基于机器人单目视觉导航的测距方法研究

对单目视觉测距方法进行了研究、分析，并根据针孔成像和几何坐标变换原理，对移动机器人与目标点间距离的检测方法进行了推导，并拍摄多幅真实图像进行验证。     

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。     

基于单目视觉的移动机器人测距方法

本文针对多机器人编队过程中的跟踪控制,提出了一种跟踪机器人采用单目视觉技术获取前方被跟踪机器人距离信息的方法.该方法首先对跟踪机器人摄像机进行内参数标定,并在目标机器人背部设置视觉标记.然后系统获取目标机器人的含有视觉标记的单帧图像,预处理此图像,并识别出图像中的视觉标记所在的目标区域,用Hu氏不变矩计算该区域形心.最后推导出单目测距算法,利用图像信息和其它参数可以计算出两机器人之间的距离.实验结果表明,所设计的单目测距系统能得到准确的距离,为跟踪控制提供了重要的反馈信息.     

基于单目视觉的前方车辆检测与测距

针对智能车辆控制中的防碰撞问题,提出一种新的前方车辆检测与测距方法。采用多尺度分块二值模式与Adaboost提取车辆候选区域,根据候选区域内的水平边缘和灰度特征去除车辆误检,解决分类器检测过程中路面和绿化带的干扰问题。利用改进的车辆底部阴影定位方法获得车辆准确位置提高测距精度,建立基于位置信息成像模型的车距测量方法,测量前方车辆距离。实验结果表明,该方法在不同天气情况下车辆平均检测率为98.42%,车距测量平均误差为0.71 m。     

基于ARM处理器的单目视觉测距定位系统

针对在多机器人协作和服务机器人目标追踪的过程中,需要对目标物体或者同伴进行准确的目标定位这个问题,设计了一个以ARM9微处理器为处理模块、CMOS摄像头为采集模块的一个嵌入式视觉系统,实现了单目视觉测距定位.该系统设计大体分为目标识别和定位两部分,目标标识使用一个纯色的色标块,通过对摄像头采集的图像中检测色标块区域来实现目标物体定位;对色标块的图像分割采用基于RGB三个颜色分量的阈值分割算法,单目测距采用P4P方法,其中,摄像机的内参数标定则借助于Matlab工具箱来完成.同时,采用RANSAC方法确定色标块的四条边界直线,以四条直线交点作为色标块的4个角点,从而提高角点检测的精度.实验结果表明,该测距定位系统定位精度较高,系统鲁棒性好,具有良好的应用前景.     

单目式自主机器人视觉导航中的测距研究

针对传统自主式机器人视觉测距方法的缺陷,提出了一种建立在B 对偶空间几何学上的单目摄像机标 定方法,并将其应用到单目式自主机器人的视觉测距中．与OpenCV 标定方法相比,新的标定方法对CCD 摄像机 内参数的计算更为准确,并减小单目视觉测距的总体误差．同时,在引入运动目标自动提取算法的基础上,将目标 车辆的自动检测与实时测距融合为一个完整的系统．通过实际的测量及对比试验,验证了所提出方法的有效性．     

基于单目仿人机器人的障碍物测距方法

为了能够实时测量机器人与障碍物的距离,提出一种单目视觉的方法。首先将机器人获取的 RGB 图像转换为HSV图像,在HSV颜色空间对障碍物进行检测和识别,然后利用小孔成像原理和几何坐标变换,计算障碍物与机器人的距离。最后将该方法应用到实验室 Darwin 仿人机器人上,实验结果表明该方法具有可行性和有效性。     

基于单目视觉的实时测距方法研究

为了利用单目视觉实时监测本车与前方障碍物之间的距离,在比较了现有的几类用于车辆控制的道路深度信息获取方法的基础上,首先研究了较为适用于汽车自动驾驶的几何关系推导法,进而提出了基于单目视觉的实时测距算法.通过试验可知,由于摄像机的俯仰角是影响实时测距算法的关键因素,因此又提出了基于道路边界平行约束条件的实时计算摄像机俯仰角算法.静态实车试验的结果显示,该基于单目视觉的实时测距算法具有较高的准确性,可以满足测距要求,而动态实车试验的结果则显示,此算法还可以满足汽车智能化控制的实时性要求.     

基于单目视觉的车辆前方障碍物测距方法

针对行车过程中的防碰撞预警问题,提出一种基于单目视觉车辆前方障碍物检测与测距方法。为解决传统车辆检测泛化性差且人工提取特征不准确问题,通过深度学习目标检测YOLOv4算法对车辆前方多种障碍物进行检测,获取障碍物的类别信息与位置信息。运用改进的边缘检测算法调整检测框的位置,提升检测算法目标定位的准确性。根据摄像机成像原理及几何关系,得到路面三维坐标与像平面二维坐标转换模型从而进行测距,对所得测量数据进行三次曲线拟合、对测距过程和算法进行优化提升测距精度。在50m范围内平均误差为0.54m,在80m范围内平均测距误差为0.78m。实验分析对比结果表明,所提方法能够实现较精准、高效率的单目视觉测距。     

基于超声波测距和单目视觉跟踪的移动机器人系统

在移动机器人的发展过程中,对周围环境的感知能力变得愈加重要。本论文介绍了一种新的移动机器人跟踪目标的方法,该方法结合了超声波测距和单目视觉技术,可以实现对目标物的安全跟踪。通过该方法,移动机器人不仅能够跟踪目标,还能够与目标保持设定的距离,从而提高跟踪效率。本论文详细介绍了该方法的设计和实现,并对实验结果进行了分析和讨论。实验结果表明,该方法能够有效地实现对目标的安全迅速跟踪。本论文的主要贡献在于提出了一种新的移动机器人跟踪目标的方法,为进一步提高移动机器人的感知能力和实用价值提供了参考和借鉴。     

一种全自主足球机器人单目视觉定位的新方法

一种适用于全自主足球机器人的单目视觉二维空间变换计算模型,解决了单目视觉像平面T′到实际场地平面Jr的二维空间平面映射问题;将单目视觉中目标物的帧存坐标系变换成机器人的世界坐标系,从而计算出目标物与机器人的垂直距离和水平距离;对采样点像坐标进行变换后的计算结果与采样点的实际位置坐标进行的对比实验证明,该算法具有较好的准确性和可靠性;该模型在Robocup全自主中型足球机器人比赛中,也实现了较为准确的目标位置判断.     

基于单目视觉的智能物料分拣机器人的设计

为解决目前工业物料分拣机器人发展的需求问题,以模拟自动化物流系统的作业流程为目标,提出了一种基于单目视觉的智能物料分拣机器人的设计。为实现物料的自动分拣过程,以STM32作为核心控制器,驱动OV2640摄像头对图像进行实时采集、处理与分析,实现颜色识别和目标定位,并将处理结果传送给驱动控制系统。在图像标定方面,采用读取TFT屏中目标的坐标和求取目标的实际坐标,通过MATLAB软件来进行数据拟合,找出两个坐标的函数关系,从而实现目标的定位。采用遍历腐蚀算法、增量式PID算法、DBCSAN算法和Dijkstra算法,分别完成对随机摆放的物料的自动识别和定位、电机控制和路径规划。实验与竞赛结果表明,该单目视觉分拣机器人的分拣准确率和效率高,能够实现智能分拣功能。     

STM32的单目视觉室内平面跟踪定位

针对室内平面移动物体的定位,提出了一种基于STM32的单目视觉室内平面跟踪定位方式.在平面内放置标定点,通过标定,求取出图像坐标系与世界坐标系实际的对应关系,实时追踪图像坐标系,依照对应关系推算出实际位置.为了验证该方法的有效性,采用比对平面移动物体与特定点误差的方法,同时直观地观测对应点之间的距离关系.实验中测得的移动位置与实际位置相对误差小于1.5％,对于精度要求一般的室内定位需求有着较高的实用性.     

基于单目显微视觉的微球姿态测量方法

微零件的姿态测量对微装配具有重要的作用.但对于微球零件,其姿态的精确测量存在困难,影响了装配精度.针对带有微孔的微球,本文提出了一种基于单目显微视觉的微球姿态高精度测量方法.设计了一种由粗到精的微孔检测算法,实现了高精度的微孔定位.通过对相机光轴方向的标定,在相机运动后对微球图像坐标进行补偿,提高了在相机坐标系下的微球定位精度.通过对微球和微孔的精确定位,计算出微球球心与微孔圆心的空间相对位置,实现了相机坐标系下高精度的微球姿态测量.同时,根据标定出的相机坐标系与调整平台坐标系之间的旋转关系,将微球姿态转换到调整平台坐标系.实验结果表明,最大姿态测量误差0.3度,验证了本文方法的有效性.     

基于双焦成像的单眼立体视觉算法

对单眼立体视觉的双焦成像算法进行了分析．在1 m以内的深度范围里,双焦成像算法可以极好地恢复空间物点的深度．在此范围内,物点越远离中心区域,其深度值的精度越高．为了提高算法精度,需要校正非理想变焦图像对的中心点．分析了中心点校正方法,并给出了校正后空间物点深度恢复的实验结果．     

基于单目视觉的水面目标识别与测距方法研究

无人船在自主航行过程中,如何探测障碍物种类与距离是值得重点研究的问题.现阶段的无人船主要采用激光雷达、超声波等设备探测水面障碍物,但此类方法并不能识别出障碍物的具体类型.提出采用基于单目视觉的目标检测与测距算法,不仅能够检测出无人船前方是否有障碍物,还能够对水面障碍物进行识别和距离检测.首先通过训练好的Mask R-C...     

基于双焦单目立体视觉的多层次特征检测算法

特征检测是立体视觉技术的重要组成部分;与传统的Canny或Harris等边缘与角点检测相分离的算法不同,采用相位一致性特征检测算法可以同时检测出边缘和角点;相位一致性特征检测在频域进行,与特征点形状及图像的对比度无关,定位效果好,所得角点是边缘点的子集;在特征检测过程中,利用四叉树将图像分割为与图像特征分布相关的多个区域,在各个区域内分别进行处理;同时,通过控制四叉树的分解级数及特征检测的阈值实现了图像的多层次特征检测,实现结果表明,与传统的特征检测算法相比,该算法效果更为理想,且能更好地适用于单目立体视觉系统。     

车辆超车视觉辅助导航系统研究

为了能够提高行驶速度,保障行车安全,提高行驶环境认知,设计了一个基于单目视觉的车辆自适应道路、前车检测、超车指导系统,其主要应用于双车道结构化道路,而且在晴天与阴天不同天气情况下,车道线以及深色、浅色车辆均可识别,并可跟踪、超越前车。实验结果表明,该系统可以应用于不同环境背景下,该系统已通过了远距离自动、安全、准确地检测,并进行了超越前车的仿真实验。     

非结构化环境下的单目视觉可通行区域检测

目前三维避障主要采用三维激光雷达或者基于深度学习的障碍物识别,但前者价格昂贵,后者训练成本高且不稳定。为了稳定、鲁棒地实现低成本三维空间避障方案,提出了一种基于单目相机的可通行区域检测方法。该方法利用特征点标识障碍物,通过对相机高度和旋转平面加以约束,解决单目SLAM中的尺度不一致问题,并设计了障碍物距离求解器和代价求解器对小车前方区域特征点进行处理,计算出视觉代价地图,划分可通行区域。该方法优势在于仅需要低成本的单目相机便可完成可通行区域检测任务,可方便地移植到轻量级的移动设备,计算得到的视觉代价地图亦有利于小车后续的路径规划任务。在KITTI数据集上进行的实验表明,该方法的平均运算速度能达到20 frame/s,能满足小车实时避障的要求,对于单目SLAM的尺度恢复误差为2.5%～4.9%。