基于FPGA的移动机器人视觉系统

移动机器人导航技术是智能机器人研究领域的一个重要方向,也是智能机器人的一项关键技术.近几年来,随着图像处理技术及计算机处理能力的飞速发展,加之视觉信号具有信号探测范围宽、获取信息完整等优点.视觉导航成为移动机器人导航的主要发展方向之一.本文首先阐述机器人视觉导航系统的发展过程.在分析了移动机器人的基础上,提出了视觉导航系统的嵌入式实现方案,并设计了电路系统.     

基于单目视觉的移动机器人跟随

针对室外环境下移动机器人基于单目视觉对目标人实时跟随问题进行了研究,提出通过均值漂移算法对像平面目标的跟踪来实现目标定位。为了补偿摄像机运动造成目标在像平面的偏移,提出了以卡尔曼滤波器的估计值作为均值漂移算法的启动点,然后利用均值漂移算法获得最终位置;为了估计单目视觉下目标与机器人之间的距离,提出了一种借助于主颜色描述子和形状直方图的间接景深计算方法。室外实验表明该算法具有很好的实时性和鲁棒性,能有效实现复杂室外环境下对人的跟随。     

基于视觉的室内移动机器人障碍物描述

为了提高室内机器人的动态障碍物识别能力,提出了一种基于立体视觉的实时障碍物识别方法。首先借助于人的辅助引导,利用多传感器信息融合技术生成室内局部环境的粗略地图:接着在前面得到障碍物信息的基础上,通过对其三维信息的恢复检测出室内障碍物,最后讨论了突发障碍物的处理方法。     

基于视觉的移动机器人目标跟踪方法

为实现对行人目标进行快速稳定地跟踪并简化机器人系统,提出一种快速判别尺度空间相关滤波目标跟踪算法(fDSST)与卡尔曼滤波结合的跟踪方法,解决了跟踪过程中因遮挡造成的目标坐标信息丢失问题。根据相关滤波响应图的震荡剧烈程度设置遮挡判断标准,利用遮挡判断标准实现fDSST跟踪算法与卡尔曼滤波算法的切换,持续输出目标的位置坐标信息,提升了算法的鲁棒性。移动机器人根据视觉跟踪算法提供的图像坐标,利用基于图像的伺服控制策略完成对目标的跟随任务,简化了移动机器人系统结构。最后将该方法在OTB2013测试集上和移动机器人中进行实验,实验结果表明,该方法对于目标遮挡及尺度变化具有较强的鲁棒性和准确性,同时满足实时性要求。     

基于ARM移动机器人视觉系统的设计

在嵌入式ARM+Linux平台开发了基于ARM移动机器人的视觉系统,使移动机器人脱离PC机平台,因此,机器人运动相对方便,运动范围也相对扩大.视觉系统的软件实现基于OpenCV,使系统开发方便,开发周期短.视觉系统可通过实时获取和处理图像来不断调整机器人运动位置,使跟踪定位精确.     

基于视觉显著性的可见红外图像融合

多波段图像融合可以有效综合各个波段图像中包含的特征信息。针对可见光-红外图像,本文提出了一种结合红外图像视觉显著性提取的双波段图像融合方法,一方面旨在凸显红外图像的目标信息,同时又能尽可能的保留可见光图像的丰富细节信息。首先,在局部窗口内实现红外图像的显著性图提取,并通过窗口尺寸的变化形成多尺度的显著性图,并对这些显著性图进行最大值的优选叠加,以获取能反映整幅红外图像各个尺寸目标的显著性图;其次,通过结合显著性图与红外图实现显著性图的加权增强;最后,利用增强的红外显著性图进行双波段图像的融合。通过两组对比实验,数据表明该方法给出的融合图像视觉效果好,运算速度快,客观评价值优于对比的7种融合方法。     

基于双目视觉的移动机器人障碍物检测研究

针对移动机器人立体视觉障碍检测的两个难点:匹配精度以及匹配算法的实时性问题,提出了一种基于图像分割和立体视觉相结合的障碍物检测方法.通过分割提取出了障碍物的大致形体并滤去地面上的冗余信息,这样就把立体视觉避障中匹配区域缩小到有用的障碍物区域中,提高了匹配速度和精度.同时,采用德州仪器的DSP-TMSDM642实现了该算法在移动机器人上的嵌入式实现.实验结果表明了该方法能够在室内环境下较好地分割出障碍物目标大致区域,计算出障碍物特征点的三维信息精度高,具有较强的自适应性.     

基于立体视觉的移动机器人动态避障方法

提出了一种新颖、有效地基于立体视觉的移动机器人动态避障方法。首先提取出可疑障碍物区域,然后引入最大包围盒得到障碍物投影到水平路面的二维尺寸,接着利用几何知识获取障碍物相对机器人的运动速度和可能发生碰撞的方位。最后使用基于速度改变最小原则和速度改变最佳原则来完成机器人的动态避障。仿真结果表明该方法能够使移动机器人在具有静态和动态障碍物的复杂环境中安全避障。     

AS-R移动机器人基于双目视觉的动态避障

针对移动机器人的动态避障问题,以AS-R移动机器人为平台,设计了一种基于双目视觉的动态避障方法。从双目视觉系统出发,介绍了AS-R机器人的视觉系统,研究了AS-R机器人的运动原理,探讨了图像信息处理的过程;最后设计了两种简单环境下机器人的动态避障,并验证了所提方法的有效性。     

基于显著性分析的立体图像视觉舒适度预测

分析了传统的基于全局视差特性的像视觉舒适度评价模型的不足,提出了一种基于显著性分析的立体图像视觉舒适度客观预测模型。首先,根据人眼的立体视觉注意力机制,利用协方差矩阵和Sigma特征集分别计算得到图像显著图和深度显著图,并组合得到立体显著图;然后,利用立体显著图加权得到立体图像视觉舒适度感知特征;最后,通过支持向量回归构造视觉舒适度预测函数,建立视觉舒适度感知特征和主观评价值之间的关系模型,从而预测得到立体图像视觉舒适度客观评价值。实验结果表明,本文评价方法的Pearson线性相关系数值达到0.79,Spearman等级相关系数值达到0.81,表明提出的模型更加符合人眼视觉特性,得到的客观评价值与主观感知具有较高的一致性。     

基于视觉显著性的木板实时分类方法研究

木板分类是木制家具制作的重要环节,现有的木板分类算法仅从纹理特征方面进行分类,且运用的纹理分析方法与实际人眼分类标准具有一定的差异性,如局部二值模式法(LBP)、灰度共生矩阵法(GLCM)等方法。从人眼仿生角度出发,将视觉显著性融入基于木板表面综合特征的分类算法中,提出一种基于木板视觉显著性的分类方法。采用高精度线阵相机搭建机器视觉系统进行木板图像的实时采集,通过动态阈值分割、特征筛选、形态学处理等方法识别图像中的木板区域,提取基于视觉显著性的木板纹理区域占空比,木板纹理区域与背景区域的对比度等特征,构建多层神经网络进行分类识别。利用从木材加工厂实时采集的1 156张木板图片进行分类实验,实验证明基于视觉显著性输入特征的多层神经网络可以完成木板分类任务,且具有94.17%的分类准确率。     

基于单目视觉的自主移动机器人监测系统

搭建了一个基于单目视觉的自主移动机器人平台.提出了一种背景模型自更新的差分运动分析算法,用该算法实现的系统能够快速的适应环境的改变,可靠性高.将该算法应用到自主移动机器人中,使机器人实现了对人形物体的识别、跟踪与监测.     

基于视觉显著性的太阳能电池片表面缺陷检测

现有基于机器视觉的太阳能电池片表面缺陷检测算法均是采用各种类型的数学模型来进行算法设计,为进一步提高检测准确率,从人眼仿生学角度出发,首次将人眼的视觉注意机制引入到太阳能电池片表面缺陷检测中,提出了一种基于视觉显著性的太阳能电池片表面缺陷检测算法。首先,对输入的太阳能电池片表面图像进行预处理,去除对检测有影响的噪声和栅线;其次,提出一种基于自学习特征的视觉显著性检测算法来大致定位缺陷区域;随后,提出一种视觉显著性和超像素分割相结合的算法来进一步精确定位缺陷区域;最后,通过形态学后处理得到最终检测结果。在包含多种缺陷类型的测试图像库上的主观和客观实验评估表明,该算法具有较高的检测准确率。     

基于RPCA的轴承表面缺陷视觉显著性检测

针对轴承缺陷图像存在的光照不均匀、整体对比度低、缺陷细节模糊等问题,结合鲁棒主成分分析和视觉显著性,提出一种新的轴承表面缺陷检测算法。首先,在鲁棒主成分的基础上,采用广朗日乘子算法计算稀疏矩阵,并根据稀疏矩阵计算缺陷区域的视觉显著值,生成凸显缺陷区域的显著图,然后,利用Otsu法对显著图进行缺陷分割,得到缺陷检测结果。并进行对比实验研究,结果表明,该检测方法能够显著突出轴承表面缺陷区域,实现对轴承表面各类缺陷的有效检测,与其他几种显著性检测方法相比,具有较好的查准率和召回率。     

基于视觉显著性的红外与可见光图像融合

多波段图像融合可以有效综合各个波段图像中包含的特征信息。针对可见光和红外图像,提出了一种结合红外图像视觉显著性提取的双波段图像融合方法,一方面旨在凸显红外图像的目标信息,另一方面又尽可能的保留了可见光图像的丰富细节信息。首先,在局部窗口内实现红外图像的显著性图提取,并通过窗口尺寸的变化形成多尺度的显著性图,并对这些显著性图进行最大值的优选叠加,以获取能反映整幅红外图像各个尺寸目标的显著性图;其次,通过结合显著性图与红外图实现显著性图的加权增强;最后,利用增强的红外显著性图进行双波段图像的融合。通过两组对比实验,数据表明该方法给出的融合图像视觉效果好,运算速度快,客观评价值优于对比的7种融合方法。     

移动机器人行走路径环境建模方法综述与解析

各种应用型移动机器人设计是目前研究的热点,具有较高的科研价值和广阔的应用前景,路径规划技术是其中关键技术之一。本文总结了当前移动机器人路径规划过程中环境建模的主要研究成果,并对其进行分类、比较和剖析,探讨了各种建模方法的优势和不足,提出了进一步研究的方向。     

基于Bandelet稀疏的移动机器人环境视觉纹理图像的压缩传感与重构

压缩传感技术为移动机器人环境视觉的实时高效处理与传输提供了一种新的解决方法。结合Bandelet变换自适应跟踪图像正则方向的特点,进行了基于Bandelet稀疏和正交匹配追踪(OMP)算法的环境纹理图像压缩传感重构分析研究。结果表明：在较大观测值下,Bandelet稀疏重构与传统小波稀疏重构效果差别不大;在较小观测值下,传统sym8小波稀疏重构出现不稳定状态,出现块状信息缺失,不能有效重构,而Bandelet稀疏重构效果相对稳定;在给定观测值下,Bandelet稀疏重构的边缘细节表达能力优于sym8小波,说明Bandelet变换在压缩传感采样高压缩比下恢复重构具有有效性和稳定性。     

基于彩色视觉和模糊控制的移动机器人路径跟踪

利用颜色信息提取路径，简化了图像的特征提取，提高了路径提取的鲁棒性，采用模糊控制策略避免了传统控制的复杂建模过程，使该路径跟踪系统适用于高度非线性和不确定性的环境，并对影响跟踪系统性能的因素进行了分析，对视觉感和系统的滞后进行了修正。该路径跟踪方法已成功地应用于HEBUT－1型移动机器人上。     

基于视觉特征的移动机器人Monte Carlo定位方法

提出了一种通过引入基于三角定位的重采样阶段对基于视觉特征的常规Monte Carlo定位加以改进的方法，以提高原有方法的实现效率，既能提高计算效率，又能避免过收敛现象。重采样的实现根据感知更新前后采样分布信息熵的变化和有效采样数目来判断，并且基于感知组织的贝叶斯网络识别视觉特征的方法为三角定位提供了准确的特征来源，有效减少了假阳性特征，大大简化了与环境模型的匹配。实验结果验证了方法的有效性。     

一种基于移动机器人视觉的实用数字识别方法

移动机器人自动读取数字,并且正确快速识别数字的研究在智能机器人领域具有重要意义。本文以移动机器人为背景,提出一种实时简单的数字识别方法。文中提出边缘图能量百分率法初步定位数字位置。为改善实时识别的准确度,提出改进的中值滤波算法,对采集的数字图片进行去噪处理,利用最大类间方差法分离出目标与背景,采用一种快速、易实现、且对结构损失较少的细化算法,提取数字结构特征,提出分块部分面积法提取特征向量,采用改进的BP网络来设计分类器。试验结果证明这种识别方法不仅快速有效而且稳定。