机器双目视觉里程计定位算法

随着人工智能的发展,在智能机器人及无人驾驶汽车应用上,空间定位是最基本和关键的问题。针对空间运动载体的定位算法,提出了双目视觉里程计定位算法,从摄像机标定、图像处理、特征提取和匹配以及运动估计4个方面展开了研究。出于实时性和精确性的考虑,使用Matlab 2016b和Visual Studio 2015两个软件进行混合编程。运用该算法对搭载双目相机的汽车在行进过程中所拍摄的图片进行计算,得出汽车精确的运动轨迹。     

基于改进双目视觉算法的三维重建研究

为解决现有立体匹配算法在图像弱纹理等区域鲁棒性差以及模型参数较大的问题,对PSMNet立体匹配方法进行改善,通过使用空洞空间卷积池化金字塔结构(atrous spatial pooling pyramid,ASPP)提取图像在不同尺度下的空间特征信息。随后引入通道注意力机制,给予不同尺度的特征信息相应的权重。融合以上信息构建匹配代价卷,利用沙漏形状的编解码网络对其进行规范化操作,从而确定特征点在各种视差情况下的相互对应关系,最后采用线性回归的方法得到相应的视差图。与PSMNet相比,该研究在SceneFlow和KITTI2015数据集里的误差率各自减少了14.6%和11.1%,且计算复杂度下降了55%。相比较于传统算法,可以改善视差图精度,提升三维重建点云数据质量。     

低复杂度高动态低信噪比环境下的GPS信号捕获算法

针对高动态低信噪比环境下的GPS信号捕获问题,提出一种频域分段移位平均周期图算法。首先,对接收信号进行频率斜升和码相位二维并行粗补偿并对各补偿支路进行分段快速傅里叶变换;其次,根据参与捕获的有效数据段长度将频域补偿间隔扩展为更为精细的估计间隔;然后,找到与各参数估计值最接近的补偿支路,根据估计值与实际补偿值之间差值对各数据段的频谱进行旋转移位,并将移位之后的频谱进行非相干累加以得到各估计值所对应的相关峰;最后,对相关峰的峰值进行恒虚警检测以确定捕获是否成功。仿真结果表明,与平均周期图算法相比,所提算法捕获性能略有下降,但计算复杂度大幅降低。     

双目视觉中的角点检测算法研究

为了实现双目视觉中的特征提取与立体匹配,在研究现有角点检测算法的基础上,提出一种改进的Harris角点检测算法。该算法首先采用图像分块和邻近角点剔除的策略,实现了阈值的自适应调节,并保证角点分布的均匀和避免角点聚簇的产生。结合Forstner检测算法,将精度提高到亚像素级。编程计算结果验证了该方法的准确性和稳定性。     

基于Harris-SIFT算法的双目立体视觉定位

针对基于尺度空间对图象保持不变性的SIFT算法在双目立体视觉应用时实时性差、误匹配等问题,提出一种运用Harris-SIFT算法进行双目立体视觉定位方法.通过介绍双目立体视觉的模型原理,利用Harris-SIFT算法从左右摄像机分别获取的图像中检测目标,并获取匹配目标的特征点,对两幅图像中目标物体的坐标标定,通过计算可得到目标物体的深度距离,还原其三维信息.实验证明,运用Harris-SIFT算法使该系统的实时性能和距离精度得到提高.     

基于双目视觉的三维人脸识别算法

针对传统三维人脸识别算法的复杂性,提出了一种新的三维人脸识别算法。该算法以双目立体视觉系统为基础,通过调整左、右摄像机与人脸的相对位置,完成人脸二维图像的采集,然后利用主动形状模型(Active Shape Model,ASM)技术对采集的二维图像进行特征点自动定位,并结合摄像机的内外参数得出特征点的三维坐标,从而避免了复杂的人脸三维重建;再利用人脸关键特征点的三维信息计算特征点距离矩阵,提取三维人脸几何特征;最后利用反向传播神经网络进行识别。实验结果表明,该算法简捷、快速,且具有较高的正确识别率,是一种经济、实用的三维人脸识别算法。     

基于双目视觉的三维车辆检测算法

在自动驾驶中,车辆的三维目标检测是一项重要的场景理解任务。相比于昂贵的雷达设备,借助双目设备的三维目标检测方法有成本低定位准确的特点。基于立体区域卷积神经网络（Stereo RCNN）提出了一种用于双目视觉的三维目标检测OC-3DNet算法,有效地提高了检测精度。针对特征提取高分辨率与感受野的矛盾,结合特征提取网络与注意力引导特征金字塔（AC-FPN）,有效地提高了算法对小目标的检测精度。针对三维中心投影检测误差大的问题,建立了一种新的三维中心投影与二维中心的约束关系,进一步提升了三维目标检测的精度。实验结果表明,改进后的OC-3DNet算法在以0.7为阈值的三维目标检测上平均精度为43%,较Stereo R-CNN三维目标检测的平均精度提升了约3%。     

用于红外双目视觉的边缘增强算法研究

红外图像的空间关联性强,并且存在一定的非均匀性,因此诸如Canny算子之类的传统边缘提取方法并不适用。本文讨论了像素级和亚像素级结合的边缘检测方法,首先采用脉冲耦合神经网络(pulse coupled neural network,PCNN)方法进行像素级边缘定位,再结合空间灰度矩的方法进行亚像素级边缘细分。该方法能够对高温构件的红外边缘进行快速检测,并能极大提高边缘的定位精度。     

基于计算机视觉的手势识别技术综述

随着计算机性能的逐步提高和图像处理技术的不断发展,基于计算机视觉的手势识别技术成为研究热点。本文介绍了手势识别的主要分类,并详细介绍了基于视觉的手势识别技术的工作原理和工作流程。阐述了手势分割、特征提取和手势识别的技术方法。     

基于双目视觉的机器人焊接技术研究

随着工业焊接技术的自动化水平不断的提升,焊接机器人的使用频率也逐渐上升。因此提出了基于双目视觉的机器人焊接技术研究这一课题,在机器人焊接技术研究中发挥双目视觉的焊接点定位精度优势。进行双目视觉焊机机器人选型和调整,首先应连接视觉设备和焊接机器人,保证采集数据的精度,然后搭建焊接精度三维实时控制器,采用滚珠曲线位移的控制器代替传统的直线位移控制器,最后焊接机器人焊接点三维坐标计算实现机器人焊接技术的全面升级。通过对比实验,验证了该技术的定位误差较低,符合机器人焊接技术的精度要求。     

基于GA-MP的低复杂度OTFS检测算法

针对正交时频空(Orthogonal Time Frequency Space, OTFS)通信系统信号检测复杂度高的问题,提出一种改进的高斯近似消息传递(Gaussian Approximate Message Passing, GA-MP)检测算法。依据最大后验概率检测准则,对发送信号及隐变量进行逐符号高斯近似,基于置信传播算法与联合因子图进行消息传递,用边缘后验概率替代GA-MP中的外部信息以减少运算量,结合阻尼因子提升收敛速度,同时引入概率阈值减少后续更新的节点数,从而使运算复杂度得到有效降低。实验结果表明,改进后的GA-MP算法在保证误码率性能的前提下具有更低的复杂度。     

一种基于欧氏距离的双目视觉三维重建算法

针对双目视觉左右图像投影的反向延长线是异面直线,直接将匹配像点代入定位模型需要求解一组矛盾方程,从而造成计算资源浪费和影响定位精度的问题,提出了一种基于欧氏距离最小化的三维重建计算方法.根据非平行光轴双目视觉定位的几何结构,运用求解两点欧氏距离最小值的思想,建立了两条异面投影线公垂线中点的计算模型,而后通过实验验证了该方法的有效性.利用标定后的系统对标记物之间的距离进行测量,在距双目视觉传感单元1.5m范围内误差小于1 mm.实验结果表明:该方法比传统方法重建精度高且实时性好,具有良好的鲁棒性.     

基于双目视觉的无人机实时测距算法

无人机对目标进行测距时,其算法的实时性和准确性一直是研究的重点。针对算法的实时性,提出双向搜索策略以及采用三条数据流并行处理实现GPU加速,并引入蝶形排序算法,提高了运算效率;针对算法的准确性,提出改进AD算法与改进Census算法融合,有效地解决了算法过度依赖中心像素的问题;为了降低算法复杂度,在基于背景差法的目标检测中引入移动平均算法;针对无人机平台存储空间有限,提出存储数据优化方案,减少了数据的占用空间。在Middlebury数据集下与BM算法、SGBM算法进行对比实验,采集室外场景与BM算法进行测距性能对比,最后实现室外无人机测距。通过大量实验数据验证了所提算法可满足无人机实时测距的高精度要求。     

基于双目视觉的识别测距系统设计

双目视觉的识别测距主要通过双目视觉系统模拟人的“双眼”,从而获得物体的形状和距离的远近。文章提出一种目标识别测距系统,构建卷积神经网络模型,利用图像处理技术识别目标以及三角相似原理计算目标距离,最后达到识别和检测的目的。实验结果表明,所设计的目标识别测距系统能够同时保证特定目标的检测和测距,具有一定的研究意义。     

基于双目视觉的三维人脸识别算法北大核心

针对传统三维人脸识别算法的复杂性,提出了一种新的三维人脸识别算法。该算法以双目立体视觉系统为基础,通过调整左、右摄像机与人脸的相对位置,完成人脸二维图像的采集,然后利用主动形状模型(Active Shape Model,ASM)技术对采集的二维图像进行特征点自动定位,并结合摄像机的内外参数得出特征点的三维坐标,从而避免了复杂的人脸三维重建;再利用人脸关键特征点的三维信息计算特征点距离矩阵,提取三维人脸几何特征;最后利用反向传播神经网络进行识别。实验结果表明,该算法简捷、快速,且具有较高的正确识别率,是一种经济、实用的三维人脸识别算法。     

基于双目视觉的六旋翼无人机立体匹配算法

针对六旋翼无人机双目视觉成像时,经双目融合后反馈的图像噪点过多,以及图像精度不够理想的问题,提出了一种在匹配过程中融入全局差错能量最小化的区域立体视觉匹配算法。由于视差的求解是立体匹配过程中最重要的环节,因此本文利用最小化差错能量矩阵求解最优视差的原理。通过提高立体视觉的视差精度,从而减少视觉融合过程中因数据问题产生的噪声干扰,最终提高了对场景信息三维重构的准确度。通过分别在室内外的仿真实验与真实环境重构实验,验证了本文提出的基于双目视觉的六旋翼无人机立体匹配算法的有效性与可靠性。     

基于偏振双目视觉的无纹理高反光目标三维重构

对于表面光滑、纹理单一甚至缺失、高反光的目标,传统的三维重构方法由于对纹理以及反光特性的依赖会使得重构表面出现大面积的的数据空洞.而基于偏振的三维重构方法不依赖于物体表面的纹理信息,同时偏振成像能够在一定程度上抑制耀光,能够有效解决传统三维重构方法存在的问题.但是,基于偏振视觉的三维重构方法得到的是像素坐标系下的深度信息,因此提出了偏振双目视觉三维重构方法,以由双目立体视觉获得的少量特征点的世界三维坐标为"桥梁",利用双目立体标定得到的相机参数,将偏振得到的图像像素坐标系下的点云数据转化为世界坐标系下的绝对数据.     

基于视觉手势识别的研究—综述

手势是一种自然而直观的人际交流模式.基于视觉的手势识别是实现新一代人机交互所不可缺少的一项关键技术.然而,由于手势本身具有的多样性、多义性、以及时间和空间上的差异性等特点,加之人手是复杂变形体及视觉本身的不适定性,因此基于视觉的手势识别是一个极富挑战性的多学科交叉研究课题.本文从手势建模、手势分析和手势识别等三个方面综述了基于视觉手势识别的研究现状及其应用.     

一种低复杂度的OS-CFAR排序算法

有序统计恒虚警算法是雷达在多目标环境下检测目标的主要方法,数值排序是有序统计恒虚警算法的必要步骤,通常采用的排序算法有希尔排序和快速排序等,本文根据OS-CFAR前后检测单元背景窗有相同单元的特点,提出了一种低复杂度的排序算法,仿真结果表明该算法较常规排序算法在运算复杂度上有很大的改善。