基于改进双目视觉算法的三维重建研究

为解决现有立体匹配算法在图像弱纹理等区域鲁棒性差以及模型参数较大的问题,对PSMNet立体匹配方法进行改善,通过使用空洞空间卷积池化金字塔结构(atrous spatial pooling pyramid,ASPP)提取图像在不同尺度下的空间特征信息。随后引入通道注意力机制,给予不同尺度的特征信息相应的权重。融合以上信息构建匹配代价卷,利用沙漏形状的编解码网络对其进行规范化操作,从而确定特征点在各种视差情况下的相互对应关系,最后采用线性回归的方法得到相应的视差图。与PSMNet相比,该研究在SceneFlow和KITTI2015数据集里的误差率各自减少了14.6%和11.1%,且计算复杂度下降了55%。相比较于传统算法,可以改善视差图精度,提升三维重建点云数据质量。     

双目立体视觉匹配

本文在基于双目立体视觉的研究基础上,对立体匹配所存在的问题和解决措施提提出了看法。     

双目立体视觉在机器人三维重建定位中的方法研究

本文对双目立体视觉在机器人三维重建定位中的方法研究,并提出了相应的解决方案。     

深度学习的无人机双目视觉避障研究

针对无人机避障系统中视觉防撞的关键技术进行研究,改进YOLOv4-tiny目标检测算法,并提出一种基于目标检测的视觉防撞方法.结合MobileNet的可分离卷积结构,优化YOLOv4-tiny目标检测网络,以此提高检测精度.通过去除非检测目标区域的冗余信息,提高SURF匹配算法的效率,由最小二乘法对目标区域进行三维解算,将解算的深度与无人机的位姿信息作为防撞判定区域视野尺度的依据,并结合目标检测的像素位置,实现无人机视觉防撞.最后,利用标准数据集对改进后的网络模型进行分析,mAP值为69％,并搭建无人机视觉通讯模块进行视觉防撞测试,最终验证了方法的合理性.     

双目立体视觉系统的研究与应用

本文在双目立体视觉系统的测量原理、系统标定、特征点提取、特征点匹配以及三维空间点的重建等方面均进行了详细的研究,真实还原了三维空间的几何信息。随着科技的飞速发展,机器人技术越来越多地走进了人们的生活。其中,双目立体视觉系统由于可以很好的模拟实现人的双眼视觉功能,且具有体积小巧、制造成本低、测量效果好等优点,在空间三维测量领域得到了广泛的应用。     

基于双目视觉的障碍物识别研究

随着各类无人技术的发展,对于障碍物检测技术的需求也日益提高.为实现快速精确的障碍物探测识别,文中基于双目立体视觉原理,利用张正友标定法对双目相机完成标定,获取内外参数,并对相机拍摄的图像进行去噪、去除亮度差及锐化处理,最终通过图像匹配得到目标场景的深度信息.根据应用需求对K-means聚类算法作出改进,以实现目标场景内...     

基于视觉信息的移动机器人控制系统设计

机器人的视觉相当于机器人的眼睛,机器人视觉系统是当下研究热点。本文主要研究基于视觉信息的机器人系统,通过对获得的图像信息的处理来实现对机器人的控制。详细讨论了摄像机标定、图像处理等方面的设计,实现了对机器人控制系统的设计。     

基于十字激光的双目视觉钻铆孔质量检测

为了获得飞机蒙皮自动钻铆中锪孔的孔径尺寸和锪窝的深度信息,本团队搭建了一套基于双目视觉的检测系统。在立体匹配环节,该检测系统以十字激光在钻铆孔上的交点作为匹配基准,构建左右图像边界点的投影映射模型,同时采用基于模拟退火算法的多层感知器模型对脱离映射关系的边界点进行二次修正优化,解决了边界区域因亮暗变化差异微小导致的误匹配问题,保证了边界点的匹配精度;在双目视觉的三维重建中,以拟合空间曲线的方式建立钻铆孔的空间圆锥模型,从而得到钻铆孔的内孔孔径和锪窝深度。实验结果表明,基于十字激光匹配方法生成的点云数据的法向绝对偏差小于0.018 mm,而孔径测量误差以及锪窝深度测量误差均在0.04 mm以内,有效提高了钻铆孔的检测精度。     

一种基于欧氏距离的双目视觉三维重建算法

针对双目视觉左右图像投影的反向延长线是异面直线,直接将匹配像点代入定位模型需要求解一组矛盾方程,从而造成计算资源浪费和影响定位精度的问题,提出了一种基于欧氏距离最小化的三维重建计算方法.根据非平行光轴双目视觉定位的几何结构,运用求解两点欧氏距离最小值的思想,建立了两条异面投影线公垂线中点的计算模型,而后通过实验验证了该方法的有效性.利用标定后的系统对标记物之间的距离进行测量,在距双目视觉传感单元1.5m范围内误差小于1 mm.实验结果表明:该方法比传统方法重建精度高且实时性好,具有良好的鲁棒性.     

基于光栅投射的机器人导航视觉传感器研究

为了实现暗环境下移动机器人导航中障碍物的检测与运动机器人的定位,采用了一种组合式光栅投射立体视觉传感器研究方法,首先通过光栅投射和立体视觉相融合的方法,建立光栅投射立体视觉传感器几何和数学模型,然后利用空间设备位置约束原理和投影平面相交的方法,进行了机器人视场内空间物体的3维坐标计算,建立了可靠真实的障碍物检测和分析方法,并进行了理论分析和实验验证,取得了距离计算精度0.8mm的数据。结果表明,该方法对于图像计算的精度在亚像素级。该方法有利于目前黑暗环境中机器人无法自主导航难题的突破,为黑暗环境中无全球定位系统支持的机器人导航提供了基础探索。     

移动机器人超声波测距避障系统设计

测距避障是移动机器人适应未知复杂环境的能力之一,准确测出移动机器人和障碍物之间的距离是关键。以dsPIC33FJ256MC710单片机为核心研究设计了一种移动机器人超声波测距避障系统。该系统利用脉冲回波法测距,针对超声波在空气中的传播速度受环境温度的影响,设计了超声波速度温度补偿电路。实验结果表明该超声波测距避障系统测量数据准确,能够满足移动机器人在复杂环境中避障的需求。     

基于光栅投射与立体视觉融合的障碍物检测技术

为实现智能车辆前方障碍物的快速准确检测,将光栅投射引入到双目立体视觉系统中,建立激光和视觉传感器融合的障碍物检测系统,将两种传感器的优势结合起来并填补单一传感器检测的不足。用双目立体视觉系统捕捉障碍物的轮廓信息,同时利用光栅投射技术对障碍物的局部信息进行调制,利用光栅投射出来的固定相位图像,可以快速实现立体视觉匹配中同名点的识别,能够较好解决立体视觉中图像配准的难题。     

基于双目视觉机器人TCP校准方法研究

工业机器人末端执行器位置参数(TCP)是机器人离线编程及机器人末端工具误差校正的基础,研究快速、准确的TCP校准方法对保证工业现场环境下机器人系统顺利正常工作至关重要。以双目视觉测量为基础,结合空间坐标变换理论与机器人运动学,提出了一种应用于工业制造现场的机器人TCP参数快速自动校准方法。此方法具有非接触测量、校准速度快、精度高等优点,减少了传统接触式TCP校准过程中误差因素,并且克服了其标定速度慢,标定精度不足等缺点。结合ABB工业机器人对该方法进行验证实验,实验结果表明:对于直径为10 mm的末端工具,提出方法校准精度相对于传统接触式标定有很大的提高,可以满足工业现场高精度的、快速的TCP校准要求。     

两组双目立体深度图像信息融合与三维重建方法

获取工件目标的三维表面与深度信息是实现工业立体视觉应用的关键。提出一种将两组双目视觉系统结合的方法,对随机摆放的工件多方位采集图像并获得目标工件的三维表面点云。其中,两组双目视觉系统会根据NCC(Normalized Cross Correlation)匹配算法产生工作场景的两组视差图像,去噪分割之后对其立体深度信息进行提取,其过程中采用一种新颖的转换方法,视差图像中每个坐标位置的像素点的x、y、z方向的立体深度信息分别被转化为X、Y、Z图像中对应位置上像素的灰度值。采样两组立体深度数据,共同储存到标定完成的参考相机坐标系中达到信息融合的目的。最后,对随机摆放的工业工件进行了的三维重构实验,对于相互重叠、高度、姿势都不同的零件能较好的恢复出清晰的轮廓点云,在重叠区域也能产生较为明显的层次性。     

双目视觉中立体匹配算法的研究与比较

在基于双目立体视觉三维重建的研究中,立体匹配是其中最重要的部分,它的准确性影响着最后的重建结果.本文主要讲述了常用的立体匹配算法,并详细介绍了两种算法分类中的代表性算法的实现步骤,即局域算法中的基于特征点匹配的算法和全局算法中的基于图割法的匹配算法,并对算法从运算速度和误配率两方面进行了比较,总结了两种算法的优缺点,比...     

反向重投影多线结构光立体视觉测量方法

研究了多线结构光立体视觉测量系统中激光条纹中心点的匹配问题.系统测量过程中,将两幅图像的激光条纹中心点通过重投影相互匹配,计算对应的三维空间点.针对一个激光条纹中心点存在多个匹配点的问题,提出了反向重投影的方法.该方法将匹配点反向重投影到原激光条纹图像,利用光路一致性,筛选出唯一匹配点.另外,分析了在重投影和反向重投影...     

基于偏振双目视觉的无纹理高反光目标三维重构

对于表面光滑、纹理单一甚至缺失、高反光的目标,传统的三维重构方法由于对纹理以及反光特性的依赖会使得重构表面出现大面积的的数据空洞.而基于偏振的三维重构方法不依赖于物体表面的纹理信息,同时偏振成像能够在一定程度上抑制耀光,能够有效解决传统三维重构方法存在的问题.但是,基于偏振视觉的三维重构方法得到的是像素坐标系下的深度信息,因此提出了偏振双目视觉三维重构方法,以由双目立体视觉获得的少量特征点的世界三维坐标为"桥梁",利用双目立体标定得到的相机参数,将偏振得到的图像像素坐标系下的点云数据转化为世界坐标系下的绝对数据.     

一种基于图像分割的立体匹配算法

针对在立体匹配过程中的低纹理和视差不连续的问题,提出了一种基于图像分割的立体匹配算法。首先采用Mean-Shift算法对彩色图像进行图像分割,并认为分割区域块内的像素视差是平滑的,然后采用较大窗口匹配方法,提取左右彩色图像相似像素点作为种子点,根据区域内的平滑约束条件,利用小窗口匹配方法将种子点向周围区域扩散,最终得到稠密视差图。实验结果表明该算法相比传统的自适应匹配算法,视差不连续区域匹配误差降低10%左右。     

一种基于梯度增强的立体匹配算法

立体匹配是深度图获取的一个关键技术,传统的立体匹配使用的图像分割方法会对图像边界造成一定的破坏,为提高深度图边缘的准确度,提出了一种基于梯度增强的立体匹配算法。首先通过梯度算子对参考图像和目标图像进行预处理,增强图像边界的鲁棒性,然后采用mean-shift图像分割算法对图像进行区域分割,对分割得到的区域使用自适应块匹配法进行立体匹配,最后采用均值滤波对图像进行后处理,得到最优的视差平面。实验结果证明该算法在图像边界的匹配精度上得到了比较满意的效果。