基于双目相机的光学高度测量系统

根据双目立体视觉模型,搭建一个实验室专用的高度测量系统.首先使用Matlab自带的工具箱对双目相机进行多次标定,获取实验所需的诸多参数,然后通过立体校正技术建立修正后的世界坐标与像素坐标之间的关系方程.在VS2015结合OpenCV的编程环境下,利用立体匹配算法和视差理论获取目标表面的三维空间信息.最后通过选定同一目标...     

基于立体视觉技术的实时测距系统研究

双目立体视觉测距系统由于计算量大、受限于硬件水平等原因,通常无法做到实时测距,为解决这一问题,对双目立体视觉的关键技术进行研究与分析后,采用预标定方法,通过选取一种快速的立体匹配算法,对其各参数进行优化,并以动态视差搜索的方式,结合目标跟踪算法,实现了对目标的实时跟踪与测量。经实验验证,该系统成本低、可行性高,能实时对目标进行跟踪与测量,并在一定范围内具有较高的精度,且有一定的应用价值。     

基于角点检测的双目视觉测距新方法

为解决双目视觉中立体匹配困难、效率低的问题,提出了一种基于角点检测的人工匹配方法实现双目视觉测距。首先介绍了双目测距基本原理,对摄像机进行了标定,并采用Bouguet立体校正算法对双目视觉系统进行立体校正;然后采用J.Shi和C.Tomasi提出的角点方法对立体校正后的左右摄像机图像中被测目标上的同一特征点进行了亚像素级角点提取,并利用提取的匹配角点坐标结合双目视觉测距公式实现距离测量。     

基于角点检测的双目视觉测距新方法

为解决双目视觉中立体匹配困难、效率低的问题,提出了一种基于角点检测的人工匹配方法实现双目视觉测距。首先介绍了双目测距基本原理,对摄像机进行了标定,并采用Bouguet 立体校正算法对双目视觉系统进行立体校正;然后采用J．Shi 和C．Tomasi提出的角点方法对立体校正后的左右摄像机图像中被测目标上的同一特征点进行了亚像素级角点提取,并利用提取的匹配角点坐标结合双目视觉测距公式实现距离测量。     

三角计算和BACF跟踪算法的无人机距离和高度计算方法

针对反无人机拍摄场景中摄像头水平放置与倾斜放置的两种情况,提出了基于视觉的对于特定无人机目标的三角计算测高测距算法。使用稳健性高的尺度跟踪BACF算法对目标进行跟踪和计算目标的成像宽度和高度。根据已知目标尺寸、摄像头焦距、俯仰角等参数对无人机与摄像头的实际距离进行估测。实验结果为：处理速度超过每秒45帧,满足实时性要求,并且平均相对误差为5%。所提算法可实现对无人机目标进行跟踪的同时评估出目标距离摄像头的高度与距离。     

复杂场景双目立体视觉测量精确定位系统研究

针对某复杂场景下对特定目标进行精确定位测量的 关键问题,依据双目立体视觉测量原理,结合OpenCV视觉开 发库标定摄像机内外参数,利用结果校准目标图像,借助于标靶类型进行图像区域分割并计 算出目标位置坐标,以此实 现精确定位测量之目的。研究结果表明,对于所确定的1.4~1.6m目 标测距范围,采用平行双目视觉测量模型和相机小孔 测量模型,获得了距离误差小于10mm、横向误差小于2mm和响应时 间小于350ms的测量结果,在满足实时性的同时具有较高的定位精度 。     

用于交通事故处理的图像测距研究与实现

利用计算机及数码相机实现交通事故现场测量,是交通事故模拟再现系统实现的重要前提。根据交通事故现场测量需要快速的特点,分析相机成像线性模型和标定原理,并基于OpenCV实现角点提取,给出相机标定算法,最后实现了一个用于交通事故处理的图像测距系统。相对于Matlab实现方式,该系统使用更加方便、快捷。实验数据证明该测距系统适用于交通事故处理。     

基于Harris-SIFT算法的双目立体视觉定位

针对基于尺度空间对图象保持不变性的SIFT算法在双目立体视觉应用时实时性差、误匹配等问题,提出一种运用Harris-SIFT算法进行双目立体视觉定位方法.通过介绍双目立体视觉的模型原理,利用Harris-SIFT算法从左右摄像机分别获取的图像中检测目标,并获取匹配目标的特征点,对两幅图像中目标物体的坐标标定,通过计算可得到目标物体的深度距离,还原其三维信息.实验证明,运用Harris-SIFT算法使该系统的实时性能和距离精度得到提高.     

双目视觉辅助PDR的组合导航定位方法

为提高室内定位系统精度和跟踪性能以及适应复杂环境,将行人航迹推算（Pedestrian Dead Reckoning,PDR）与双目视觉组合,提出一种双目视觉辅助PDR的组合导航定位方法 .该方法通过选取或布置地标建立了地标位置数据表;基于轻量化目标检测实现了对地标实时双目测距,保证定位的实时性;利用PDR位置信息得到检出地标类别对应坐标,基于因子图的协同定位和误差估计算法将双目视觉与PDR有效融合,提高了定位精度并抑制PDR累计误差,同时对PDR中航向和单参数模型中单位转换常数进行误差补偿,提高PDR定位精度.实验结果表明,在地标纹理清晰且分布合理情况下,该方法能有效解决室内复杂环境下单一PDR累积误差问题,此外,对航向和单位转换常数实时补偿可提高组合定位系统的定位精度和稳定性.     

无人机电力线路巡检安全距离测量新方法

针对无人机电力线路巡检时安全飞行距离把控困难的难题,提出一种基于双目测距的无人机电力线路巡检安全距离测量方法,基于线路连续特征进行双目图像行匹配。与传统双目匹配算法不同的是,所提方法避免了构造卷积窗口对左右图像进行像素点遍历,直接根据极限约束快速找到匹配点来计算视差,大大提高了图像匹配速度,降低了程序的冗杂度,减少了由于运算数据量过大导致的误差。最后通过双目测距原理实现无人机巡检安全距离的测量。测量结果表明,所提系统能够在测定距离为15 m时,测距反应速度达到50 ms左右,相对误差小于5%。     

基于航迹点控制的无人机目标跟踪算法

由于运动速度的差异性,固定翼无人机跟踪机动目标时,需要规划特殊的航迹才能达到较好的跟踪效果。根据无人机的机动特性对系统进行了建模,设计了基于航迹点控制的固定翼无人机目标跟踪算法,并对该算法的性能进行了仿真,仿真结果表明该算法实时性强,当目标进行各种运动时都能有效保证无人机目标跟踪的可靠性。     

低照度双目立体显著目标距离测定方法与实现

针对位置已固定的双目立体装置,提出了一种基于非平行模式测距原理的双目系统光轴-光心参数标定方法,减小了光轴-光心位置误测量带来的测距误差;为解决低照度下双目立体视觉中存在的立体匹配误匹配点多、目标识别度低的问题,采取了最大熵法结合整体光强变化的阈值选取方法提取显著目标,提高了目标识别率,搭建了显著目标测距系统.结果表明:采用文中的系统标定与阈值选取方法的双目立体视觉装置在低照度下具有较高的测距精度及目标识别率.     

机器双目视觉里程计定位算法

随着人工智能的发展,在智能机器人及无人驾驶汽车应用上,空间定位是最基本和关键的问题。针对空间运动载体的定位算法,提出了双目视觉里程计定位算法,从摄像机标定、图像处理、特征提取和匹配以及运动估计4个方面展开了研究。出于实时性和精确性的考虑,使用Matlab 2016b和Visual Studio 2015两个软件进行混合编程。运用该算法对搭载双目相机的汽车在行进过程中所拍摄的图片进行计算,得出汽车精确的运动轨迹。     

基于双目视觉的无人机实时测距算法

无人机对目标进行测距时,其算法的实时性和准确性一直是研究的重点。针对算法的实时性,提出双向搜索策略以及采用三条数据流并行处理实现GPU加速,并引入蝶形排序算法,提高了运算效率;针对算法的准确性,提出改进AD算法与改进Census算法融合,有效地解决了算法过度依赖中心像素的问题;为了降低算法复杂度,在基于背景差法的目标检测中引入移动平均算法;针对无人机平台存储空间有限,提出存储数据优化方案,减少了数据的占用空间。在Middlebury数据集下与BM算法、SGBM算法进行对比实验,采集室外场景与BM算法进行测距性能对比,最后实现室外无人机测距。通过大量实验数据验证了所提算法可满足无人机实时测距的高精度要求。     

下期要目

正复杂场景中战斗机的鲁棒跟踪算法研究一种改进的安全曲面生成算法制导引信一体化信息融合技术无人机自适应平滑切换姿态融合算法研究基于非监督网络的军事目标识别算法的研究抗遮挡与尺度自适应的长时间目标跟踪算法对地攻击型无人机作战效能多核RVM评估模型深度学习的无人机双目视觉避障研究     

基于OpenCV的三维重建研究

以计算机视觉中热门课题——三维重建技术为研究对象,分析了开放计算机视觉函数库OpenCV中的三维重建模型,通过6个步骤,主要是摄像机标定和立体匹配中极线约束方法的使用,给出了基于OpenCV的三维重建算法.该算法充分发挥了OpenCV的函数库功能,提高了计算的精度效率,具有良好的跨平台移植性,可以满足各种计算机视觉系统的需要.     

无人机的航迹跟踪与航向测量技术探究

针对无人机的航迹跟踪和航向测量提出了一种基于无源定位技术实现对无人机位置解算的方法。在定位算法中,采用扩展卡尔曼滤波算法对地面测量系统测得的无线电测距、角跟踪数据进行卡尔曼滤波处理,减小了因测距和测角误差对定位精度造成的影响,可保证对无人机航迹的稳定跟踪。仿真结果表明,该技术能够有效提高对无人机航迹跟踪精度,通过对航迹数据的解析可以实现无人机的航向测量。     

采用地平面约束的双目PTZ主从跟踪方法

在视频监控领域,包含PTZ（pan-tilt-zoom）相机的双目主从系统可以同时获取跟踪目标的全景信息和高分辨率信息,因此得到了广泛研究与应用。针对智能视频监控的需求,提出了一种基于地平面约束的双目PTZ主从跟踪方法。该方法分为离线标定和在线实时跟踪两个阶段。离线阶段,利用两相机不同视角间的目标匹配关系计算地平面所诱导的单应矩阵,提出了一种从两相机同步视频流中自动估计单应矩阵的方法,该方法与传统方法相比具有不需要标定物和人工干预的优点,然后采用匹配特征点的方法估计相机的主点和等效焦距。在线实时跟踪时,通过单应变换建立主从相机之间的坐标关联,并利用离线阶段标定的主点和等效焦距估计从相机控制参数,从而实现主从跟踪。与其他算法相比,该方法可以应用于宽基线的情形,能够适应目标深度的变化,满足了实时性的要求。室内、外场景的多组实验验证了所提方法的有效性。     

基于移动视觉的工业机器人分拣系统应用研究

针对机器视觉结合工业机器人进行自动分拣工作存在的物料识别和定位等问题,提出一种基于运动视觉的物料测距和定位方法。主要原理是通过安装在工业机器人末端的摄像头在移动过程中,对世界坐标系不同位置进行连续单点拍摄,进而获得类似双目视觉测距的必要参数,实现运动测距和定位的功能。针对现有的一种圆柱体工件自动分拣作业,利用视觉库(OpenCV for Python)处理图像数据,在机器人运行轨迹内进行逐点采样计算。实验结果表明,单目运动视觉测距和定位效果良好,平均定位误差小于4%,该测距方法在一定条件下能够达到精度要求,具有降低自动分拣系统升级成本的实际意义。     

双目立体实时测距系统的关键技术研究

基于双目视差测距原理,建立了一个被动测距实验系统。围绕提高测距系统的测距精 度、准确率、速度和抗干扰性能等,研究了图像预处理、配准算法、搜索策略等关键技术。提出了改进的互积相关配准测度,并采用粗、精配准相结合的搜索策略以及抛物线拟合方法,实现了快速双目立体目标测距。实验证明该测距算法可有效地抑止噪声、双目光强和图像对比度差异等因素的影响;测距系统测距精度高、稳定性好、实时性好,对于10km目标相对测距误差小于4% ,响应时间小于0. 5 s。