基于双目视觉的焊缝图像立体匹配

针对焊接图像缺乏纹理的问题,研究了一种弱纹理检测跨尺度聚合的立体匹配算法。根据张氏标定法,对双目视觉传感器进行标定,得到了双目视觉传感器的外部和内部参数。然后,对双目视觉传感器获取的焊缝图片进行中值滤波、二值化等一系列图片预处理。利用弱纹理检测跨尺度聚合算法对焊缝图像进行立体匹配,得出焊缝图像视差图,再从视差中恢复距离,得到了焊枪的高度信息。对双目视觉传感器采集的焊缝图像进行实验,实验结果验证了弱纹理检测跨尺度聚合的立体匹配算法的可靠性。     

虚拟多传感器信息融合的在线钢材视觉检测

为提高工业现场在线视觉检测准确性，提出了一种新颖的基于虚拟多传感器信息融合的在线视觉检
测方法.该方法在虚拟多传感器的概念及其实现技术的基础上，给出了一种基于统计方法的自适应权系数D
S证据理论融合算法.对在线获取的实时图像完成特征统计，获得图像的信息融合权系数.分别采用Canny
边缘检测、Sobel梯度算法、区域灰度均值以及模板匹配度计算等方法对图像进行处理，获取图像中存在
检测对象的基本信度.利用加权D S证据理论融合这些基本信度，并获得实时检测数据.现场应用结果表明
，该方法具有检测分析快速准确、抗干扰能力强、适用范围宽且不需要多个传感器的特点.     

协同视觉信息与标注信息图像聚类

针对如何有效地利用图像视觉信息与标注信息进行图像聚类的问题,提出了一种基于视觉单词与标注单词共生的聚类算法.在视觉特征空间,采用K-means算法对图像聚类,得到表征图像视觉信息的视觉单词,即聚类中心.在图像标注字空间,计算各聚类中心下标注单词的统计分布,建立视觉单词与标注单词共生矩阵,进而针对图像提取嵌入有视觉信息的标注词特征LDA(latent dirichlet allocation)主题模型作为最终聚类算法完成图像的聚类.通过对Pascal VOC 2007标注图像数据库进行的实验仿真以及对比试验结果表明,基于视觉单词与标注单词共生的聚类算法可以有效地利用图像的视觉信息与标注信息的互补特性,提高聚类算法的性能.     

建筑板材安装机器人视觉系统及标定方法研究

在总结了已有线结构光视觉传感器标定方法的基础上,提出了一种针对建筑板材安装机器人系统特定工作条件下,对线结构光视觉传感器进行标定的新方法.利用机器人精确移动获取标定点,并根据图像中反应的外界光照条件,板材尺寸等信息,通过BP神经网络逼近线结构光视觉传感器的标定模型,从而将线结构光视觉传感器的内外参数统一标定.该方法大大简化了标定过程,并在应用中取得了较好的效果.     

基于自适应混合高斯模型全方位视觉目标检测

针对全方位视觉传感器视野范围大的特点,提出一种基于自适应混合高斯模型的全方位视觉目标检测系统.该系统通过Hough变换检测全方位图像的中心,基于图像中心对全方位图像进行展开.对展开后的图像利用混合高斯模型进行背景建模,并自适应地更新背景模型,通过前景分割可以有效地分割出运动目标.在图像展开及混合高斯建模时,通过调整系统的采样频率可以较好地改善目标检测的实时性.实验结果表明,该系统可以在复杂环境中有效地检测运动目标,具有较强的准确性和鲁棒性.     

基于嵌入式红枣颜色分级系统研究

基于嵌入式STM32F407处理器结合机器视觉技术对红枣颜色进行检测和分级.为减少红枣分级设备成本,降低系统复杂性,该系统利用嵌入式STM32F407处理系统代替计算机进行图像数据处理,基于μC/OS-II软件平台,首先通过CMOS图像传感器获取鲜枣图像,经一系列图像预处理,利用颜色阈值算法实现鲜枣颜色分级.经实际使用验证,该系统具有分级速度快、检测识别精度高、制作成本低等优点,在红枣颜色分级方面有较高的实用价值.     

移动机器人环境视觉图像小波稀疏压缩传感与恢复重构

基于最新压缩传感技术理论,采用小波稀疏方法和正交匹配跟踪算法,对移动机器人常规环境视觉图像压缩传感存储与恢复重构进行了研究.结果表明：进行小波稀疏的压缩传感编码可以大大减少机器人环境视觉图像信息量,降低存储与传输代价,通过正交匹配追踪算法恢复的视觉图像,可以满足机器人常规环境视觉探测.     

视觉注意计算模型及其在自然图像压缩中的应用

为了提取自然图像中的主要视觉信息以便更好地对图像进行压缩，提出了一种新的基于感兴趣区域的图像压缩方法.该方法使用一个基于视觉生理和心理物理实验结果的视觉注意计算模型计算图像中的感兴趣区域，并用JPEG算法对感兴趣区域和背景区域采用不同的压缩比进行压缩，对部分图像进行了初步实验.结果表明，用该方法压缩后图像的字节数和每像素比特数等参数均好于JPEG算法；同时压缩后图像在视觉上对比突出了感兴趣区域，有利于对感兴趣区域的观察.     

管内作业机器人视觉伺服控制中的实时图像处理

针对管内作业机器人视觉伺服控制的要求,在分析视觉传感器成像机理的基础上,提出了一种实时图像处理算法。即预先将理想的特殊图像和联想记忆神经网络存储起来,在使用时,先将原始数字图像进行压缩,再用神经网络进行处理。仿真证明该方法是快速、有效的,而且具有较强的抗干扰能力。     

基于视觉特性的图像融合质量评价新方法

建立图像融合质量评价标准是图像融合中急需解决的问题之一,本文在分析讨论了现有主、客观评价方法的基础上,提出的一种新的结合主观和客观因素的图像融合质量评价方法,该方法无需理想图像,同时充分考虑了人类视觉特性．通过对红外与微光图像在不同融合算法下的质量进行评价表明,该方法是一种实用的、有效的图像融合质量评价方法,可以为选择图像融合算法提供依据．     

基于地面特征的单目视觉机器人室内定位方法

针对高精度的机器人室内定位方法中成本过高的问题,提出一种基于地面特征的单目视觉机器人室内定位方法。该方法通过安装在机器人底盘的单目鱼眼摄像头采集地面图片,并经过一系列图像处理,将得到的地面方格直线和相机的位姿关系作为观测量,通过推导出观测方程并根据扩展卡尔曼滤波算法得到机器人的位置信息。基于机器人当前时刻位置数据和地面的固定方格大小提出线预测算法,有效地排除干扰线段的影响。实验结果表明,该机器人室内定位方法定位精度可以达到2 cm,具有较好的鲁棒性,能够为低成本的机器人室内定位提供较好的技术参考。     

基于踢脚线的结构化环境单目视觉导航

针对室内结构化环境下的导航任务,提出一种以踢脚线为参考直线的基于单目视觉的导航算法。利用单目摄像头提取图像,运用Canny边缘检测方法和霍夫变换相结合的边缘检测算法提取结构化环境中的踢脚线,根据平行直线在图像平面的成像原理,提取出参考直线和偏航角作为导航信息,实时控制小车的运动。试验结果显示,基于该方法设计的小车可以实现安全行驶,该方法获取的导航参数受光照的影响不大,稳定可靠,能满足安全性和实时性的要求。     

足球机器人视觉图像分割算法

为提高机器人在比赛中对多目标提取及识别的准确度和效率,采用离线的自适应阈值颜色分类法,同时识别不同颜色的多个目标物,对颜色的变化有一定的适应性;然后用改进的数学形态学中的膨胀腐蚀算法对颜色分类后的图像滤波,该方法在保证图像处理效率的同时提高分割精度;最后使用种子填充法来实现同时分割和多目标特征提取,减少像素点遍历次数,提高算法效率。实验证明,通过上述方法可以使足球机器人适应一定的光照变化,准确快速地分割多个目标。     

基于改进随机蕨的移动机器人物体识别算法

物体识别是智能移动机器人的重要功能之一,针对计算机视觉领域移动机器人在约束场景,如低图像分辨率,运动模糊和背景杂乱等相关研究比较少的现状,根据移动机器人捕获图像的特点,对随机蕨算法的参数进行了调整,并对匹配标准进行了改进,取得了较好的识别正确率。该算法实时性较好,适用于移动机器人的物体识别。     

基于深度自动编码器与Q学习的移动机器人路径规划方法

针对移动机器人在静态未知环境中的路径规划问题,提出了一种将深度自动编码器( deep auto-encoder)与Q学习算法相结合的路径规划方法,即DAE-Q路径规划方法。利用深度自动编码器处理原始图像数据可得到移动机器人所处环境的特征信息;Q学习算法根据环境信息选择机器人要执行的动作,机器人移动到新的位置,改变其所处环境。机器人通过与环境的交互,实现自主学习。深度自动编码器与Q学习算法相结合,使系统可以处理原始图像数据并自主提取图像特征,提高了系统的自主性;同时,采用改进后的Q学习算法提高了系统收敛速度,缩短了学习时间。仿真实验验证了此方法的有效性。     

基于Matlab和VC++混合编程的障碍检测系统设计

本文主要研究移动机器人在环境未知情况下的障碍物检测问题,提出了一种图像分割和立体视觉相结合的方法进行检测,减小了检测算法的复杂度,并能快速可靠地检测出机器人行进前方障碍物的位置和距离信息;将VC++的可视化图形界面功能和MATLAB的强大图像处理功能有机的结合起来,采用混合编程开发方法实现障碍物检测系统软件。实验结果表明,该方法在障碍物检测系统的开发过程中大大提高了编程效率,缩短了软件的开发周期。     

基于粒子群优化的移动机器人全局定位算法

为了提高图像特征匹配过程中地图库的搜索速度,提出了一种局部子地图库搜索方法。并针对机器人自定位过程中会产生多个候选位姿,提出了利用粒子群优化算法来优化候选位姿以得到定位精度较高的优化解的全局定位新方法。最后通过Pioneer 3DX在室内环境的全局定位实验分析了粒子群优化前后定位精度和定位时间的变化。实验结果表明,新算法以牺牲较少的计算时间获得了较高的定位精度。     

基于颜色和深度的场景分割

针对家庭服务机器人对分割精度的要求,研究了基于Kinect的场景分割问题。设计了一种融合Kinect获取的深度信息与颜色信息的场景分割方案。将Kinect获取的深度图像与颜色图像分别用一维向量和三维向量表示,并进行归一化,通过一个平衡系数将二者融合到一起形成场景的四维向量描述;再将基于Nystrm方法的Normalized Cuts谱聚类算法应用于四维向量,从而实现场景分割。实验结果表明,该算法的分割结果优于单独基于颜色或深度信息的场景分割算法,能达到家庭服务机器人对场景分割精度的要求。     

面向医院病房巡视的机器人图像采集与传输系统

针对医院病房巡视机器人对图像信息采集及传输的要求,设计并实现了一种基于无线局域网的图像采集及传输系统。为了降低机器人的计算负担,提出了一种嵌入式设备与工控机相结合的方法,嵌入式设备负责图像采集、压缩,工控机负责图像传输。采用JPEG图像压缩算法,有效地减少了网络带宽的使用。设计了一种基于UDP的网络通讯协议,使图像在无线局域网中快速、稳定的传输。利用多线程技术,改进并行传输图像的方式,提高了图像传输的实时性。实验结果表明:该系统工作稳定、实时性好,能够满足巡视机器人病房巡视过程中图像信息的采集和传输的任务要求。     

自主移动机器人走廊识别算法研究与改进

针对移动机器人在室内环境下自主导航过程中的走廊识别问题,提出一种改进的走廊识别算法.该算法采用由Kinect传感器提供的深度图信息,利用连续点间的深度差值和最小二乘法拟合直线检测走廊出口存在性,最后结合贝叶斯分类器完成对走廊类别的判定.实验表明,该方法能够高效地识别走廊类型,同时具有较好的鲁棒性,并且在复杂的室内环境下依然能够保持较高的走廊类型识别率.