基于均值漂移和粒子滤波相结合的水下运动目标跟踪

泳池是一个变化较大的动态场景,会受到气泡、光照强度和水波等因素的干扰,针对泳池环境的复杂性特点,本文提出一种基于均值漂移和粒子滤波相结合的水下运动目标跟踪算法。首先,结合Mean Shift算法中的核函数原理和目标模型,以RGB颜色直方图为核心建立水下运动目标模型,然后在粒子滤波跟踪水下目标的过程中,利用Mean Shift算法对粒子进行收敛,使粒子的分布更加接近目标的真实位置。仿真试验结果表明,本文提出的算法能够克服水波、阴影、气泡、遮挡等因素的干扰,实现了水下复杂背景下的实时稳定的目标跟踪。     

一种改进的基于双权值颜色直方图的均值漂移跟踪算法

在实际应用中,当目标与背景的颜色相似时,均值漂移跟踪算法容易产生跟踪漂移现象.本文基于均值漂移算法,首先提出一种背景削弱权值,结合基于核函数的目标中心加权,有效解决由相似背景带来的跟踪干扰.然后提出一种模板更新策略,提高目标在遮挡、光照、形变等干扰下的跟踪鲁棒性.由老虎图像序列实验可知,提出的改进算法具有更好的跟踪效果.     

基于单目视觉的自主移动机器人监测系统

搭建了一个基于单目视觉的自主移动机器人平台.提出了一种背景模型自更新的差分运动分析算法,用该算法实现的系统能够快速的适应环境的改变,可靠性高.将该算法应用到自主移动机器人中,使机器人实现了对人形物体的识别、跟踪与监测.     

基于单目视觉里程计的移动机器人自定位方法

为解决在列车底部直线移动的机器人对风管进行识别定位摘解时需到达两节车厢之间的自定位问题,提出一种基于单目视觉里程计的自定位方法.该方法根据单目相机在列车底部竖直向上拍摄时图像颜色较深,而当相机将要到达两节车厢之间时所拍摄图像中会有明显亮度变化区域的特点,选取关键帧图像,通过图像处理提取出图像中目标区域信息,根据所提出的...     

基于立体视觉的摄像机运动分析

本文提出一种应用在机器人视觉自主导航中的定量分析摄像机运动参数的方法。首先利用立体视觉技术对选定的特征点进行三维测量,然后提出了点于图像坐标系中运动的卡尔曼滤波模型进行帧间的点追踪,最后利用相邻两帧对应特征点的图像坐标应用到投影变换模型中得到摄像机的运动参数。实验证明本算法估计出的摄像机运动参数具有精度高、实时性好等特点。     

基于显微镜聚焦的微装配视觉伺服研究

利用显微镜聚焦理论,沿显微镜光轴方向移动物体,不断计算图像的灰度变化之和,可判断出物体沿光轴的坐标,将这一坐标集成在伺服控制方程中,可完成立体视觉跟踪。这样,采用单目视觉系统就可以获得物体的三维坐标,避免了双目立体视觉系统的复杂结构。为了提高系统图像处理速度,利用卡尔曼滤波器对跟踪的特征点进行预测,并用窗口处理技术减小图像处理区域。实验和仿真结果表明,上述方法可完成复杂微装配的视觉跟踪,系统有好的实时性。     

基于单目视觉的自由曲面三维坐标测量方法

本文将单摄像机与三坐标测量机结合设计了一种自由曲面的三维坐标测量方法.自由曲面的表面经坐标测量机带动摄像机序列采集图像后形成图像体积,然后使用调焦评价函数在图像体积内寻优判断,找到自由曲面的正焦图像表面.根据物像关系式和正焦图像表面即可推得自由曲面点的三维坐标.经实验比较,本系统测量结果与接触式坐标测量机测量曲面点Z坐标极限偏差13 μm.     

基于mean shift算法的文字分割及应用

传统的文字识别中,文字分割的计算量大,使文字识别速度慢.mean shift算法利用直方图描述和寻找分割区域,算法简单且具有很好的鲁棒性.改进后的mean shift算法,利用字符串间的距离信息及完整字符串经过屏幕所需的时间信息进行预测位置,减少了迭代次数,因此运算速度快,可实时进行跟踪字符串和连续分割.实验结果表明：该算法可以对连续的字符串进行稳定、实时的文字分割.     

移动机器人红外避障和单目视觉跟踪的研究

介绍了移动机器人的避障规则和单目视觉的运动人体跟踪。通过对红外传感器的信息进行采集,根据多传感器信息设计避障规则,通过人体建模,利用很简单且实用的方法实现单目摄像头对人体识别和跟踪。该系统在实验中取得较好的效果。     

基于均值漂移算法的水下视频目标跟踪

鉴于水下的特殊环境,本文利用均值漂移算法对水下视频中的运动目标进行跟踪.首先对水下视频目标对象和候选目标对象分别建立RGB颜色分布加权直方图模型,将这两个模型进行匹配,匹配度用Bhattacharrya系数来表示,搜索出与目标最匹配的候选目标并且更新目标模型,依此类推,从而在视频序列中实现目标跟踪.仿真实验证明,基于均值漂移算法的目标跟踪能够克服水下视频环境中干扰运动目标跟踪的因素:水波、倒影、气泡、游泳池浮标的遮挡等,进一步与基于Kalman滤波器的水下目标跟踪相比(对比),目标跟踪结果表明本文所用的算法能够对水下这种复杂背景的运动目标进行稳定实时的跟踪.     

采用改进Mean Shift算法的移动机器人行人跟踪

为了提高移动机器人目标跟踪系统在复杂环境中的跟踪性能,提出在双层定位机制下采用基于自适应核函数的Mean Shift算法实现目标跟踪.利用射频识别器件(RFID)检测携带标签的目标,实现外层粗定位并确定感兴趣区域(ROI);在内层则根据对视差图的ROI的处理结果确定初始搜索窗口,然后应用基于自适应核函数的Mean Shift算法在从立体相机获得的左图中应用基于自适应核函数的Mean Shift算法实现对目标的精确定位.自适应核函数由目标的区域特征与Epanechnikov函数相融合构成,克服了目标边缘处背景像素对目标颜色概率分布的影响.与传统的Mean Shift算法相比,所提方法在同色背景干扰下仍能准确跟踪目标.另外,RFID限定了图像搜索范围,节省了运算开支,图像处理的平均时间为62.11 ms/frame,满足实时跟踪的要求.实验结果表明,该方法可实现移动机器人在同色背景干扰、遮挡、目标快速移动等情况下的目标跟踪.     

一种基于增广EKF的移动机器人SLAM方法

针对移动机器人同步定位与地图构建(SLAM)过程中系统测程法误差累积问题,采用测程法误差模型和车轮速度误差模型的映像关系,结合增广扩展卡尔曼滤波(AEKF)算法结构和实际机器人模型,提出了一种有效提高定位精度的SLAM方法。将机器人速度校正参数附加到卡尔曼滤波算法的向量空间中,以形成增广状态空间,同时预测和更新了SLAM初始状态空间和速度校正参数,笔者在线实时修正机器人的速度和航向角,避免积累航向角误差,从而降低了测程法误差。基于均方根误差和归一化估计方差进行了仿真实验分析,研究结果表明:与EKF-SLAM相比,所提出的方法具有更好的估计性能,使算法保持良好的一致性,大幅度提高了机器人自身定位精度和路标估计准确度。     

Using a LRF sensor in the Kalman-filtering-based localization of a mobile robot

This paper deals with the problem of estimating the output-noise covariance matrix that is involved in the localization of a mobile robot. The extended Kalman filter (EKF) is used to localize the mobile robot with a laser range finder (LRF) sensor in an environment described with line segments. The covariances of the observed environment lines, which compose the output-noise covariance matrix in the correction step of the EKF, are the result of the noise arising from a range-sensor’s (e.g., a LRF) distance and angle measurements. A method for estimating the covariances of the line parameters based on classic least squares (LSQ) is proposed. This method is compared with the method resulting from the orthogonal LSQ in terms of computational complexity. The results of a comparison show that the use of classic LSQ instead of orthogonal LSQ reduce the number of computations in a localization algorithm which is a part of a SLAM (simultaneous localization and mapping) algorithm. Statistical accuracy of both methods is also compared by simulating the LRF’s measurements and the comparison proves the efficiency of the proposed approach.     

应用智能代理的移动机器人网络控制系统

针对互联网的传输特点,提出了机器人远程控制的可行性方案,构建了基于互联网的机器人的远程控制系统。通过对智能代理特点分析、功能及逻辑结构设计,建立了移动机器人网络智能代理系统。利用基于Java的J2EE组件技术实现了网络控制系统及与机器人控制系统的无缝对接。该网络控制系统适于不同的远程用户对机器人的进行控制,系统具有易用性、自主性和平台无关等特点。     

Optimal depth estimation using modified Kalman filter in the presence of non‐Gaussian jitter noise

The consideration of the noise that affects 3D shape recovery is becoming very important for accurate shape reconstruction. In Shape from Focus, when 2D image sequences are obtained, mechanical vibrations, referred as jitter noise, occur randomly along the z‐axis, in each step. To model the noise for real world scenarios, this article uses Lévy distribution for noise profile modeling. Next, focus curves acquired by one of focus measure operators are modeled as Gaussian function to consider the effects of the jitter noise. Finally, since conventional Kalman filter provides good output under Gaussian noise only, a modified Kalman filter, as proposed method, is used to remove the jitter noise. Experiments are carried out using synthetic and real objects to show the effectiveness of the proposed method.     

数码相机的彩色图像预处理过程

结合数码相机图像采集特性和人眼视觉误差,讨论了彩色图像预处理过程.通过分析彩色图像的数据格式,将八叉树量化方法用于彩色图像的颜色信息量化,并采用矢量中值滤波消除彩色图像噪声,以实现对彩色图像的合理预处理.结合实验讨论分析了矢量中值滤波法的滤波器窗口参数,并结合颜色信息相似度理论提出了彩色图像预处理效果的评价方法.实验获得了合理的颜色量化方法和滤波器窗口参数,处理得到的图像最大色差变化控制在3个CIELAB色差单位.结果表明,用八叉树结构量化和矢量中值滤波对数码相机采集到的彩色图像进行预处理可达到较理想的效果.     

Human following of a mobile service robot with single laser range finder

The human following becomes one of the significant procedure in human-friendly navigation of mobile robots.Many potential applications of human-following technology are developed lately.This paper sugg...     

大面阵彩色CCD航测相机的辐射定标

以大面阵彩色CCD航测相机为研究对象,分析其成像过程,提出了影响相机辐射响应特性的各个因素,并以此为基础,建立了辐射响应特性模型.分别在暗场和使用积分球的条件下进行了辐射响应标定实验,通过组合更改输入辐亮度、曝光时间和CCD增益等因素对相机的辐射响应特性进行测量和分析.结果表明,相机R、G、B颜色通道随输入辐亮度变化的辐射响应特性并不相同,但在工作谱段范围内均呈线性变化趋势.采用最小二乘法对辐射标定数据进行拟合,一次多项式拟合结果的决定系数R2值均可达到0.999以上.当输入辐亮度不变时,相机输出图像灰度值随曝光时间或CCD增益的变化星线性变化趋势,从而为其它工作条件下辐射响应特性曲线的推演奠定了理论基础.将相机辐射响应标定结果应用于相机调光功能,成像结果表明,获得的图像亮度适中,图像平均灰度值满足调光要求.     

Estimation of intra-operative brain shift based on constrained Kalman filter

In this study, the problem of estimation of brain shift is addressed by which the accuracy of neuronavigation systems can be improved. To this end, the actual brain shift is considered as a Gaussian random vector with a known mean and an unknown covariance. Then, brain surface imaging is employed together with solutions of linear elastic model and the best estimation is found using constrained Kalman filter (CKF). Moreover, a recursive method (RCKF) is presented, the computational cost of which in the operating room is significantly lower than CKF, because it is not required to compute inverse of any large matrix. Finally, the theory is verified by the simulation results, which show the superiority of the proposed method as compared to one existing method.