RBF网络在立体视觉系统中的研究

摄像机标定、立体校正以及三维表面重建是立体视觉研究的重要内容。论文充分利用RBF网络的泛函逼近以及插值能力,将其应用于以上三个方面。在摄像机标定过程,通过将标定平面放置在有效视场内的多个位置,得到一组完备的样本,经过RBF网训练后,将立体视觉的几何成像关系存储于网络中;在立体校正过程,利用极线性质,由RBF网络确定图中的一组极线,然后通过求解极值问题来确定极点位置,最后用优化方法解出校正变换矩阵;在三维重建过程,利用摄像机标定中建立的视觉模型,重建出与图像信息相一致的三维表面。与传统方法相比,该算法具有重建速度快,运算精度高,过程简易明了等优点。通过对实际的视觉系统进行实验,证明了该算法的正确性和有效性。     

双目立体视觉和编码结构光相结合的三维重建方法

提出了一种双目立体视觉和编码结构光相结合的三维重建方法。为了降低单纯双目立体视觉方法中稠密对应点匹配问题的复杂度,同时回避单纯编码结构光法中的投影仪标定难题,该方法将编码结构光条纹带来的空间约束引入双目立体视觉方法中。实验实现了物体表面的重建,且算法复杂度和实现难度较低。     

双目视觉的立体标定方法

为实现双目视觉系统的立体标定,分析了摄像机成像模型,并充分考虑了透镜的径向畸变和切向畸变,提出了一种新的立体标定算法。该算法利用张正友的灵活标定算法,初步求取摄像机的内参数,结合Brown算法并提取图像中角点的子像素级坐标,精确求取摄像机内参数和畸变向量。为方便后续的图像校正,基于前面的单个摄像机标定,通过计算空间中的景物点在左右摄像机成像平面上的位置关系,计算出双目视觉系统中两个摄像机之间的旋转矩阵R和平移向量T,从而实现了立体标定。实验结果表明,该算法能取得较高的精度,可以应用于双目视觉系统。     

立体视觉概述

立体视觉是计算机视觉领域的一个重要分支，经过了40多年的研究与发展，这门技术在许多领域发挥着越来越重要的作用。本文系统地介绍了立体视觉研究的基本原理和内容，指出双目视觉技术的实现分为图象采集、摄象机标定、特征提取、立体匹配、三维重建以及后期处理几个步骤，分析了各个步骤的技术特点、存在的问题和解决方案，分析比较了各种技术的优缺点和适用范围，并着重介绍了特征提取和立体匹配这两个步骤，简要介绍了立体视觉技术的应用范围，总结分析了目前立体视觉研究所存在的主要问题和今后的发展方向。     

双目立体视觉中的摄像机标定技术研究

以张氏标定方法为基础,提出以圆心作为标定点的2D平面模板标定方法,通过与基于方格角点的标定方法以及基于方格形心的标定方法进行比较,证明了该方法的有效性。又运用BP神经网络来模拟立体视觉系统三维空间与二维图像平面之间的物、像对应关系,建立了双目立体视觉系统的摄像机隐式标定模型,避免了因数学模型的不完善而带来的系统误差。实验证明该方法能够获得较高的标定精度。     

基于激光与立体视觉同步数据的场景三维重建

本文介绍了一种利用移动机器人的激光信息和立体视觉信息实现室内外场景三维重建的方法。推导了激光与视觉采样点的配准关系。通过改变黑色三角形标定板的位置和姿态,选取足够的观测次数以获得足够的观测样本,使用高斯牛顿迭代方法进行估计,得到二维激光扫描仪与立体相机之间的变换矩阵。使用双目立体视觉里程计进行定位,采用八叉树算法存储和查找点,删除冗余点,得到场景的三维模型显示。实验证明本文所提出的方法有效地解决了室内外场景三维重建的基本问题。     

工业机器人视觉系统中双目摄像头标定算法研究

在三维立体视觉系统中,摄像机的标定是一项必不可少的工作.针对现有的摄像机标定法在进行角点提取时,由于光线变化产生的干扰问题,论文提出了一种将Harris算法与梯度阈值算法相结合的新方法.实验过程中采用大小各为600mm、150mm的基线距离对该方法进行验证,实验证明,基线为600mm的轴位移为582.068,基线为150mm的轴位移为162.125,误差大小约为15mm.因此,该算法在光线较弱或者光线变化的情况下能够准确的对双目视觉系统进行标定,且易于实现,标定结果准确且稳定,满足双目立体视觉应用的需求.     

基于人工神经网络的立体视觉定位方法

提出了一种基于人工神经网络的计算机立体视觉测量方法,应用神经网络技术可以化简视觉定位系统的标定和位置计算,从而减少了位置检测系统使用复杂性。利用动量-自适应学习率BP算法可提高学习速度并增加了算法的可靠性。实验表明,人工神经网络的定位方法简化了视觉定位系统标定与定位计算的复杂性,在定位精度上达到了良好效果。为机器人视觉伺服提供了有效的技术途径。     

立体视觉概述

立体视觉是计算机视觉领域的一个重要分支,经过了40多年的研究与发展,这门技术在许多领域发挥着越来越重要的作用。本文系统地介绍了立体视觉研究的基本原理和内容,指出双目视觉技术的实现分为图象采集、摄象机标定、特征提取、立体匹配、三维重建以及后期处理几个步骤,分析了各个步骤的技术特点、存在的问题和解决方案,分析比较了各种技术的优缺点和适用范围,并着重介绍了特征提取和立体匹配这两个步骤,简要介绍了立体视觉技术的应用范围,总结分析了目前立体视觉研究所存在的主要问题和今后的发展方向。     

基于双目立体视觉三维重建系统的研究与设计

基于双目的立体视觉方法,介绍了一套由双工业CCD构成的立体视觉系统,设计了一套切实可行的三维重建系统方案,其中包括图像获取模块,基于OpenCV的摄像机标定系统,SIFT算法实现特征点提取与立体匹配,深度信息计算,OpenGL三维模型重构几大模块.系统各模块经过试验测试和验证,能够通过两幅图像恢复出物体三维可见表面几何形状,充分发挥了OpenCV函数库的功能,基本上能满足三维重建目标的要求,尤其对城市景观的三维重建有较大应用价值.     

基于神经网络的摄像机平面模板标定方法

根据立体视觉原理,提出了基于神经网络摄像机标定方法,该方法的特点是采用平面模板作为标定物.由于传统的标定算法在考虑各种非线性畸变时计算十分繁琐,利用BP神经网络来直接学习图像信息与三维信息之间的关系,可实现从输入到输出的任意非线性映射.为了提高BP神经网络训练速度和避免陷入局部最小解,采用引入动态因子的学习算法.实验结果表明,该算法具有较高的标定精度,而且可行.     

应用径向基函数网络进行足球机器人视觉系统的标定

在足球机器人视觉系统中,由于摄像机是普通的非量测摄像机,所以实际空间点的三维几何位置与其在图像中对应点之间是一种复杂的非线性映射关系,必须进行摄像机标定。由于基于精确模型的各种标定方法比较繁琐,而径向基函数网络可以实现从输入到输出的任意的非线性映射,论文将径向基函数网络应用于足球机器人视觉系统的标定,仿真实验结果表明该算法是确实可行的。     

栅格法视觉传感集成及机器人实时避障

研究移动机器人在室内环境下集成双目视觉和激光测距仪信息进行障碍物实时检测。由双目视觉系统检测环境获取视差信息,通过直接对视差信息进行地平面拟合的方法快速检测障碍物;拟合过程中采用了随机采样一致性估计算法去除干扰点的影响,提高了障碍物检测的鲁棒性。用栅格地图表示基于机器人坐标系的地平面障碍物信息并对栅格信息进行提取,最后把双目视觉与激光测距得到的栅格信息进行集成。实验表明,通过传感信息集成,移动机器人既得到了充分的障碍物信息,又保证了检测的实时性、准确性。     

《OpenGL三维图形程序设计》系列讲座 第五讲 曲线和曲面(下)

《ＯｐｅｎＧＬ三维图形程序设计》系列讲座第五讲曲线和曲面（下）３ＯｐｅｎＧＬ中的曲面３．１二维算子一个Ｂｅｚｉｅｒ曲面是一个二元向量值函数Ｓ（ｕ，ｖ）＝［Ｘ（ｕ，ｖ），Ｙ（ｕ，ｖ），Ｚ（ｕ，ｖ）］这里ｕ和ｖ都可以在其定义域内变化。在二维情况下，除了所...     

基于最优投影平面的立体视觉空间圆位姿高精度测量方法

现有基于双目立体视觉的测量方法的测量精度依赖于标定精度,在受遮挡时测量精度不高.文中首先分析并证明在双目立体视觉系统外部参数误差存在时,投影曲线上点的立体匹配误差对点的重建精度的影响.然后基于此误差分析结论,设计立体视觉空间圆位姿测量方法,通过轮廓点筛选算法筛选投影曲线上的点,得到匹配误差较小的点并进行重建.利用重建点在深度方向上对非线性优化得到最优投影平面的投影,对空间圆进行拟合,得到空间圆的位置姿态.文中方法有效减小三维点重建误差对空间圆拟合精度的影响,提高圆形特征在受遮挡情况下的测量精度.最后通过实验验证方法的有效性.     

基于BP网络的足球机器人视觉系统的标定

摄像机标定是足球机器人 (MIROSOT)视觉系统的基础 .由于实际空间点的三维几何位置与其在图像中对应点之间的是一种复杂的非线性映射关系 ,而 BP网络它可以实现从输入到输出的任意的非线性映射 ,本文将BP网络应用于足球机器人视觉系统的标定 ,采用 L evenberg- Marquardt的学习算法 ,实验结果证明了该算法的可行性     

径向基函数网络的隐式曲面方法

将径向基函数网络与隐式曲面构造原理相结合，提出一种构造隐式曲面的方法．首先以描述物体曲面的隐式函数为基础构造三元显式函数，然后用径向基函数网络逼近显式函数，最后从神经网络的仿真超曲面得到描述物体的封闭曲面；并证明了在理论上此等值面可以以任意精度逼近物体曲面．该方法具有光滑度高、稳定性好，尤其适用少量采样点情形等特点．实验表明，它具有很强的造型能力．     

双目摄像机定标的神经网络方法

研究基于反向传播神经网络的摄像机双目立体视觉定标新方法。传统方法基于三角测量原理技术,会带入成像畸变非线性误差,而这种新方法可以消除非线性因素的影响。该方法利用了BP网络良好的非线性映射能力以及学习、泛化能力,通过采用高精度样本数据训练BP网络,最终建立起立体视觉定标的网络模型。由于不需要考虑视觉模型误差、光学调整误差、广角畸变等因素对视觉检测系统测量精度的影响,因而能够有效地克服常规建模方法的不足,保证了检测系统具有较高的精度。     

基于BP神经网络的隐式曲面构造方法

通过把BP神经网络与隐式曲面构造原理相结合,提出构造隐式曲面的新方法.用约束点来描述、控制曲面形状,构造BP网的输入与输出,通过智能学习、仿真模拟,最后从仿真超曲面抽取出的零等值面就是隐式曲面.同时,从理论上证明了此方法所构造的隐式曲面具有任意精度.实验表明该方法对约束点的个数、误差、内外点与边点的距离等不敏感,表现出很好的稳定性与可操作性.该构造方法不仅可用于构造隐式曲面,而且在图形理解、数据分类等领域也具有良好的应用前景.