基于SIFT算法的飞机驾驶舱按钮开关识别

飞机自动驾驶机器人使用视觉系统对驾驶舱内的按钮进行识别、定位与姿态测量以引导机械臂完成按钮操作。提出了一种基于SIFT算法的按钮识别方法,通过透视变换计算出用于表示按钮空间位置的中心点或按钮上其他目标点的像素坐标,为按钮定位和姿态测量环节提供数据支撑。通过对图像进行涂抹、调整亮度等方式模拟按钮文字有污损、环境过亮或过暗等飞机驾驶舱可能出现的不良条件,然后进行按钮识别测试,验证了SIFT算法能够适应这些不良条件。     

改进Harris-SIFT算法在双目立体视觉中的应用

针对双目立体视觉图像匹配的实时性问题,提出了一种改进Harris-SIFT算法,克服了原SIFT算法提取的特征点不是角点且耗时长等问题。该算法首先用改进Harris算子进行角点提取,然后用SIFT算子构建特征描述子,最后对提取的特征点采用欧氏距离度量点对的相似性,利用最近邻搜索策略进行特征匹配。在VC++6.0与Open CV平台上,通过实验比较了所提算法与SIFT算法的特征点提取匹配结果,证明了所提算法的有效性与实时性。     

基于改进ORB特征的遥操作工程机器人双目视觉定位

为了提高遥操作工程机器人定位系统图像处理的实时性,提出一种基于改进ORB特征的遥操作工程机器人双目视觉定位方法。利用图像二分法剔除掉图像中的无效区域,只保留匹配区域,采用ORB算法完成有效区域的匹配,最后采用RANSAC算法剔除伪匹配,得到较为精准的匹配点对。与传统算法对比实验结果表明,该方法可以提高匹配效率,消除误匹配,提高匹配精度,定位效率高,能满足遥操作工程机器人作业的实时性要求,可为遥操作工程机器人及其他领域遥操作机器人的视觉提示系统设计提供技术参考。     

改进SIFT用于全景视觉移动机器人定位

经典SIFT算法的计算量比较巨大,在应用到图像匹配中,尤其是多地图检索的图像匹配定位中时不能满足系统实时性的要求。可用于全景视觉传感器图像的改进SIFT算法,在不改变原算法匹配稳定性的基础上,通过修改原算法的采样规则,同时针对对复杂和简单两种情况下的图像采用不同的采样方式,使系统基本可以达到实时的效果。结果表明,改进算法可以实现高效、准确的定位。     

图像尺寸对机器人视觉定位实时性的影响研究

尺度不变特征变换（Scale Invariant Feature Transform,SIFT）算法由于具有尺度、旋转和光照不变等特性,被广泛应用到移动机器人视觉定位领域。由于定位计算中使用的特定标示物图像及背景图像的尺寸对定位计算时间影响较大,为提高移动机器人视觉定位的实时性能,分别改变待识别图像以及背景图像的尺寸,进行了图像匹配实时性测试实验。实验结果表明,特定标示物图像和背景图像的尺寸缩小到40%～60%时,移动机器人视觉定位实时性提高30%～40%左右,特征点数减少20%～30%左右。在满足定位精度要求的情况下,大大提高了定位的实时性。由此可知,通过合理选择图像的尺寸不仅可以满足匹配精度,还能提高移动机器人的视觉定位效率,对于类似该实验使用的移动机器人视觉定位具有广泛的指导意义。     

基于SIFT和TPS算法的四旋翼无人机图像自动配准

针对四旋翼无人机图像姿态倾角大、图像变形明显等特点,采用尺度不变特征变换(SIFT)算法和薄板样条模型(TPS)对四旋翼无人机图像进行特征点匹配和配准实验研究,从拼接图像的目视效果和配准均方差方面比较分析了TPS模型与常用的仿射变换及多项式变换模型的图像配准效果。结果表明:在SIFT算法精确的同名点匹配下,TPS变换模型能够兼顾四旋翼无人机图像的整体刚性变形及局部的非刚性变形,无论是目视效果还是均方差定量分析,TPS变换的图像配准精度最高\,效果最好,能够满足四旋翼无人机图像的快速配准、拼接要求。     

无人飞行器视觉SLAM特征检测和匹配算法研究

近几年图像局部特征检测和描述在机器人视觉中得到了广泛的应用,鲁棒的、快速且高精度的视觉特征检测和描述算法对飞行器进行实时的位姿估计和地图构建具有决定性意义;针对四旋翼无人飞行器平台的RGB-D传感器同时定位与地图构建(SLAM),讨论FAST、STAR、SIFT和SURF等检测算法和ORB、FREAK和SURF等匹配描述符的性能,对不同的特征算法进行对比评估出最合适的特征检测方法和匹配描述符;最后,基于Eclipse与OpenCV平台进行了实验,实验结果表明FAST检测和FREAK描述符比其他方法更适用于四旋翼飞行器在板视觉SLAM,且能基本满足实时性。     

基于GPU-SIFT算法的飞行器视觉导航姿态估计关键技术

针对传统惯性导航累积误差大的缺陷,研究提出了一种视觉导航姿态估计方法;首先提取图像的局部特征,分别对SURF(speeded up robust features)、SIFT (scale-invariant featuretransform)及GPU-SIFT特征提取算法进行了比较;保证算法精度及实时性后,将实时图与基准图库进行局部特征匹配,并利用EPnP算法进行飞行器的六自由度参数解算;实验结果表明GPU-SIFT算法精度最高,且随着图像分辨率的提高,其计算速度相比SURF和SIFT算法有了显著提高,该方法在一定条件下具有较高的位姿精度和良好的实时性.     

基于双目视觉的新型并联机构末端位姿检测

针对一种新型3-DOF驱动冗余并联机构,为提高双目视觉末端位姿检测的实时性和精度,首先采用Harris-SIFT算法对图片进行预匹配,通过Harris提取图像特征点,并采用SIFT特征描述子对图像进行匹配,使得匹配结果兼具实时性和稳定性;为解决匹配算法存在的误差匹配和错误匹配问题,提出一种改进的RANSAC算法对预匹配结果进行提纯,该改进方法通过分格取点和提前取点验算临时模型克服常规RANSAC算子匹配不准确、算法费时的缺点.实验结果表明,采用改进的RANSAC算法提纯较常规RANSAC算子不仅可以大幅度降低图像处理时间,而且可以更大程度提高匹配正确率,进而位姿检测的实时性和精度得以提高.     

热超声倒装键合机的视觉系统定位精度实验研究

简要说明了视觉定位原理及定位实验数据的采集过程,并对倒装键合实验台的视觉定位系统的误差进行了理论分析。以热超声倒装键合实验台为平台,应用HexSight图像处理软件,对实验用1mm×1mm的表面有8个凸点的芯片进行定位实验。根据测得的实验结果,分别对定位系统的平移误差和旋转误差进行了分析。采用对5次识别结果取平均值的优化方法,使角度误差减小到0.023766°,单项误差减小到0.183μm,综合误差减小到0.554μm。试验结果表明,该视觉定位系统达到了热超声倒装键合过程中芯片与基板之间的定位精度的要求。     

基于改进SIFT算法的无人机航空应急测绘系统设计

针对现有无人机航空应急测绘系统,不能适用于地表特征应急测绘,无法满足无人机航空大比例尺测图的实际应用需求,设计基于改进SIFT算法的无人机航空应急测绘系统;根据不同固定翼无人机产品的性能差异,分析传感器、发动机、无人机平台等硬件结构之间的系统架构,提出一体化的应急测绘系统设计方案,完成系统硬件设计;基于SIFT算法的应用原理,结合BRISK描述子参量,采用改进SIFT算法,对相关测绘特征点进行匹配处理,再联合已知的SIFT算法改进方向,完善测绘处置的基本流程,实现系统软件设计;实验结果表明,该系统的视频数据、光学影像、SAR数据中频率的最大值为7.06 Hz,空频时间的最大值为0.03,与CH-4航空应急测绘系统相比,该系统所获数据能够完全满足人机航空大比例尺测图的实际应用需求,且适用于航空摄影的地表特征,并为其提供了有效的应急测绘保障。     

基于不同平面的无线传感器网络节点定位算法

作为一种全新的信息获取和处理平台,无线传感器网络广泛应用在环境恶劣、不可到达领域中实现监测与跟踪任务。考虑到无线传感器通常部署在非平面应用场景,提出了一种基于补偿系数节点定位算法。算法中利用加权平均方法来计算补偿系数,同时在三边测量法中使用最小二乘解来提高无线传感器网络节点自身定位的准确程度。仿真实验表明该算法与传统的位于同一平面理想状态定位算法相比,更能提高定位精度以满足实际应用的需要。     

基于ORB特征的无人机遥感图像拼接改进算法

针对传统的SIFT算法运行速度较慢、不适合处理实时性要求高的无人机遥感图像的缺点,提出了一种基于ORB特征的快速遥感图像拼接改进算法。首先通过ORB算法快速得到特征点和特征描述,采用K最近邻算法（KNN）进行粗匹配,然后采用随机抽样一致性算法（RANSAC）进行精匹配,最后使用改进的加权平均方法对图像进行融合拼接。实验结果表明,该算法在保证匹配精度的基础上,处理速度较经典的SIFT算法提高了41倍。在图像融合时,该算法能有效地消除拼接重影错位现象。     

SIFT算法的并行实现及应用

SIFT算法广泛应用于计算机视觉等领域,而该算法具有较高复杂度,为此提出了一种基于改进SIFT特征提取的视频全景合成方法。该方法采用了多核系统平台并行优化来实现SIFT算法,首先对相邻视点的特征进行配准,然后对重合区域进行双线性融合,减少了视差的影响,同时克服了SIFT算法高复杂度问题。实验结果证明,SIFT算法的并行实现能够实时处理视频拼接,并在大角度旋转情况下仍能较好地合成视图。     

基于简化Forstner算子改进的SIFT无人机图像识别算法

根据无人机获取图像信息量大、处理实时性要求高的特点,寻找一种符合无人机特点的图像目标识别算法,提高图像识别的效率。SIFT(Scale Invariant Features Transform)算法具有良好的准确性和鲁棒性,能够克服一定的图像形变及遮挡影响,但其还难以满足无人机图像的处理实时性,利用简化的Forstner算子对SIFT算法进行改进,降低SIFT算法特征点获取过程的计算量。通过仿真实验,证明改进的SIFT算法可以提高识别和匹配的速度和准确率,可以满足复杂背景下无人机目标识别精度与速度的需求。     

基于改进TLD算法的无人机自主精准降落

四旋翼无人机（Unmanned Aerial Vehicle,UAV）在航拍、测绘、环境监测、快递等航空领域的广泛应用,对四旋翼无人机的可用性和可靠性提出了更高的要求,而其实现自主精准降落的功能是必不可少的。对目标进行快速鲁棒性跟踪是实现降落的重要基础,TLD（Tracking Learning Detector）算法为这一问题提供了一种有效的解决办法,虽然许多学者对其进行了研究并对传统的TLD算法进行了改进,但算法的跟踪精度及速度仍然难以满足无人机的降落要求。提出了一种基于TLD框架的目标跟踪算法来实现无人机与特定降落目标之间的相对定位。该算法在TLD框架下,提出一种基于目标形状特征自主确定降落目标的算法,提高了降落流程的自主性;用核相关滤波器（Kernelized Correlation Filter,KCF） 实现了TLD框架中的跟踪器,提高了算法的实时性、精准度及鲁棒性;同时在降落过程中采用一种基于方向梯度直方图特征（Histogram of Gradient,HOG）和支持向量机（Support Vector Machine,SVM） 的目标识别方法,以实现目标检测自矫正,保证长时间准确跟踪目标。在七类模拟无人机进行降落的视频集下验证了该算法,与其他三种跟踪算法进行对比,并进行实际降落测试。测试结果表明,该算法的鲁棒性和精准度均优于其他算法,处理速度可达到31.47?f/s,故而在TLD框架下采用核相关滤波器作为跟踪器,对跟踪及检测结果进行有效融合并提高算法实时性的同时,增加的检测自矫正环节保证了长时间跟踪的准确度,从而有效地实现了无人机全自主精准降落。     

基于XGBoost的客户所在店铺WiFi定位技术研究

为了减小室内复杂环境等因素对WiFi定位的影响,降低定位成本,提高定位精度并缩小定位区域,通过对室内定位系统和相关机器学习算法进行深入分析和探讨,提出了一种基于XGBoost的WiFi室内定位算法。根据WiFi信号强度分布不均匀的特点,此算法通过提取WiFi强度特征,并利用XGBoost分类器对信号来源进行定位。实验结果表明,该定位算法在WiFi强度特征可检测时达到了87.72%的定位精度,达到预期的定位效果,同时定位时间较短,稳定性较好,可以基本满足实时定位的要求。     

基于单目视觉的智能物料分拣机器人的设计

为解决目前工业物料分拣机器人发展的需求问题,以模拟自动化物流系统的作业流程为目标,提出了一种基于单目视觉的智能物料分拣机器人的设计。为实现物料的自动分拣过程,以STM32作为核心控制器,驱动OV2640摄像头对图像进行实时采集、处理与分析,实现颜色识别和目标定位,并将处理结果传送给驱动控制系统。在图像标定方面,采用读取TFT屏中目标的坐标和求取目标的实际坐标,通过MATLAB软件来进行数据拟合,找出两个坐标的函数关系,从而实现目标的定位。采用遍历腐蚀算法、增量式PID算法、DBCSAN算法和Dijkstra算法,分别完成对随机摆放的物料的自动识别和定位、电机控制和路径规划。实验与竞赛结果表明,该单目视觉分拣机器人的分拣准确率和效率高,能够实现智能分拣功能。