基于并行处理方法的实时立体视觉伺服系统

针对实时跟踪及抓取运动目标物体的任务,给出了一个基于并行理论的视觉伺服系统。在系统中,运用快速模板匹配理论与快速可靠的立体视觉匹配理论相结合的方法实现运动物体的匹配与识别。然后通过卡尔曼滤波器对位置及速度进行预测。同时采用并行理论提高图像匹配理论的匹配速度。结果直接传给机器人及立体视觉平台控制器,实现机器人和立体视觉平台的视觉伺服,完成了对运动物体的实时跟踪和抓取。通过仿真和大量的运动目标物体的跟踪及抓取试验,获得的试验数据表明运用此方法提高了视觉伺服系统的定位精度和伺服速度。     

改进的工程机器人立体视觉标定方法

针对摄像机线性标定准确程度不高与非线性标定计算复杂等问题,以己知的三维信息为基础推导二维像素点对信息,提出了基于神经网络的三目立体视觉摄像机标定方法,构建了改进的BP神经网络模型,对比分析了两种摄像机标定方法的像素点对均方根误差。结果表明:采用改进的BP神经网络能够避免对摄像机进行非线性建模,有利于提高标定精度,增加系统的灵活性,更具有实际意义。     

几种应用于人脸识别的光照预处理方法对比

重点研究了基于图像处理技术的光照预处理方法,先对cas-peal人脸库定位,取出人脸信息,接着分别使用直方图均衡法、直方图规定法、同态滤波法和相位图法对cas-peal人脸库进行光照预处理,再用PCA进行试验,得出各种方法的识别率,最后对这几种方法进行评价。     

基于立体视觉的越野环境感知技术

针对越野环境光照多变、场景复杂等特点,对基于双目立体视觉的越野环境感知技术进行了研究,提出了一种适用于越野环境的视觉感知方案。采用高斯滤波和有限对比适应性直方均衡化(CLAHE)对图像进行预处理,对亚像素级Harris角点检测、基于RANSAC方法的基础矩阵估计、对极几何约束匹配及连续性约束等内容做了重点研究,最后通过三维可视化技术验证了本方案的有效性及可行性。     

双目视觉立体标定方法的改进

为了提高双目立体视觉系统中立体标定的精度,提出了一种利用正方形标定域中相互正交方向的消失点进行立体标定的新方法.首先摄像机从不同的方向拍摄平面标定板,在图像平面上确定一个正方形投影区域,再根据射影几何模型中的交比性质,计算出正方形中相互正交方向上的两对消失点;然后利用消失点与光心连线的射影几何性质,线性求解摄像机的全部内外参数;最后利用全局优化方法进行参数的优化.这一方法继承了张正友标定方法畸变模型的使用,实验利用MATLAB通过左右摄像机拍摄的两组图像对方法进行验证,实验结果表明,该方法的立体标定精度较高,且旋转矩阵R和平移向量T均符合实际要求;由于实验中正方形投影区域的大小及具体的位置关系是随机的,使其具有较好的实用性.     

基于立体视觉平台的彩色图像视觉跟踪

在彩色图像视觉跟踪过程中,存在定位精度低、伺服周期长、可靠性差等问题.提出了一种改进的目标物体检测方法,同时运用已有的双目运动机构建立了视觉跟踪系统.在保证定位精度和可靠性不变的前提下,减小了图像处理过程中的计算量,缩短了整个系统的计算周期.同时通过大量的试验进行验证.结果表明,方法原理正确有效,对于具有不同颜色、不同形状、不同尺寸的运动目标物体都能够使双目运动机构跟随目标物体进行,实现了立体视觉平台的旋转运动.     

双目立体视觉方法测量雷管药量高度

介绍了双目立体视觉系统的基本原理、摄像机标定技术以及对得到的点云图进行的后续处理。采用维视图像的CCAS单双目视觉标定算法软件对所用的VS078FC摄像机进行了标定,结果精确度高,用时短,实用性强。应用Geomagic studio软件进行点云处理去除噪声,误差小,数据完整。     

立体视觉深度认知过程研究

利用自行研制的多导视觉诱发电位(VEP)信号采集处理系统和两套视差深度随机点立体(RDS)图对,诱发视皮层神经网络兴奋发放,提取并分析了立体视觉视差深度认知过程的皮层电位信号,对视差相关诱发电位特征进行了标定.采用两种完全不同的信息处理方法重复实验,揭示了高级视皮层功能区出现的N2波由视差相关VEP发放,提示体视视差深度信息处理可能是在高级视皮层功能区上完成的.根据不同功能区隐含信息的处理结果,推测大脑皮层体视信息处理系统中存在信息反馈通路.实验结果还表明,立体视觉深度认知过程是一个动态的复杂信息协同处理过程.     

基于人的视觉特性选取图像压缩预处理方式

图像经过高比例的有损压缩后往往在细节、轮廓方面都有较大失真．为解决这一问题，在对图像进行压缩前，根据人的视觉特性和压缩方法的不同选取合适的图像处理方法，对将要压缩的图像进行预处理，将压缩时会产生较大失真的视觉敏感部分在压缩前作增强处理，进而在一定程度上实现图像压缩比的提高和图像质量的增强，以解决图像实现高压缩比与图像质量下降过大的矛盾。     

基于人工神经网络的立体视觉系统的研究

立体视觉系统已广泛应用于三维形体检测等诸多方面,针对该系统物点到像点非线性关系的确定技术,提出了在于人工神经网络的标定、测量方法,同时提出了加快网络训练速度、提高网络训练精度的新方法,并给出了学习和测量结果,验证了此方法的正确性。这种方法降低了对系统本身精度的要求,且不同考虑透镜畸变的影响。是对立体视觉系统数学建模的有益探索,具有一定的理论意义和现实意义。     

一种基于立体视觉的车轮中心测量方法

在车辆尺寸参数测量系统中,车轮中心是一个很重要的过程参数,目前该参数都是由人工进行手动测量,为此提出一种基于立体视觉的车轮中心高精度测量方法.该方法以车轮钢圈作为处理对象,首先根据边缘分组算法和椭圆拟合判别算法提取出车轮钢圈的圆形特征;其次利用立体匹配算法获取车轮钢圈圆形特征上点的三维坐标;最后通过三维平面拟合、坐标转...     

轮胎切平面的立体视觉测量方法研究

详细说明了获取车轮胎冠切点的不同方法,提出1种基于立体视觉和激光投影的车轮切平面测量方法,该方法依次向车轮胎冠上不同位置投射径向激光条纹,并通过条纹提取,平面拟合和坐标转换方法获取车轮胎冠切点,进而计算出车轮的切平面方程．实验结果表明该方法稳定可靠,可以高精度地获取车辆切平面的平面方程．     

平行多基线立体视觉图像校正

介绍了现有双目立体视觉校正算法的原理和过程,分析了其应用于多基线立体视觉系统的局限性,得出其产生原因是各摄像机光心位置不共线造成图像平面不共面.保持三目立体视觉系统中两个摄像机的光心位置不变,利用光心和基线构建三角形,将第三个摄像机的光心投影到前两个摄像机光心连线构成的基线上,使各摄像机的光心共线,然后使用双目视觉校正算法对三个摄像机进行校正.结果表明,算法可正确有效地校正平行三目立体视觉图像对,并可推广至摄像机数目多于三个的平行多基线立体视觉系统.     

显微立体视觉系统的研究

在分析摄像机、体视显微镜和显微立体视觉系统光学原理基础上,提出了双目显微立体视觉系统方案,此系统是由单目显微镜改造而成,根据目标物体在两个摄像机上所成图像的视差,求得目标物体距摄像机的距离,从而可以对目标物体进行各种微操作。实验证明,此系统是一种高效、精确的显微视觉系统。     

基于宽基线立体视觉的远距离三维重建

针对月球车视觉导航中远距离场景的三维重建问题,提出一种基于相机自标定的宽基线立体视觉方法.该方法首先提取立体图对的尺寸不变性(SIFT)特征并进行匹配,得到特征点对应关系;再使用外极线几何约束描述立体图像校正的直射变换,对其Sampson误差使用Levenberg-Marquardt(LM)算法求得最小二乘最优解,完成相机参数估计和图像校正;对校正后的图像使用种子像素视差扩张算法进行宽基线立体匹配,根据匹配得到的视差完成目标场景三维重建.实验表明:该方法解决了月球车相机的现场标定难题,并能够解决宽基线立体视觉面临的光照差异、透视畸变、遮挡等问题,对远距离山脉等自然场景的三维重建效果良好,重建精度较高.     

Cast shadow detection for moving objects based on binocular stereo vision简

A novel cast shadow detection approach was proposed.A stereo vision system was used to capture images instead of traditional single camera.It was based on an assumption that cast shadows were on a special plane.The image obtained from one camera was inversely projected to the plane and then transformed to the view from another camera.The points on the plane shared the same position between original image and the transformed image.As a result,the cast shadows can be detected.In order to improve the efficiency of cast shadow detection and decrease computational complexity,the obvious object areas in CIELAB color space were removed and the potential shadow areas were obtained.Experimental results demonstrate that the proposed approach can detect cast shadows accurately even under various illuminations.     

Robot stereo vision calibration method with genetic algorithm and particle swarm optimization

Accurate stereo vision calibration is a preliminary step towards highprecision visual positioning of robot. Combining with the characteristics of genetic algorithm (GA) and particle swarm optimization (PSO), a threestage calibration method based on hybrid intelligent optimization is proposed for nonlinear camera models in this paper. The motivation is to improve the accuracy of the calibration process. In this approach, the stereo vision calibration is considered as an optimization problem that can be solved by the GA and PSO. The initial linear values can be obtained in the first stage. Then in the second stage, two cameras’ parameters are optimized separately. Finally, the integrated optimized calibration of two models is obtained in the third stage. Direct linear transformation (DLT), GA and PSO are individually used in three stages. It is shown that the results of every stage can correctly find nearoptimal solution and it can be used to initialize the next stage. Simulation analysis and actual experimental results indicate that this calibration method works more accurate and robust in noisy environment compared with traditional calibration methods. The proposed method can fulfill the requirements of robot sophisticated visual operation.