基于YOLOv5神经网络检测模型的动态局部地图构建

在移动机器人自主移动过程中，人的活动会对路径规划结果产生重要的影响。传统SLAM对动态物体的识别和跟踪能力相对有限，动态物体上的特征点容易丢失，且在动态物体占据图像较大范围时，容易造成目标函数的优化方向错误。考虑单个单目相机对行人的位置信息进行检测的场景，通过单目相机获取图像信息，结合YOLOv5目标识别网络来检测图像中人物所占据的像素高度，再通过针孔相机模型还原出图像人物在相机坐标系下的三维坐标。基于YOLOv5网络模型检测出道路区域，运用Canny边缘检测算法计算出道路的边缘轨迹，找到两条轨迹在相机图像上的交汇点。最后根据相机的平面图像结合人物的三维坐标，以及道路轨迹的交汇点和道路宽度信息对图像进行重投影。通过公开数据集测试得到包含行人实时运动情况和道路边界在内的平面地图，可完成150 m深度内的行人位置定位，为快速计算图像的行人的位置深度提供了一种可行方案。     

基于改进三帧差法的微小目标运动轨迹检测方法研究

针对计算机视觉系统中高速时变快速目标检测路径存在的小目标,容易丢失和轨迹不易检测问题,提出了一种基于三帧差理论的微小运动目标检测跟踪改进算法。该算法采用三帧差分法获取运动目标图像,然后利用颜色阈值分离其他运动目标的干扰。实验使用室内激光点运动记录作为样本,通过本算法检测激光点的快速不规则移动来确定激光点运动轨迹。结果表明,该算法能够完整地检测激光轨迹,能够有效降低目标图像和其他运动物体的噪声。     

等离子高分子导电薄膜的微型机器鱼图像分析

ICPF是能够被1.5 V低电压驱动的等离子高分子导电薄膜,具有质量轻、响应速度快的特点。用长21.6 mm、宽4.6 mm、厚0.2 mm的ICPF薄膜驱动的微型机器人能够以3 mm/s的速度在水中运动。为了对其运动姿态进行检测和控制,设计了微型机器人的图像处理系统,此系统由CCD摄像机、图像接口卡、计算机和波形发生器组成。通过CCD摄像机获取机器人的运动图像序列;利用目标短时相似性,对每一帧图像进行色调自动阈值分割和边缘提取得到目标二值图像;采用改进的Hough圆变换计算出目标在图像中的位置和运动方向。最后,根据目标的位置和运动方向,通过波形发生器,改变ICPF两端的电压和频率来实现对机器鱼姿态的控制。本系统在Pentium 4 2.8 G内存1 G的电脑上,处理一张图片需52 ms,可以实现对机器人的实时检测、跟踪和控制。     

介观小团体运动聚类的人群异常检测

传统的人群行为分析主要基于宏观尺度或微观尺度,前者忽视了个体运动的信息,难以定位局部异常,后者在人数众多的场合下难以精确检测与跟踪行人个体。为了在人群的宏观与微观特性之间搭建一个桥梁,从介观尺度分析入手,提出一种基于人群介观小团体运动聚类的异常行为检测方法。首先通过计算光流场并对其进行平滑滤波来获得人群运动的微观运动描述;进而通过Mean Shift算法对微观局部运动进行聚类,并根据速度、位置信息将微观类别合并为介观人群小团体;最后将速度场特征空间划分为正常和异常区域,根据聚类中心在该空间的区域归属及在该区域的持续时间长短来检测异常行为,并将异常类别所有样本点映射到图像坐标系,采用重心法确定异常发生的具体位置。实验结果表明,提出的方法不但能检测人群运动的全局异常,而且能定位局部异常行为的发生位置。其中,全局异常行为的检测总正确率达99.23%,局部异常的检测总正确率可达86.25%。     

气泡高干扰在线铁谱视频图像的磨粒快速分割算法研究

针对在线铁谱视频图像气泡高干扰所面临的磨粒分割困难问题,提出一种气泡高干扰在线铁谱视频图像的磨粒快速分割算法。首先运用运动检测的方法确定视频中气泡的位置,并用相邻帧相同位置的图像信息对气泡区域进行处理,再使用双边滤波对处理后的图像进行平滑去噪,实现气泡干扰的初步抑制;最后基于抑制气泡图像的灰度直方图,对每一帧图像选取其自适应的阈值,实现在线铁谱视频图像中磨粒的快速分割。该研究为在线铁谱的磨粒分割与后续对磨粒特征的智能提取和分析奠定了基础。     

基于特征提取的车道线快速检测方法研究

车道线检测是无人驾驶车辆及车道偏离预警等系统的关键技术。针对自动驾驶车辆当前道路可行驶区域检测精度不高、环境适应性差及实时性差的问题，提出了一种基于特征提取的快速检测车道线的方法。在图像预处理阶段，首先读取视频图像，把每一帧RGB图像转为灰度图，通过Canny算子对图像的边缘轮廓进行提取，然后绘制车道线的掩码区域，并与边缘检测结果图结合，对感兴趣区域（ROI），也就是对车道线所划分的汽车当前可行驶区域进行提取。最后进行概率霍夫变换和最小二乘拟合，并将得到的直线绘制到原图像中，最终对每一帧处理后的图像进行输出。该算法在多种边缘检测方法中选用Canny算法，并针对人为选取双阈值的复杂性问题，提出了自适应调节、选取阈值的方法；运用改进的概率霍夫变换对车道线进行检测，并进行离群值的过滤，有效提高了检测精度和速度。结果表明：该算法处理每一帧图像的时长为13.9 ms，且平均准确率达到97.6%，具有较好的实时性和准确性。     

尾随运动车辆识别与超车检测方法研究

针对尾随车辆由于类型、尺寸、颜色、环境等非确定因素导致识别不稳定、不可靠的问题,提出基于时空域纵向投影跟踪滤波和相对运动检测的车辆识别与超车行为检测算法。首先在对比度空间对序列图像进行定向滤波,采用概率Hough变换估计车辆横向边缘,通过时间域投影方法过滤环境噪声,得到尾随车辆跟踪轨迹,同时使用光流法对序列图像特征角点进行跟踪检测,通过目标运动方向矢量将车辆和背景予以区分。在此基础上,采用车辆置信度函数对上述两种方法的识别结果进行综合决策,提出基于行为检测的超车检测算法。试验结果表明,该方法在结构化道路环境中能够快速准确提取近视场运动尾随车辆,对环境干扰和目标车辆类型变化具有较强的免疫能力。       

基于贝叶斯分割和灰预测的人运动跟踪

在人运动的视觉分析中,根据差分图像的直方图分布,将目标区域和背景区域作为2个类别进行判别,提出基于最小错误率的贝叶斯决策的动态图像分割方法,获得了良好的分割效果.提出了基于改进的灰预测模型GM(1,1)的人运动跟踪方法,GM(1,1)的初始信息由c均值聚类结果提供,同时GM(1,1)的预测结果作为下一帧图像c均值的初始聚类中心,提高了系统的实时性.与α-β-γ滤波的跟踪误差对比实验证明:该方法能够更好地挖掘人的当前运动规律,能够稳定地保持较小的跟踪误差,从而更好地反映人运动趋势,快速准确地预测人的运动位置.     

关节空间样条的连续点位运动规划算法

为了提高工业机器人的运动平稳性和快速性,保证机器人在走曲线时能够准确到达各示教点并且实现平滑过渡,提出一种基于关节空间样条的连续点位运动规划算法。以关节空间的单个轴为例,从一般三阶S曲线轨迹出发,为了保证规划得到的加速度不跳变以及样条曲线能够保形,在两个相邻示教点之间插入n个中间点,将一段轨迹分为n+1段,根据该关节起点和终点的位置、速度和加速度以及插入点位置、速度、加速度连续的边界条件,可以得到新的规划轨迹。最后通过实验比较验证,该规划算法能够快速实现过程点的准确到达并且加速度没有跳变、曲线能够保形,具有实际推广价值。     

红外点目标检测中的能量累积方法

红外图像目标检测中利用传统动态规划进行能量累积的方法存在较大的能量扩散效应,检测速度慢,检测概率低。针对上述问题提出了一种新的基于动态规划的红外点目标检测能量累积方法。该方法在传统的动态规划递推式中引入了加权信息熵衰减因子和方向性信息权值。加权信息熵能够反映目标的运动信息。当某搜索区域存在目标运动时,能量累积衰减率小;当目标不存在时,能量累积衰减率大,从而保证了目标轨迹区域能量的大幅累积。方向性信息能够反映目标的运动轨迹方向,引入此信息能使能量以大概率沿着目标运动方向有效累积。实验采用了平均信噪比为2.1725的12帧序列图像,将本文方法和传统的DPA能量累积方法作比较,传统DPA能量累积要到第9帧才能到达检测阈值,检测概率为0.956,并且会产生虚假轨迹,而本文方法到第5帧就已经到达检测阈值,检测概率为0.915。结果表明,该方法大大缩小了能量扩散效应区域,极大提高了点目标的检测概率和检测速度。     

基于关键帧定位和时空图卷积的异常行为识别

为提高监控视频中行人异常行为检测效率,提出了结合关键帧定位和时空图卷积的异常行为识别方法。该方法在人体骨架关键点检测的基础上,采用关键点运动特性定位视频中行人异常行为关键序列,利用时空图卷积网络可以提取行人时空特征的优点,在关键帧序列上构建人体骨架时空图,同时建立基于瓶颈残差模块的时空图卷积网络行为识别模型,实现对监控视频中行人异常行为的高效识别。采用自建数据集和公开数据集对该方法有效性进行检验,结果表明,该键帧定位算法可高效实现异常行为定位,结合基于瓶颈残差模块时空图卷积网络,在减少时空图卷积网络计算复杂度的同时提升了网络性能,能够有效判断行人异常行为。     

基于改进型FAST快速视频拼接技术

为提高视频拼接的实时性,提出一种改进型FAST快速视频拼接算法。该算法的过程是先计算图像的自适应阈值,根据该阈值对角点粗提取,接着对角点精提取,包括抑制单点噪声、剔除边缘角点、剔除不稳定的角点。为提高角点匹配速度,利用BRIEF算法对角点进行描述,通过Hamming算法匹配两幅图像的角点,接着使用RANSAC算法剔除外点。根据匹配点对计算变换矩阵,拼接每一帧视频图像。由于动态视频拼接产生的背景抖动现象可以通过动静态结合的拼接方法改善。实验表明,该拼接算法的速度显著提高,定位精度较高,能够满足实时性要求,而且能够改善静态拼接中景深不同而产生的鬼影现象。     

单定子三自由度超声电机位置控制的研究

介绍了单定子三自由度超声电机实现 3个自由度运动的原理 ,根据控制目标设计并实现了该超声电机的运动信号的检测结构 ,利用逐点比较法分解控制指令并采用模糊控制方法对电机进行了位置控制 ,取得了较好的结果 ,实验结果表明电机的输出轴在一定范围内能够精确地按照预定轨迹达到空间的任一位置     

基于深度信息的指尖检测-跟踪-监督算法

针对快速准确识别手指并实时跟踪手指的问题,提出了基于Kinect深度信息的指尖检测-跟踪-监督算法。检测部分主要为利用深度数据实现指尖的识别,并结合指尖检测结果与卡尔曼滤波确定出指尖的稳定状态。跟踪部分主要为将检测部分得到指尖的稳定状态作为初始条件,并使用具有监督环节的快速判别尺寸空间跟踪算法实现对指尖的实时跟踪,在对每一帧的指尖运动实时跟踪的同时,监督环节对每一帧的指尖实时跟踪结果进行监督,通过与指尖的特征进行匹配,矫正跟踪结果发生偏差的点,来提高跟踪结果的准确性,从而保证整个系统具有较强的鲁棒性。本文对指尖检测识别与跟踪进行了多组实验,均能够准确的检测识别出指尖,并能稳定的实时跟踪指尖的位置。实验结果表明该方法具有较强的鲁棒性与准确性。     

基于肤色采样点筛选的视频手势分割算法

为了实现视频手势的实时分割与定位,提出一种基于肤色采样点筛选的视频手势分割算法对视频中的运动手势进行实时分割与定位。首先,对视频的每一帧通过图像预处理获取肤色采样点;其次,融合运动信息对肤色采样点进行初步筛选;然后,通过区域生长法再次筛选肤色采样点提取特征点;最后,通过特征点实现视频手势的分割与定位。实验结果表明,该方法具有良好的手势分割效果和较高的定位准确度。     

基于Radon变换的空间目标运动方向检测

基于Stellarium开源天文软件获取的星空背景图像数据,在其上随机添加不同运动方向的小目标,并在不同的帧图像对小目标进行随机方向和大小的位移,模拟空间目标的形态特征和运动特征;在对序列帧图像进行预处理、去除噪声、图像分割、质心确定、图像配准、最大值投影等一系列操作后,生成包含运动目标轨迹和恒星背景目标的图像;之后使用Radon变换对空间目标的运动方向进行检测。实验结果表明,该处理方法和流程不仅能够对单个目标进行运动方向检测,而且能够检测多个运动目标的运动方向,计算得到的空间目标运动方向和实际设置运动方向的绝对误差精度均值为0.022 2°,支持对圆弧状运动轨迹进行分析,并对噪声有一定的抗干扰能力,能够有效地对空间目标运动方向进行精确、准确检测。     

红外点目标检测中的能量累积

针对在红外图像目标检测中利用传统动态规划进行能量累积存在较大的能量扩散效应,且检测速度慢、检测概率低等问题提出了一种基于动态规划的红外点目标检测能量累积方法。该方法在传统的动态规划递推式中引入了加权信息熵衰减因子和方向性信息权值。加权信息熵可以反映目标的运动信息,当某搜索区域存在目标运动时,能量累积衰减率小;当目标不存在时,能量累积衰减率大,从而保证了目标轨迹区域能量的大幅累积。方向性信息能够反映目标的运动轨迹方向,能使能量以大概率沿着目标运动方向有效累积。用本文方法和传统的DPA能量累积方法对平均信噪比为2.1725的12帧序列图像进行实验和比较,结果显示,传统DPA能量累积要到第9帧才能到达检测阈值,检测概率为0.956,并且会产生虚假轨迹;而本文方法到第5帧就已经到达检测阈值,检测概率为0.915。结果表明,该方法缩小了能量扩散效应区域,提高了点目标的检测概率和检测速度。     

基于曲线物理模型的轨迹运动规律研究

为了把轨迹的位置控制转变为运动规律控制,取消插补运算,建立数控机床运动控制的物理模型。根据运动学原理和几何学原理研究轨迹的几何参数、运动参数、规划参数之间的关系,写出了轨迹运动微分方程组。根据轨迹函数、规划参数可以计算出各坐标轴的瞬态运动参数。运动规律的代表是一组运动参数,用运动参数控制运动等于同时控制运动规律和几何规律。一条轨迹的位置点有无穷多个,但规律只有一个,按运动规律控制的方法是最简捷、最全面的。经过试验和仿真,证明运动参数控制轨迹的方法是能够同时控制位置和运动的好方法。     

基于TMS320F2812的可视化电机位置随动控制系统

介绍了一种可视化电机位置随动控制系统.该系统可以在计算机上显示两个电机的转角;并能够控制两个电机跟随计算机上绘制的转角曲线轨迹运行.系统采用了基于TMS320LF2812高性能DSP处理器的上下位机控制结构,给出了控制驱动电路、位置与速度检测电路和电流检测电路的设计和实现方法;设计了单神经元PID自适应伺服控制程序和上位机监控软件.运行试验证明了该系统能够完成曲线轨迹跟随任务,具有较好的实时性和精确性,为工业伺服控制提供了一种高性价比解决方案.     

动态特征块匹配的背景更新在运动检测的应用

为解决传统监控设备视场小、非智能等缺陷,结合全景成像技术和计算机视觉技术,建立无人环境下外来入侵自动检测系统,从而实现了全景监控视场下运动目标快速准确的检测及跟踪。该技术关键在于如何在复杂的动态背景下有效地提取运动目标,为此提出一种基于动态特征块匹配的自适应背景更新算法。在采用帧间差分与背景差分融合算法检测到目标的基础上,利用目标的矩信息进行跟踪,避免了全景视觉下颜色及轮廓特征缺失的弊端。根据目标的轮廓及位置提取特征块,将视频序列的每一帧图像与初始背景图像进行特征块区域的局部匹配,首先通过分析特征块图像的颜色特征,构建基于区间统计的RGB颜色直方图,提取颜色特征序列。然后通过计算序列相关性来判断该区域是否需要背景更新,从而降低对单个像素更新的冗余计算。实验表明,该更新算法具有较强的鲁棒性和可行性,能够有效提高监控系统的稳定性。