基于Multigen Creator场景模型的建立

为了建立高质量场景模型,介绍了使用Creator软件构建的过程和方法.对场景的地形构造、纹理映射、LOD技术、实例调用等建模技术细节进行了深入探讨.提出了纹理制作、道路建模和DOF节点使用过程中存在的问题与相应的解决方法.最后,为提高场景模型在仿真运行中的实时效率,提出了场景数据的优化显示技术和场景模型简化方法.     

高动态范围成像最小包围曝光方法

针对当前相机包围曝光成像集合冗余信息多的问题,提出一种高动态范围成像最小包围曝光获取方法。该方法依据目标相机的可捕获曝光集合构造相机响应函数,从而建立曝光集合与响应函数的映射。然后通过遍历的方法寻找涵盖目标场景动态范围的最小包围曝光集合。对典型的高动态范围逆光场景的实验表明,所提方法可有效的减少包围曝光方式捕获图像的数量,从而降低高动态范围多曝光方式成像的总体捕获时间。     

结合亮度估计的航空相机曝光融合方法

航空相机CCD(charge coupled device)动态范围有限,在高动态范围场景下通过调节曝光量的方式不能保证图像中所有部分都准确曝光.为了解决这一问题,在复小波域内结合亮度估计对航空多曝光图像进行融合.首先,在相同高动态场景下调节曝光参数曝光多次,获得这一场景的多曝光图像序列,使用基于SURF(speeded up robust feature)算法的小范围快速配准策略对其配准.然后估计它们的亮度情况,在复小波域内,根据亮度情况分配权值对低频分量进行融合,采用加权的区域能量最大法对高频分量进行融合.最后,将融合后的低频分量和高频分量经逆变换得到结果.得到的结果在空间频率、图像清晰度、平均梯度和边缘信息保持度方面表现较好.实验结果表明:在复小波域内结合亮度估计的方法得到的图像亮度适宜,无重影现象且较好地保持了源图像中的细节信息,该方法可适用于多种高动态场景,满足航空相机的工作需求.     

一种基于MACA的自适应跟踪算法

针对视频序列图像目标跟踪中经常因场景复杂、目标颜色多样以及目标发生旋转、遮挡和速率变化时丢失目标问题,提出了一种多模式自适应CamShift算法（MACA）.通过将Cam-Shift算法对H分量敏感的特性推广到S、V分量,构造了凸函数组合模型,利用多目标规划最优求解法获取自适应颜色识别最佳组合解,配合倾角识别和基于IIR滤波的目标运动状态信息预测跟踪技术,取得了理想的跟踪效果.将MACA算法应用于自适应实时跟踪系统进行验证性实验表明,该算法具有良好的实时性和鲁棒性.     

3D混杂场景中机械臂自主分拣小目标的方法

为解决机械臂在大小目标共存的3D混杂场景中无法利用3D视觉传感器直接感知分布于操作视场范围内的小目标这一难题,提出一种基于"固定安装的全局Kinect深度相机"与"安装在机械臂末端执行器上的移动相机(手眼相机)"相结合的视觉系统混合配置方法.固定的全局Kinect深度相机用于感知并获取视场范围内的大目标点云,进而识别估计其位姿,然后借助路径规划技术引导机械臂到达大目标的上方,启动手眼相机近距离获取小目标的图像;离线阶段获取小目标的CAD模型,虚拟2D相机在以目标中心为球心的虚拟球表面的不同位姿和不同半径处拍摄目标的一系列二维视图,并且储存在目标的3D形状模板数据库中;在线阶段从真实手眼相机拍摄的场景图像中基于图像金字塔分层逐一搜索匹配,找到与目标模板相匹配的所有实例并计算其二维位姿,经过一系列转换后得到在相机坐标系下的初始三维位姿,应用非线性最小二乘法对其进行位姿修正.由ABB机械臂和微软Kinect V2传感器以及维视图像公司的工业相机进行位姿估计精度实验和混杂目标分拣实验,利用棋盘标定板来测定目标真实的位姿.实验结果表明,位置精度0.48 mm,姿态精度0.62°,平均识别时间1.85 s,识别率达到98%,远高于传统的基于特征和基于描述符的位姿估计方法,从而证明了提出方法的有效性和可行性.     

基于径向约束的CCD相机标定参数的整体优化

提出了基于径向约束的CCD相机标定的模型参数非线性整体优化的方法.利用Harris算法检测标定板的各角点图像坐标,保证了标定板角点的稳定性和可靠性;进行RAC(radial alignment constraint)两步法标定,并用Levenberg-Marquardt算法对通过径向约束标定得到的所有相机模型参数进行非线性整体优化,提高了相机参数的标定精度.实验结果表明.该方法标定精度高,能明显减小各种误差对CCD相机标定的影响,提高了机器视觉三维测量的精度.     

化工过程实时优化策略研究综述

综述化工过程实时优化方法的研究现状和发展动态,内容包括工业自动化系统的一般结构、实时优化基本原理、实时优化的设计方法及需解决的一些问题等.实时优化功能介于工厂自动化系统的计划/调度与基础控制功能中间,扮演实现预期经济目标的角色,即在满足安全、质量、环保和设备约束的条件下,降低消耗或提高利润.实时优化是把实际测量信息反馈到基于模型的最优规划问题中,借助串联结构,实现包括多个相关基础反馈回路在内的最优反馈控制功能.将测量信息用于提高模型准确度、修正最优规划问题、直接构造控制输入等,不断发展形成了实时优化的不同设计方法.算法的收敛性、在线性能评估、集成化应用支撑技术开发等代表了实时优化发展的方向.     

基于纹理修复的双焦相机连续数字变焦算法

设计主要用于双焦相机成像系统的连续数字变焦算法. 该算法将双焦相机连续数字变焦问题拆分成长焦相机视场内的特征迁移问题和长焦相机视场外的纹理修复问题. 在实现细节上,该算法参考基于上下文语义的图像修复算法的思路,利用长焦相机图像的纹理信息修复短焦相机图像,并在2个问题上使用相似的网络结构来降低长焦相机视场内外细节视觉效果的差异. 实验结果表明,相比其他算法,所提算法能显著提升变焦图像的质量,有效改善长焦相机视场内外纹理细节差距较大的问题,在主客观评价上都具有更好的表现. 此外,该方法对于处于长焦相机视场外的纹理细节,具有明显的修复效果,对于实际拍摄的图像同样有效.     

一种基于深度相机的非规则包裹体积计算方法

针对传统的物体体积计算方法难以准确计算实际邮寄中非规则包裹(简称异形件)体积的问题,本文提出了一种新的基于深度相机的异形件体积计算方法.通过深度相机获取深度图像,利用计算机视觉中的膨胀及腐蚀等图像处理方法对深度图像进行形态学处理,去除实验场景中存在的大量噪声,利用体积与深度值的关系计算出包裹的体积,最后将该算法在青岛邮...     

基于优化RTAB-Map的室内巡检机器人视觉导航方法

巡检机器人对室内场景进行自主导航监测时,采用视觉同时定位与地图构建（simultaneous localization and mapping,SLAM）方法构建的三维深度地图存在实时性不高、定位精度下降的问题。对此,提出了一种基于RGB-D相机和优化RTAB-Map(real time appearance based mapping)算法的巡检机器人视觉导航方法。首先,通过重新配置RTAB-Map点云更新频率,实现算法优化,构建稠密的点云地图后;采用启发式A*算法、动态窗口法（dynamic window approach,DWA）分别制定全局与局部巡检路径,通过自适应蒙特卡罗定位（adaptive Monte Carlo localization,AMCL）方法更新机器人的实时位姿信息,再将搭建好的实体巡检机器人在软件、硬件平台上完成视觉导航测试实验。结果表明：优化后的RTAB-Map算法运行时的内存占比稍有增加,但获得与真实环境一致性更高的三维深度地图,在一定程度上提高视觉导航的准确性与实用性。