一种面向移动机器人导航的自然路标提取方法

针对机器人定位和导航应用中人工路标存在的缺陷,设计了一种基于频域特性的显著性路标提取方法。该方法首先利用图像熵理论自适应选取因子平滑图像,随后在对立色彩空间上,利用频域显著性计算方法得到三通道色彩空间的显著图,并对其进行加权融合。同时考虑到路标一致性和噪声的因素,利用优化的K-means聚类结果,对最终的显著图进行掩膜操作,筛选出可供机器人导航应用的自然路标。实验验证了在常规环境下,相较于特征算子的直接匹配,视觉注意特征提取的显著像素达到了平均80%的检出率,并具有较高可重复性。后续基于自然路标的实际机器人导航实验进一步验证了方法的有效性。     

利用多尺度频域分析的图像显著区域检测

针对显著区域检测中的视觉显著性度量问题,提出了一种通过对图像的频域特征进行多尺度分析来计算显著性的方法.在多个尺度上提取图像底层特征,在频域分析各种特征图的幅度谱和相位谱,在空间域上构造相应的显著图.根据显著图,检测出图像中的显著区域.在多种自然图像和人工图像上进行实验.实验结果表明,该方法能迅速检测出与人类视觉注意结果一致的显著区域,并且在高强度噪声图像中也能取得很好的检测效果.     

基于移动机器人定位和导航的人工路标设计

在复杂环境下,如何快速、准确地识别路标是移动机器人定位和导航的关键问题.基于图像分割原理,利用投影和方向特征的处理方法,提出了一种新的人工路标方案.通过统计学的相关理论验证了该路标图案的可行性,实验结果也显示了该图案可以较好地解决移动机器人的路标识别问题.     

单目视觉自然路标辅助的移动机器人定位方法

针对很多场合下GPS信号会受到遮挡而无法使用,导致机器人定位精度下降很快的问题,提出一种基于单目视觉自然路标辅助的机器人绝对定位方法.在导航环境中的若干位置预先建立视觉路标库.机器人在利用惯导（INS）定位过程中,同时对采集到的单目图像和库中的视觉路标进行匹配.建立基于全局特征信息（GIST）和快速鲁棒算子（SURF）局部特征相结合的在线图像快速匹配框架,同时结合基于单目视觉的运动估计算法修正车体航向.最后利用卡尔曼滤波将视觉路标匹配获得的定位信息和INS有效地融合起来.结果表明,该方法有效地提高在GPS受限情况下惯性导航定位的精度和鲁棒性.     

基于图形路标特征的精确定位研究

定位系统是智能移动机器人中一项重要的基础性工作,精确定位对机器人的实时导航具有重要的意义。随着计算机图像处理技术的发展,基于图像的定位技术也在不断地进步。该文提出一种基于图形路标的精确定位算法。首先对采集图像进行数据压缩处理,去除图像中冗余的信息,减少计算量、提高运算效率;其次通过SIFT算法对不同尺度空间下的图像进行特征提取,使得不同背景下的图形路标依然能够匹配;最后通过三角定位法来实现移动机器人的精确定位。实验结果表明,该算法是移动机器人实现精确定位和自主导航的一种可行方法。     

基于视觉显著性的红外图像弱小目标检测方法

针对复杂背号下红外图像弱小目标检测难题,提出了一种基于视觉显著性的目标检测方法。首先利用基于视觉注意机制的显著性模型计算图像的显著度图,然后根据图像的显著度图确定目标的区域,最后在原图像上确定目标的精确位置,仿真实验结果表明,本文方法能够很好地检测出红外图像中的弱小目标;与常用背景抑制法相比,该方法不仅较好地突显了目标,而且极大地消除了虚警干扰。     

基于分形维数的离线图像分割方法

为了能够提高图像分割的精度,提出了一种基于统计学和分形维数的图像分割方法,能够对自然景物中树木、道路和天空进行分割,并且可以应用于机器人导航的视觉系统.该方法首先通过统计大量的道路和树木和天空的分形维数(LFD),分析三者对应的LFD值分布特点,然后利用该特点对图像进行分割,最后对分割后的图像进行平滑处理,得到分割结果.实验结果表明:利用统计结果进行图像分割能够提高分割速率,而且使用分形维数作为特征能够得到比较精确的分割效果.     

图像依赖的显著图融合方法

提出基于脊回归的显著图融合方法以获得更好的检测效果。在训练集中寻找待检测图像的近邻图像集,对近邻图像集采用脊回归方法对多种显著性检测方法的融合系数进行估计,进而对不同检测方法的显著图进行融合。该方法充分考虑了检测方法的差异性,很好的解决检测图像在没有基准二值标注下显著图的融合问题。试验采用流行的显著性数据集和显著性检测方法,本研究方法在ECSSD数据集上的AUC为0.911,在HKU-IS数据集上的AUC为0.987, 在DUT-OMRON数据集上的AUC为0.953,结果验证了融合方法的有效性。     

基于显著图与主成分分析的图像缩放法研究

为保证图像缩放过程中重要区域的完好性和整体视觉的连贯性,提出一种基于显著图与主成分分析的图像缩放方法。对图像各行各列进行主成分分析,提取最能表征图像重要内容的特征区域,并结合显著图的显著性信息,定义行、列向量的重要度,对非重要区域的行、列缩放,并进一步优化连续缩放行、列的选取。实验结果表明:基于显著图与主成分分析的图像缩放方法运行高效,效果良好。     

基于人工路标的机器人视觉定位研究

自定位和位置估计是自主移动机器人最重要的能力之一。根据摄像机透视映射原理,确定内外参数来推算机器人位置。基于实验分析,提出了一种人工路标方案。通过建立以RGB的值域范围为分割点,分层实现彩色图像的目标与背景分离,从而完成了图像标志的识别。试验表明基于人工路标信息的视觉定位系统能够有效识别出机器人,实现反馈机器人的当前位置。     

基于视觉反馈的机械臂预测控制

针对基于视觉的机器人目标抓取问题,构建一个基于图像的单目视觉伺服系统．预先建立基 于图像雅克比矩阵的模型,在明确考虑目标可见性约束及机器人执行器约束的前提下,将预测控制 算法引入到机械臂的视觉伺服控制中,基于视觉特征的运动预测设计一个简化的多变量机械臂视 觉伺服控制器,用以实现对机械臂末端位姿的控制．借助ＮＡＯ 机器人平台,利用机器人自带的 Ｎａｏｍａｒｋ标签进行物体的快速识别,并应用上述基于视觉反馈的机械臂预测控制方法实现ＮＡＯ 机器人手臂控制．实验结果验证了方法的可行性,算法简单易于实现,且控制精度令人满意．     

基于色彩空间与小波变换的图像融合

讨论了色彩空间模型分别与小波变换相结合的图像融合方法:基于RGB色彩空间模型与小波变换的图像融合法和基于IHS色彩空间模型与小波变换的图像融合法,并且在此基础上提出了一种基于HSV色彩空间模型与小波变换的图像融合法.经实验分析和对比,基于HSV色彩空间模型与小波变换的图像融合法除了能较好地保持细节纹理信息外,在光谱信息的保持方面要明显优于其他两种方法.     

基于显著性检测的极光弧分割算法

针对全天空极光图像低对比度、边缘模糊的特点,提出一种基于显著性检测的极光弧分割算法。通过直方图统计全天空极光图像视野内的灰度信息,计算出视野内像素间的欧氏距离,以凸显极光弧区域,并生成极光弧显著图,再利用模糊C均值聚类分割算法对显著图进行分割,得到极光弧分割结果。采用中国北极黄河站观测的2000余张极光弧图像进行实验,视觉效果及利用分割图计算极光弧倾斜角与人工标注的对比结果均表明,与基于显著性的分割算法与最大类间方差法、模糊C均值聚类法、局部模糊C均值聚类法等分割算法相比较,具有较好的抗噪声性能和分割结果。     

基于图像预处理和语义分割的电力巡检机器人视觉导航方法

由于光照和恶劣天气的影响,传统图像处理方法用于巡检机器人视觉导航方面的识别效率不高,为此,提出一种基于图像预处理和语义分割的电力巡检机器人视觉导航方法。首先,提出基于自适应伽马校正方法的图像增强方法,解决强光、弱光和光照不均对图像的影响,针对曝光情况采用LSTM预测模型自适应调整摄像头角度消除曝光,提升图像良好曝光度;然后,采用改进DenseNet网络对导航路径进行语义分割,提取路径目标区域,通过目标区域像素值的分布拟合机器人的前进路线并计算出偏移量,提供机器人调整行驶姿态的关键参数并利用模板匹配判断导航路径中的走向、定位与分叉标志。实验结果表明,该算法能有效解决由光照和恶劣天气所导致的识别精度低的问题,提高复杂环境下巡检机器人导航定位的精准度。     

一种基于色彩统计的图像分割算法研究

介绍了一种基于色彩统计的图像分割方法,该方法主要包括两步:色彩量化和区域分割.在第一步中,选择一种基于统计聚类的算法来实现色彩量化.将所有的图像像素以少数对应的色彩标记来代替,进而形成图像级别图.此方法的重点在第二步,对得到的图像级别图做出色彩标记分布和色彩直方图的统计,并据此来寻找种子区域,同时分析图像中的色彩特征,实现种子区域的快速增长和合并.实验结果表明,此分割算法在分割效果和计算时间上均有较好性能,可以将其应用于目前系统稳定性要求和用户需求都较高的图像检索领域.     

特征点显著性约束的图像检索方法

图像检索的Bag of Words体系存在量化后的视觉词影响局部特征的辨别能力并且缺乏特征之间空间关系的缺点,影响检索效率。针对复杂背景的目标查询,提出了融合显著性信息的图像检索方法和基于显著特征点空间距离比的后验证方法。首先,提取图像显著目标区域,使用空间金字塔模型进行图像检索。然后,利用查询图像与检索图像匹配的显著特征对,计算任意两对显著特征点的距离比,保留满足阈值的比值,并求和,用以重新排序结果图像,得到最终的检索结果。实验结果表明:该方法显著提高了检索的精确度,并减少了几何验证过程的运算时间。     

基于视觉中心转移的视觉显著性检测方法

针对现有许多检测方法提取出的显著性区域不够清晰的问题,提出一种基于视觉中心偏移的视觉显著性检测方法,在对图像进行预分割的基础上,结合图像的颜色对比特征、颜色分布特征和位置特征,提取出图像显著性区域,利用视觉中心转移模拟人类视野系统的视野转移过程,对图像进行多尺度分析,融合不同尺度显著图得到最终显著图。试验结果表明,本方法较现有显著性检测方法在视觉效果和查准率召回率有明显提高,ROC曲线下的面积可达0.952。     

基于色彩空间和小波分析的多聚焦彩色图像融合

分别基于RGB、HSV和YIQ三种色彩空间,对多聚焦彩色图像融合进行了大量的研究.在实验中,基于RGB色彩空间时,将图像分解为R分量,G分量,B分量,分别在各个颜色分量上进行小波分解,然后在小波变换域上对所有图像的各个颜色分量的小波分解系数运用加权平均的融合规则,最后做小波反变换得到融合图像.而基于HSV或YIQ色彩空间时,首先要把多聚焦彩色图像转换到HSV或者YIQ色彩空间,然后运用与RGB色彩空间相同的融合方法,最后做小波反变换和色彩空间反变换得到融合图像,实验结果证明,小波分析在多聚焦彩色图像的融合中依然能发挥极好的作用,基于HSV色彩空间的多聚焦彩色图像融合会出现颜色失真,基于RGB和YIQ色彩空间都能取得很好的融合效果,相比之下,基于YIQ色彩空间更能取得较好的融合效果.     

基于全向视觉传感器的图像解算方法研究

视觉信息处理是智能机器人研究的一项关键技术.由于传统的视觉传感器存在可视范围小等缺点,为此引入由双曲线旋转体反射镜构成的全向视觉传感器,提出了基于全向视觉传感器的图像解算算法.该算法可以有效地还原全向视觉传感器所获取的扭曲图像,从而实现利用全局性信息进行移动机器人的视觉导航.实验结果表明该方法从原理上是可行的,可以应用到机器人的定位导航中.     

视觉导航机器人三维场景重建研究

针对自主导航机器人在室外中的立体视觉,应用了一种基于置信点扩展的三维重建的方法。该方法改进了归一化交叉相关算法,由视差空间图寻找视差空间中的置信点并进行表面跟踪,并用计算亚象素视差和中值滤波的办法得到视差图,最后使用滚球算法对从视差图中得到的点云数据进行三角化从而进行地形重建。实验结果表明,所使用匹配方法优于单一的归一化交叉相关方法,有着较强的鲁棒性,重建的地形效果较为理想。