基于计算机视觉的车辆辅助导航定位方法

为了将大型车辆准确地将大型车辆停放到某一位置,论文提出了一种基于计算机视觉的车辆辅助导航定位方式.通过隔行累加基础上的Hough变换检测出导航标尺的位置,分析了车辆导航定位所需的信息量,并根据导航标尺给驾驶员实时提供角度和位置信息.试验表明,该方法不仅结构简单,便于硬件实现,而且实时性好.     

基于计算机视觉高速智能车辆的道路识别

论文研究了基于计算机视觉高速智能车辆的道路识别。通过对JLUIV-4智能高速车辆系统采集的图像进行中值滤波、边缘增强、最优阈值二值化,获得良好的梯度图像。根据道路特征采用Hough变换识别出道路边界。使用感兴趣区域,减少图像处理时间和提高道路识别的可靠性。JLUIV-4的高速导航实验表明,该算法具有良好的实时性、可靠性和鲁棒性。     

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.     

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。     

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.     

单目变焦摄像机自运动的标定测量法

为了在单目摄像机变焦情况下测量其自运动参数,提出一种单目变焦摄像机自运动的参数标定测量法。在飞行平台着陆过程中,固连其上的单目俯视摄像机对包含已知世界坐标的特征点的静态着陆平面进行连续拍摄,该方法利用单帧图像可解算得到摄像机拍摄当时的等效焦距及其相对于着陆平面的6自由度位置,结合多帧信息即可对摄像机自运动的运动速度进行估计,进而转换为飞行平台的着陆运动参数。实验结果证明该方法可行有效。     

视觉导航中的单目摄像机标定改进算法

在基于单目视觉的智能车自主导航系统中,摄像机标定是智能车实现安全准确视觉导航的前提和关键。研究摄像机理想模型和实际模型,提出一种改进的标定方法。结合线性模型和非线性模型的优点,在求解摄像机内外参数的过程中,先采用线性模型标定摄像机的一部分参数,进一步考虑简化畸变模型,将非线性方程组转化为线性方程组迭代求解,最终获得摄像机全部参数。该方法既保证了标定精度,又简化了复杂的摄像机实际模型。实验结果表明该方法能满足视觉导航要求。     

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。     

基于单目视觉的空间目标位置测量

针对工业生产过程中工件等空间目标定位的问题,给出了一种采用直线与平面相交的定位方法。首先利用单目视觉获得目标的图像,然后利用成像的基本原理,以及直线与目标所在平面的交点来确定目标特征点的空间坐标,进而得到目标的位置信息。该方法原理简单,并通过实验表明:其定位精确性较高,还能很好地满足工业过程中的生产要求。     

Robust and real-time self-localization based on omnidirectional vision for soccer robots

Self-localization is the basis to realize autonomous ability such as motion planning and decision-making for mobile robots, and omnidirectional vision is one of the most important sensors for RoboCup Middle Size League (MSL) soccer robots. According to the characteristic that RoboCup competition is highly dynamic and the deficiency of the current self-localization methods, a robust and real-time self-localization algorithm based on omnidirectional vision is proposed for MSL soccer robots. Monte Carlo localization and matching optimization localization, two most popular approaches used in MSL, are combined in our algorithm. The advantages of these two approaches are maintained, while the disadvantages are avoided. A camera parameters auto-adjusting method based on image entropy is also integrated to adapt the output of omnidirectional vision to dynamic lighting conditions. The experimental results show that global localization can be realized effectively while highly accurate localization is achieved in real-time, and robot self-localization is robust to the highly dynamic environment with occlusions and changing lighting conditions.     

多传感器数据融合的智能电动车自主导航

以四轮驱动电动车为研究对象,将智能电动车上多种传感器所采集的信息进行处理与融合,实现校园环境里的自主行驶与导航.提出了在空旷路段和沿墙导航的控制决策,着重研究了沿墙算法和入弯算法,使智能电动车在不同的环境下可以有效地完成自主导航.实验结果表明:该导航控制策略和算法具有较高的可靠性.     

智能车辆视觉导航横向模糊控制策略仿真研究

针对智能车辆视觉导航横向控制中存在的适应性问题,提出了一种基于横摆角速度与横向偏差的智能车辆横向模糊控制策略。根据车辆于车道内的位置状态信息,建立了横摆角速度预测模型、7自由度车辆操纵动力学模型以及横向模糊推理模型。仿真结果表明,与常规位置偏差控制策略相比较,采用横向模糊控制策略不仅能提高智能车辆横向控制的精确性,并且具有很好的鲁棒性和自适应性。     

基于视觉传感器的道路前方车辆模型研究

车辆几何模型是基于视觉传感器的车辆检测系统的重要部分。为了提高前方车辆检测的鲁棒性,利用车尾轮廓的几何特征构建了世界坐标系的车尾模型,通过坐标系变换给出了视觉传感器坐标系的车尾模型,进而导出图像车尾模型,并给出了车尾模型参数的表达式及其与现实世界中车尾几何参数的对应关系,明确建立了图像中车辆位置和大小的关系。实验表明:将该模型应用于车辆检测可以抑制图像中不符合车辆透视关系的错误识别,能有效提高车辆检测的鲁棒性。     

基于单目视觉的室内机器人障碍检测方案

为提高室内移动机器人障碍物检测能力,提出了一套基于单目视觉的检测方案。该方案首先对拍摄的图像进行色度、饱和度、亮度(HSI)颜色空间转换;然后,针对室内图像中目标和背景的分割,提出了小目标阈值选取法,提高了特定环境下图像分割的准确性;最后,用目标场景匹配法和目标投影匹配法相结合,计算分割后目标像素的变化和投影的变化,从而判别出目标是具有高度的障碍物还是地面图形。实验结果表明该方案的有效性和可行性,可为室内小型移动机器人提供良好的导航信息。     

一种基于线扫描相机的新型交通检测器

针对基于视频的交通检测器的检测精度和实时性难以提高的问题,提出了一种基于线扫描相机的新型交通检测器。该检测器通过两个相距2米的线扫描相机捕获移动车辆的俯视图像,采用小波变换算法进行图像背景更新和目标提取,运用目标投影曲线相关匹配的方法进行车辆速度估计,最终检测出经过检测断面所有车辆的个数和速度。实验结果表明,基于线扫描相机的交通检测器在车辆计数和车速估计方面的性能上均要优于传统的基于视频的交通检测器。     

强光照条件下智能车辆导航路径图像分割方法

OTSU法（最大类间方差法）被认为是图像分割中阈值自动选取的最优方法之一,针对自主开发的视觉导航区域交通智能车辆（Cyber Car）的导航路径在强光照条件下不能直接应用此方法取得准确分割效果的问题,提出了一种基于区域的罗伯特梯度算子的图像分割方法。分割实验表明,与OTSU法分割效果相比,采用的图像分割方法能够准确地对强光照条件下的导航路径图像进行分割,并具有更好的实时性。     

电磁导航智能车检测和控制系统的研究

对电磁导航智能车的信号检测、控制系统的设计和实现做了介绍。通过Matlab对不同路径进行了磁场分析,确立了传感器的排布方案,并针对采集的信号进行了后续信号处理电路的设计,完成了信号的采样,确定了控制策略,单片机根据传感器采集的跑道信号通过A/D转换进行分析,通过增量式PID来控制智能车的速度,并通过脉宽控制舵机转角来实现智能车的拐弯,最终实现了能够针对不同路径稳定快速运行的电磁导航智能车的制作。