基于动态目标追踪的伺服跟随机器人设计

提出一种基于动态目标追踪的伺服跟随机器人设计构架.以低成本单目视觉传感器为观测手段,通过高斯滤波、图像空间变换、图像分割和模型特征提取实现对人造环状标志物的辨识和追踪;并基于此实现对监控目标的伺服跟随.     

一种基于立体视觉的运动目标检测算法

在目标检测中采用立体视觉方法。首先对立体图像对进行匹配求取场景的视差图,再运用基于视差的背景差分法获得含有运动目标的前景区域,最后根据前景区域的视差和位置分布准确定位各运动目标。立体视觉方法有效解决了单目视觉检测方法中的一些难点问题,可以克服光线的变化和阴影干扰对目标检测带来的影响,在多个目标发生部分遮挡时仍能正确区分各运动目标。     

基于RGB-D单目视觉的室内场景三维重建

针对室内环境单目视觉的室内场景三维重建速度慢的问题,采用华硕Xtion单目视觉传感器获取的室内场景彩色图像和深度图像进行快速三维重建。在图像特征提取上使用ORB特征检测算法,并对比了几种经典特征检测算法在图像匹配中的效率,在图像匹配融合中采用Ransac算法和ICP算法进行点云融合。实现了一种室内简单、小规模的静态环境快速三维重建方法,通过实验验证了该方法有较好的精确性、鲁棒性、实时性和灵活性。     

基于视觉的三维目标检测算法研究综述

基于视觉的目标检测是环境感知系统的重要组成,一直以来是计算机视觉、机器人等相关领域的研究热点。三维目标检测是在二维目标检测的基础上,增加目标尺寸、深度、姿态等信息的估计。相比于二维目标检测,三维目标检测在准确性、实时性等方面仍有较大的提升空间。系统总结了基于视觉的三维目标检测方法,调研了现有的基于单目视觉、双目、深度相机的三维目标检测方法,并依据室内外场景进行了分类。此外,在KITTI、SUN RGB-D等数据集上对最新的三维目标检测算法进行了对比分析,并针对目前算法中存在的难点和问题,讨论了未来的研究方向。     

纯方位角目标跟踪及移动平台可观性控制方法

为了解决未知环境下的单目视觉移动机器人目标跟踪问题,提出了一种将目标状态估计与机器人可观性控制相结合的机器人同时定位、地图构建与目标跟踪方法。在状态估计方面,以机器人单目视觉同时定位与地图构建为基础,设计了扩展式卡尔曼滤波框架下的目标跟踪算法;在机器人可观性控制方面,设计了基于目标协方差阵更新最大化的优化控制方法。该方法能够实现机器人在单目视觉条件下对自身状态、环境状态、目标状态的同步估计以及目标跟随。仿真和原型样机实验验证了目标状态估计和机器人控制之间的耦合关系,证明了方法的准确性和有效性,结果表明:机器人将产生螺旋状机动运动轨迹,同时,目标跟踪和机器人定位精度与机器人机动能力成正比例关系。     

扩展2维环境中的移动机器人多人体目标跟踪

移动机器人如何自主实现人体目标的检测与跟踪是服务机器人研究领域中的关键问题之一.在深入分析单目视觉和激光测距特性的基础上.文章首先针对室内场景进行扩展2维环境建模研究,并提出在该环境下的人体目标分段模型构建与自主辨识方法.为了有效实现对多个人体目标的同时跟踪,本文提出了一种基于非恒速运动模型和卡尔曼滤波对多人体目标进行有效匹配与跟踪的方法.实验表明本文所提方法能有效的克服目标旋转、部分遮挡和重叠以及光线明暗变化给人体目标跟踪带来的影响,具有较好的鲁棒性和实用性.     

双目视觉机器人遮挡目标识别研究

随着《中国制造2025》的提出,中国的装备生产和应用的信息化与智能化提上了日程。而双目视觉机器人恰是实现这一目标的执行者。双目视觉机器人识别过程,受实际工况和自身目标识别算法的影响,具有盲目性、非穿透和波动等特性, 针对该复杂过程,提出了UWB遮挡目标识别算法。该算法参考无线电波的运动学方程,结合UWB(Ultra Wideband)无载波通信技术,构成遮挡目标识别系统。并通过UWB标定原理对遮挡目标识别系统进行标定实现对遮挡目标的精确识别,通过实物运行,误差控制在7.1%,满足位置偏差小于26.3%的设计要求,验证了该方案的可行性和有效性。该研究对双目视觉机器人的双目视觉目标识别算法结合其他目标识别算法组成复杂的目标识别算法网络是一次有益的尝试。     

基于单目视觉的机器人目标定位测距方法研究

为实现具有单目视觉的双足机器人对目标物体的定位测距,根据针孔成像和几何坐标变换原理,提出一种基于单目视觉系统自身固定参数计算目标物体深度信息的几何测距方法;该方法利用双足机器人自带的单目视觉系统的固定参数,通过几何映射关系求解目标物体在三维空间内的坐标位置及相对于机器人的距离,克服了由于外界环境变化以及对参照物识别时所产生的误差影响测距定位精度的问题,从而实现基于单目视觉的目标物体精确跟踪定位;并对所提出方法进行了实验,得到比理论结果误差较小的实验数据,证明了方法的可行性。     

#br# 基于SIFT和YOLO的弱目标鲁棒性实时追踪算法

提出基于SIFT和YOLO的弱目标鲁棒性实时追踪算法,它能够在场景变化剧烈、目标存在遮挡等复杂条件下对目标进行持续稳定的追踪。算法的实现以合理的算法架构设计为基础,利用YOLO选择候选目标,利用SIFT从候选目标中选择被追踪目标。本文提出的追踪算法不仅满足实时性要求,而且在正常测试集、目标存在遮挡测试集、摄像头旋转测试集上均取得了优于KCF和CamShift的实验结果。结果表明,本文提出的追踪算法在解决目标遮挡、场景变化剧烈等问题上有突出表现。     

基于核主元投影的视觉跟踪算法

视觉跟踪优化问题,在应用领域得到广泛研究.为了适应视觉场景中目标表观的无规律变化,提出了一种核主元投影的视觉跟踪算法.在初始跟踪阶段,采用粒子滤波相关跟踪算法获取场景中目标的先验表观图像数据,根据目标表观图像颜色与梯度方向联合直方图定义核函数,计算核矩阵,利用核主元分析得到图像样本在核空间的投影矩阵,最后通过贝叶斯滤波获得目标状态的最佳估计,并进行对比实验.实验结果说明了改进算法在真实的视频监控场景且遮挡环境下具有鲁棒性,对目标尺度变化具有自适应性.     

VFM：Visual Feedback Model for Robust Object Recognition

Object recognition, which consists of classification and detection, has two important attributes for robustness:1) closeness: detection windows should be as close to object locations as possible, and 2...     

使用PSR重检测改进的核相关目标跟踪方法

针对传统的基于核相关滤波器的跟踪方法（KCF）缺少跟踪失败检测的问题,提出了一种改进的KCF目标跟踪方法。改进的KCF跟踪器采用高斯窗口方法在目标位置上截取训练样本,这种采样方法可以获得更有效的目标信噪比并同时减少背景干扰信息的引入,从而使跟踪器可以在复杂场景下具有更强的适应性。在目标跟踪的过程中,通过相关运算的峰值旁瓣比检测目标跟踪是否失败,并在相关匹配值较高的位置学习目标检测器。一旦检测到跟踪失败,便对跟踪器进行纠正,恢复目标跟踪。通过实验验证了改进算法的鲁棒性,相比传统的KCF跟踪器的总体性能提高了13.2%。     

广告制胜的先决要素——视觉强度

视觉强度是所有诉诸视觉的艺术和设计追求的目的之一。广告是视觉艺术。若要释放这股强劲的潜能,视觉强度是视觉力量的保证。视觉强度,即对于视觉客体来说,是指对视觉主体的刺激或冲击程度;对于视觉主体来说,是指接受视觉对象刺激或冲击的强度,也称视觉感知度。一个人对不同的视觉对象产生不同的视觉感知度,而同一个视觉客体对不同人也可产生不同的冲击或刺激程度。空间与时间的差异也可引起视觉强度的差异。     

利用视觉显著性和粒子滤波的运动目标跟踪

针对运动目标跟踪问题,提出一种利用视觉显著性和粒子滤波的目标跟踪算法.借鉴人类视觉注意机制的研究成果,根据目标的颜色、亮度和运动等特征形成目标的视觉显著性特征,与目标的颜色分布模型一起作为目标的特征表示模型,利用粒子滤波进行目标跟踪.该算法能够克服利用单一颜色特征所带来的跟踪不稳定问题,并能有效解决由于目标形变、光照变化以及目标和背景颜色分布相似而产生的跟踪困难问题,具有较强的鲁棒性.在多个视频序列中进行实验,并给出相应的实验结果和分析.实验结果表明,该算法用于实现运动目标跟踪是正确有效的.     

视觉伺服机器人对运动目标操作的研究

机器人视觉伺服系统是机器人领域一重要的研究方向，它的研究对于开发手眼协调的机器人在工业生产、航空航天等方面的应用有着极其重要的意义．本文着眼于视觉伺服机器人操作运动目标这一问题，分析了建立此类系统的控制结构并指明其特点；同时，详细地阐述了三个组成环节：视觉图像处理、预测及滤波、视觉控制器的研究方法和现状．最后，分析了今后的研究趋势．     

基于自顶向下视觉注意的遥感影像目标检测

针对遥感影像数据量大、背景复杂、目标自身信息不足等问题,提出一种基于自顶向下视觉注意的遥感影像目标检测方法。根据目标外观线索优先选择与其特征相符的图像区域,以提高目标检测的效率,依据上下文线索将搜索集中在最可能出现目标的环境区域,以保证目标检测的可靠性。实验结果证明,该方法能提高目标检测的效率和正确率。     

基于视觉显著性和超像素融合的物体定位方法

针对选择性搜索算法所需定位窗口数量过多的问题,提出了一种基于视觉显著性和超像素融合的改进方法.首先,利用视觉显著性图像粗略估计物体的位置;然后,从这些初始位置开始,根据图像的表观特征融合相邻超像素,并引入一种背景分析方法以避免过度融合;最后,利用贪心算法将融合后的区域再进行组合,并生成最终的定位窗口.在Pascal VOC 2007数据集上的实验结果表明,与选择性搜索方法相比,在同样的检测标准下(查全率为0.91),改进后的方法所使用的窗口数量减少了20%,而重叠率达到了0.77.该方法由粗到细地进行物体定位,在定位窗口数量较少的情况下仍能保持较高的重叠率和查全率.     

A Graphical Navigator for viewing Databases

This paper describes the architecture and implementation of Graphical Navigator, a system for visualizing and querying databases. The schema of a database is represented by classes and associations between the classes. Thus, a database is viewed as a labeled graph. A graphical query notation was developed to query databases. The query notation allows formulation of recursive and predicated queries. The system facilitates incremental querying by way of workspaces. The formulation, execution and incremental querying are all done in a highly interactive and visual environment.     

具备重检测机制的融合特征视觉跟踪算法

结合图像梯度特征和颜色特征,在相关滤波器跟踪框架基础上,提出一种改进的 视觉跟踪算法。对颜色特征进行统计建模,结合由稠密目标后验概率积分得到的目标置信积分 和梯度特征相关滤波输出作目标跟踪。同时,还对目标跟踪的结果作质量评估,在跟踪质量非 可靠时启动目标重检测过程,采用基于稠密目标后验概率的置信积分来确定备选目标。对跟踪 质量不可靠且未重检测到可靠目标的视频帧,不进行跟踪模型的在线更新。实验表明,该算法 可以有效避免因遮掩等原因而引起的跟踪不可靠和模型漂移的问题,跟踪性能和几个主流的相 关滤波类跟踪器相比有明显改善。