单目主动摄像头真实三维重建

由于单目摄像头尺度缺失,导致鲁棒位姿估计结果不准确,为此提出单目主动摄像头真实三维重建方法.通过融合机器人的控制信息和尺寸信息,得到单目相机的位置信息,利用位置信息计算出等效基线,根据变基线等效双目策略理论获取精度更高的深度估计;采用GoDec-RANSAC算法排除样本点中的局外点,估计鲁棒位姿;通过获取的位姿,估计最后一帧图像与第一帧图像之间的相对位姿,得到全局位姿估计,完成单目主动摄像头真实三维重建.仿真实验结果表明,该方法能够准确的估计鲁棒位姿.     

基于法向约束的背靠视觉端面对接定位方法

端面对接在航空航天、自动化装配、人机交互等领域有着重要应用,然而端面检测仍存在圆姿态解不唯一、解精度不高、对接效率较低等问题。为提高测量精度和鲁棒性,以背靠视觉和排列点激光为测量手段,提出一种基于法向约束的端面对接定位方法。通过背靠视觉分别采集端面圆特征图像,在对圆特征进行边缘提取的基础上采用随机采样一致性算法进行圆特征拟合,降低图像噪声的影响,提高特征拟合的鲁棒性。根据单目相机圆位姿解算模型,得到二义性的端面圆中心位置和姿态解,将排列点激光拟合得到的平面法向量作为法向约束,并取圆姿态解与法向约束的夹角最小者为正确的圆姿态解。最后,由机器人先后进行姿态和位移迭代调整,完成端面的对接装配。机器人小角度姿态、小位移的实验结果表明,该方法具有姿态调整准确度高、位移调整收敛快的特点,姿态最大偏差为0.03°,中心位移X方向最大偏差为0.01 mm、Y方向最大偏差为0.03 mm。     

基于三条相互垂直直线的单目位姿估计

基于单目视觉的位姿估计是计算机视觉中的典型问题之一。文中利用目标物体上的三条相互垂直的直线特征和相机像平面上这些特征的对应获得已标定相机相对于目标物体的位姿参数,给出其闭式求解方法,并证明问题解的数量与相机光心和三条直线的相对位置有关。当光心位于两个特殊平面以外时存在唯一解,反之若在该两个平面之间则存在两个解,并且这两个解具有对称性,该性质可作为合理解的判别依据。由于三条相互垂直的直线是长方体的三条边缘,而长方体在现实世界中广泛存在,该结论为应用直线特征进行单目视觉位姿估计及合作目标设计提供理论依据。     

基于循环卷积神经网络的单目视觉里程计

提出了一种基于卷积长短期记忆(LSTM)网络和卷积神经网络(CNN)的单目视觉里程计方法,命名为LSTMVO(LSTM visual odometry).LSTMVO采用无监督的端到端深度学习框架,对单目相机的6-DoF位姿以及场景深度进行同步估计.整个网络框架包含位姿估计网络以及深度估计网络,其中位姿估计网络是以端到端方式实现单目位姿估计的深度循环卷积神经网络(RCNN),由基于卷积神经网络的特征提取和基于循环神经网络(RNN)的时序建模组成,深度估计网络主要基于编码器和解码器架构生成稠密的深度图.同时本文还提出了一种新的损失函数进行网络训练,该损失函数由图像序列之间的时序损失、深度平滑度损失和前后一致性损失组成.基于KITTI数据集的实验结果表明,通过在原始单目RGB图像上进行训练,LSTMVO在位姿估计精度以及深度估计精度方面优于现有的主流单目视觉里程计方法,验证了本文提出的深度学习框架的有效性.     

可信度双三次插值的PMD距离信息和RGB图像数据融合

PMD(photonic mixer device)相机是一款基于TOF(time-of-flight)技术的3维成像设备,在获取2维灰度的同时能够获取高精度的距离信息.但它存在水平分辨率低,随机噪声较大的缺点.针对此问题,将PMD距离信息和高分辨率RGB图像相融合,提出一种新的基于可信度的双三次插值和投影纹理的数据融合方法.该方法充分考虑了PMD相机信号幅值和距离信息可信度的关系,加强了精确的距离信息对融合结果的影响,并且给出了直接运用距离信息进行PMD距离图像在世界坐标系的重建方法,降低了运算的复杂度.实验结果表明,本文方法可以得到具有彩色信息和距离信息的高分辨率图像,融合后图像的距离信息更为准确和丰富,有效降低了随机噪声的影响,并且在运行时间上也有较强的优势.     

仿生眼运动视觉与立体视觉3维感知

为使机器人同时具备双目立体视觉和单目运动视觉的仿人化环境感知能力,克服双目视场狭窄、单目深度感知精度低的缺陷,本文基于人眼结构特点,设计了一个具有4个旋转自由度的双目仿生眼平台,并分别基于视觉对准策略和手眼标定技术实现了该平台的初始定位和参数标定.给出了基于外部参数动态变化的双目立体感知方法和单目运动立体感知方法,前者通过两架摄像机实时获取的图像信息以及摄像机相对位姿信息进行3维感知,后者综合利用单个摄像机在多个相邻时刻获取的多个图像及其对应姿态进行3维感知.实验结果中的双目视觉相对感知精度为0.38%,单目运动视觉相对感知精度为0.82%.本文方法不但能够有效拓宽传统双目视觉的感知视野,而且能够保证双目感知和单目运动感知的准确性.     

基于视觉与激光融合的井下灾后救援无人机自主位姿估计

无人机在灾后矿井的自主导航能力是其胜任抢险救灾任务的前提,而在未知三维空间的自主位姿估计技术是无人机自主导航的关键技术之一。目前基于视觉的位姿估计算法由于单目相机无法直接获取三维空间的深度信息且易受井下昏暗光线影响,导致位姿估计尺度模糊和定位性能较差,而基于激光的位姿估计算法由于激光雷达存在视角小、扫描图案不均匀及受限于矿井场景结构特征,导致位姿估计出现错误。针对上述问题,提出了一种基于视觉与激光融合的井下灾后救援无人机自主位姿估计算法。首先,通过井下无人机搭载的单目相机和激光雷达分别获取井下的图像数据和激光点云数据,对每帧矿井图像数据均匀提取ORB特征点,使用激光点云的深度信息对ORB特征点进行深度恢复,通过特征点的帧间匹配实现基于视觉的无人机位姿估计。其次,对每帧井下激光点云数据分别提取特征角点和特征平面点,通过特征点的帧间匹配实现基于激光的无人机位姿估计。然后,将视觉匹配误差函数和激光匹配误差函数置于同一位姿优化函数下,基于视觉与激光融合来估计井下无人机位姿。最后,通过视觉滑动窗口和激光局部地图引入历史帧数据,构建历史帧数据和最新估计位姿之间的误差函数,通过对误差函数的非线性优化...     

一种空间非合作目标相对位姿紧耦合估计方法

航天活动中的许多任务如对目标的绕飞观测和逼近停靠等测控任务,其中的关键技术之一是相对位姿估计,而对非合作目标的相对位姿估计更是其中的重点与难点。针对该难点,提出了一种融合单目相机和激光测距仪的空间非合作目标相对位姿紧耦合估计方法。采用单目相机获取目标序列图像,在初始化时利用激光测距仪解决单目相机尺度模糊性问题,构建真实尺度下的世界坐标系,在后续对非合作目标进行连续位姿估计时,使用紧耦合的形式融合相机与激光测距仪数据来优化估计位姿,并且解决估计漂移问题。最后使用Blender软件生成空间非合作目标序列图像,仿真验证了本文算法能稳健地得到较高精度的空间非合作目标的相对位姿,且拥有较好的实时性。     

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。     

Kinect相机的机器人视觉里程计

Kinect相机不仅能够获取彩色图像,还可以得到相应的深度信息.本文探讨了一种通过Kinect相机来实现里程计的方法,该方法由Kinect相机获取周围环境的连续帧信息,提取并匹配连续帧间的SIFT特征点,获取图像帧的描述子,通过特征点的位置变化计算机器人的位姿、里程编码等,从而实现视觉里程计的功能.     

图像语义相似性网络的文本描述方法

图像的文本化描述解决图像理解的高级语义问题。由于存在语义鸿沟,导致自动生成的文本与图像内容有较大差异,浅层神经网络构建的语言模型很难生成通顺的语句。为此,提出图像语义相似性神经网络,在递归神经网络的输出层之后添加全连接网络,引入图像间的视觉相似性和文本相似性信息,从而在预测图像的文本描述时保持相似图像的有效语义信息。增加栈式隐层和普通隐层的深度来提高语言模型的学习能力,最终得到接近自然语言的文本。实验结果表明,该方法在BLEU、ROUGE、METEOR和CIDEr等评价指标上均取得较好的效果,能够生成符合图像内容的高质量文本描述。     

面向内容检索的彩色图像分割

稳健有效的图像自动分割是面向内容图像检索中的一个重要问题，适应内容检索的需要，提出了一种融合颜色，纹理特征，采用特征聚类的彩色图像分割新算法，该算法采用线性加权方式融合颜色，纹理特征，并依据图像功率谱分布自适应确定融合权值，它采用提出的基于编码代价的自淬火（self annealing)方法对特征空间聚类，该聚类算法具有可自动确定类别数目，对初始聚类中心选择不敏感的优点，将新算法有于分割多幅自然图像，实验结果证明了算法的有效性。     

一种基于图像特征的彩色图像水印算法

为了提高水印算法的抗几何攻击能力,提出一种基于图像特征的彩色图像水印算法。首先利用加速鲁棒性特征SURF(Speed-Up Robust Features)算法提取出图像中稳定的特征点,并为其构造SURF特征描述算子,使提取出的特征点具有尺度不变性;然后根据特征尺度的自适应性获得局部特征区域并对其进行归一化处理;之后对局部特征区域进行斜变换,并获得其中频系数;最后结合奇异值分解SVD(Singular Value Decomposition)算法完成水印的嵌入。实验结果表明,嵌入水印后的图像在经过噪声以及几何攻击后,其提取的水印与原水印仍具有较高的相似度,该算法具有较好的鲁棒性。     

基于图像中心加权特征的图像检索

本文讨论了基于内容的图像检索系统中特征提取的技术,并提出了一种基于图像中心加权特征提取算法,即对图像不同位置提取的特征采用不同的加权系数,越靠近图像中心加权系数越大。最后使用支持向量机技术作为图像分类器进行图像的检索。实验表明该系统能有效地检索大规模的图像数据厍,并取得了比较好的效果。     

支持基于内容检索的图像数据模型的设计

以面向对象的多媒体数据库系统Jasmine为平台,设计具有基于内容图像检索功能的面向对象数据模型,作为数据库的引擎,实现了一个支持基于内容检索技术的图像数据库系统。     

基于图像几何形状特征的CBIR算法

张量尺度是一种基于图像几何形状的特征描述子,由于其特征提取过程计算复杂度较高,不适合于快速的基于内容的图像检索。提出一种基于图像森林变换的张量尺度特征提取快速算法,并采用归一化的张量尺度方向直方图作为图像几何形状的特征描述子,与相似性度量标准结合,实现了一种具有图像平移、旋转、尺度变换不变特性的基于内容的图像检索算法。与现有的张量尺度计算方法相比,该算法具有较低的计算复杂度,仿真实验结果证明算法的有效性。     

基于高阶统计量和图像分割技术的图像盲复原

提出一种基于高阶统计量和图像分割技术的改进的非负支持域递归逆滤波算法(NAS-RIF)。该算法应用高阶统计量去噪,解决了原NAS-RIF算法敏感于噪声的特性,提高了退化图像的信噪比。其次,在每次迭代中利用图像分割技术进行图像支持域的自估计,改变了NAS-RIF算法中支持域必须是方形的不利限制。实验结果表明改进的NAS-RIF算法具有更好的噪声抑制和边缘细节恢复效果。     

夜间拍照图像质量增强算法的研究与实现

由于移动智能设备在夜间拍摄图像时,传统的闪光灯和无闪光灯条件下拍摄图像的融合算法在图像配准步骤中存在不准确以及在图像融合步骤中存在效果不佳的缺点。针对上述问题,提出一种夜间拍照图像质量增强算法。该算法首先提出基于ASIFT夜间图像配准算法来对闪光灯和无闪光灯条件下拍摄图像进行配准,避免传统配准方法的过拟合问题,然后用基于细节重构的图像融合算法对配准后图像进行融合,大大增强图像的细节信息。实验结果表明,基于ASIFT的夜间图像配准算法,可以提高夜间图像配准精确度,有效地避免出现重影等问题,而基于细节重构的图像融合算法有效地解决了色偏问题和细节提取问题。经过该算法处理后的图像既保留原来的光照氛围,又增强图像的细节信息,大大提高了图像的主客观质量。     

人像变换的图象处理方法研究

本文研究基于径向函数的图象扭曲算法和边缘检测算法，在Ｗｉｎｄｏｗｓ环境下，编程实现人像变换的图象处理系统。同时，对给出的人像采用了基于知识的控制搜索策略。根据所选择的面部表情，搜索出与之相关的部位边界，对其进行扭曲变形，使之接近于自然的脸部表情。