基于单目视觉的旋翼无人机定位系统设计

随着航空科技的不断进步,为了完成载人飞机无法完成的高危险任务,无人机的发展受到了广泛关注。传统的位置信息获取依赖GPS和IMU传感器,但在城市楼宇、室内区域,GPS难以准确获取位置信息从而失去效能,而机载IMU传感器又常常会出现较大的姿态角积累误差给无人机的导航带来一定的难度。针对室内或复杂未知环境下无GPS等外部定位辅助系统的无人机的自主定位和导航问题,文章提出一种轻量级、低成本、实时性强、稳定性高的基于单目相机的视觉定位系统方案,搭建了定位系统的硬件和软件架构,研究了单目视觉定位算法,该系统能准确获取无人机的自身位置信息,辅助无人机自主导航、姿态控制等任务顺利执行。     

基于单目视觉的工件定位技术研究

针对普通工件的位姿定位问题,文中提出了一种使用单目视觉平台和CAD模型的工件定位方案。为了阐明该方案的具体设计,基于单目相机的标定方法引入工件图像识别的相关技术,设计了工件的图像预处理过程,并提出基于CAD模型的单目视觉定位算法。实验测试结果表明,与基于先验性关系的定位方案相比,该定位方案具有更高的精度和较好的灵活性,可以满足普通工件的定位需要。     

基于改进SIFT算法的单目SLAM图像匹配方法

基于单目视觉的机器人同步定位与地图创建(SLAM)方法是实现机器人自主行走的重要研究方向之一,而图像特征匹配技术是该方法中的关键技术。基于尺度不变特征变换(SIFT)算法的SLAM匹配方法具有提取特征点数量丰富、稳定等优点,然而在速度以及正确率方面仍存在一些不足。因此针对SIFT算法描述子维数高、匹配时间长等问题,提出了一种改进的SIFT算法,将原128维的特征描述子降至内部矩形外部圆形的24维特征描述子,匹配过程中应用了三线性插值、RANSAC算法等对匹配结果去除误匹配。实验结果最终表明,改进后的SIFT算法不仅对角度变化、光照变化等情况均具有良好的鲁棒性,匹配速度和正确率也有显著提升,可满足实时SLAM同步地图构建的需要。     

一种基于视觉识别的无人机导航算法

近年来,随着无人机与数码相机技术的发展,无人机航测以其高效、精确、作业成本低和适用范围广等特点,在地表复杂地区高分辨率影像的获取方面优势明显.但无人机像片的后续处理需要布设大量像控点,工作量大且耗时耗力,特别是在地表复杂地区工作难度更大.如果采用精准定位的手段计算出拍照瞬间照片中心的精确位置和姿态,则可以节省大量施工投...     

基于单目视觉的智能车障碍物检测及测距算法研究

在自动驾驶场景下,为了实现对智能车辆前方障碍物进行目标检测及测距,提出了一种基于单目视觉的前方车辆及行人检测与测距方法.利用数据集对YOLOv3神经网络模型进行优化训练,利用训练完成的神经网络对实时采集的视频信号中的车辆及行人进行目标检测,输出车辆及行人目标的检测框.以目标检测框底部中心点为参考点,根据相似三角形测距算...     

基于单目视觉的AUV 实时定位算法研究

在未知的环境中,自主水下航行器(AUV)运动未知的情况下,采用单目视觉不能对路标进行完全定位,存在尺度漂移。针对这种情况,研究了融合声纳测距信息的AUV定位方法,建立了AUV的运动模型,路标的初始化模型及相机的测量模型,采用扩展卡尔曼滤波对AUV位置进行估计;为了提高定位算法的实时性,提出了基于预测的特征匹配与误匹配点去除算法,既提高了匹配的效率,又提高了匹配的正确率。实验结果表明,该算法定位较准确,实现了AUV的三维定位。     

基于SIFT算法的单目视觉SLAM路标观测研究

移动机器人在未知环境中利用视觉信息进行同时定位与地图构建时,如何提高机器人路标观测质量,成为了视觉SLAM研究中的重要问题。文中首先采用SIFT算法进行视觉图像信息特征点的提取和匹配,然后结合一点随机采样一致性原理,使用扩展卡尔曼滤波算法进行视觉路标的预测和更新。实验结果表明,与传统的基于FAST角点检测的路标观测方法相比,本文提出的SIFT-1pRANSAC-EKF单目视觉SLAM路标观测方法能够有效提高视觉路标的匹配成功率,提高观测质量。     

基于视觉的无人机飞行过程定位算法研究

为了提升无人机飞行过程中的定位精度,以及使无人机正常飞行于全球定位系统(GPS)信号受到干扰或是失效的环境中,提出了基于机器视觉的无人机飞行过程中的定位算法。首先,基于尺度不变特征转换(SIFT)和KDTree搜索的图像匹配算法以及各坐标系之间的变换关系得到改进的坐标变换算法Trf1和Trf2,算法Trf1可求出目标匹配点的地面坐标,即建立无人机飞行环境地图,算法Trf2可计算出无人机实时位置;然后,在无人机飞行过程中利用算法Trf1和Trf2得出定位算法,并设计实验。实验表明,利用该算法计算出的无人机实时位置误差保持在12 cm的范围内,从而验证了算法的准确性。     

基于单目视觉的车辆测距系统研究

本文,针对智能汽车单目视觉提出了通过镜头跟随汽车移动导致图像放大倍数的改变,然后根据图像大小的变化和移动距离来计算车辆与前方障碍物之间距离的方法,有效提高了车距测量的精确度。     

基于三维激光雷达技术的输电线路廊道障碍物检测研究

传统的输电线路人工巡检方式存在效率低、代价高等问题,文中基于三维激光雷达技术,利用无人机设计并开发了一套具有较高自动化程度的输电线路廊道障碍物检测方案。该方案能够借助点云数据的预处理、分类提取和测量距离的阈值比较,检测与判断输电线路及周边障碍物的安全距离。测试和分析结果表明,该方案能够较为准确地测量和判断障碍物与输电线路的距离,并能够减少传统人工巡检的损耗,为输电线路廊道障碍物的检测提供帮助。     

基于Faster R-CNN模型的低空平台偏振高光谱目标检测

随着无人机等低空平台在侦察领域的不断扩展以及对性能要求的不断提高,各应用场景对目标检测精度和速度也提出了越来越高的要求.传统的目标成像方法难以满足图像质量需求,人工识别目标的方法也无法应对战场环境的快速变化.结合深度学习和偏振高光谱成像技术的发展,通过模拟偏振高光谱低空目标检测平台,提出基于Faster R-CNN的地面军事目标检测方法.采用区域建议网络模块进行模型训练,而在目标检测阶段通过对特征图进行兴趣区域池化操作得到建议特征图,最后利用建议特征图完成目标类别判定.实验选取3种典型的军事车辆缩比模型,通过偏振高光谱相机在室内外模拟环境中获取目标在不同场景条件的图像数据,以及某型无人机在低空条件下的地面车辆目标数据进行实验验证.实验表明,该方法在有效完成地面目标的检测时,能够达到理想的检测精度和速度.     

无人飞行器自主降落区识别方法研究

为实现无人飞行器的自主降落,针对降落平坦区域包含特征较少、且分布没规律、形状各异等特点,本文设计了一种基于点云几何特征的快速点云分块和平坦区识别方法。该方法通过无人飞行器上的相机获取二维图像,并使用多视角立体三维重建技术获得场景三维点云,提出了以空间距离作为平滑项、以点在Z方向上的高度作为相似项的三维点云滤波算法对三维点云滤波,设计了基于点云法线和曲率的聚类分块对点云进行区域划分,然后改进RANSAC算法拟合点云平面,筛选出无人飞行器飞经场景的平坦区,并最终确定出无人飞行器的最佳降落区。最后,用本文所设计方法对戈壁人工沟壑、戈壁自然沟壑和小区花园等实拍场景图像进行降落区识别,实测结果显示识别出的区域地形起伏均小于0.125m@m~2,满足无人飞行器降落要求。     

基于Ghost改进的YOLOv5轻量化双目视觉无人机避障算法

为解决无人机在室外实际飞行时的自主避障问题,提出一种基于Ghost改进的YOLOv5轻量化双目视觉无人机避障算法。首先,引入Ghost模块改进YOLOv5中的CBL和CSP_X单元,使用CIOUloss作为回归损失函数,并将非极大值抑制CIOUnms修改为DIOUnms以优化损失函数;其次,对双目相机进行标定和校正;使用ORB特征点提取和滑动窗口匹配算法得到检测目标的视差值,再根据视差值和相机内参求解出障碍物的距离信息;最后,根据障碍物的位置和距离实现无人机的自主避障。该避障算法在嵌入式系统中运行的平均FPS达到14.3,并用无人机避障飞行试验证实了该算法的可行性;改进后的网络检测平均准确率为76.88%,与YOLOv5相比,平均检测精度均值下降0.37%,但检测时间下降22%,参数量下降25%。该算法对无人机的自主避障具有重要的应用价值。     

基于单目视觉的汽车追尾预警系统研究

汽车追尾预警是智能车辆视觉导航系统中的重要研究内容。设计了一个应用于结构化道路环境,基于单目视觉的汽车追尾预警系统。该系统按照摄像机提供的道路图像序列,首先利用一种新的边缘检测算法识别前方道路,然后利用灰度、边缘和对称性等特征识别前方车辆,接下来根据前后车距判断其威胁等级,最终向驾驶员提供相应的声光报警信号。该系统已在合肥的高速公路上进行了实验。实验结果显示,系统运行速度达到车辆驾驶的实时性要求,能够完成车辆检测和碰撞预警的任务。     

基于单目视觉的行车环境安全预警系统设计

文中设计了基于机器视觉的行车环境安全预警系统,采用包含视频图像采集、行车环境检测以及行车环境安全预警3个功能模块的系统结构,重点研究并提出了新的行车环境识别方法,包含车道线提取和前方车辆检测方法,并对系统硬件架构及软件流程和算法进行说明,实现高速公路行车环境的识别并进行危险警示。实验结果显示,系统能够准确地对前方车道线和车辆进行检测,实现设计效果。     

基于瞳孔定位的单目测距系统

针对人和机器人在协同工作的过程中,机器人需要对伙伴进行准确的目标定位这个问题,设计了一个以ARM Cotex－A9 i． MX6Q为微处理器处理模块,USB摄像头为采集模块的嵌入式视觉测距系统,实现了单目视觉测距定位。该系统设计大体分为人眼瞳孔定位和单目测距2部分。人眼瞳孔定位通过USB摄像头采集人脸图像,系统对人脸图像进行处理,获取人脸图像中瞳孔的精确位置,获取人脸图像中瞳孔的位置采用Adboost人脸检测算法和灰度投影人眼定位算法;测距采用小孔成像三角形相似原理,根据实际人眼瞳距和图像中人眼瞳距信息计算出目标人物到摄像机镜头间的距离,其中摄像机的内参数标定借助于Matlab工具箱来完成。实验结果表明,该测距定位系统测距精度较高,系统鲁棒性好,具有良好的应用前景。     

一种新的基于单目视觉的广义障碍物检测方法

 障碍物检测是辅助驾驶、机器人导航等领域的核心问题之一.本文提出一种新的基于特征点道路面投影位移矢量的单目视觉广义障碍物检测方法.基于道路平面假设,利用特征点估计相机自运动参数,并利用此参数对相机的旋转运动进行补偿.利用逆透视投影变换,分别推导并证明了道路平面上的点和障碍物上的点的道路面投影位移矢量与相机位移矢量的关系.提出了一种区间统计方法,实现了相机位移矢量的鲁棒估计.最后,通过分析连续图像特征点的道路面投影位移矢量与相机位移矢量的关系,实现了广义障碍物检测.各种场景下的实验结果表明,该方法能够检测任意类型、形状的障碍物.与传统的运动补偿方法相比,具有更好的鲁棒性和准确性.     

基于单目视觉的焊接螺柱位姿参数测量技术研究

焊接螺柱在汽车制造领域有着广泛的应用,其焊 接 后的位姿(位置和姿态)是否符合设计要求决定着 后续部件的装配效率及整车质量。为了实现在线测量焊接螺柱的位姿参数,研究了一种 基于单目视觉 的焊接螺柱位姿测量方法,首先通过摄像机获取焊接螺柱图像,然后通过边缘检测、特征提 取等技术提取 焊接螺柱特征信息,最后通过计算模型实现焊接螺柱的位置偏移量及倾斜角度偏移量的测量 。通过实验对 测量模型与方法进行了验证,结果验证了方法的准确性和有效性,位置精度和角度精 度分别为± 0.15mm和±15′,可以很好地满足汽车等制造工业领域在线、柔性、快速和高精度的焊接螺柱位姿参数的测量需要。