恢复图像中部分被去掉的像素点,得到车辆的轮廓。最后在此基础上计算出车辆轮廓的最小外接矩形,得到车辆的质心,实现跟踪并根据图像信息中已知的车身长度来估计速度。实验结果表明,在既没有对摄像机进行直接控制,也没有在场景中放置标度物体的前提下,算法具有一定的有效性与准确性。     

基于鲁棒估计灭点分层重建的研究

灭点是分层重建过程的重要信息,其求解的准确程度直接关系到最后三维重建的效果。提出了一种基于Hough算法的直线聚类检测方法求取图像中的直线信息以及基于RANSAC的由直线信息估计灭点信息的改进算法,以提高估计灭点的鲁棒性。经试验证明,将所提出的算法应用到分层重建的系统中,在仅有两幅图像的情况下能准确地对目标模型进行重建。     

全局图像特征分析与实时层次化消失点检测

为了使道路场景的消失点检测能够适应不同的道路条件,提出基于全局图像特征的层次化消失点检测方法。通过全局图像特征提取全局道路特征,将道路分为4类并粗粒度定位道路区域。根据分类选择提取道路标识或边缘特征进行尺度变换的线段检测或区域分割并投票消失点集,再选择使用逆透视仿射变换或色彩纹理信息验证获得有效消失点。通过图像预处理移除道路车辆及阴影干扰,进一步提高检测精度。实验证明道路特征分类有效,在光照阴影、色彩纹理及遮挡等条件各异的场景中,层次化消失点检测方法均获得实时鲁棒的检测结果,比现有在复杂场景平均误差较小的基于本征直线方向与色彩纹理的检测方法精度与效率分别提高37.5%和20%。     

A study on the dual vanishing point property

Vanishing points and vanishing lines are useful information in computer vision. In this study, an interesting dual property of vanishing point is first introduced. Next, we point out that there also exists a dual property of vanishing line. With the dual vanishing point and vanishing line properties, some 3D intersection inference can be made based on their image lines. Two applications are given to illustrate the usage of the new results. The first one is to derive the 3D pose determination of a circle using two parallel image lines. The second one uses six specially designed 3D lines to adjust the cameras with respect to a fixture in a binocular vision system such that the resultant camera coordinate axes become parallel.     

基于2个灭点和局部尺度的三维空间尺度估计

三维空间尺度估计是三维重建中的一个重要工作,现实世界中也存在一些基于单幅图像进行三维空间尺度估计的需求。通常情况下,尺度估计需先对相机进行标定。根据单目图像符合透视原理的特性,提出了一种基于2个灭点和局部尺度信息的方法对相机进行标定,从而得到单目图像物体中三维空间尺度信息的估计。首先,从单目图像中选择2组互相正交的平行线组,得到对应2个灭点的坐标;然后,利用灭点坐标和焦距信息得到世界坐标系和相机坐标系之间的旋转矩阵,再利用灭点的性质和已知局部尺度信息得到平移向量,完成单目相机的标定;最后,还原二维图像中像素点对应的三维世界坐标值,计算出图像中2个像素点在三维空间的尺度信息。实验结果表明,该方法能有效地对单幅图像中的建筑物体进行尺度估计。     

用于视频中车速自动检测的摄像机自动标定方法

针对目前基于视频的车辆测速方法均需通过手工标定而造成的低效和可操作性差的问题,提出了一种对典型配置的道路监控摄像机的焦距、俯仰角、离地距离等重要参数进行自动标定的方法。首选利用自然场景中两组正交平行线在视频图像中形成的消失点之间的内在关系对摄像机的焦距和俯仰角实施精确标定;在此基础上利用视频中目标车辆群体的平均宽度对摄像机与地面之间距离进行自动标定。实验表明,该算法具有参数测量精度高和可靠性好等优点,可作为现有道路视频监控设备实施车辆速度、类别、流量等数据的自动采集、分析和监控,以及电子违章抓拍设备的有效自动标定手段。     

B双空间几何中基于消隐点的摄像机标定

对比目前常见的CCD摄像机标定技术,采用了一种基于消隐点的摄像机标定方法。该方法基于射影几何中的B双空间几何概念,在充分利用二维棋盘格标定图像中点、线和面固有的几何关系与属性的基础上,通过改进的角点提取与计算,首先针对摄像机内参数中的横向焦距与纵向焦距进行计算,然后结合非线性优化方法对参数进行优化计算,从而求解出待标定摄像机的全部内参数。该标定方法具有操作过程简单和实验误差小的特点。     

交通监控场景下的相机标定与车辆速度测量

针对交通监控场景中对车辆速度测量的需求,提出了一种相机标定方法和车辆速度测量方案。首先,通过深度学习YOLO检测算法和光流跟踪算法对图像中的车辆目标进行检测和跟踪,根据获得的轨迹集合使用级联霍夫变换计算出道路方向上的消失点,从而检测出道路上的标志线。之后根据消失点和标志线,使用试探焦距思想完成相机标定任务。最后通过计算多帧之间瞬时速度的平均值来实现车辆速度的测量。通过真实交通监控场景的实验结果表明,这种基于消失点的自动相机标定方法具有较好的稳定性和较高的标定精度,能够满足车辆速度测量和实际工程应用的需求。     

楼道消失点查找与跟踪的迭代算法

提出了一种新的消失点跟踪算法。具体地, 改进了梯度霍夫变换, 引入映射的参考点; 结合梯度方向信息进行映射, 提高了映射速度; 采用加权最小二乘法在参数空间拟合三角函数曲线, 直接计算消失点的坐标。通过迭代的方法更新参考点的坐标, 从而使算法精确查找到消失点的位置。实验证明, 此算法可以快速准确地查找到楼道环境的消失点, 并且迭代速度可以满足消失点的实时跟踪要求。