基于双目视觉的并联仿生髋关节位姿检测

相较于三维坐标测量仪、激光跟踪仪等传统测量设备，双目视觉检测是一种无接触的检测方式，不会对目标的运动产生干扰和破坏，且更为经济、灵活和方便，因此采用双目视觉技术对3-RRR+(S-P)并联仿生髋关节的位姿进行检测。为提高位姿检测的精度、鲁棒性和通用性，设计了一种方便提取且角点可自动辨识的自编码视觉标识物、提出了一种基于边缘交点坐标反馈式的角点检测算法，该算法主要包括HSV色彩空间下的标识物提取、Canny边缘检测、Hough直线检测、亚像素角点检测和三维重建等流程，将标识物角点检测简化为检测标识物边缘线段并求得交点，再经由亚像素角点检测算法进行提纯的过程。最后，通过双目相机与自编码视觉标识物的布置建立并联仿生髋关节的位姿检测系统，进行位姿检测实验并采用激光跟踪仪进行对比实验，通过分析与实验验证：该系统具备较高的精度、鲁棒性和通用性。     

基于双目视觉的智能监控系统运动目标自动化跟踪方法

传统方法无法对目标精准定位,在动态环境下跟踪精准度低,提出基于双目视觉的智能监控系统运动目标自动化跟踪方法。采用背景差分法构建背景模型,通过计算二值差分图像比较差分图像像素和某特定阈值,确定检测目标具体位置。研究以双目视觉安全防护为基础的监控示意图,利用特征向量线性组合表达不同人脸变化或特性,根据具体实施步骤设计人脸监测与识别流程,采用CamShift跟踪算法求局部最优解,获取重投影矩阵,在监控系统运动目标发生遮挡后再次进行自动化跟踪。以Python为语言基础进行实验对比分析,由实验结果可知,基于双目视觉方法跟踪精准度较高,能够实现对运动目标的精准定位。     

机器人双目视觉目标跟踪研究

简要介绍了双目视觉系统的软硬件组成,分析了图像采集模块得到的图像颜色模型的特点,将图像采集卡得到的图像转换成HSV格式.根据目标的颜色特征信息,进行双阈值图像分割,根据象素分布,得到目标跟踪窗口.从目标跟踪窗口得到目标的轮廓、中心等信息,由双目系统,求出目标距离.设计了一个简单的目标跟踪算法,控制电机转动,实现目标的对中.     

高速立体视觉与机械运动异常动作三维检测

建立了高速立体视觉系统,实现了高速周期性机械运动的500帧/秒实时检测,可以对高速运动中瞬间发生的异常动作进行智能检测,并且自动保存该时刻的高帧率图像.为保证高速处理,提出了利用周期相位提取理论创建特征样本库的方法,建立了2套图像与特征样本空间;同时提出了双目高速视觉实时检测算法,可以在2 ms内同步完成双目相机的图像匹配、异常动作检测和自动录像功能.为计算异常动作的空间位置,利用双目立体视觉计算异物的三维运动轨迹.实验使用缝纫机的机械部分模拟约12 Hz的高速周期性机械运动,本系统可完成双目视觉的实时检测和三维轨迹追踪,结果证明了高速立体视觉系统和检测算法的有效性.     

基于改进PID算法的机器人双目视觉跟踪系统

概述了自主研制的机器人双目视觉跟踪系统，重点描述了所设计的基于单片机的目标速度反馈PID控制算法，并通过实验检验了该视觉跟踪系统的控制性能。实验证明该系统解决了普通图像直接反馈控制方法由于非线性原因而产生控制效果差的问题，基于目标速度反馈的PID控制算法优于普通图像直接反馈的控制算法。     

基于双目视觉的运动目标检测跟踪与定位

为克服传统目标检测跟踪方法无法对目标准确定位,以及在复杂环境下容易受光照、阴影等因素干扰的问题,提出了基于双目视觉的目标检测跟踪与定位方法。首先使用Matlab标定工具箱和OpenCV进行摄像机标定和图像校正,然后利用基于双目视觉的背景差分法实现目标检测,结合基于Kalman滤波的改进Camshift算法实现目标跟踪,最后利用视差图得到目标三维信息,从而实现目标定位。实验结果表明,所提方法能够实时跟踪运动目标并实现目标的准确定位。     

基于人类视觉特性的机器视觉系统

视觉跟踪是当前计算机视觉领域中的研究热点.根据人类视觉系统视敏度非均匀分布、兼顾全局性与选择性的特点, 构建了一种广域监视与局部精确跟踪相结合的仿生机器视觉系统.用全方位摄像机系统模拟视网膜周边视觉功能, 360°范围内实时检测运动目标和重新定位新的目标; 用PTZ摄像机系统模拟中央凹视觉功能, 完成局部精确注视与平滑跟踪.给出了系统控制策略、运动检测算法及实验结果.为解决视觉跟踪中高分辨率、大视场和实时性三者之间的矛盾提供了一条有价值的途径.     

概念设计平台中的摄像机标定方法

提出了一个基于增强现实技术的概念设计平台原型系统,应用双目立体视觉的方法,实现对油泥模型和雕塑刀具的跟踪.本文基于平面标志物进行标定的方法,对原型系统中的CCD进行了标定,获得了正确的摄像机参数.实验结果表明,该系统中使用的镜头存在严重的非线形畸变,通过对镜头进行校正的方法,获得了无畸变的理想图像.     

并联机器人双目主动视觉目标定位的研究

为解决并联机器人"盲"工作状态,提高并联机器人的运动精度,构建了一种对并联机器人工作空间监测的双目主动视觉监测平台,并在双目主动视觉监测平台上给出了一种视觉空间目标定位算法.该算法分别研究了两个摄像机光轴在同-平面和不同平面时的空间目标定位问题.     

基于双目视觉的目标定位系统设计

基于双目视觉原理进行目标定位可以得到目标的深度信息。本文对双目视觉关键技术中的摄像机标定和立体匹配进行深入研究,采用改进的平面标定法和基于外极线约束和灰度相关性的立体匹配算法。搭建双目视觉系统实验平台,编制目标定位程序。实验结果验证本文方法的准确性。     

基于双目视觉的六自由度工业机器人控制系统研究

目前机器人视觉系统正越来越广泛地应用于视觉检测、视觉引导和视觉装配领域。为了使机器人能够快速准确地识别、检测、抓取工作台上的工件,该文设计了一套双目视觉的六自由度工业机器人控制系统。文中以张正友摄像机标定法为理论依据研究双目视觉合成技术,利用MATLAB摄像机标定工具箱分别获取左右摄像机的内外参数;通过建立机器人用户坐标系、摄像机坐标系以及世界坐标系实现了空间坐标转换;由OpenCV图像处理算法获得工件坐标位置,控制系统驱动机器人实现工件抓取。     

双目视觉在移动机器人定位中的应用

为采用双目视觉进行室内移动机器人定位,开发了一种室内移动机器人定位系统。介绍了双目视觉在机器人定位中的原理,采用移动机器人和MicronTracker视觉系统构建了定位实验系统,进行了测距实验,并分析了测距精度,最大误差为8.644mm,在此基础上进行了移动机器人双目视觉定位实验。实验结果表明,双目视觉定位最大偏差为3.635cm,定位精度较高而且系统稳定性好,受环境因素影响小,可满足机器人的定位精度要求。     

挖掘机器人双目视觉系统标定方法与立体匹配

在挖掘机器人视觉系统实现中,摄像机标定、特征提取、立体匹配是关键环节,而立体匹配又是视觉系统中最复杂、最重要的步骤。首先分析了通用双目立体视觉模型及平行双目立体视觉模型,对挖掘机器人平行双目立体视觉系统测量方法及参数标定进行了研究。结合基于特征的匹配方法,通过对左、右图像角点的提取,实现了基于极线几何约束的特征点匹配。通过对铲斗图像匹配实验,验证了该方法能满足挖掘机器人视觉系统要求。     

基于双目视觉的主从式机器人主手系统设计和研究

提出了一种基于双目视觉的主从式机器人主手系统,采用双目视觉技术实时识别并跟踪手柄的运动,同时测量其空间位姿。首先通过背景差分法检测出手柄,然后用卡尔曼滤波器对手柄的位置和速度进行预测,跟踪手柄的运动。在标记点的立体匹配中采用了特征匹配和区域灰度匹配相结合的方法,并引入唯一性和顺序一致性约束来剔除伪匹配,最终测罱出手柄的实时空间位姿信息。实验结果证明系统方案是可行的。     

双目立体视觉的光学标定技术

为了通过二维图像信息计算三维空间中的几何信息,对摄像机系统进行精确标定。在建立和分析双目立体视觉模型和现有摄像机标定方法的基础上,提出一种新的光学标定方法。该方法通过构建和分析双目摄像机理论模型,并改进现有的方法实现了双目立体视觉的光学标定。实验在双目摄像机平台上,采用黑方格模板和通过算法实现了光学参数的标定,使用Levenberg-Marquardt算法优化单应矩阵,并通过最大似然估计法进行参数优化,通过试验模型测定,结果显示其实际标定精度为0.050 9mm,满足双目立体视觉的测定需求。     

一种基于多轴高响应直线驱动的仿生视觉平台

根据自主视觉导引机器人(如无人驾驶、自动导航、机器手作业和空间探测等)在复杂场景下因颠簸、振动、坡度变化、离焦和目标快速移动造成成像不理想甚至失去对目标的跟踪问题,提出了一种自主机器人仿生视觉平台。该平台仿照人眼运动机理,通过多轴直线电机驱动模型可对目标物体进行随动跟踪。与传统仿生视觉平台不同,直线电机高响应性的特点不仅可以提供更快更精确的追踪效果,而且有能力应对外界干扰并进行快速响应。为自主机器人智能追踪系统提供了关键基础部件的设计原理和方法。     

基于双目立体视觉的摄像机外参数快速在线自标定算法

提出了一种基于双目立体视觉的摄像机外参数在线自标定算法。该算法采用理想的小孔成像模型,事先离线标定好摄像机的内参数,且各项内参数在自标定过程中均不发生变化,通过双目系统采集的二维目标图像,进行匹配和分析计算,来实时标定视觉系统的位置参数即摄像机的外参数。由于该算法可以实现摄像机快速在线标定,可以实时获得视觉系统位置参数,故可为无人机的自主着陆提供高度信息。     

基于神经网络的双目视觉传感器建模

根据双目视觉传感器的工作原理 ,分析了影响测量精度的因素 ,表明双目视觉传感器的物体空间坐标与图像坐标之间存在复杂的非线性映射关系 ,其数学模型无法用解析式精确地加以描述。因此 ,提出一种基于神经网络的双目视觉传感器建模方法。数值实验表明 ,该方法简便易行 ,建立的模型有较高的精度     

用于弱纹理场景三维重建的机器人视觉系统

为了实现机器人在弱纹理场景中的避障和自主导航,构建了由双目相机和激光投点器构成的主动式双目视觉系统。对立体视觉密集匹配问题进行了研究:采用激光投点器投射出唯一性和抗噪性较好的光斑图案,以增加场景的纹理信息;然后,基于积分灰度方差(IGSV)和积分梯度方差(IGV)提出了自适应窗口立体匹配算法。该算法首先计算左相机的积分图像,根据积分方差的大小确定匹配窗口内的图像纹理质量,然后对超过预设方差的阈值与右相机进行相关计算,最后通过遍历整幅图像得到密集的视差图。实验结果表明:该视觉系统能够准确地恢复出机器人周围致密的3D场景,3D重建精度达到0.16mm,满足机器人避障和自主导航所需的精度。与传统的算法相比,该匹配方法的图像方差计算量不会随着窗口尺寸的增大而增加,从而将密集匹配的运算时间缩短了至少93%。