基于视觉显著性特征的自适应目标跟踪

为解决运动目标跟踪过程中候选目标信息描述单一的问题, 提出一种基于视觉显著性特征融合的自适应目标跟踪算法。提取目标颜色、颜色的变化、强度和运动信息构建目标四元数模型, 采用相位谱重建算法检测目标的显著图(Saliency Map), 并根据特征相似度大小自适应调整权值, 融合视觉显著性特征和颜色特征实现目标跟踪。实验结果表明, 该算法能有效克服部分遮挡和背景融合干扰, 从而实现复杂背景下目标的准确跟踪。     

类人足球机器人彩色目标识别与头部视觉跟踪

为了在机器人足球比赛中能够快速准确地跟踪运动目标,提出了一种颜色识别与头部视觉跟踪相结合的方法.利用HSV色彩空间颜色阈值的判别和种子点区域生长的填充算法识别物体,计算物体质心并判断其位置,然后通过舵机控制机器人头部的转动跟踪目标.实验结果表明,该方法具有较高的跟踪速度与准确性.     

嵌入式视觉实时跟踪系统

在差分得到的二值图像基础上，采用快速搜索算法确定运动物体，并用光流场方法跟踪运动目标。作者选择TMS320作为视觉跟踪系统的硬件平台，采用摄像机获取场景图像，通过软件捕捉场景图像中的运动物体，识别物体运动的方向和距离，实现了视觉实时跟踪功能。在此基础上，完成了分立器件构成的嵌入式视觉实时跟踪系统的设计，对于视觉技术的实际应用具有一定工程意义。     

基于立体视觉的一般物体识别方法

为了使计算机具有与人类相似的在复杂背景下识别一般物体的视觉处理能力,提出了一种基于立体视觉的一般物体识别方法.该方法的核心在于融合二维图像信息和双目相机获取的深度信息,对视野中的环境进行物体定位、图像分割、特征描述以及物体识别.通过双目相机获取环境的三维点云信息,并利用mean-shift算法进行聚类,剔除干扰点,从而实现物体在二维图像上的定位与分割.利用含有空间关系的BoW模型对分割后独立区域内的物体进行识别,得出判别结果.此外,在利用sift算法进行特征点提取以及利用mean-shift算法进行聚类的环节中,采用CUDA环境下的GPU进行加速处理,提高了处理速度.实验结果表明,所提方法具有较好的识别效果和鲁棒性.     

基于OpenCV的双目立体视觉监控跟踪系统

现阶段的监控设备无法自主获取目标区域的距离信息,而且在一定范围之外,由于图像模糊程度加深而无法对特定个体进行识别确认。针对以上存在的问题,设计并开发了基于计算机视觉库OpenCV(IntelOpen Source Computer Vision Library)的双目立体视觉监控跟踪系统。利用OpenCV强大的计算机视觉和图像处理能力,结合自行研究的双目立体视觉测距改进法和轮廓搜索法,能实现对监控区域内的物体进行距离测量和轮廓识别。通过实验结果表明,基于OpenCV的双目立体视觉监控跟踪系统运行可靠稳定,在一定范围内达到了实验要求。     

相对运动的视觉效应

有关视觉相对运动的研究很少,根据实际观察且经数学推导证明：视觉相对速度是由运动观察者相对于被观察物体的位移的时间变化率所决定的.当运动观察者同时观察多个相对于地面静止的物体时,运动观察者很自然地以介于远近之间的物体为参照物来观察远、近的物体.这时的视觉相对运动由视觉相对速度所决定.研究视觉相对运动,可以让运动者尤其是高速运动者正确感知运动时周围的环境变化和物体的位置关系,以便做出正确的判断,防止重大交通事故的发生.该研究对高速驾驶航天飞船、列车和汽车具有指导意义,也具有尚未被人们认识的军事意义.     

基于视觉显著性特征的粒子滤波跟踪算法

针对复杂环境下的运动目标跟踪问题,提出了一种基于视觉显著性特征的粒子滤波跟踪算法.该算法利用显著性检测算法对序列图片进行检测,生成视觉显著图,然后利用二阶自回归模型对目标状态进行预测,再根据中心强化-四周弱化的机制,生成最终显著图.利用视觉显著图中目标区域像素值较大的特点,提取视觉显著性特征,与颜色特征进行自适应融合,从而完成跟踪.实验结果表明,该算法能够有效应对跟踪过程中出现的场景光照变化和目标姿态变化等问题,具有较强的鲁棒性.     

一种基于视觉信息的自主搬运机器人

提出了一种利用视觉信息进行定位和抓取的自主机器人搬运系统,此系统由带有两自由度操作手的轮式移动机器人和远程控制站组成。机器人利用视觉系统识别路标信息,采用MonteCarlo方法进行自定位。当靠近目标物体时,机器人利用视觉系统识别目标,并在利用该信息引导下自动抓取。由于机器人的运行是靠视觉系统获取的路标信息和目标物体信息引导的,同时具有遥操作控制功能,因此该系统能轻松完成复杂环境下搬运物体的任务。     

不稳定光照条件下多机器人的视觉系统设计

视觉系统是机器人系统感知外界环境的主要传感器.为了提高系统在不稳定光照条件下的识别准确率和定位精度,提出新的色标设计和根据当前颜色阈值可信度来确定颜色阈值的方法,同时采用数字图像形态学的理论对识别结果进行优化.最后,在“家庭生活支援多机器人系统”中得到了验证.     

一种基于BoW物体识别模型的视觉导航方法

针对复杂的室内环境,提出一种新的动态环境下的移动机器人视觉导航方法.该方法以室内常见物体作为自然路标,通过单目视觉建立识别模型来认知环境中的各种物体.首先对室内常见物体建立图像库,并对库中的大量图像采集SIFT特征;然后通过BoW模型来描述各幅图像,针对每类物体利用线性支持向量机(SVM)训练出物体识别模型;最后借助交互的手绘地图描述室内环境,移动机器人从中获得辅助路径以及自然路标的大概位置,从而完成导航任务.通过大量实验,从自然路标变化、目的区域变化、手绘地图偏差等多角度验证该方法的鲁棒性.实验结果表明,该导航方法操作简单高效,并具有人机交互性强、动态环境下适应能力高的优点.