基于单目视觉的微型空中机器人自主悬停控制

针对微型空中机器人在室内环境下无法借助外部定位系统实现自主悬停的问题,提出一种基于单目视觉的自主悬停控制方法.采用一种四成分特征点描述符和一个多级筛选器进行特征点跟踪.根据单目视觉运动学估计机器人水平位置;根据低雷诺数下的空气阻力估计机器人飞行速度;结合位置和速度信息对机器人进行悬停控制.实验结果验证了该方法的有效性.     

基于OpenCV的水下机器人单目定位技术研究与仿真

针对水下机器人自主回收对接时的定位问题,提出了一种基于OpenCV的单目定位技术研究与仿真方法;首先确定回收装置在回收侧的光源标记点坐标信息;然后借助OpenCV算法库,通过对水下机器人自带摄像机的标定,得出反应摄像机固有信息的内参数,通过摄像机对回收装置光源标记点的识别,得出光源标记点在图像上的像素坐标,结合其世界坐标,得出反映回收装置在摄像机坐标系下位置和姿态信息关系的平移向量和旋转向量,进而确定水下机器人在回收装置坐标系下的位置和姿态信息;最后运用CATIA软件对摄像机拍摄模型进行建模和仿真,结果表明,所提方法不仅能快速地获得水下机器人的位置和姿态信息,而且定位精度高,满足水下机器人在自主回收对接时的设计要求。     

基于单目视觉的机器人目标定位测距方法研究

为实现具有单目视觉的双足机器人对目标物体的定位测距,根据针孔成像和几何坐标变换原理,提出一种基于单目视觉系统自身固定参数计算目标物体深度信息的几何测距方法;该方法利用双足机器人自带的单目视觉系统的固定参数,通过几何映射关系求解目标物体在三维空间内的坐标位置及相对于机器人的距离,克服了由于外界环境变化以及对参照物识别时所产生的误差影响测距定位精度的问题,从而实现基于单目视觉的目标物体精确跟踪定位;并对所提出方法进行了实验,得到比理论结果误差较小的实验数据,证明了方法的可行性。     

水下机器人的单目视觉定位系统

介绍了OutLand 1000型水下小型远程遥控机器人(ROV)所携带的视觉系统,并通过实验对水下摄像机进行了标定,获得了像机的内参数.不同于陆地机器人的简化摄像机模型,针对水下环境对像机模型的影响,建立了水下像机的非线性畸变模型,在此基础上,对陆地单目视觉定位算法做了改进,并完成了系列水下实验.实验结果表明:经改进后的视觉定位方法提高了水下定位精度.     

工业机器人装配中基于相机位姿估计算法的单目视觉定位研究

为了提升工业机器人在装配作业中的效率和精准度,结合软指派算法进行研究,构建基于相机位姿估计算法的单目标视觉定位系统,并对其进行仿真验证。实验结果显示,在参数对成功率的影响实验中实验成功率最低为92.5%,在图像噪声对成功率的影响实验中成功率最高达到了97.5%,位置估计误差最大值不超过4 mm,旋转误差在伪特征点的数量为最大时得到了最大值7°。     

单目视觉定位方法研究综述

根据单目视觉定位所用图像帧数不同把定位方法分为基于单帧图像的定位和基于双帧或多帧图像的定位两类。单帧图像定位常利用已知的点特征、直线特征或曲线特征与其在图像上的投影关系进行定位,其中用点特征和直线特征的定位方法简单有效而应用较多;基于双帧或多帧图像的定位方法因其操作复杂、精度不高而研究的还较少。通过对各方法的介绍和评述,为单目视觉定位问题的研究提供参考。     

基于单目视觉的机器人Monte Carlo自定位方法

针对单目视觉机器人定位问题,提出一种基于改进的尺度不变特征变换(SIFT)的Monte Carlo自定位方法.应用改进的SIFT方法提取特征,既能保证对图像光强变化、尺度缩放、三维视角和噪声具有不变性,又能减少SIFT算法产生的特征点及其抽取和匹配的时间.在机器人移动过程中,环境特征点的观测信息和里程计信息通过粒子滤波相融合,获得了更准确的环境标志点坐标.仿真实验结果验证了该方法的有效性.     

基于合成数据的水下机器人视觉定位方法

针对水下场景水下机器人(AUV)位姿数据集难以获取、现有的基于深度学习的位姿估计方法无法应用的问题,提出了一种基于合成数据的AUV视觉定位方法。首先基于Unity3D仿真搭建虚拟水下场景,通过虚拟相机获取仿真环境下已知的渲染位姿数据。其次,通过非配对图像转换工作实现渲染图片到真实水下场景下的风格迁移,结合已知渲染图片的位姿信息得到了合成的水下位姿数据集。最后,提出一种基于局部区域关键点投影的卷积神经网络(CNN)位姿估计方法,并基于合成数据训练网络,预测已知参考角点的2维投影,产生2D-3D点对,基于随机一致性采样的Perspective-n-Point(PnP)算法获得相对位置和姿态。本文在渲染数据集以及合成数据集上进行了定量实验,并在真实水下场景进行了定性实验,论证了所提出方法的有效性。实验结果表明,非配对图像转换能够有效消除渲染图像与真实水下图像之间的差距,所提出的局部区域关键点投影方法可以进行更有效的6D位姿估计。     

基于单目视觉的水下机器人管道检测

以单目CCD摄像机为视觉传感器,利用视觉系统测量方法获得水下管道的导航信息,并在此基础上建立了一个用于水下机器人的水下管道检测系统． 按照数据结构的抽象程度,将系统中传递的数据信息分为由低至高4个层次,描述了各层次内容,详细介绍了水下机器人管道检测方法． 为了提高系统的准确性和实时性,采用了动态窗口管道检测方法．在室内实验水池中,以某型号水下机器人为试验载体,进行了多次管道跟踪试验,验证了系统的可行性和有效性．     

基于道路结构特征的智能车单目视觉定位

高精度定位是实现自动驾驶的关键.在城市密集区域,全球定位系统（Global positioning system,GPS）等卫星定位系统受到遮挡、干扰、多路径反射等影响,无法保障自动驾驶所需的定位精度.视觉定位技术通过图像特征匹配进行位置估计,被广泛研究.然而传统基于特征点的方法容易受到移动目标的干扰,在高动态交通场景中的应用面临挑战.在结构化道路场景中,车道等线特征普遍存在,为人类驾驶员的视觉理解与决策提供重要线索.受该思路的启发,本文利用场景中的三垂线和点特征构建道路结构特征（Road structural feature,RSF）,并在此基础上提出一个基于道路结构特征的单目视觉定位算法.本文利用在北京市区的典型路口、路段、街道等场所采集的车载视频数据进行实验验证,以同步采集的高精度GPS惯性导航组合定位系统数据为参照,与传统视觉定位算法进行比较.结果表明,本文算法在朝向估计上明显优于传统算法,对环境中的动态干扰有更高的鲁棒性.在卫星信号易受干扰的区域,可以有效地弥补GPS等定位系统的不足,为满足自动驾驶所需的车道级定位要求提供重要的技术手段.     

车辆超车视觉辅助导航系统研究

为了能够提高行驶速度,保障行车安全,提高行驶环境认知,设计了一个基于单目视觉的车辆自适应道路、前车检测、超车指导系统,其主要应用于双车道结构化道路,而且在晴天与阴天不同天气情况下,车道线以及深色、浅色车辆均可识别,并可跟踪、超越前车。实验结果表明,该系统可以应用于不同环境背景下,该系统已通过了远距离自动、安全、准确地检测,并进行了超越前车的仿真实验。     

单目视觉智能车的伺服规律研究

通过分析单目视觉智能车的运动特征,建立其空间约束模型以及与运动控制密切相关的图像坐标系和运动平面坐标系,在此基础上根据摄像头相对位姿的不同推导出2种不同的坐标映射关系,讨论将其应用在单目标跟踪和连续目标跟踪时的车体运动控制规律,形成一个有较强针对性和实用价值的手眼机器人视觉伺服框架。实验验证了单目视觉智能车伺服规律的有效性。     

基于单目视觉的高速公路车道保持与距离测量

汽车智能辅助操作系统是智能交通系统的重要组成部分，也是目前国际上的热点问题．基于计算机视觉技术的车道保持，即视觉导航是辅助操作系统的核心问题之一．该文提出一种基于单目视觉的公路分道线二维重建算法和距离测量算法．其基本思想是根据分道线灰度与几何特征建立约束方程，进而跟踪提取分道线，并用二维模型重建，在此基础上，首先获得车道保持的必要道路参数，然后在二维重建的基础上，进一步实现了基于分道线几何约束的单目测距算法．在四川省与重庆市的高速公路上的实验证明，车道保持算法的实时性与精确性已基本满足实用要求；单目测距算法的精确度也能满足安全行车防止碰撞的需要．     

STM32的单目视觉室内平面跟踪定位

针对室内平面移动物体的定位,提出了一种基于STM32的单目视觉室内平面跟踪定位方式.在平面内放置标定点,通过标定,求取出图像坐标系与世界坐标系实际的对应关系,实时追踪图像坐标系,依照对应关系推算出实际位置.为了验证该方法的有效性,采用比对平面移动物体与特定点误差的方法,同时直观地观测对应点之间的距离关系.实验中测得的移动位置与实际位置相对误差小于1.5％,对于精度要求一般的室内定位需求有着较高的实用性.     

基于纹理的三自由度视觉伺服控制

当机器人载体摄像机观察目标为某些几何特征缺乏,仅有纹理特征场景时,基于几何特征视觉计算的伺服手段难以应用,为此该文提出基于纹理的三自由度视觉伺服方法。分析摄像机运动与目标图像纹理粗糙度特征变化之间的关系,给出基于纹理粗糙度的视觉伺服方法。通过机器人伺服悬停半物理仿真实验证明,分析纹理图像特征变化可以提供完成伺服任务所需要的运动信息。     

基于单目视觉的实时测距方法研究

为了利用单目视觉实时监测本车与前方障碍物之间的距离,在比较了现有的几类用于车辆控制的道路深度信息获取方法的基础上,首先研究了较为适用于汽车自动驾驶的几何关系推导法,进而提出了基于单目视觉的实时测距算法.通过试验可知,由于摄像机的俯仰角是影响实时测距算法的关键因素,因此又提出了基于道路边界平行约束条件的实时计算摄像机俯仰角算法.静态实车试验的结果显示,该基于单目视觉的实时测距算法具有较高的准确性,可以满足测距要求,而动态实车试验的结果则显示,此算法还可以满足汽车智能化控制的实时性要求.     

非结构化环境下的单目视觉可通行区域检测

目前三维避障主要采用三维激光雷达或者基于深度学习的障碍物识别,但前者价格昂贵,后者训练成本高且不稳定。为了稳定、鲁棒地实现低成本三维空间避障方案,提出了一种基于单目相机的可通行区域检测方法。该方法利用特征点标识障碍物,通过对相机高度和旋转平面加以约束,解决单目SLAM中的尺度不一致问题,并设计了障碍物距离求解器和代价求解器对小车前方区域特征点进行处理,计算出视觉代价地图,划分可通行区域。该方法优势在于仅需要低成本的单目相机便可完成可通行区域检测任务,可方便地移植到轻量级的移动设备,计算得到的视觉代价地图亦有利于小车后续的路径规划任务。在KITTI数据集上进行的实验表明,该方法的平均运算速度能达到20 frame/s,能满足小车实时避障的要求,对于单目SLAM的尺度恢复误差为2.5%～4.9%。     

基于单目视觉的自车运动参数鲁棒估计

提出一种适用于结构化道路的自车运动参数鲁棒计算方法．该方法通过建立双线性增量自运动模型,选择车道线和道路导向箭头上的角点作为路面特征点,利用连续两幅图像的多对匹配的特征点对模型进行求解,从而估计出自车运动参数．实验结果表明该方法不容易受光照和背景的影响,在结构化道路上能够准确地估计自车运动参数．同时该方法计算量小,能够满足实时性要求．