双目动态视觉测量的匹配

针对在双目动态视觉测量系统中对特征点的准确匹配问题,采用强后方交会优化了外参数,提高外参数的精度,从而提高求取极线的精度;提出一种针对2幅图像特征点匹配的多约束匹配算法。多约束匹配算法在极线约束的基础上,增加了唯一性约束和双向匹配约束,结合视差约束的二次匹配,得到2幅图像特征点正确的匹配关系。实验结果表明:用于双目动态视觉测量系统的匹配中,可得到100%的匹配准确率。可以满足双目动态视觉测量系统对两幅图匹配的要求。     

基于特征匹配算法的双目视觉测距

距离测量作为障碍物检测以及路径规划的前提和基础是机器人研究领域的一个重要分支。在众多测距方法中,由于双目立体视觉具有信息丰富、探测距离广等优点被广泛应用。本文将改进的SIFT特征匹配算法应用到双目视觉测距与标定系统中。首先建立双目视觉测距模型,测量值由空间物点在左右摄像机下的像素坐标值决定;其次根据该模型的特点提出了基于平行光轴的双目立体视觉标定方法;最后利用改进的SIFT特征匹配算法,提取匹配点的像素坐标完成视觉测距。实验结果表明,根据测量数据对障碍物进行三维重建,相对距离与真实场景基本吻合,能够有效地指导机器人进行避障。     

基于双目视觉的快速定位与测距方法

针对双目视觉定位与测距过程中存在匹配时间较长的问题,提出一种基于背景差分法的双目视觉快速定位与测距方法。首先,对双目相机拍摄的原始图像进行去畸变和立体校正处理;然后,对图像与背景帧差并进行形态学处理,得到只包含目标物体的图像;最后,对左右图像进行匹配并运用极线约束法则去除误匹配得到物体的三维信息,完成定位与测距。经实验验证,与传统双目视觉定位测距方法相比,该方法初始匹配对数减少了96.8%,有效匹配对数减少了94.1%,匹配时间减少了75.8%,表明本文方法对于实现基于双目视觉的快速定位与测距具有实际意义。     

基于SIFT特征的视频内头部姿态估计

基于对头部左右转动时脸部图像上点之间距离变化特性的分析,提出基于SIFT特征的单摄像头近距离视频图像序列内头部姿态估计算法。该方法首先在脸部图像上提取SIFT特征点,然后对两幅图像进行SIFT特征匹配,基于匹配的特征点之间距离的变化性质判断两幅图像内头部的相对转向与转动程度,得到头部姿态估计结果。在人脸库和视频图像上的实验表明,该方法使用简单,且具有较高的正确度。     

基于双目视觉的运动目标检测系统

为了满足室内环境监控的需求,提出一套基于双目视觉的运动目标检测系统。该系统由数据采集与存储模块、运动目标检测模块、对应点匹配模块和测距模块共四部分组成。运动目标检测模块对采集到的双通道视频分别采用背景差分法进行目标提取,然后对双通道的每帧图像进行粗匹配,并采用尺度不变特征变换算法进行精匹配,找到双通道图像的匹配点对,完成运动目标的距离测量。经实验证明,新系统可以有效提取运动目标,并进行距离测量,尤其可以解决目标物被部分遮挡的距离测量问题。     

正交双目视觉长轴类零件装配端位姿检测方法

为解决非正交双目立体视觉在长轴类零件三维位姿检测中需要多个特征点进行匹配,计算量大以及视野中难以获取整个零件的图像等问题,提出一种基于正交双目立体视觉检测长轴类零件装配端三维位姿方法.采用光轴正交的两个相机同时采集长轴类零件装配端的图像,分别采用亚像素法对所采得的图像进行处理,可以得到被检测长轴类零件装配端在两个相机图像坐标系内的位置和姿态,再依据正交双目立体视觉模型对两组位置信息进行融合得到其三维位姿.实验结果表明:利用两个CMOS相机构成的正交双目立体视觉能够快速、精确检测长轴类零件装配端的三维位姿.该方法只需要一个特征点进行匹配,计算量小、简单易行,适用于通过机器视觉引导工业机器人进行精密长轴类零件的快速装配.     

汽车双目立体视觉的目标测距及识别研究

为了降低园区自动驾驶汽车的环境感知实际应用成本,采用双目立体视觉的方法采集车辆前方环境的双目图像,通过立体匹配算法进行视差测距;使用深度学习算法对左图像进行目标识别,根据得到的目标区域在视差图中获取目标最小距离。结果表明,双目立体视觉系统能达到1%的测距精度,对车辆前方目标的实时识别测距速率达到45帧/s,为汽车自动避障提供实时环境感知信息,同时大大降低了环境感知的应用成本。     

结构光双目测量系统标定方法

为了解决双目结构光测量系统参数不容易准确获取的问题,依据传统摄像机标定方法,结合结构光双目测量系统的特点,提出了CCD摄像机标定方法.通过对左右CCD摄像机采集得到的两幅标定模块的图像数据分析,按照"两步"标定法的思路,先得到平移向量R和旋转矩阵R等外部参数,再利用已知的空间距离求解到摄像机的成像模型需要标定的其他参数.实验数据表明,该方法可简便、准确地标定出CCD摄像机参数,方便了三维视觉测量工作,是一种有实用性的标定方法.     

双目移动机器人立体匹配算法

提出一种基于图像分割和可信点的双目移动机器人立体匹配算法,首先采用纹理检验分割算法对双目移动机器人获得的左右图像进行分割,确定低纹理和纹理相似区域;然后通过SIFT特征匹配点得到可信点视差;其次采用SAD区域匹配加速算法得到初始视差;最后依据SIFT特征匹配点的分布、初始视差和最小距离分类器对图像分割块进行视差处理,同时对于较小的图像分割块进行BLOB滤波处理来获取较高精度的视差图.实验结果表明,本算法能有效解决双目移动机器人周边环境中的低纹理和纹理相似视差精度差的问题,可快速准确识别障碍.     

基于双目视觉模型的彩色目标实时检测与定位

从立体视觉中提取位置信息是计算机视觉的热点问题.在建立双目视觉模型的基础上提出了一种新的基于YUV彩色模型的实现足球立体视觉匹配的检测方法.该方法将匹配问题映射为具有某种颜色的目标特征区域的中心,把其中心作为匹配点,通过目标的分割获得匹配点后根据双目视觉定位数学模型恢复图像位置信息,完成对目标的实时检测和定位,满足机器比赛中对足球实时检测和定位的需要.     

基于改进形状上下文的双焦图像深度估计

针对深度估计时两幅双焦图像特征点的误匹配问题,提出了一种基于改进形状上下文特征点的校正方法。首先引入了对尺度、视角、光照等具有不变性的SSURF特征向量,利用SSURF特征向量匹配算法在双焦单目视觉系统采集的焦距不同的两幅图像之间进行目标SSURF特征点的匹配。提出一种改进的形状上下文描述符,对局部特征匹配点对进行误匹配的校正。然后根据空间物点与所成像点距图像中心矢量大小及摄像机的焦距值之间的几何关系,利用校正后的特征点完成相关的计算从而获取目标物的深度信息。实验表明,校正后的方法进行深度估计具有较小的误差和较好的估计效果。该深度估计方法有较大的实用价值。     

利用极线约束方法实现图像特征点的匹配

点匹配一直是计算机视觉和模式识别领域中的一个重要问题。通过对双目立体视觉测量数学模型的研究，在2副图你中特征点数相等的情况下，基于极线约束等理论，给出了一种解决图像特征点匹配的新方法，对三维空间中的离散点在2个视平面上的投影点进行了正确的匹配。实验结果表明，该方法效果良好，具有实用价值。     

基于阵列图像立体匹配的深度信息获取方法

本文实现了一种对3×3微阵列镜头获取的阵列图像进行匹配计算得到带有深度信息图像的方法.方法首先对3×3微阵列镜头进行单个镜头标定以及单个镜头分别和中心镜头进行立体标定,得到相机参数;然后建立对应的能量代价函数,构建马尔可夫随机场,设定其初始深度,在空间进行划分层次;最后运用图割算法求解能量函数最小化,选择最优匹配值,进而得到带有深度信息的匹配图.实验结果表明本文基于阵列图像立体匹配的深度信息获取方法是有效的;相比一般双目视觉系统,微阵列镜头的体积尺寸小、可以同时拍摄获取图像,能够得到比双目视觉更准确的深度信息.     

基于双目视觉的探针姿态检测

针对微操作中针类末端执行器姿态检测的问题,设计了一种基于双目视觉的姿态检测系统。结合探针在空间坐标系与二维图像之间的空间位置转换关系,得到二维图像与空间坐标系的映射矩阵,并且消除图像畸变,得到校正后的图像;针对探针图像中目标特征不明显的问题,提出一种将仿射变换矩阵与探针几何学特征相结合的方法,成功提取了图像特征点进行匹配,得到一系列中轴线上点的三维坐标;采用最小二乘法拟合直线,得出探针的姿态向量。实验结果表明:利用两个CCD相机构成的双目立体视觉系统能快速、精确地检测针类装配端的三维姿态,实验误差在±0.3°范围内,适用于通过机器视觉引导工业机器人进行微操作。     

基于三维测量的奶牛体型性状指标的数据采集

采用立体视觉的三维测量方法重建奶牛的三维模型,实现了对奶牛的体型性状指标测量,首先通过立体标靶进行摄像头的标定,然后利用SIFT（scale invariant feature transform）尺度不变特征点匹配算法对图像进行特征点提取与匹配,最后通过投影矩阵计算匹配特征点的三维坐标;针对双目视觉中摄像头视角范围受限问题,提出通过在相邻视点的公共区域设置标记点,根据标记点计算不同坐标系的转换关系,将各局部特征点转换到统一坐标系下,从而实现不同视点下各局部区域的三维拼接.实验表明,采用该方法重建的奶牛模型较理想,测量精度和测量效率满足评定要求,能够取代手工测量.     

基于激光线扫描的双目立体视觉测量方法研究

为实现工业中汽车、飞机、骨骼和模具外形等物体的三维重建,介绍了基于激光线扫描的双目立体视觉三维测量系统.2个摄像机同时摄取一个扫描激光光条图像,经过图像预处理、光条特征点提取、图像匹配,利用视差计算出光条上所有点的坐标值,即光条处物体的三维信息.通过坐标系之间的转换把各光条统一到同一世界坐标系下,得到整个物体的三维重建.利用该系统对一标定块进行测量,空间距离误差小于0.1 mm,并对鼠标进行扫描测量,得到其表面的三维数据,基本满足逆向工程的要求.     

基于双目视觉与ROS的机器人去板坯毛刺方法

针对传统钢铁行业板坯去毛刺方法无法满足自动化生产的需求,提出基于双目视觉定位的机器人去板坯毛刺方法。在机器人操作系统(ROS)框架下配置所需工作站的仿真模型;通过加速分割检测特征角点检测算法对尺度不变特征变换算法进行改进,采用最近邻、次近邻比值法得到匹配可靠性最高的角点,利用以角点为中心的圆形区域筛选轨迹规划所需的有效角点;根据双目视觉获取的有效角点三维信息对机器人切割作业进行轨迹规划。结果表明,该方法便捷有效,角点定位准确,测量误差保持在合理范围内。通过完整地模拟双目视觉机器人切割板坯毛刺的历程,验证了双目视觉用于引导机器人去除板坯毛刺的可行性。     

基于SIFT特征点的双目视觉定位

提出了一种结合了SIFF特征点的双目立体视觉定位方法.介绍了对尺度、旋转、视角等变化具有良好鲁棒性的SIFT特征向量,利用SIFT特征向量匹配算法在双目视觉系统采集的左、右图片中分别检测目标、获取匹配的目标SIFT特征点.经过空间匹配点选择、标定点坐标计算等步骤获取左、右图片中具有空间位置一致性的目标标定点,并在摄像机坐标系中恢复目标标定点三维信息.实验结果表明,利用该方法进行目标定位具有较强的适应性.有一定的实用价值.     

嵌入式视觉的测距系统设计

行车操作人员在实际操作过程中,会出现对与之相邻障碍物之间的距离太近而不能及时规避情况,导致碰撞事故的发生.针对这一问题,笔者构建了以ARM11微处理器为核心,以USB摄像头为图像采集设备的测距系统,在基于机器视觉和图像处理的基础上,将单目视觉和激光技术相结合,考虑对应点匹配和单个特征点提取误差对测量结果影响,将激光点作为特征点的单目视觉测距的方法.实验结果表明,该系统能有效的测量与障碍物的距离,测量准确,可靠性高且满足实时性要求.     

基于标准杆的双目视觉传感器标定技术研究

目前制造业对大范围精密测量技术要求越来越高,为了克服传统双目立体视觉标定过程中测量场难实现、标定精度低等缺点,提出了一种较灵活的基于一维标准杆的双目视觉传感器的标定方法。该方法首先利用正方形模板和带有四个特征点的标准杆实现主点和畸变的标定,然后在测量场多次摆放标准杆,由两摄像机拍摄标准杆图像,利用标准杆上对应特征点之间的约束以及基本矩阵估计双目视觉传感器其余参数,最后光束法平差进行整体优化,消除累积误差。仿真实验和真实实验结果均表明该方法适用于大视场双目视觉传感器的标定,操作简单、标定效率高。