基于单目视觉的前方车辆检测与测距

针对智能车辆控制中的防碰撞问题,提出一种新的前方车辆检测与测距方法。采用多尺度分块二值模式与Adaboost提取车辆候选区域,根据候选区域内的水平边缘和灰度特征去除车辆误检,解决分类器检测过程中路面和绿化带的干扰问题。利用改进的车辆底部阴影定位方法获得车辆准确位置提高测距精度,建立基于位置信息成像模型的车距测量方法,测量前方车辆距离。实验结果表明,该方法在不同天气情况下车辆平均检测率为98.42%,车距测量平均误差为0.71 m。     

基于单目视觉的倒车障碍物测距技术的研究

在摄像头相对障碍物移动距离可知的前提条件下,基于单目视觉的距离测量技术,结合运用有限局域图像快速匹配算法,研究一种可以实时测量后方障碍物距离的增强型倒车影像系统.模拟实验结果表明,所研究的关键技术具有较高的测量精度和较快反应速度,为该系统产品的深入研发和推广应用奠定了良好的技术基础.     

基于单目视觉的移动机器人目标测距方法研究

为实现具有单目视觉的移动机器人对目标物体的定位测距工作,本文提出了一种基于单目视觉的几何测距算法融合的方法。该方法利用圆曲线拟合方法对方法所得的数据进行了优化,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,并通过实验来验证了这种融合方法的可行性。     

基于单目仿人机器人的障碍物测距方法

为了能够实时测量机器人与障碍物的距离,提出一种单目视觉的方法。首先将机器人获取的 RGB 图像转换为HSV图像,在HSV颜色空间对障碍物进行检测和识别,然后利用小孔成像原理和几何坐标变换,计算障碍物与机器人的距离。最后将该方法应用到实验室 Darwin 仿人机器人上,实验结果表明该方法具有可行性和有效性。     

基于单目视觉的前方车辆测距

提出了一种适用于车载摄像机的前方车辆测距方法。建立感兴趣区域,利用帧间差分法初步提取图像,经过后续处理得到目标后,利用粒子滤波进行目标跟踪;通过交比不变性以及消失点的定义进行单目视觉测距并进行相关试验验证。     

基于单目视觉的矿井机车障碍物检测和测距方法

针对现有矿井机车障碍物检测和测距方法存在测距精度低、测量范围小及成本高等问题,提出了一种基于单目视觉的矿井机车障碍物检测与测距方法。该方法首先对CCD摄像机采集的图像进行预处理,然后根据障碍物的特点进行特征提取得到准确的障碍物区域,最后利用基于摄像机内部参数和几何关系的单目视觉测距方法得到机车与前方障碍物之间的距离。测试结果表明,该方法能有效检测机车前方障碍物,且测距精度在有效误差范围内。     

基于单目视觉的移动机器人测距方法

本文针对多机器人编队过程中的跟踪控制,提出了一种跟踪机器人采用单目视觉技术获取前方被跟踪机器人距离信息的方法.该方法首先对跟踪机器人摄像机进行内参数标定,并在目标机器人背部设置视觉标记.然后系统获取目标机器人的含有视觉标记的单帧图像,预处理此图像,并识别出图像中的视觉标记所在的目标区域,用Hu氏不变矩计算该区域形心.最后推导出单目测距算法,利用图像信息和其它参数可以计算出两机器人之间的距离.实验结果表明,所设计的单目测距系统能得到准确的距离,为跟踪控制提供了重要的反馈信息.     

基于单目视觉测距的车辆自动刹车辅助系统设计

针对红外测距与超声波测距探测距离与真实距离差异大,刹车控制智能性不强的问题,设计并实现了基于单目视觉测距的车辆自动刹车辅助系统,系统硬件主要由图像采集模块、图像处理模块、以及电子制动模块组成;通过基于单目视觉测距算法实现软件编程,并在Matlab平台上完成测试,实验中车辆以35km/h驶向障碍物,使在20~70m的实际距离进行仿真测距,单目摄像头俯仰角测定在88°~90°之间,对前方实时车距进行测量,并通过与汽车电子控制单元之间的数据交换对车辆制动进行辅助控制;实验结果表明:在实测距离和系统介入距离均在70m以内时,算法相对误差平均在2%左右,车辆停止地点距障碍物在4.5m左右,说明系统满足车辆智能化辅助制动的实时性要求。     

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。     

基于单目视觉的实时测距方法研究

为了利用单目视觉实时监测本车与前方障碍物之间的距离,在比较了现有的几类用于车辆控制的道路深度信息获取方法的基础上,首先研究了较为适用于汽车自动驾驶的几何关系推导法,进而提出了基于单目视觉的实时测距算法.通过试验可知,由于摄像机的俯仰角是影响实时测距算法的关键因素,因此又提出了基于道路边界平行约束条件的实时计算摄像机俯仰角算法.静态实车试验的结果显示,该基于单目视觉的实时测距算法具有较高的准确性,可以满足测距要求,而动态实车试验的结果则显示,此算法还可以满足汽车智能化控制的实时性要求.     

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。     

A novel monocular calibration method for underwater vision measurement

Multimedia Tools and Applications - Vision measurement systems have a reliable performance on ground, but it remains a challenge to apply commonly-used vision measurement systems (i.e. multi-camera...     

基于单目视觉的夜间车辆识别方法

快速准确地识别车辆是夜间行车安全预警系统的关键技术。提出在RGB空间下基于夜间尾灯图像的实时车辆识别方法。通过对夜间尾灯颜色特征进行分析和提取,选用尾灯图像的（R－G）色差特征作为图像分割的输入,并采用自适应阈值法分割图像。借鉴非最大抑制算法的思想,通过设置尾灯粘连区域判断条件,解决夜间尾灯粘连问题;根据同车左右尾灯区域特点,定义尾灯配对规则和尾灯差异度,实现尾灯配对;并定义车辆包围框和设置最大重叠率的方法,解决夜间车辆重叠问题。实验结果表明,该方法计算量小,平均每帧耗时26 ms,在含有尾灯粘连和车辆重叠混合场景下,车辆识别准确率大于93%。     

移动机器人前向单目视觉的建模研究

为了实现目标对象的快速、精确识别,对移动机器人前向单目视觉进行了建模.首先,给出了前向单目视觉成像模型,包括软、硬件设计,并结合目标特征属性得到目标中心在图像上的坐标;然后,通过视觉标定模型实现前向单目视觉的目标定位,得到目标对象在机器人体坐标系中的坐标;最后,利用参数估计的方法计算真实检测结果与理想检测结果的误差分布模型的参数,得到前向单目视觉的观测模型.实验结果表明,前向单目视觉模型建立精确,且实时性好.     

基于opencv的单目视觉测量系统的研究

_{介绍一种基于机器视觉的测量工件宽度的新方法,在开源计算机视觉库OpenCV的支持下,设计并实现一种对工件宽度进行动态实时测量的系统。为了降低其它光的影响,在CCD镜头下面固定一块红光滤光片,系统通过采集经红光线激光器投射的工件图像,对图像进行二值化、截取感兴趣区域、轮廓提取等处理,最后实现工件宽度的自动测量。对不同尺寸的工件进行了自动测量实验,实验结果表明,采用的测量方法在实际工件测量中是可用的,整个测量过程用时在100ms左右,最大相对误差不超过1.5%。}     

双向型单目视觉自动导引车路径识别及测量

为了提高双向型自动导引车的视觉导引精度,通过处理彩色图像提取导引路径中心线;根据测量目标对自动导引车的导引精度,提出一种基于平均斜率差及拐点分辨指数估计的路径模型分类方法,将路径分为直线、圆弧拐弯和非圆弧拐弯3种模型,并采用最小均方差法对直线模型参数进行回归,用Levenberg-Marquardt法对圆弧模型进行拟合,根据拐点位置将非圆弧拐弯进行分段拟合。实验结果表明,该方法对基于单目视觉的路径识别有很好的效果,同时测量精度也达到目标要求。     

基于虚拟直线的单目视觉坐标测量模型研究

在摄像机位置随意固定和测量点共面的约束条件下,基于单目视觉提出了一种基于虚拟直线的单帧图像物点坐标测量的新算法。用几何方法代替常规代数方法,回避了传统的通过求解旋转矩阵和平移向量来获取摄像机位置和姿态参数的过程。利用直线平行、垂直的先验知识,通过空间共线四点经过射影变换的交比不变性得到目标点的位置坐标信息。实验证明：该方法简单、可行,摄像机位置随意摆放,具有很强的可操作性、实用性,且精度较高。     

基于平行双目立体视觉的测距系统

基于计算机视觉的理论基础,在PC机上搭建出了平行双目立体视觉测距系统的实验平台,在前人的基础上对传统的标定方法进行了改进,实现了双目摄像机的标定,并采用特征点匹配领域的热点与难点算法尺度不变特征变换(SIFT)特征匹配算法实现了立体匹配,恢复出物体的深度信息。通过实验与计算,最终验证了该方法理论分析的正确性及实践的可行性。     

基于单目视觉传感器的车距测量与误差分析

为了解决结构化道路上基于单目视觉的运动车辆车距测量问题,从针孔模型下摄像机成像的基本原理出发,推导出基于图像中车道线消失点的车距计算公式.车距测量结果只与图像中的近视场点到摄像机的实际距离有关,而无需对所有的摄像机参数进行标定.分析了车距测量中的误差因素,并在前方道路上设置已知距离的横向标线,完成了摄像机不同安装高度、俯仰角及方向角情况下的标线距离测量实验.通过与实际距离比较发现,摄像机安装高度与方向角的微小变化对车距测量的影响可以忽略,而摄像机俯仰角的变化将引起较大的车距测量误差.最后,完成了不同距离处前方车辆车距测量实验,实验结果表明:采用上述方法的车距测量相对误差小于3％,具备了较高的检测精度.