基于实例分割的双目特征点匹配目标识别和定位研究

针对双目视觉定位中对物体类别与距离远近判定的实际需求,提出了一种结合实例分割与特征点匹配的定位方法,准确地实现了目标的识别和定位。该方法通过Mask Region with Convolution Neural Network Feature(Mask R-CNN)对双目相机采集到的左图像特进行目标检测和分割,采用SURF算法提取分割区域的特征点并与右图特征点进行匹配得到视差,利用双目视差测距原理计算出目标相对于摄像头的位置。同时,针对相机自身标定误差造成在远距离情况下目标定位误差逐渐变大的问题,采用了最小二乘法对视差进行拟合。实验结果表明,该方法不仅能够精准实现目标识别,而且与未经拟合处理结果相比,平均误差值由0.183 m降低到0.106 m,定位精度得到了显著提高。     

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.     

双目视觉技术在区域目标检测中的应用研究

针对求取区域目标的世界坐标的需要。以Harris角点算法对摄像机图像进行分析,提取图像中目标区域的角点。通过使用VC++环境中的OpenCV进行编程运算,计算出摄像机标定参数并运用双目视觉法计算出目标位置的世界坐标。     

基于神经网络的双目视觉摄像机标定方法的研究

摄像机标定是精密视觉测量的基础，传统的双目标定位需要建立复杂的数学模型。神经网络可以有效地处理非线性映射问题，本文介绍了一种BP神经网络，可以很好地描述双目视觉中三维空间特征点坐标和2个摄像机对应像点间的非线性关系，并且为了提高网络的学习能力引入了动态因子。将神经网络标定方法与传统的常用标定方法比较，实验结果表明，基于神经网络的双目视觉标定方法能获得较高的标定精度。     

基于天花板的移动机器人视觉定位方法的研究

为了实现室内移动机器人的自定位,考虑到室内的复杂程度和环境特色,设计一种基于单目视觉的移动机器人定位系统。机器人在室内带有天花板路标信息的环境下,以颜色和形状结合的路标作为特征,通过机器人头顶与天花板垂直的摄像机,运用彩色图像分割轮廓矩匹配的方法识别路标,解析路标携带的世界坐标信息,从而计算出机器人的全局位置和航向角。该方法大大提高了图像处理和特征提取的速度,通过实验验证,其满足定位系统的实时性和鲁棒性要求。     

基于双目视觉的三维人脸识别算法北大核心

针对传统三维人脸识别算法的复杂性,提出了一种新的三维人脸识别算法。该算法以双目立体视觉系统为基础,通过调整左、右摄像机与人脸的相对位置,完成人脸二维图像的采集,然后利用主动形状模型(Active Shape Model,ASM)技术对采集的二维图像进行特征点自动定位,并结合摄像机的内外参数得出特征点的三维坐标,从而避免了复杂的人脸三维重建;再利用人脸关键特征点的三维信息计算特征点距离矩阵,提取三维人脸几何特征;最后利用反向传播神经网络进行识别。实验结果表明,该算法简捷、快速,且具有较高的正确识别率,是一种经济、实用的三维人脸识别算法。     

基于双目视觉的三维人脸识别算法

针对传统三维人脸识别算法的复杂性,提出了一种新的三维人脸识别算法。该算法以双目立体视觉系统为基础,通过调整左、右摄像机与人脸的相对位置,完成人脸二维图像的采集,然后利用主动形状模型(Active Shape Model,ASM)技术对采集的二维图像进行特征点自动定位,并结合摄像机的内外参数得出特征点的三维坐标,从而避免了复杂的人脸三维重建;再利用人脸关键特征点的三维信息计算特征点距离矩阵,提取三维人脸几何特征;最后利用反向传播神经网络进行识别。实验结果表明,该算法简捷、快速,且具有较高的正确识别率,是一种经济、实用的三维人脸识别算法。     

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。     

基于双目视觉的医疗机器人摆位系统测量方法

为了实现精确放疗过程中精确定位和肿瘤位置的精确测量,建立了基于双目视觉的医疗机器人摆位测量系统,并对系统所采用的摄像机标定方法、标记点识别及其三维坐标计算、摆位系统的位置验证等算法进行研究。建立基于双目视觉的医疗机器人摆位测量系统;提出了一种对摄像机采用基于平面棋盘格和立体标定模板相结合的摄像机标定新方法;采用Roberts梯度算子对图像分割的方法,识别标记点中心并计算其三维坐标;通过比较基于双目视觉计算和三维坐标测量仪器测量的各个标记点三维坐标的摆位误差,实现放疗过程中位置验证和精确摆位。实验结果表明:摄像机的标定精度为36.5×10-3 mm和各个标记点的三维坐标平均偏差为δX=0.573mm、δY=0.495mm、δZ=0.430mm,测量方法可获得较高的标定精度和摆位精度,能满足精确放疗对高精度摆位系统的临床需求。     

双目摄像机的自标定方法研究

摄像机标定是计算机视觉的关键技术之一。针对现有的标定技术计算过程复杂,标定物使用不方便等问题,提出了一种用于双目摄像机自标定的方法,该方法要求场景中有两组正交的平行直线即可进行标定,利用其在图像平面上形成的消失点之间的约束关系来建立标定方程,从而求解出摄像机的内外参数,再结合双目立体视觉原理标定双目摄像机的结构参数。将该方法在实验室现有设备上进行对比实验。实验结果表明,该方法简单、有效,可广泛应用于机器视觉研究、三维重建等多个领域。     

空间球形物体自动定位方法研究

利用双目立体视觉技术对空间物体进行定位的一个难点在于特征点的选择和匹配，常用的方法是选择一幅图像中物体的形心为特征点，然后根据灰度或者颜色值在另外一幅中进行匹配。为了达到较好的精度，所用的匹配算法都比较复杂，并且当物体表面颜色分布均匀时错误匹配率较高。针对球形物体，本文提出基于形心几何匹配的定位方法，避开了常规匹配方法所面对的难题，经过试验验证，效果很好。     

基于视觉的定点监控飞艇姿态和位置估计

为了提高飞艇定点监控的自主性和准确性,研究了一种基于视觉信息的定点监控飞艇姿态和位置估计算法。由射影几何学原理和特殊的双目摄像机安装方法来提取飞艇的姿态。基于双目立体视觉基本原理,得到特征点在摄像机坐标系下的位置。根据坐标转换关系,可以获得飞艇在地面坐标系下的位置和姿态非线性方程组。把姿态信息载入非线性方程组中,从而求得飞艇的位置信息。最后用仿真实例验证了飞艇姿态和位置算法的有效性。     

可见光通信与双目视觉的室内定位分析

应用可见光通信与双目视觉的室内定位技术,能够提高室内移动机器人的导航精度。基于此,详细阐述了三维定位系统设计、LED光源中心坐标提取、双灯光源识别机制设计、IMU坐标系标定、室内定位技术应用试验这几项室内定位分析环节,希望能够为室内机器人定位技术的发展提供助力。     

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.     

小型可移动平台双目定位方法研究

为了在战场战术环境下对目标检测定位,研究设计了一种适合于小型移动平台的双目测距方法.双目测距硬件基础包括高清图像采集设备,高精度双自由度可控随动云台,GPS和平台自身姿态测量模块,以及信息处理系统.该方法采用图像处理技术首先检测目标并锁定目标,返回相关图像处理信息,由信息处理系统运算定位目标位置.该方法使用相对独立协同工作的云台随动相机,不受常规双目测距采集设备须固定布置于同一平台同步运动的限制,既可由单一移动平台上双目测距装置定位目标,亦满足任意两个具备协同工作的单测距平台协作完成目标定位.扩大了该定位方法适用范围,具有普适性,同时能相互矫正提高定位精度.该方法在战场环境、侦察环境中可对敌人员、车辆等目标实现隐蔽测量定位,提高侦察能力.     

双目视觉及其在全自动换电机器人中的应用

介绍了双目立体视觉原理,并利用该技术解决了电动汽车自动换电过程中对电池表面三维信息的定位要求。采用张正友标定法完成相机标定,利用区域匹配原则进行特征点匹配,完成电池的三维重建。实验结果表明,双目视觉的定位精度满足换电要求。     

基于立体视觉标定方法的改进研究

摄像机标定是立体视觉研究与非接触测量的重要组成部分,是精密视觉测量的基础,传统的标定需要建立复杂的数学模型,从而描述双目视觉中三维空间物点坐标和两个摄像机像面像点坐标间的非线性关系。而神经网络可以有效地处理非线性映射问题。本文介绍一种改进的RBF神经网络,并对该网络标定法与传统标定方法及BP网络标定法的标定结果进行比较。实验结果表明:基于改进RBF神经网络的双目视觉标定方法能获得较高的标定精度。     

大视场双目主动视觉传感器的协同跟踪方法

针对大视场视觉监控的应用,提出了一种基于球面坐标的双目主动视觉传感器协同跟踪方法。首先采用图像特征匹配的方法估计摄像机的内部参数,然后引入球面经纬坐标系作为双目视觉传感器的公共坐标系,最后结合场景深度范围实现目标的协同跟踪。对于任意安装的双目视觉传感器,提出了一种建立球面公共坐标系的新方法,统一了不同参数下的情形,可以实现任意参数下的协同跟踪。实际监控场景下的视频实验,验证了方法的有效性和可行性。     

虚拟双目视差法在公交客流统计中的应用

提出了一种检测运动目标的新思路:虚拟双目视差法.用一个固定的摄像机检测运动目标,拍摄连续的两帧图像,可以将这种情形看作:目标是静止的,而摄像机在两个不同的位置对目标进行拍摄.于是连续两帧图像,可以看成是一个摄像机在原来地方拍摄的一帧图像和另一个摄像机在目标运动反方向的目标运动距离处拍摄的图像.虚拟双目视差法就将单摄像机的运动目标检测转化为双摄像机的静态目标检测.利用双目视觉的图像匹配技术对连续两帧图像进行匹配,匹配所求得的双目视差大小就是运动目标的运动距离,双目视差的反方向就是目标的运动方向.该方法通过实际公交车的序列图像进行了检测,证明了其良好效果.