自主轮式机器人THMR－V的混合模糊逻辑控制

轮式机器人的控制问题是控制研究的关键问题之一，对高速自主导航的轮式机器人，控制器的实时性、精确性和鲁棒性要求很高．在本文中，根据PID控制和模糊逻辑控制的各自优点，将传统的PID控制与模糊逻辑控制结合起来，提出了一种混合模糊逻辑控制算法. 经实验检验，该算法具有很高的实时性、控制精度和鲁棒性，能够满足机器人高速自主导航的需要．     

微操作机器人的研究现状与发展趋势

随着科学技术向微小、超精密领域的方向发展，机器人所要操作的对象也从宏观领域扩展到亚微米、纳米级的微观领域．因此，由微定位技术与机器人技术结合而产生的微操作机器人是机器人领域的新的研究方向，具有广阔的应用前景．本文总结了国内外微操作机器人领域的发展现状，介绍了微操作机器人的结构特点，列举了其部分的应用实例，在文章的最后展望了微操作机器人的发展趋势．     

正则化方法及非刚体匹配在医学动态图象分析中的应用

为了给医生利用医学图象进行诊断和分析心血管疾病提供一个有效的工具和途径，利用计算机视觉中的正则化方法，结合心脏和心血管动态特征的临床知识，对两种医学动态图象(超声心动图和心血管造影图)进行了定量的运动分析，并完成了一套应用软件．实验结果证明，该方法明显优于以往的图象分析方法。     

基于多重视差假定的匹配算法

对于纹理较弱或图案重复的景象,例如室内的地面和沙漠,如何获得高性能的图象匹配是一个重要的研究课题.为此,提出了一种新的匹配算法.它为每个待匹配点设置多个候选视差,首先利用逆匹配等原则验证候选视差的可靠性,再利用被匹配物体局部表面连续平缓变化这一假设为此匹配点从候选视差中提取正确视差.此算法很大程度解决了其他匹配算法中匹配某些像素精度不高的问题.实验表明,在一种高效的SAD算法的基础上使用多重假定视差算法后获得了很好的匹配效果.     

基于特征尺度及多尺度分解的纹理分割

在计算机视觉领域，纹理识别及分割是图像低层次处理中一个重要的问题。文章依据视觉信息处理的生理学理论，提出了一种新的纹理分析算法。该算法通过搜寻纹理图像的特征尺度并配合连续整数尺度滤波上的特征尺度统计对纹理进行分层分析。并基于特征尺度上的分层分析提出一种纹理分割算法。实验结果证明了该算法的有效性。     

基于多尺度感受野模型的指向性图像分析

借鉴生物视网膜的结构与特点，设计基于生物视觉机理的计算机视觉算法，可为诸如机器人控制、模式识别、图像理解等领域提供很有价值的启示。文章基于视网膜的生理特性，建立了模拟生物视网膜生理机制的网络模型。该网络模型在对特定区域的图像进行处理的同时保持对更大范围内图像信息的警觉，并有利于对重要信息的捕获。     

应用神经网络隐式视觉模型进行立体视觉的三维重建

针对传统的基于精确数学模型的立体视觉方法过程繁琐的不足，提出一种应用BP神经网络隐式视觉模型进行三维重建的算法。该算法将多个标定平面放置在有效视场内，用神经网络模拟立体视觉由两个二维图像重建三维几何的过程，经过网络训练建模后，无须摄像机标定即可进行三维重建。仿真实验结果证明，该算法比较简单，且能保持较高的精度。     

基于DOG模型的线条检测算法

在计算机视觉领域，线条检测是图像低层次处理中一个重要的问题．文中提出一种基于双高斯差(DOG)模型的线条检测算法．分析比较了DOG检测器和高斯及高斯-拉普拉斯二阶微分检测器在线条检测方面的性能，解释了DOG函数和高斯及高斯-拉普拉斯二阶微分函数之间的关系，还给出了DOG检测器的线条检测范围并在二维空间中分析了其线条检测机理．实验中选用了指纹图像，实验结果表明DOG线条检测器能够对宽度在一定范围内的线条进行骨架提取。     

基于图像视觉特征的火灾自动识别

传统的火灾检测方法是感烟、感温、感光探测器以及红外对射探测，对于装有监控设备的大空间建筑物，该文提出了一种基于图像视觉特征的火灾检测方法。通过对摄像头摄取的图像进行处理，提取其色彩特征和小波特征，然后利用神经网络通过有监督的学习建立图像特征向量与三维火灾向量的联系，达到利用图像进行火灾识别的目的.     

一种新的基于Kruppa方程的摄像机自标定方法

主要针对传统的基于Kruppa方程的摄像机自标定算法的欠鲁棒性提出了一种新的二步式标定方法．在新标定方法中，首先利用传统的LM优化算法或遗传算法求解出Kruppa方程中通常需要被消去的比例因子，然后再利用线性方法完成对摄像机的标定．大量的仿真和真实图像实验表明，该方法可以大大提高基于Kruppa方程标定算法的鲁棒性及标定精度．