弱纹理环境下融合点线特征的双目视觉同步定位与建图

针对室内弱纹理环境下基于点特征的视觉同步定位与建图（Simultaneous Localization and Mapping, SLAM）存在的轨迹漂移等问题,提出了一种融合点线特征的双目视觉SLAM系统,并对线特征的提取与匹配问题展开研究。为了提高线特征的质量,通过长度与梯度抑制、短线合并等方法,进一步改进LSD(Line Segment Detector)线特征提取方法。同时,通过将匹配问题转换为优化问题,并利用几何约束构建代价函数,提出了一种基于几何约束的快速线段三角化方法。实验结果表明,本文所提方法在多个数据集上的表现都优于基于描述子的传统方法,尤其在室内弱纹理场景下,其平均匹配精度达到91.67%,平均匹配时间仅需7.4 ms。基于此方法,双目视觉SLAM系统在弱纹理数据集上与已有算法ORBSLAM2,PL-SLAM的定位误差分别为1.24,7.49,3.67 m,定位精度优于现有算法。     

一种融合二维激光雷达和RGB-D相机的移动机器人建图方法研究

针对单独使用二维激光雷达描述环境信息不足、单独使用RGB-D相机构建地图精度不足以及三维激光雷达使用成本高的问题,提出一种使用低成本二维激光雷达和RGB-D相机点云信息融合的方法。首先,通过Autoware联合标定的方式获取相机的内部参数和外部参数,建立激光雷达数据和相机数据的变换关系。然后,基于体素网格滤波的方式降低相机原始数据的噪声和密度,并将滤波后的数据进行投影转换成伪激光雷达数据。最后,通过将转换后激光雷达数据与相机的伪激光雷达数据叠加的方式,实现两传感器信息融合。实验结果表明,有效弥补了移动机器人搭载单一传感器地图构建精度不足和获取环境信息描述不足的问题,提高了移动机器人建图的可靠性和完整性,为机器人有效导航提供保障。     

基于圆形标志点的全自动相机标定方法

相机标定是2D图像重建3D测度信息的关键步骤,也是一项耗时的任务,由于标定过程中经常需要人工寻找对应点.本文提出了一种基于圆形标志点的全自动相机标定方法.首先,在传统圆形标志点模板的基础上增设了5个方位圆.然后提出了新标定板下图像特征点的自动检测和匹配算法.匹配结果直接作为Zhang的算法的输入,从而计算出相机内外参数,避免了标定过程的人工干预.最终实验结果显示了所提方法在不同场景和光照条件下的自动性和正确性.     

机器视觉中相机标定方法的研究

介绍了相机标定的基础知识,按照标定流程对标定种类进行划分,相机标定方法有两步、三步以及四步标定方法等。详细探究相机标定按照自标定、基于主动视觉和基于标定物品三类标定划分办法。     

基于传感器融合里程计的相机与激光雷达自动重标定方法

智能驾驶车辆行驶环境复杂多样,不可避免地导致传感器相对位姿发生变化,此时需要进行重新标定.针对智能驾驶车辆的相机和激光雷达发生漂移后的重标定问题,提出一种基于传感器融合里程计的自动重标定方法.基于点云投影和图像配准原理建立基准点云和观测图像之间的3D-2D点对,利用N点透视投影得到平移尺度不准的相机运动;通过融合估计的...     

基于RGB-D相机的球体三维重建及定位方法研究

针对单个和多个球体识别和定位问题,采用一种利用RGB-D相机进行三维重建的方法,对RGB-D相机的标定、深度图像和彩色图像的配准、彩色三维点云的生成等进行了研究。提出了一种阈值分割结合随机采样一致性算法的定位方法,利用色彩阈值分割和深度阈值分割方法实现了背景分割,得到了整体的球体区域的点云数据;利用欧几里得点云分割方法将整体的球体区域分割成了独立的球体点云,并辅以基于曲面法线的阈值分割方法分离相接触球体的点云;采用随机采样一致性算法分别计算出了每个球体的参数,得到了球体的球心坐标、半径以及深度信息。研究结果表明:在不同光照条件下该方法具有较好的实时性和定位精度,在0.5 m～1.5 m的深度范围内,半径30 mm球体的半径平均测量误差为4 mm,球心坐标在x,y,z方向的平均偏差为1.3 mm、2.6 mm、1.4 mm,单帧图像处理平均时间约为1 s。     

视觉测量中的相机标定方法进展研究

相机标定技术是三维信息提取的关键步骤之一,从不同的模型出发有不同的标定方法.对现有的各种相机定标方法进行了总结、分析和比较,提出今后有待进一步研究的方向.     

动态环境下基于YOLOv5的RGB-D视觉SLAM优化方法

针对经典视觉SLAM系统的鲁棒性受环境中动态目标特征点影响较大的问题,提出一种使用目标检测算法识别并剔除动态目标特征点的方法。首先使用目标检测算法YOLOv5对采集到的环境图像进行识别,框选出环境中被认定为动态目标的物体,然后将目标检测的结果融合进视觉SLAM前端的特征提取,将提取到的图像特征点中属于动态目标部分的特征点剔除,利用剩余静态的特征点进行地图构建与定位,最终在TUM数据集上进行测试。结果表明,利用目标检测算法剔除动态特征点后的视觉SLAM系统在高动态场景下绝对轨迹误差的均方根误差降低了97.89%,有效提高系统的定位精度与鲁棒性。     

三维视觉检测与结构光传感器的标定

本文从一般的视觉概念和方法出发，探讨一种应用于坐标尺寸测量的视觉检测方法。文中介绍了常用的传感器及其结构参数的标定方法。经现场对轿车白车身的测试，重复性误差Ｓ＝０．０５ｍｍ；与三坐标测量机比结，示值误差小于０．１５ｍｍ。     

线结构光多视觉传感器现场同步校准方法

现有线结构光多视觉传感器现场校准通常需要先完成线结构光视觉传感器局部标定,再进行多视觉传感器全局校准,效率低、且在搬运过程容易对线结构光视觉传感器局部标定结果造成影响,降低测量系统精度。针对以上问题,提出一种可以同步实现线结构光视觉传感器局部标定和多视觉传感器全局校准的现场同步校准方法。该方法以自由移动三次以上的一维靶标为中介,将两个无共同视场的线结构光视觉传感器联系在一起。以一维靶标特征点距离已知为约束条件,由交比不变性,得到所有一维靶标点及光条与一维靶标相交点在各线结构光视觉传感器图像坐标系下的图像坐标,进而求解出两个线结构光视觉传感器之间的转换矩阵和一维靶标特征点及光条与一维靶标相交点在全局坐标系下三维坐标,通过拟合求解全局坐标下的光平面方程,采用非线性优化算法求解出两个线结构光视觉传感器间的转换矩阵与光平面方程的最优解。如果视觉传感器多于两个,可通过两两校准方式实现多个视觉传感器现场校准。试验结果表明,该方法同步校准方均根误差可优于0.14 mm。     

基于多传感器紧耦合的工程机械定位与建图系统

工程机械工况复杂、作业环境恶劣,实现工程机械无人驾驶将带来显著的社会效益和经济价值。工程机械不同于普通乘用车,为实现无人驾驶工程机械在多复杂工况下的高鲁棒性定位,采用多传感器紧耦合的同步定位与建图系统(Simultaneous localization and mapping, SLAM)。针对现有SLAM前端算法计算冗余、计算效率低下等问题,采用基于点线、点面特征匹配的方法,结合局部地图配准,有效降低点云配准时的数据量,避免计算冗余。针对现有激光融合SLAM无回环检测的问题,基于空间近邻原则结合正态分布变换算法将回环检测机制引入SLAM系统,有效降低SLAM系统建图的全局误差。针对工程机械作业环境定位与建图易退化的问题,在点线、点面特征匹配的基础上,创立了残差自适应反馈机制,使得迭代方程求解快速收敛而不发散。仿真和实车试验结果证明该套SLAM系统能够有效解决工程机械在桥梁、长廊等作业场景下的建图退化问题,建图速度大大提高,能够满足工程机械实时定位与建图的需求。     

双目视觉传感器的现场标定技术

本文以凤影变换为依据,针对多视觉传感器中的双目视觉传感器中的双目视器,建立了双目视觉传感器测量空间三维坐标的模型,事先确定摄像机的部分不易变化整个系统后进行现场标定。该方法不需精确调整标定靶标,标定环境与实际测量上同,减少了安装传感器对标定参数的影响,实验结果表明,该标定方法能获得０．０５ｍｍ的空间精度。     

基于单目视觉的轮式机器人同步定位与地图构建

如何降低计算复杂度是视觉机器人同步定位与地图(SLAM)构建的热点问题.提出一种基于单目视觉的低计算复杂度的轮式机器人同步定位与地图构建算法.该算法在观测步通过图像处理与分析,识别特征点并进行定位,将轮式机器人的视觉投影与空间物体的几何关系转换为计算机器人相对特征点的距离和角度.整体算法步骤按照预测、观测、数据关联、更新、地图构建的递推算法进行同步定位与地图构建.提出的算法可识别环境目标,并进行平滑运动.在滤波观测步只处理单帧图像数据,和Active Vision和立体视觉方法相比,降低了算法的计算复杂度.     

基于共面法的视觉传感器的标定方法

提出了一种基于平面网格靶标的视觉传感器的标定方法。首先利用平面网格靶标来获取标定点，同时利用交比不变原理不断修正镜头的畸变参数，从而提高了标定点的精度，然后根据这些标定点利用RAC算法对视觉传感器的内外参数进行标定。试验结果表明，基于共面法的视觉传感器的标定方法操作简便，切实可行，具有较高的精度。     

智能视觉传感器及其应用

本文介绍了近年兴起的集图像采集、处理、通讯等功能于一体的智能视觉传感器——智能相机。重点分析了其体系结构、组成模块和关键技术，比较了市场上可见到的几款智能相机。对智能相机技术的主要发展方向，以及智能相机在安防监控、工业检测、智能交通系统和机器人领域的应用作了较深刻的探讨。     

基于多传感器融合的机器人室内建图方法研究

设计了一种基于多传感器融合的室内建图方法,能够实现在包含玻璃物体的室内环境进行地图构建。主要利用激光雷达采集的数据和双目相机的数据进行特征级融合,再通过扩展卡尔曼滤波进行位姿融合;依据激光雷达对数据进行采集,利用参考阈值对疑似点进行判定;进一步使用双目视觉进行识别判定,实现多传感器融合建图。该方法可以提高局部定位能力和全局定位能力,解决传统Gmapping算法中对玻璃无法准确识别的问题。     

基于视觉检测的机器人自动制孔设备基准找正方法的研究

基准找正是机器人自动制孔中的一个重要环节,该环节直接影响整个制孔过程中的位置精度。检测系统的标定方法对最终的精度有着重要的影响。在对视觉传感器标定精确的基础上,探索整个检测系统的标定方法,并通过这种标定方法．完成对基准孔的检测,通过使用Socket完成上位与视觉传感器的通信。     

柔性装夹机器人工件视觉定位系统设计

针对智能制造平台的需要,建立了基于双目立体视觉的柔性装夹机器人工件定位系统。采用GrabCut算法对采集图像进行图像分割获得目标工件图像;进一步基于SURF特征和极限约束实现工件立体匹配;最后基于视差测距法算法求取目标工件的三维坐标,实现工件的定位。定位误差实验结果表明,定位平均误差为0.276mm,能满足柔性装卸机器人对目标工件的抓取要求。     

一种基于双目相机与单点激光测距仪的标定方法

近年来,随着工业机器人技术的不断完善,利用相机与激光测距仪结合测量的应用不断增多。为了使两者之间配合的更加便利,两者之间的标定是必不可少的。本文提出了一种基于双目相机与单点激光测距仪的标定方法,以双目相机光心为原点,建立相机坐标系。将单点激光测距仪光点打到标定板上,并在标定板上形成光斑,通过灰度重心法提取光斑中心像素点,利用双目相机的内参矩阵及深度数据获取光斑点的三维坐标值。然后利用两个三维坐标点建立公式求取外参参数的粗略解,同时通过相机坐标系下多个光斑点的三维坐标建立约束方程,并利用优化算法对约束方程进行优化,得到精确的外参参数值。该方法做法简单,且对标定器件无特殊要求,通过该方法得到的外参参数精度高,鲁棒性好。实测结果表明,通过该算法得到的外参参数进行重投影后,平均相对误差小于0.30%,能够应用于实际生产过程中。