基于视觉压缩感知的传感网络行人目标辨识方法

行人目标辨识是指在视觉传感网络中识别检测到的目标,对智能安防具有重要意义。对行人目标辨识所需数据进行压缩可提高视觉传感网络行人目标辨识的实时性。提出了一种基于视觉压缩感知的传感网络行人目标辨识方法。无线视觉节点获取行人目标图像后,首先提取图像中行人脸部的尺度不变特征,并采用特征字典对目标进行稀疏表示,得到目标特征直方图。然后视觉节点应用压缩感知方法对特征直方图进行数据压缩,并传输至中心节点。最后,中心节点应用非负正交匹配追踪算法重构特征直方图,并采用支持向量机对特征直方图进行分类辨识。实验表明,该方法能够在不影响行人目标辨识准确率的前提下,有效减少在视觉传感网络中进行行人目标辨识时所需传输的数据量。     

大视场远距离视觉测量系统的分步标定

为了克服工程大视场标定精度不高、标靶加工难度大以及现场操作繁琐的问题,本文基于工业近景摄影测量基本原理提出一种大视场多相机内、外参数的分步标定方法。首先,根据相机透视投影模型,在近距离采用小幅面标靶和角锥体法完成相机前截面内参数的解算;然后,在远距离被测空间内布置若干编码标志点,利用多片后方交会原理计算得到相机外参数;最后,对相机内、外参数进行整体光束平差优化,实现精确标定。为验证该方法的可行性和精度,进行了大视场视觉测量实验,测量结果表明本文标定方法的重投影误差小于0.08像素;外场试验实测10 m直升机旋翼总距角的相对误差小于0.1°。该方法可实现相机内参数标定实验室进行、外参数标定外场完成的操作分离。     

基于单目视觉的移动机械臂抓取作业方法研究

针对移动机械臂自主抓取作业过程中目标识别慢、作业精度低的问题,对基于单目视觉的目标识别与定位算法以及机器人作业精度提高方法展开了研究。以全向移动平台、工业机器人和单目相机等硬件为基础构建了一套移动机械臂抓取作业系统;对单目视觉模板匹配法进行了归纳,采用基于随机树分类的特征点匹配算法对目标进行快速准确地识别与定位;完成了相机内参数标定和机器人手眼位姿标定,分析了手眼位姿与抓取位姿的关系,提出了一种修正手眼位姿的抓取误差补偿方法,减小手眼标定误差对抓取误差的影响,最后进行了移动机械臂的抓取/放置实验。研究结果表明:采用上述方法能够快速准确识别目标,有效减小作业误差,并达到较高的作业精度。     

一种简单的摄像机标定技术在视觉定位中的应用

摄像机标定技术对于精确的双目视觉定位起着关键的作用。了解摄像头标定的原理有助于采用合理方法减小标定结果误差。本文介绍的摄像机标定方法标定结果误差小。摄像机标定过程中用到三个坐标系,它们之间的转换关系是摄像机标定的基础。采用内外参数分离的标定方法,通过具体实验分步标定了摄像机的内参数和外参数,实验过程简单,标定精度较高。     

用于光电子器件对准的显微立体视觉系统及其标定方法研究

开发了用于光电子器件对准的显微立体视觉系统。该系统采用两个光轴交汇的可变焦镜头和CMOS摄像机采集图像;用调节螺钉实现视场匹配与聚焦匹配;采用了带误差修正的线性成像模型进行标定;标定控制点图像坐标的提取则利用Hough变换的方法来提高精度。目前,该系统已成功用于光电子器件对接机器人的视觉测量中。     

基于双目立体视觉的摄像机外参数快速在线自标定算法

提出了一种基于双目立体视觉的摄像机外参数在线自标定算法。该算法采用理想的小孔成像模型,事先离线标定好摄像机的内参数,且各项内参数在自标定过程中均不发生变化,通过双目系统采集的二维目标图像,进行匹配和分析计算,来实时标定视觉系统的位置参数即摄像机的外参数。由于该算法可以实现摄像机快速在线标定,可以实时获得视觉系统位置参数,故可为无人机的自主着陆提供高度信息。     

深度强化学习的数控机床几何误差标定与补偿研究

为了提高数控机床的加工精度,需要进行数控机床的几何误差标定与补偿.采用自由来流与圆柱中心连线的准线性标定方法构建数控机床控制约束参数测量模型,进行数控机床的输出载荷计算和结构力学参数评估,通过特征值屈曲分析的方法进行数控机床的几何误差测量,采用深度化学习的方法进行数控机床几何误差测量和误差补偿控制.仿真结果表明,该方法提高了标定精度,误差补偿能力较强.     

基于神经网络的视觉伺服机器人摄像机标定

采用可调节点径向基函数神经网络实现视觉伺服机器人摄像机标定.首先将基于leave-one-out准则的orthogonal forward selection算法扩展到多入多出的RBF网络,建立摄像机标定的RBF网络模型.通过应用卡内基-梅隆大学标定图像实验室提供的标定数据进行仿真试验,验证此方法的有效性.由于OFS-LOO算法可构造出具有稀疏隐层节点的RBF网络,使网络具有较好的泛化推广能力,同时RBF网络为局部逼近网络,因此,此标定方法具有较高的标定精度和较强的标定实时性,适用于视觉伺服的摄像机标定.     

基于主动视觉的相机标定方法在太阳能电池片丝印机上的应用

为了实现太阳能电池片丝印机视觉对位系统高精度标定的目标,采用线性相机模型与高精度的标定板及高精度的主动视觉平台,并采用基于平面正交运动的主动视觉标定方法以实现标定系统构建。本研究阐述了线性相机模型和相机标定方法,介绍了丝印机视觉对位系统的构成,设计了基于主动视觉标定方法的主动视觉对位平台的运动过程。标定时,令主动视觉平台按照预先设计的运动信息表动作,由相机采集每次运动后标定板上特征点的图像。根据每次平台运动采集到的特征点信息与平台运动距离之间的关系,通过采用Matlab的OPENCV算法,线性地求解了相机的内外参数,给出了相机标定的部分程序,并分析了标定误差。结果表明,采用基于平面正交运动的主动视觉标定方法,仅需主动视觉平台做有限的几次运动就能够实现相机的线性标定,实现起来比较容易,且标定精度能够满足使用需求。     

CCD摄像机快速标定技术

在视觉检测系统中,针对视觉传感器数量多,且每个摄像机需标定的内部参数及外部参数较多的特点,提出了一种新的简单的快速摄像机标定方法.分析了摄像机的各个关键参数,采用了全线性标定方法和矢量分析法,逐步求出CCD摄像机的参数.该方法具有标定速度快、精度较高、实用和算法性能分析容易等优点,适用于一般视觉检测系统的摄像机参数的标定,尤其是大型视觉检测系统中多视觉传感器的摄像机参数的标定.实际结果表明,摄像机标定误差优于0.05mm.     

Star sensor calibration based on integrated modelling with intrinsic and extrinsic parameters

To guarantee high measurement accuracy, star sensors must be precisely calibrated prior to use. Existing star sensor calibration methods, such as the imaging model method with intrinsic parameters and the polynomial fitting method, exhibit disadvantages. Inspired by classic camera calibration theory, a novel star sensor calibration method based on integrated modelling with intrinsic and extrinsic parameters is proposed in this paper to overcome the inherent disadvantages. A complete, integrated imaging model for star sensors is established by using all intrinsic and extrinsic parameters. Calibration points’ data are then acquired by using a two-axis rotary table and a star simulator. Finally, a two-step procedure is applied to calculate the parameters. Experimental results show that the proposed calibration method is capable of obtaining all the intrinsic and extrinsic parameters of the star sensor with high accuracy and efficiency and guarantees highly accurate attitude measurements.     

地面三维激光扫描仪与外架数码相机间安置参数的高精度标定

提出了地面三维激光扫描仪与外置数码相机安置参数的高精度标定方案。首先,利用商业化近景摄影测量系统对相机内参数进行单独标定;然后,利用回光反射标志作为二维和三维匹配的同名控制点,对直接线性变换进行拓展应用,在算法迭代过程将内参数作为已知值对外参数进行求解;最后,根据相机数据采集特点确定其拍摄全景时多张影像之间的位置关系,对多张影像的外方位元素进行求解,从而实现全景点云与全景完整影像之间的映射。进行了实验测试,利用安置参数标定结果反求验证点像素坐标与真实测量结果之差验证了本文标定方法的精度和可行性。实验显示:点云与影像间的映射精度可达到1像素左右;相机拍摄全景获取的影像与全景点云可以实现正确映射,表明提出的标定方法正确,满足纹理贴图及将影像作为特征提取辅助信息的精度要求。     

一种摄像机内参数的改进标定方法

本文提出了一种改进的摄像机内参数标定方法,不需要对摄像机进行旋转或平衡,它是利用摄像机的一些已知参数和空间三点的对应成像点,直接列写方程组从而求解出内参数。与旋转法和平移法相比较,该方法简单易行。     

大视场相机最优投影模型识别及星光标定方法

针对在轨摄影测量中近距离大尺寸测量需求,提出利用星光约束的大视场角摄影测量相机最优投影模型识别及标定方法。首先,构建了具备调节系数的星光几何投影分段函数模型。随后,针对分段星光投影模型开发多站位自标定光束平差算法。通过将光束平差算法与北方苍鹰寻优策略相结合,对投影模型调节系数、相机内方位参数、相机外方位参数及镜头畸变系数同步优化,直到星点像面重投影均方根误差达到全局最小,得到最优投影模型及其参数。实测实验表明,大视场角相机星光标定后,星点像面坐标的重投影均方根误差为1/9 pixel。在连续帧星光标定实验中,通过卡尔曼滤波算法对相机参数随机误差进行了有效消除。该方法可在相机星光标定过程中识别最优投影模型并标定全部成像参数,具备连续帧标定及参数校准能力。     

基于单目视觉的GPS辅助相机外参数标定

针对机器人视觉系统外参数标定的问题,提出了基于单目视觉ORB-SLAM的差分GPS辅助相机外参数标定方法。分析了单目视觉ORB-SLAM和GPS(Global Position System)定位数据之间的相似关系,建立了相机外参数标定的非线性最小二乘模型。基于随机采样一致性(RANSAC),通过三点法求得模型的初始解。设计了Levenberg-Marquardt(LM)迭代算法求解出最优解,从而得到了最优的相机相对位置和姿态参数。最后,对提出的方法进行仿真和跑车试验验证。结果表明:在试验半径为50m时,所设计标定方法的姿态标定精度可达0.1°,位置标定精度可达0.2%。该方法标定过程简单实用,不需要外界环境的先验信息和人工干预,具有很高的精度和显著的应用价值。     

基于两相同圆的自标定方法

摄像机标定在机器视觉中有着十分重要的作用。本文提出了一种基于两相同圆的自标定方法。首先,用摄像机从不同角度拍摄三幅包含两相同圆的图像,根据圆环点的不变性求取摄像机内部参数。然后根据透视投影变换的相切不变性,利用两圆的内外公切线求得摄像机的外部参数。该方法不需要任何已知的摄像机参数和烦琐的标志点匹配过程,简单方便地求解摄像机的内部参数和外部参数。大量的实验验证了该方法的精确性,鲁棒性和适用的广泛性。     

基于线结构光参考平面的多摄像机标定方法研究

多摄像机视觉测量系统中不同视觉传感器空间分布广,无公共视角,现场标定十分困难。针对多摄像机标定问题,研究了一种基于线结构光参考平面的灵活标定方法。标定过程中,以空间中同时覆盖相邻摄像机视角的结构光平面作为标定参考基准,在不同摄像机视角中,自由移动平面靶标多次,确保每次移动后靶标与结构光相交,并能在各自摄像机中清晰成像,摄像机拍摄靶标图像。提取靶标图像中角点坐标、激光光条特征点坐标。借助靶标平面与摄像机坐标系外部参数矩阵,求解激光光条特征点在对应摄像机坐标系中坐标。通过结构光基准平面内,不同摄像机坐标系中至少3组非共线特征点坐标信息,求解相邻摄像机外部参数。分别进行标定试验和精度验证试验,试验结果表明该方法切实可行。     

嵌入正交权值神经网络在摄像机内外参数标定中的应用

针对机器视觉在某些应用场合对摄像机内外参数的需要,提出了一种基于内嵌正交权值矩阵神经网络的摄像机标定方法.首先,使设计的神经网络的权值分别与摄像机的外参数和内参数相对应,即使得所设计的神经网络与摄像机的物理模型一致.正交权值矩阵的生成在迭代中相当于遗传算法的上一次变异,系统的性能指标为由网络输出组成的矢量与对应特征点投...     

采用自适应背景聚类的激光雷达与相机外参标定优化方法

针对在复杂外部环境下激光雷达外参标定过程中遇到的标定板三维点云提取不准确的问题,提出一种基于背景聚类的激光雷达和相机外参标定优化方法,避免了在整个三维点云中盲目检测标定板点云,而导致标定结果存在较大误差以及需要人工手动纠正错误特征点的问题。该方法利用无标定板的背景点云与有标定板的目标点云之间部分空间域内的密度差异性,通过自适应空间阈值模型获得标定板点云与背景点云之间的差异系数K,然后聚类两点云中的部分三维点,完成标定板的三维点云提取。实验证明,该方法可以在复杂环境中准确高效地提取标定板三维点云,从而提高激光雷达和相机外参标定的准确性,在此基础上点云正确投影比例可达97.43%,与对比方法相比投影误差降低25.33%左右。