交通监控场景下的相机标定与车辆速度测量

针对交通监控场景中对车辆速度测量的需求,提出了一种相机标定方法和车辆速度测量方案。首先,通过深度学习YOLO检测算法和光流跟踪算法对图像中的车辆目标进行检测和跟踪,根据获得的轨迹集合使用级联霍夫变换计算出道路方向上的消失点,从而检测出道路上的标志线。之后根据消失点和标志线,使用试探焦距思想完成相机标定任务。最后通过计算多帧之间瞬时速度的平均值来实现车辆速度的测量。通过真实交通监控场景的实验结果表明,这种基于消失点的自动相机标定方法具有较好的稳定性和较高的标定精度,能够满足车辆速度测量和实际工程应用的需求。     

利用交比不变性的摄像机内参数标定方法

提出一种完全线性的针孔摄像机标定方法。在已知一个消隐点的情况下,利用交比不变性及消隐点的知识对摄像机进行标定。该方法简单易用,不涉及图像的匹配问题,也无须知道任何物理度量,整个定标过程可以自动进行。实验表明,该方法精确度较高,鲁棒性较强,有一定的实用性。     

用于视频中车速自动检测的摄像机自动标定方法

针对目前基于视频的车辆测速方法均需通过手工标定而造成的低效和可操作性差的问题,提出了一种对典型配置的道路监控摄像机的焦距、俯仰角、离地距离等重要参数进行自动标定的方法。首选利用自然场景中两组正交平行线在视频图像中形成的消失点之间的内在关系对摄像机的焦距和俯仰角实施精确标定;在此基础上利用视频中目标车辆群体的平均宽度对摄像机与地面之间距离进行自动标定。实验表明,该算法具有参数测量精度高和可靠性好等优点,可作为现有道路视频监控设备实施车辆速度、类别、流量等数据的自动采集、分析和监控,以及电子违章抓拍设备的有效自动标定手段。     

基于交比不变的线结构光标定方法研究

线结构光测量技术是摄像机标定的方法之一,其中光平面的提取是此方法的重点和难点,本文在光平面提取的拍摄方法的基础做了改进,有利于摄像机标定更深入的研究。     

高速公路云台相机的自动标定

目的 云台相机因监控视野广、灵活度高,在高速公路监控系统中发挥出重要的作用,但因云台相机焦距与角度不定时地随监控需求变化,对利用云台相机的图像信息获取真实世界准确的物理信息造成一定困难,因此进行云台相机非现场自动标定方法的研究对高速公路监控系统的应用具有重要价值。方法 本文提出了一种基于消失点约束与车道线模型约束的云台相机自动标定方法,以建立高速公路监控系统的图像信息与真实世界物理信息之间准确描述关系。首先,利用车辆目标运动轨迹的级联霍夫变换投票实现纵向消失点的准确估计,其次以车道线模型物理度量为约束,并采用枚举策略获取横向消失点的准确估计,最终在已知相机高度的条件下实现高速公路云台相机标定参数的准确计算。结果 将本文方法在不同的场景下进行实验,得到在不同的距离下的平均误差分别为4.63%、4.74%、4.81%、4.65%,均小于5%。结论 对多组高速公路监控场景的测试实验结果表明,本文提出的云台相机自动标定方法对高速公路监控场景的物理测量误差能够满足应用需求,与参考方法相比较而言具有较大的优势和一定的应用价值,得到的相机内外参数可用于计算车辆速度与空间位置等。     

基于交比不变性的摄像机标定方法

针对传统棋盘格模板制作过程复杂、精度要求高的问题,提出了一种动态的基于交比不变性的摄像机标定方法。对两幅同源图像中的直线信息进行提取,运用顶点交比序列的唯一性来完成两图像中直线的匹配,从而准确实现了点与点的动态标定。实验结果表明,该方法鲁棒性较好,在自然环境下,对于标定固定位置的摄像机也能运用,表现出了良好的效果,具有广泛的应用性。     

基于超声波技术的人体身高测量仪的设计

利用超声波技术设计了一种非接触式人体身高测量仪.以单片机为控制器,设计了超声波的发射和接收电路,完成了上位机通信,并在VB环境中进行微机测量和监控,完成了温度补偿电路的设计,并完成了相应的软件程序.实验结果表明:该仪器简洁便利,智能化与测量精度较高,可靠性高,可较好地应用于非接触式身高测量.     

交通事故现场摄影测量标定点识别

对交通事故现场测量的现场标定点进行自动识别是提高交通事故摄影测量速度的重要技术。在自然光照条件下,标定点区域不可避免地存在阴影等干扰,采用无限脉冲响应(IIR)递归滤波器对脊线边缘进行检测,可以有效排除阴影干扰。在进行直线提取和聚类的基础上,对标定直线进行识别和排序,并以此为基础对标定点进行识别和排序。直线分类采用动态聚类方法。为了保证聚类的鲁棒性,对传统动态聚类方法的聚类中心生成方法进行了改进,用中位数代替传统方法中的均值,并采用最大、最小距离算法确定初始聚类中心。     

基于单幅图片的相机完全标定

现有相机标定方法的标定过程比较繁琐,不利于标定相机的广泛使用。为此,从摄像机镜头畸变矫正着手,结合标定板信息及消失点约束,提出一种基于单张图片的相机标定方法。利用非线性迭代得到相机镜头的畸变系数,通过线性求解得出相机的内参,直接计算得到相机的外参,从而实现仅需拍摄单张标定板图片的相机完全标定。实验结果表明,该方法在标定板与视平面夹角小于45°的情况下均能成功标定,并且重投影误差小于0.3像素。     

基于未标定图像的三维重建算法

提出一种基于多幅未标定图像的三维重建算法。在标记点匹配的基础上进行射影重建,通过施加度量约束将射影重建升级为欧氏重建,即利用未标定的透视图像恢复相机的内、外部参数以及标记点的三维空间坐标,实现场景的三维重建。标记点易于进行点对精确匹配,较手动拾取匹配提高了效率。实验结果表明,利用该算法能够大幅减小再投影误差。     

视频图像理解在客流统计中的应用

视频图像理解侧重于对时间序列进行分析,既涉及到图像的空间特性,也涉及到视频序列的时间特性,是目前计算机视觉领域的一个研究热点,而客流统计是视频图像理解的一个重要应用.提出了视频图像理解的层次结构,即视频图像分割、目标识别、场景和行为理解,同时对每个层次的操作对象、任务和技术领域进行描述,然后总结了客流统计方法的一些研究成果,将客流统计分成行人计数和人群密度估计两种问题,并利用该层次结构解决这个实际应用.     

一种快速的人工场景图像消失点检测方法

人工场景中包含了大量的空间平行线以及垂直边,这些空间平行线映射到图像中相交产生的交点即消失点。消失点检测对摄像机标定、三维场景重建等都有着重要的意义。传统的消失点检测算法往往基于二维霍夫参数空间,复杂度高、效率低。因此,提出一种新的方法,先检测图像中较长的边界线,并将检测到的线段进行筛选、分组;然后利用消失点与焦距之间的制约关系,确定三向消失点的位置以及焦距的大小。该方法将传统的二维霍夫参数空间转换为二级一维霍夫参数空间。实验表明,这种方法运算复杂度低、运行时间短。在室外场景图像中,鲁棒性好,且保持较高的准确率。     

基于消失点检测的铁路环境视频自动拼接算法研究

提出了一种基于铁路环境视频的全景图自动拼接算法。根据铁路环境视频中的场景几何特性,检测场景中的线段及消失点,从而生成场景的空间布局关系;在此基础上,自动构建合适的采样区域,以达到无缝拼接的效果;最后实现全景图的自动拼接。实验结果表明,该方法实现了铁路环境视频的自动化拼接,且得到了更加令人满意的拼接效果。     

基于图像的高度测量方法

文中提出了一种基于单幅图像的高度测量方法。该方法首先根据单幅图像提供的一些几何信息——地平面(或者是与地平面平行的平面)上两对不同方向的平行线和竖直方向的一对平行线——在图像上求得地平面的消影线和竖直方向的消影点；然后，用一个已知的参考高度来确定高度测量方程中的比例因子α；最后只要输入待测高度的端点坐标就可以获得该高度的实际值。经实验验证，该方法简单有效，实用性强。     

带有时延补偿的图像雅可比矩阵估计方法

提出一种新的带有时延补偿的图像雅可比矩阵在线估计方法, 用于存在时延的无标定视觉伺服系统.传统的图像雅可比矩阵估计方法没有考虑时延影响, 从而产生较大的估计误差.为了补偿时延, 本文采用局部拟合方法估计图像雅可比矩阵, 以获得当前时刻更准确的图像雅可比矩阵估值, 并可对图像预补偿. 本文以无标定的移动机器人和视觉传感器为实验对象,仿真和实验表明该方法改善了系统的动态性能, 减小了稳态误差,从而验证带有时延补偿的图像雅可比矩阵估计方法的可行性和有效性.     

面向监视视频实时分析的快速行人检测方法

为解决监视视频实时分析应用中行人检测效率低的问题,提出一种快速行人检测方法。首先,采用运动侦测方法提取运动区域,并结合行人检测要求对运动区域进行尺寸扩展、归一化和拼接操作;然后,在拼接图像上结合积分图快速提取各运动区域的Haar特征,并采用双支持向量机实现快速的特征分类;最后,结合包围盒相交策略进行帧间滤波,降低行人误检现象。实验表明,本文方法不仅可以实时检测行人目标,而且检测错误率低于现有主流方法。     

Visual Recognition of Types of Corridor Segments for Mobile Robots

This paper presents a visual recognition method to identify types of corridor segments such as T-junctions, L-junctions, and dead ends using vanishing point-based visual features and a two-layer recognition framework. This approach is useful for efficient robot navigation in the sense that a mobile robot is able to recognize the corridor segment type before reaching it, allowing the robot to make navigation decisions in advance. Furthermore, owing to our novel visual features made by using nonvertical vanishing points satisfying Manhattan world assumption, it is more probable for a mobile robot to recognize corridor segment types under partial occlusion by human. Experimental results have also been provided to demonstrate the validity of the proposed approach in real world environments.     

近岸海浪视频浪高自动检测

目的 目前基于视觉信息的海浪要素检测方法分为基于立体视觉和基于视频/图像特征的检测方法,前者对浪高的解析不稳定、模型复杂、鲁棒性较差、不能很好地满足实际应用的需求,后者主要检测海浪的运动方向和浪高等级,无法获取精确的浪高值,其中基于图像特征的检测受限于先验知识,检测稳定性较差。为此,本文结合深度学习的特征学习机制,提出了一种面向近岸海浪视频的浪高自动检测方法。方法 从近岸海浪监控视频中提取视频帧图像,计算相邻两帧差分获取差分图像,通过数据预处理对静态图像集和差分图像集进行数据扩充;针对两类图像集分别设计多层局部感知卷积神经网络NIN（network in network）结构并预训练网络模型;分别用预训练的网络模型提取静态图像和差分图像的高层特征来表达空间和时间维度的信息,并融合两类特征;通过预训练支持向量回归SVR（support vactor regerssion）模型完成浪高的自动检测。结果 实验结果表明,本文近岸海浪视频浪高检测方法在浪高检测上的平均绝对误差为0.109 5 m,平均相对误差为7.39%;从不同绝对误差范围内的测试集精度上可以看出,基于时间和空间信息融合的回归模型精度变化更加平稳,基于空间信息的NIN模型的精度变化幅度较大,因此本文方法有较好的检测稳定性。结论 通过预训练卷积神经网络提取近岸视频图像时间和空间信息融合的方式,有效弥补了人工设计特征的不完备性,对近岸视频的浪高检测具有较强的鲁棒性,在业务化检测需求范围内（浪高平均相对误差≤ 20%）有着较好的实用性。     

Visual servoing tracking control of uncalibrated manipulators with a moving feature point

The paper is concerned with the problem of uncalibrated visual servoing robots tracking a dynamic feature point along with the desired trajectory. A nonlinear observer and a nonlinear controller are proposed, which allow the considered uncalibrated visual servoing robotic system to fulfil the desired tracking task. Based on this novel control method, a dynamic feature point with unknown motion parameters can be tracked effectively along with the desired trajectory, even with multiple uncertainties existing in the camera, the kinematics and the manipulator dynamics. By the Lyapunov theory, asymptotic convergence of the image errors to zero with the proposed control scheme is rigorously proven. Simulations have been conducted to verify the performance of the proposed control scheme. The results demonstrated good convergence of the image errors.     

Automatic reconstruction of 3D human motion pose from uncalibrated monocular video sequences based on markerless human motion tracking

We present a method to reconstruct human motion pose from uncalibrated monocular video sequences based on the morphing appearance model matching. The human pose estimation is made by integrated human joint tracking with pose reconstruction in depth-first order. Firstly, the Euler angles of joint are estimated by inverse kinematics based on human skeleton constrain. Then, the coordinates of pixels in the body segments in the scene are determined by forward kinematics, by projecting these pixels in the scene onto the image plane under the assumption of perspective projection to obtain the region of morphing appearance model in the image. Finally, the human motion pose can be reconstructed by histogram matching. The experimental results show that this method can obtain favorable reconstruction results on a number of complex human motion sequences.