基于单目视觉的前方车辆检测与测距方法研究

提出了一种基于单目视觉的前方车辆检测与测距方法.首先利用自适应闻值分割方法得到车辆底部阴影特征,同时采用区域融合方法解决车辆边缘变形问题,得到疑似车辆区域,然后在疑似区域内利用车辆对称性进行验证,得到准确车辆区域,最后利用基于摄像机内部参数和几何关系的单目视觉测距方法得到本车与前方车辆之间的距离.实验结果表明,该方法能...     

基于单目视觉的车辆行驶方向检测及误差分析

智能车辆中一个重要的技术就是如何准确计算车辆前进方向与道路的夹角,目前的参考文献中基本上都是假设相机光轴与地面平行,而忽略了相机的安装误差,本文基于单目摄像机利用机器视觉方法与几何方法完成了对车辆行进方向与道路夹角的检测,给出了完整的技术实现方案,并重点分析了摄像机光轴方向与地面成一定角度情况下的校正方法,从而减少了摄像机安装误差对测量结果的影响,拓展了道路夹角检测技术的应用范围,使其有了更广的适用性,实际拍摄的场景图像也验证了本文算法的有效性。      

单目红外目标跟踪机器人视觉系统设计

针对特定红外目标跟踪机器人设计的需求,以3种不同频率的信号,合成了可以被一体化红外传感器连续解调的目标特征信号,设计了基于特征信号模型的机器人视觉系统,包括单目复眼的信号检测阵列和2级序列的信号调理电路．试验表明,系统工作稳定可靠,实现了对目标的智能搜索、连续跟踪,信号抗干扰性强,可用于多目标的识别跟踪．     

基于单目视觉的车辆测距系统研究

本文,针对智能汽车单目视觉提出了通过镜头跟随汽车移动导致图像放大倍数的改变,然后根据图像大小的变化和移动距离来计算车辆与前方障碍物之间距离的方法,有效提高了车距测量的精确度。     

并联跟踪台单目视觉自标定方法

对并联机构进行标定是实现并联机构几何量校正和高精度定位的前提和基础.目前,现有的自标定方法因得不到完整的并联机构动平台位置和姿态信息,不能满足对并联机构所有几何量进行辨识和标定的要求.针对上述问题,以四自由度并联跟踪台为研究对象,提出了一种新的单目视觉自标定方法,通过实验对其标定精度进行了初步验证,并给出提高标定精度的可行性建议.该方法为并联机床、并联机器人、并联跟踪系统等实现高精度提供了一种新的解决途径.     

基于DM6437的车辆检测与跟踪

运用单高斯模型及形态学滤波和区域连通等技术,设计并实现了基于DM6437嵌入式系统的视频车辆检测跟踪系统。通过在DM6437平台实际运行表明,该系统能够在视频25帧/S时,实时有效地检测和跟踪车辆,具有较高准确率和稳健性。     

基于单目视觉的智能车障碍物检测及测距算法研究

在自动驾驶场景下,为了实现对智能车辆前方障碍物进行目标检测及测距,提出了一种基于单目视觉的前方车辆及行人检测与测距方法.利用数据集对YOLOv3神经网络模型进行优化训练,利用训练完成的神经网络对实时采集的视频信号中的车辆及行人进行目标检测,输出车辆及行人目标的检测框.以目标检测框底部中心点为参考点,根据相似三角形测距算...     

单目视觉引导机器人在视觉检测中的应用

提出一种基于单目视觉引导的机器人工件表面缺陷检测系统。结合标定后的相机参数与物体成像以及物体虚拟投影建立的形状模板初步估计物体的位置姿态,物体的三维点云模型以一定位置姿态参数在虚拟空间的投影匹配零件真实位置姿态提升定位精度。定位完成后获取待检测位置的点云坐标及其法线方向经过坐标转换后提供给六轴机器人进行路径规划及机器人姿态控制,从而实现机器人辅助检测。     

目标跟踪角度标定的单目法设计

提出一种动态目标随动的目标跟踪角度标定的单目方法,建立了单目跟踪角度标定的坐标转换体系,推导出坐标转换矩阵方程.理论分析与实验结果表明,该方法计算量小,精确度高且易实现.     

基于双目视觉的车辆检测跟踪与测距

由于道路上存在各种不安全因素,车辆检测跟踪并测距是自动驾驶技术的重要组成部分。本文将YOLOv4-tiny作为检测器使之加快模型检测速度且更适合在车辆嵌入式设备中使用。考虑到目标检测失败的情况,本文在历史缓冲区中存储以前的跟踪细节(唯一ID)和每个对象的相应标签,提出了一个基于中值的标签估计方案(MLP),使用存储在前一帧的历史标签的中值来预测当前帧中对象的检测标签,使得跟踪错误最小化,并用双目摄像头获取图像检测车辆距离。测试新网络结构后,检测精度(Mean Average Precision,mAP)为80.14%,检测速度较YOLOv4相比提高了184%,检测到的距离误差平均在0.5%左右。     

基于单目视觉的汽车追尾预警系统研究

汽车追尾预警是智能车辆视觉导航系统中的重要研究内容。设计了一个应用于结构化道路环境,基于单目视觉的汽车追尾预警系统。该系统按照摄像机提供的道路图像序列,首先利用一种新的边缘检测算法识别前方道路,然后利用灰度、边缘和对称性等特征识别前方车辆,接下来根据前后车距判断其威胁等级,最终向驾驶员提供相应的声光报警信号。该系统已在合肥的高速公路上进行了实验。实验结果显示,系统运行速度达到车辆驾驶的实时性要求,能够完成车辆检测和碰撞预警的任务。     

基于视频的车辆检测与跟踪算法综述

首先介绍了交通检测系统,指出视频交通检测技术日益成为计算机视觉领域中备受关注的前沿方向。在此基础上,分别讨论了常用的车辆检测算法,基于模型的车辆检测算法,车辆跟踪的基本类型,以及基于模板匹配、卡尔曼滤波和粒子滤波的车辆跟踪算法,同时分析比较了各种算法的优缺点。最后,展望了这一领域未来研究的热点。     

基于单目摄像头的地面测距方法

为解决传统的小孔成像测距算法需要给出待测物体的形状信息而较为烦琐的问题,提出一种基于大多数机器人摄像头的高度不需要改变的情形,利用针孔相机模型,找出像素坐标系和世界坐标系的转换关系,输入至少三对现实世界和像素世界的点对后,便可以实现对地面和立于地面上的物体进行测距的目的.该算法实现简单,且一定范围内测距精度较高.     

基于单目视觉的行车环境安全预警系统设计

文中设计了基于机器视觉的行车环境安全预警系统,采用包含视频图像采集、行车环境检测以及行车环境安全预警3个功能模块的系统结构,重点研究并提出了新的行车环境识别方法,包含车道线提取和前方车辆检测方法,并对系统硬件架构及软件流程和算法进行说明,实现高速公路行车环境的识别并进行危险警示。实验结果显示,系统能够准确地对前方车道线和车辆进行检测,实现设计效果。     

一种新的基于单目视觉的广义障碍物检测方法

 障碍物检测是辅助驾驶、机器人导航等领域的核心问题之一.本文提出一种新的基于特征点道路面投影位移矢量的单目视觉广义障碍物检测方法.基于道路平面假设,利用特征点估计相机自运动参数,并利用此参数对相机的旋转运动进行补偿.利用逆透视投影变换,分别推导并证明了道路平面上的点和障碍物上的点的道路面投影位移矢量与相机位移矢量的关系.提出了一种区间统计方法,实现了相机位移矢量的鲁棒估计.最后,通过分析连续图像特征点的道路面投影位移矢量与相机位移矢量的关系,实现了广义障碍物检测.各种场景下的实验结果表明,该方法能够检测任意类型、形状的障碍物.与传统的运动补偿方法相比,具有更好的鲁棒性和准确性.     

基于单目主被动视觉结合的焊接偏差检测方法

针对管道全位置机器人自动焊,提出了一种基于单目主被动视觉结合的熔化极气体保护焊(gasmetal arc welding,GMAW)焊接偏差测定方法。设计出一种调光玻璃,使采集到的同一帧焊接图像中包含了激光条纹和焊丝尖端等信息。首先,根据焊接图像噪声类型呈高斯分布这一特性,针对性的采用LoG算子分别对电弧区域和激光条纹区域图像进行滤波处理;然后,设计图像处理算法分别提取出焊丝和焊缝坡口中心位置坐标;最后,计算出两坐标点在Y轴方向的偏差值。试验证明,此方法能在填充焊焊接图像中实时测定出焊接偏差量,焊接误差可以控制在02mm以内,可为实现管道焊接机器人自动焊缝跟踪控制提供可靠依据。     

单目视觉的车辆安全速度的研究

为提高车辆行驶的安全性,我们利用道路识别的距离来判断和控制车的安全速度。该方法是基于单目视觉的直线智能车辆道路识别模型,首先将采集的道路图像进行预处理,然后利用Sobel算子进行道路标线识别和提取最后利用透视变换消除透视投影对道路识别的影响。根据处理后的图像计算识别到的距离,最后根据识别距离、安全距离和制动距离计算安全行驶速度。     

基于单目多视角视觉的珍珠光洁度识别研究

利用摄像机前面放置多枚平面镜构成的对称斗型腔体构成以物为中心的单目多视角摄像装置,在摄像机投影平面上直接获取从5个不同视角拍摄的珍珠表面图像;然后对5个不同视角的珍珠表面图像进行图像处理,提取出珍珠表面的纹理、颜色和几何形状等特征参数;最后用图像特征融合的方式最终判定珍珠的光洁度品质.实验结果表明,文中设计的基于单目多视角机器视觉装置能保证在一个统一的颜色系统中一次获得珍珠整个球体表面的图像,利用文中开发的珍珠检测系统实时完成珍珠的瑕疵等品质指标的视觉检测.     

基于单目相机与激光雷达融合的SLAM方法

视觉传感器与激光雷达融合的SLAM方法是当下研究的热点,实际效果优于单一传感器的SLAM方法.针对当下视觉传感器与激光雷达融合的算法仍然存在着用于定位的特征点不足导致定位精度不高的问题,充分利用激光雷达提供的深度信息,提出了一种多策略的视觉与激光融合的SLAM算法,在估计帧间位姿前对上一帧中的特征点深度值进行判断,通过...