基于竞争机制的简化双目立体视觉测距算法及系统设计

计算机立体视觉模拟人眼功能,具有探测范围宽、目标信息完整等优势,是近年来计算机视觉的研究热点之一.传统测距方法如超声、红外、激光等有容易受干扰、目标确定困难等缺点,为此提出简化的基于竞争机制的立体图像匹配测距算法,具有运算速度快,硬件要求简单的优点,并制作成双目立体视觉测距硬件系统.通过对实时的双摄像头图像的计算,在PC机上实现双目测距功能.     

基于双目视觉的运动物体实时跟踪与测距

利用双目视觉信息系统实现三维空间中运动物体实时跟踪与测距．当运动目标超出视野范围时,可通 过控制摄像机云台转动搜索目标．此外,还研究了在摄像头运动情况下,无需重新标定,即可实现运动物体测距的 算法．这里,自适应背景建模法与CamShift 算法用于实现运动物体的辨识与跟踪．实验结果证明了所提出的算法能 够有效地追踪物体,并同时准确地测量它的三维位置．     

基于双目视觉技术的线路安全测距研究

为了精确地实现输电线路障碍测距,提出一种双目视觉的线路障碍安全测距方法。在分析双目视觉原理基础上,通过摄像机标定、立体校正、立体匹配等步骤实现测距。为了验证方案的可行性,搭建双目视觉巡检机器人,并模拟真实输电线路进行测距。结果表明,构建的双目视觉方案可实现输电线路障碍的高精度测距,且精度误差不超过3%,说明该方法可行,可用于机器人输电线路巡检。     

基于LabVIEW的双目视觉测距系统设计

在对障碍物进行测距的过程中,双目视觉测距技术拥有的成本低、高效、精确度高与构造简单的特点。鉴于此,设计一种基于灰度值金字塔图像匹配算法的双目视觉测距系统。通过搭建立体视觉硬件平台,利用LabVIEW软件平台编写硬件控制和测距程序,采用灰度值金字塔算法进行双目图像匹配获取视差数据,利用几何关系求出障碍物深度计算公式,并且在实验室中随机选用8个标志物进行仿真实验,检验理论深度与真实距离间的误差率。实验表明,通过视差数据求得的理论深度信息,所选特征点清晰、纹理复杂度较高的ROI(Region of Interest)区域的误差率在2%左右,特征点模糊、纹理复杂度较低区域误差率在5%左右,图像匹配相似度在900左右,在允许的误差范围内验证了图像匹配的准确性和双目测距系统的可靠性。     

基于嵌入式Linux的双目测距系统研究

根据嵌入式系统的特点,设计了以ARM为核心的双目立体视觉测距系统。系统使用双目立体摄像头采集图像数据,可设置图像的多种属性。利用开源计算机视觉库Open CV对采集的图像数据进行处理,分别完成了两台摄像机标定、匹配、重建等工作,最后实现摄像机测距功能。实验结果表明,该系统测量结果合理,工作稳定,同时可用Qt/Embedded实时显示图像和数据,具有良好的人机交互功能和跨平台移植性。     

嵌入式双目立体视觉测距系统

设计和研究了一种基于S3C2440硬件平台和嵌入式Linux双目立体视觉测距系统.该系统通过使用两个USB摄像头同步采集图像数据,并利用OpenCV对采集的两幅图像的数据进行处理,计算目标物在两幅图像中的像素偏差,进而算出目标物到摄像头平面的距离,在论文中以车牌作为目标物.同时该系统用Qt/Embedded实现LED实时显示图像和数据.整个系统建立在嵌入式架构上,能独立完成图像采集,数据处理,实时显示等功能.只要改变定位算法,则能测出任意目标物的距离.     

基于双目立体视觉技术的汽车测距系统实现

汽车测距是汽车防撞系统的关键技术之一。在分析现有的汽车测距常用方法基础上,针对常用测距方法设备庞杂、相互干扰严重等问题,对机器视觉在汽车测距方面的应用进行研究,提出一套基于双目立体视觉技术的汽车测距方案。并使用OpenCV2.4.8在VS2012编译环境下用C/C++编程实现验证其可行性,通过对摄像机标定、立体校正、立体匹配等关键技术的研究,选用一种快速的立体匹配算法对目标进行测距。经过实验验证,该系统可行性高、成本低,只需两个普通CMOS摄像头便可完成图像采集工作,而且平台搭建方便,测距算法容易实现,速度快、扩展性好,在一定范围内的准确度基本满足应用要求。     

机器人双目立体视觉测距技术研究与实现

机器人视觉是一种重要的机器人传感技术,主要应用于机器人定位和检测之中;文章阐述了构建机器人双目立体视觉测距系统的方法,并运用Labview对所设计的系统加以实现;完成了图像的采集、预处理和边缘检测;通过在Labview中的C语言接口调用C算法程序,进行了物体特征识别和目标物体测距的算法实现;实验表明焦距、滤波算法和外围光源都会对测量结果会产生较大影响;在相同检测距离不同焦距时得到的检测精度会有一些偏差;并且加入低通滤波,可增加图像识别的精度,进而使特征点匹配和检测的精度都有所提高,对提高系统的检测精度具有实际意义。     

ADS7852在双目测距中的应用

本文详细介绍了ADS7852的工作原理及其应用,并给出了它与89C51及TCD2901D的连接电路图。说明了双目测距的原理并给出了测距的求解公式。利用ADS7852的特点解决了双目测距中激光光斑面积、信号捕捉和测量精度三者之间的矛盾。给出了硬件原理框图和软件流程图。     

基于双目立体视觉的壁面清洗机器人障碍物检测研究

针对壁面清洗机器人及其作业环境的特点,在简要介绍了诸类常用的实现避障的方法之后,提出了基于双目立体视觉的障碍物检测方法。为了提高障碍物检测的准确性和实时性,建立了平行双目视觉模型,并提出了一种基于区域与边缘特征相结合的对应点匹配算法。研究结果表明:该方法具有处理的数据量较小、实时性好、实现简单、避障较可靠的特点。     

基于双目视觉的深度图立体匹配算法研究改进

双目立体视觉可以直接模仿人眼与人类视觉的立体感知过程,是计算机视觉研究的核心课题之一。文章主要针对图像的立体匹配算法研究,对区域相关算法进行了分析。在传统的NCC基本灰度相关度测度函数的基础上,将动态规划优化理论引入到匹配中,提高了匹配的速度和准确度。实验表明,本文算法能够满足目标跟踪试验要求,具有重要的理论意义和较高的实用价值。     

一种基于部分已验证匹配关系的模式匹配模型

模式匹配是模式集成、语义WEB及电子商务等领域的重点及难点问题. 为了有效利用专家知识提高匹配质量, 提出了一种基于部分已验证匹配关系的模式匹配模型. 在该模型中, 首先,人工验证待匹配模式元素间的少量对应关系, 进而推理出当前任务下部分已知的匹配关系及单独匹配器的缺省权重; 然后,基于上述已收集到的先验知识对多种匹配器所生成的相似度矩阵进行合并及调整, 并在全局范围内进行优化; 最后,对优化矩阵的选择性进行评估, 从而为不同匹配任务推荐最合理的候选匹配生成方案. 实验结果表明, 部分已验证匹配关系的使用有助于模式匹配质量的提高.     

基于双目立体视觉的煤体积测量

给出一种双目立体视觉结合SURF（Speeded Up Robust Features）算法的小型煤堆的体积测量方法,首先,简要介绍了双目视觉的原理和基于SURF算法的立体匹配,其次,给出了煤堆的三维重建和体积计算方法,讨论了影响计算精度的主要因素及解决方法,实现了煤堆体积的非接触测量,最后,实验结果证明了该方法具有可行性,有一定的实用价值.     

基于源模式分裂的模式匹配算法

模式匹配就是在作为输入的模式中有对应语义关系的元素间产生一个映射.为了提高模式匹配的效率,提出了一种新型的模式匹配方法--源模式分裂模式匹配算法.它可以解决标准模式匹配难以解决的问题:1)源模式的某一个属性和多个目标模式的多个属性之间建立匹配关系;2)表格中的不同元组对应其他表格同一元组的不同属性值的匹配.在匹配过程中,该方法先搜索种类型属性,然后根据种类型属性建立选择条件,最后把源模式进行分裂形成视图,再重新生成候选匹配集合,从而提高模式匹配的质量.     

基于布尔矩阵的Deep Web复杂模式匹配

在正负关联规则中引入布尔矩阵的概念,在双重相关性挖掘算法的基础上提出一种Deep Web复杂模式匹配算法。将查询接口模式中的属性项转化成布尔矩阵,通过对矩阵进行正关联规则运算挖掘组属性,对矩阵进行负关联规则运算挖掘同义属性。实验结果表明该算法的执行效率较高。     

一种基于子串运算的模式匹配方法

本文的主要目的是找到一种通用的方法来解决模式匹配中的复杂匹配问题。文中描述了一种通过在数据库中搜索和匹配列的q-grams子串来找到一个源列和目标列间对应关系 的代数表达式,从而获得匹配结果的方法。该方法的优点是不需要再附加任何额外的用于匹配的信息就可以有效地找到模式中那些复杂的匹配,并且可以处理固定和可变长度类型的列。文章中使用了一个递归的算法来推论列的子串拼接的正确顺序,并结合一些例子介绍了这一算法,然后测试了算法的实际表现。     

基于信息元的模式匹配方法

结构信息是模式匹配的重要辅助信息,当模式中出现多个自身信息相似的元素时,结构信息是正确区分其匹配关系最有效的依据,这在匹配大型模式时显得尤为重要.已有的研究成果对结构信息的使用存在信息不够准确、缺少有效的描述形式、处理耗时等缺点,极大地阻碍了结构信息的使用.为了充分利用结构信息,提出一种基于信息元的模式匹配方法(IU_Based),该方法首先将模式元素按照描述实体的不同划分为不同的信息元,然后计算信息元间的相似度并获取其匹配关系,最后在相互匹配的信息元之间选择元素匹配关系.实验结果表明,IU_Based方法能够有效地解决结构信息使用中的相关问题,提高匹配准确率.     

一种基于迭代的关系模型到本体模型的模式匹配方法

语义网的飞速发展，使得各领域出现了以本体这种形式来表达的知识模型.但在实际的语义网应用中，常常面临本体实例匮乏的问题.将现有关系型数据源中的数据转化为本体实例是一种有效的解决办法，这需要利用关系模型到本体模型的模式匹配技术来建立数据源和本体之间的映射关系.除此之外，关系模型到本体模型的模式匹配还被广泛用于数据集成、数据语义标注、基于本体的数据访问等领域中.现有的研究工作往往会综合使用多种模式匹配算法，计算异构数据模式中元素对的综合相似度，辅助人工建立数据源到本体的映射关系.现有的工作针对单一模式匹配算法准确率不高的问题，试图通过综合多种模式匹配算法的结果来进行调和.然而，这种方法当多种匹配算法同时出现不准时，难以得出更加准确的最终匹配结果.对单一模式匹配算法匹配不准的成因进行深入的分析，认为数据源的本地化特征是导致这一现象的重要因素，并提出了一种迭代优化的模式匹配方案.该方案利用在模式匹配过程中已经得到匹配的元素对，对单一模式匹配算法进行优化，经过优化后的算法能够更好地兼容数据源的本地化特征，从而显著提升准确率.在"餐饮信息管理"领域的一个实际案例上开展实验，模式匹配效果显著高于传统方法，其中，F值超过传统方法50.1%.     

基于多目立体匹配的深度获取方法

提出一种深度获取方法,利用基于颜色分割的多目立体匹配算法,从多个视点图像中提取深度信息。利用mean-shift算法,根据颜色信息分割参考图像,提取图像中的颜色一致性区域,通过局部窗口匹配算法进行多目立体匹配得到多幅初始视差图,根据融合准则将多幅视差图合成为一幅视差图以提高视差图的精度并对视差图进行优化后处理,按照视差与深度的关系,将视差图转化为深度图。该算法能有效处理匹配过程中的遮挡区域,提高匹配精度和视差图的准确度。     

基于XML Schema的数据匹配方法的研究

由于XML Schema自身所包含的丰富的结构和语义信息,针对基于XML schema的文档匹配,设计了一个框架结构,把利用结构信息的基于路径的匹配和利用语义信息的宽松标识方法结合在一起,充分利用了XML schema中所包含的各种信息,来实现XML schema文档之间的匹配。实验验证对文档的匹配具有较好的精度,最后对模式匹配这个领域的研究方向做出展望。