基于ARM的类人足球机器人视觉识别系统的设计

针对类人足球机器人在复杂赛场环境中对目标色块识别能力的不足,设计一种基于ARM的类人足球机器人视觉识别系统。软硬件设计上,以搭载Linux系统的三星S3C6410作为主控图像处理芯片,用飞思卡尔MC9S12XS128单片机作为舵机控制器,以罗技C270摄像头作为视觉传感器。分割识别算法上,采用YUV颜色空间下的阈值法与区域生长的混合分割算法对色块信息进行快速分割和识别。实验表明,该设计可准确识别出较复杂环境中的目标色块并定位出中心坐标。     

一种基于机器视觉识别交通灯的方法

本文介绍了一种基于机器视觉识别交通灯的方法。将采集到的道路交通灯图像通过计算相似度定位出交通灯所在的区域,然后采取相应的颜色空间和识别算法,包括：图像分解、颜色空间的变换、颜色识别、图像分割等,来判断交通灯的颜色及其显示的数字。     

一种稳健的足球机器人目标识别算法

视觉系统是类人足球机器人获取环境信息的主要途径。在比赛中,受场地光照等比赛环境的影响,用传统的分割识别算法难以达到满意的效果。文中提出一种结合目标颜色和形状信息的识别算法。该算法在HSI空间执行基于颜色信息的快速阀值分割,获取目标像素,并且加入了自适应阀值更新,然后利用目标像素和目标形状信息执行优化边缘检测识别目标,最终获得目标在图像中准确的位置信息。实验证明：该算法能长时间在不同光照条件下稳定获取对象在图像中的位置信息,满足实时性的要求。     

一种基于全维视觉与前向单目视觉的目标定位算法

在机器人足球中,机器人周围的环境信息被颜色特殊化.在对基于颜色阈值分割的分析基础上,针对不同光线的情况下提出了改进的颜色阈值分割法,实现了全维视觉和前向单目视觉对场上不同颜色目标的识别.在此基础上实现了前项单目视觉和全维视觉的目标定位,利用Kalman滤波算法,实现二者的信息融合,从而实现更准确的目标定位信息.实验结果...     

一种用于彩色图像目标识别的自适应阈值分割方法

机器人视觉系统利用颜色、形状等信息来识别环境目标，但是难点在于识别的鲁棒性和实时性的保证。采用移动机器人做平台，提出一种基于颜色学习的实时目标识别系统，并提出了一种目标颜色学习和分割算法，该算法基于自适应阈值分割图像，考虑环境的光照变化进行调整，改善了系统的实时性和鲁棒性。     

基于YOLOv3算法的工业分拣目标检测

在工业机器人视觉导引系统中，对于不规则的工业零部件，基于模板匹配的目标检测算法难以取得较好的定位效果和识别精度。在结构化环境下，对于传统视觉目标检测算法，利用YOLOv3算法开展视觉目标检测的实践。实验结果表明，该算法的定位精度和识别精度均取得了较高的水平，可以在工业现场进行部署。     

移动双臂机械手系统协调操作的视觉伺服技术

本文利用双目泛倾斜变焦摄像机(pan-tilt-zoom,PTZ)像机,实现移动双臂机械手系统的视觉伺服协调操作,重点研究室内复杂环境和光照变化情况下目标物体的检测、识别和定位问题.首先,提出了色调、饱和度、亮度颜色模型(hue-saturation-value,HSV)空间下图像分割的改进算法,通过阈值更新和外接矩形改善分割结果,提高检测算法对环境光照变化的适应性;然后,基于Hu不变矩,利用物体形状特征,对检测得到的物体加以识别:在此基础上,利用摄像机投影矩阵,计算目标物体的空间坐标,实现其定位测量:最后,在实验室平台上,通过模拟双臂倒水操作,验证提出的图像处理和分析算法以及视觉伺服协调操作方案的有效性.实验结果表明移动双臂机械手系统能够成功完成倒水动作的协调操作.     

一种适于实时机器视觉的光照补偿方法研究

光照对图像颜色失真的影响是机器视觉中尚未有效解决的技术难点之一.通过建立一种基于背景的非均匀光照补偿模型,从原图中分离出图像的光照变化,对图像进行校正预处理.提高了后续分割的准确度.实验证明该方法运算开销小,应用到实时性要求高的足球机器人视觉系统中,能有效地克服比赛中光照的不均匀性对目标颜色失真的影响,提高了视觉系统的识别效率.     

基于视觉的水下管线识别与定位系统

论述了在水环境下如何通过视觉识别管线并给以精确的定位。提出了水下视觉系统的总体设计方案。在识别目标时,以目标的颜色为特征,并将颜色从ＲＧＢ窨转换到ＨＳＩ空间,使图象处理的速度和特征抽取的鲁棒性得到提高。对水下环境中点和线的精确定位进行了详细的分析,给出定位算法。最后的实验结果证明了算法的有效性。     

大场地足球机器人视觉系统优化设计

介绍了大场地足球机器人比赛中视觉系统的整体设计方案.采用现场标定法对采集图像进行校正,为比赛提供准确的定位信息;通过采用HSI颜色空间实现了目标颜色的准确快速识别.最终使该视觉系统保证了比赛中实时性和准确性的要求.     

移动机器人多目标彩色视觉跟踪系统

机器人视觉系统利用颜色、形状等信息来识别环境目标，但是难点在于识别的 鲁棒性和实时性的保证．本文采用全自主移动机器人为平台，提出了一种硬件成本低廉的、 基于颜色学习的实时多目标视觉跟踪系统，并提出了一种新颖的目标颜色学习和跟踪算法． 该视觉系统已成功集成在自主移动机器人系统中，非结构环境下的动态目标跟踪实验表明了 系统的实时性和鲁棒性．     

基于单目视觉的车道线和道路边界同步检测

针对智能车辆视觉导航中的车道保持问题,采用了单目视觉技术检测结构化道路上的车道线和道路边界.详细介绍了标线灰度特性与道路边缘信息的特征提取,并在此基础上结合公路几何线形进行道路模型匹配.算法整体采用初始检测和后继跟踪的循环处理流程,大大提高了实时性和抗噪性.通过CCD测试结果表明,方法能够快速、准确、同步地检测出车道线和道路边界.     

基于优化Prewitt的高速夜间车道检测算法

针对夜间高速公路,提出识别车道标志线的新型检测算法.该算法采用改进的中值法滤波,基于光密度差的4方向模板对数Prewitt边缘检测预处理图像,得到二值化阈值T. ROI和左右车道线的确定大大减少运算量,结合车道线宽度去除伪车道,采用临时轨迹策略排除光线变化和前方车辆的干扰,最后得到完整清晰的车道线.实验证明该车道检测方法具有快速性、稳定性、准确性.     

类人足球机器人场上目标识别算法

在比赛过程中类人足球机器人的视觉系统需要对足球、球门以及对阵双方机器人进行识别. 考虑到算法的快速性及有效性,采用基于颜色信息的算法对球及球门进行识别,通过球及球门的颜色阈值提取图片中球与球门可能的位置,再由球与球门的背景色或面积信息确定球与球门的正确位置. 对双方机器人的识别,首先提取机器人的特征,然后通过在线实时的监督学习方法训练一组级联分类器,通过训练好的分类器对双方机器人进行检测. 实验表明算法能够快速有效地识别场上目标,且算法具有较好的鲁棒性.     

光线自适应的水下管线识别与定位系统

本文论述了在水下环境下如何通过视觉识别管线并给以精确的定位．提出了水下视 觉系统的总体设计方案．在识别目标时,以目标的颜色为特征,并将颜色从RGB空间转换到H SI空间,使图像处理的速度和特征抽取的鲁棒性得到提高．由于水下环境光照变化剧烈,使 用模糊神经网络来动态调整特征颜色阈值．对水下环境中点和线的精确定位进行了详细的分 析,给出定位算法．最后的实验结果证明了算法的有效性．     

基于混沌粒子群的车道线检测算法

为解决在恶劣天气、光照条件变化和路面信息干扰等情况下的车道线检测识别率低的问题,提出一种采用核Fisher线性判别分析灰度变换以及混沌粒子群的车道线检测算法。将高维的RGB彩色图像通过最佳鉴别投影向量投影到低维的子空间,通过混沌粒子群算法,根据车道线特征,遍历粒子取值范围内的空间,寻找适应度函数最大的解,根据最优解获得的直线参数在图像上拟合车道线。实验结果表明,所提算法能够实现各种道路情况下的车道线检测功能,验证了该算法具有良好的鲁棒性。     

A robust lane recognition technique for vision-based navigation with a multiple clue-based filtration algorithm

This paper proposes a novel multiple clue-based filtration algorithm (MCFA), which is developed to detect lane markings on roads using camera vision images for autonomous mobile robot navigation. The main goal of the algorithm is the robust estimation of the relative position and angle of the lane in the image by using multiple clues based on different characteristics of the lane. In particular, robustness against environmental changes is enhanced greatly since a dynamic model of the lane, besides static features of the lane such as color, intensity, etc., is incorporated for reliable estimation. The efficiency of the algorithm is verified through mobile robot experiments under various extreme illumination conditions in outdoor environments. The increased robustness performance enables reliable closed-loop control of a mobile robot that operates in a variety of navigation-related missions.     

基于单目视觉的障碍物检测方法研究

为了解决车辆的碰撞问题,提出了一种基于单目视觉的车道标识线二维重建及障碍物检测与跟踪的方法.主要采用最大类间方差法对初始图像进行分割,给出一种新的车道标识线特征点搜索策略,用统计模型的方法获取车道线参数.利用障碍物(前方车辆)在道路中留下的阴影,检测车辆边缘并确认车辆存在,运用卡尔曼滤波方法跟踪车辆具体位置.所设计的方法能够准确地检测跟踪车道线及前方障碍物.实验结果表明:方法满足车辆安全行驶的前提需要,具有较高的准确性和实时性.