基于视觉显著性的水面垃圾目标检测

针对实际水面复杂环境提出了一种基于视觉显著性的水面垃圾目标检测算法。首先对输入图像进行超像素分割,在CIELab、RGB和HSV颜色空间中提取超像素级的显著性特征,然后使用随机森林回归器将显著性特征进行融合得到疑似显著性图,并使用自适应阈值分割得到疑似二值显著性图,最后使用MLP分类器对原始图像中的疑似垃圾目标区域进行判别,去除水波、倒影和反光的干扰,最终检测出水面的垃圾目标。实验结果表明所提基于视觉显著性的水面垃圾目标检测算法的性能优于其他水面目标检测算法。     

结合HSV空间的水面图像特征水岸线检测

目的 水岸线可用于无人艇视觉导航、运动状态估计,是无人水面艇自主航行的重要参照特征。水岸线类似于水天线,但由于水波、反光、倒影等因素,内河水岸线检测的背景更复杂,难以采用现有水天线检测技术。通过分析水面图像在HSV空间的特征,发现陆地区域的饱和度值均高于天空和水面区域;在光照较暗时,色彩信息不能使用,亮度图像中的陆地区域相对其他区域较暗,但仍然存在水岸线轮廓特征。基于这一分析结果,提出结合HSV空间的水面图像特征水岸线检测方法。方法 首先将RGB图像经过高斯滤波后变换到HSV空间,依据权重进行HSV空间特征分量选取,接着进行像素点非线性增强;然后在增强的图像上进行区域分割,并将各个区域定义为基底图像;其次分析饱和度图像的行列特性,提取高饱和度的陆地区域,并将其定义为模板图像,将模板图像覆盖在各个基底图像上,按重叠区域面积比选取基底图像;最后通过边缘检测算子检测水岸线。结果 本文采集不同季节,不同光照强度的水面图像进行水岸线检测实验,实验结果表明本文算法可以在不同光照环境下准确检测出水岸线,且轮廓清晰完整,本文算法的实时性可达到1帧/s。结论 本文提出的结合HSV空间的水面图像特征水岸线检测方法,可以在不同的光照环境中有效地检测出轮廓清晰完整的水岸线,验证了水面图像分析的结论,本文算法可适用于无人艇视觉导航中。     

水面倒影及折射的潜在可视集合预计算

针对大规模场景的水面倒影及折射渲染的可见物体计算问题,提出一种完全基于GPU加速的区域潜在可视集合(PVS)的预计算方法.借助圆盘式水面和模板缓存来统计只在水面部分以倒影方式和折射方式渲染的几何像素值;通过调整计算速度和精度间的场景分割精度、最大误差等参数,缩短了PVS的计算时间.将PVS应用到水面倒影及折射图渲染中,并与已有水面渲染方法进行比较.针对不同场景的测试结果表明,采用文中方法可对常见场景中水面渲染可见物体的计算提供一个良好的解决方案,有效地减少了需要渲染的几何数据的数量,明显地提高了虚拟漫游时场景的渲染效率.     

基于平滑化区域填充的水下图像倒影去除研究

为了有效去除水下图像倒影,而不影响水下图像细节信息完备性,研究一种基于平滑化区域填充的水下图像倒影去除方法.通过Lab颜色模型和K-means聚类识别水下图像倒影区域,计算含倒影水下图像各个像素RGB颜色分量的最小值,并导进和含倒影水下图像的灰度图中,实现图像增强处理,在需填充区域中心设置一个符合平滑填充条件的窗口尺寸...     

美图巧为湖水照加倒影提升照片纵深感

湖水照中水边的建筑物如果可以与水面上的倒影交相辉映，就可以为照片提升纵深感。可是往往水中的倒影在镜头里并不是那么容易成像，拍出来的水面是模糊一片。遇到这种情况我们可以靠后期在水面添加倒影，使照片的构图更加完美。今天，小编就用“美图秀秀”为大家演示如何为湖水增加逼真倒影。     

基于自动多种子点的图像分割技术

在水面图像区域分割中,分别选用了自适应直方图阈值、边缘检测和区域生长的方法对倒影区域进行了分割,分析了3种方法的局限性,并结合直方图阈值和区域生长给出了一种自动多种子点区域生长方法。实验结果表明,该方法算法实现简单,能有效提高分割质量,达到了预期效果。     

语义驱动下水面场景中AR效果提升方法

增强现实应用场景不断拓展,但水面检测领域由于物理光学的反射等特性的影响制约了水面增强现实的应用。对此提出一种语义驱动下的基于ORB-SLAM2系统在水面场景下进行实时增强现实效果提升的方法。将视频帧传入深度学习语义分割网络ICNet中,把分割后得到的标签图和原视频帧一同输入SLAM系统的前端进行追踪及地图构建。在语义的指导下,水域内拟合平面并根据水面反射原理将3D模型放置在平面的同时,在关于平面镜面对称的位置生成其倒影。倒影的颜色依据提出的混色模型进行渲染。实验结果表明,在户外水面场景下增强现实的效果得到了提升,虚拟物体与真实物体视觉一致性也更为连贯。     

基于视觉的移动机器人可通行区域识别研究综述

实现实时准确的可通行区域识别,是户外环境下移动机器人导航的重要组成部分。对基于视觉的移动机器人可通行区域识别研究进行了综述,首先介绍了移动机器人视觉导航常用的视觉系统,并从障碍物检测、地形分类两个方面介绍了该问题研究的进展,最后对该领域的技术发展趋势进行了探讨。     

基于计算机视觉的自主导航机器人门检测算法

研究了自主导航机器人中如何有效提高室内房门检测定位的问题。针对导航中非视觉传感器通过探测距离来判断门的位置,而关闭状态的门和周边的墙几乎处于同一平面无法定位,导致检测不准。可根据室内房门的形状特点,提出了一种计算机视觉的自主导航机器人门检测算法,能在单目视觉下进行图像采集,并根据房门的高度、宽度比以及门的形状特征,进而实现图像中门的检测。由于在检测门特征过程中使用了改进了的直线检测算法,因此具有检测速度快、效率高的特点。实验结果表明,与传统非视觉距离探测方法相比,改进方案不仅适用于单一背景下开状态的门检测,更对关闭状态门的检测具有有效性,完成导航平均处理时间约为2.2s,速度较高,对于家庭智能服务机器人的自主导航具有很大的应用价值。     

结合改进Deeplab v3+网络的水岸线检测算法

目的 水岸线既是水利行业视频监控分析的基础,也是无人水面艇实现自主航行的关键。现有的许多水岸线检测的图像识别方法,不仅无法克服水面波纹、水面倒影等因素的影响,而且不具有适应性,无法同时适用于多个水岸场景分析。为此,本文采用多个复杂的水岸场景图像,训练了用于水岸分割的Deeplab v3+网络,并综合考虑分割性能和计算速度,对Deeplab v3+进行简化与改进,提出了基于改进的Deeplab v3+分割水面图像提取水岸线的检测方法。方法 采集不同水岸场景图像作为训练及验证图集,并利用伽马函数扩充样本;接着修改Deeplab v3+网络,对xception结构进行微调,同时在decoder时多增加一路低级特征（low-level feature）,增加特征信息;然后依据图像信息设置损失权重系数,设置可视化参数,基于改进的Deeplab v3+网络针对自己的数据集进行训练。利用训练好的PB模型在Linux操作系统调用TensorFlow的C++接口对测试图像进行区域分割。最后基于提取出的水面区域通过边缘检测算子检测水岸线,将水岸线叠加到原图。结果 本文采集了不同光照强度、不同波纹程度以及不同阴影程度的水面图像进行水岸线检测实验,并与现有算法进行比较。实验结果表明本文算法可以在不同的水岸图像中检测出较为清晰完整的水岸线,准确率达93.98%,实时性达到8帧/s。结论 本文算法能克服水岸边缘严重不规则、不同水岸场景差异大和复杂水岸场景中光照、波纹、倒影等因素的干扰,提升水岸图像分割准确度及效率,检测出轮廓清晰完整的水岸线,服务于水利行业的智能监控分析。     

轮廓初始点检测对眼睛虹膜区域反射光的去除

针对传统人眼反射光模型单一的缺陷,提出了一种自适应的对不规则形状人眼反射光的检测并去除算法。对含有人眼反射光区域,应用区域生长算法对人眼图像进行分割,并利用垂直边缘检测算子提取虹膜左右轮廓边界,拟合虹膜轮廓,对虹膜所在轮廓区域,采用提出的反射光轮廓初始点检测算法,反射光区域判定算法,对其轮廓的位置进行自动定位并提取,利用虹膜及瞳孔的纹理信息对人眼反射光覆盖区域进行修补。通过对不同人眼图像进行验证,结果表明该方法对检测不同噪声条件下的虹膜反射光具有鲁棒性,并且能够更加快速有效地对虹膜反射光进行去除。     

基于平面反射模型的夜间路面检测

路面检测对于自动驾驶系统具有极其重要的作用,其具体的应用方面包括检测辅助、避障、自动导航等。基于视觉的路面检测主要就是对图像中每一个像素点进行分类,区分其是否为路面。到目前为止大部分的路面检测算法是应用于白天。在本文中,我们集中解决夜间的路面检测。我们利用一个近红外摄像头来采集夜间图像。检测时,首先利用平面反射模型来对图像中的路面部分进行拟合,然后,一个基于像素点的分类方法被用来对图像中的每一个像素点进行分类。在实验部分,我们将我们的算法与区域增长的方法进行了比较。实验证明,我们的算法相对区域增长有一定的优势。     

基于路面积水反射模型和对称特征的车道检测方法

本文提出了一套在恶劣天气下(如下小雨或者雨后)有效提高车道检测准确性和稳定性的车道检测的方法和系 统。首先,本文提出并实现了一个有效的路面积水反射模型。它结合摄像头模型,能够拟合实际路面积水的镜面反射情 况,从而降低路面积水的镜面反射和增强车道标志。接着,本文提出了一种基于对称特征的车道标志特征提取和检测方 法。其中包括基于对称特征的车道消失点检测方法和平行车道模型参数拟合方法。最终,通过结合车道的先验知识,提 出的方法能够在环境较差情况下,提高车道检测的稳定性和正确率。     

肤色检测技术综述

肤色检测在人脸和手势识别与跟踪、Web图像内容过滤、数据库或因特网中的人物检索和医疗诊断等方面有广泛应用,文中通过分别介绍基于统计和基于物理的两类肤色检测技术,较全面地综述了肤色检测技术,其中对颜色空间选择、静、动态肤色建模方法、肤色反射模型和肤色波谱特性等肤色检测重要环节做了分析,明确了选择颜色空间与特征提取和分类方法的联系,强调了研究肤色波谱特征对基于物理的肤色检测技术的重要性,最后探讨了肤色检测的技术难题和发展趋势。     

基于历史信息及改进SimSiam的道路目标检测

视觉导航旨在通过环境中的视觉信息提供导航依据, 其中关键任务之一就是目标检测. 传统的目标检测方法需要大量的标注, 且只关注图像本身, 并未充分利用视觉导航任务中的数据相似性. 针对以上问题, 本文提出一种基于历史图像信息的自监督训练任务. 该方法聚合同一位置的多时刻图像, 通过信息熵区分前景与背景, 将图像增强后传入SimSiam自监督范式进行训练. 并改进SimSiam投影层和预测层中的MLP为卷积注意力模块和卷积模块, 改进损失函数为多维向量间损失, 以提取图像中的多维特征. 最后, 将自监督预训练所得模型用于下游任务的训练. 实验表明, 在处理后的nuScenes数据集上, 本文提出的方法有效提高了下游分类及检测任务的精度, 在下游分类任务上Top5准确率达到66.95%, 检测任务上mAP达到40.02%.     

车辆自主导航中的道路边界识别算法

道路边界识别是车辆基于道路区域或边界信息自动导航的首要问题．根据驾驶员视觉处理经验和车辆运动轨迹方程，总结出道路边界识别的先验知识与预测知识，在所选取的二次曲线道路形状模型基础上,分别利用边界识别算法和跟踪识别算法得到车辆起步和稳定行驶过程中的实时道路边界信息，为车辆控制器计算出位置偏差和方向偏差两个参数，以实现车辆基于前向单目视觉的自主导航．通过对实际路面试验结果的分析，证明了该方法的有效性和准确性．     

仿人机器人视觉导航中的实时性运动模糊探测器设计

针对仿人机器人视觉导航系统的鲁棒性受到运动模糊制约的问题,提出一种基于运动模糊特征的实时性异常探测方法. 首先定量地分析运动模糊对视觉导航系统的负面影响,然后研究仿人机器人上图像的运动模糊规律,在此基础上对图像的运动模糊特征进行无参考的度量,随后采用无监督的异常探测技术,在探测框架下对时间序列上发生的图像运动模糊特征进行聚类分析,实时地召回数据流中的模糊异常,以增强机器人视觉导航系统对运动模糊的鲁棒性. 仿真实验和仿人机器人实验表明:针对国际公开的标准数据集和仿人机器人NAO数据集,方法具有良好的实时性（一次探测时间0.1s）和有效性（召回率98.5%,精确率90.7%）. 方法的探测框架对地面移动机器人亦具有较好的普适性和集成性,可方便地与视觉导航系统协同工作.     

Visual SLAM for underwater vehicles: A survey

Underwater scene is highly unstructured, full of various noise interferences. Moreover, GPS information is not available in the underwater environment, which thus brings huge challenges to the navigation of autonomous underwater vehicle. As an autonomous navigation technology, Simultaneous Localization and Mapping (SLAM) can deliver reliable localization to vehicles in unknown environment and generate models about their surrounding environment. With the development and utilization of marine and other underwater resources, underwater SLAM has become a hot research topic. By focusing on underwater visual SLAM, this paper reviews the basic theories and research progress regarding underwater visual SLAM modules, such as sensors, visual odometry, state optimization and loop closure detection, discusses the challenges faced by underwater visual SLAM, and shares the prospects of underwater visual SLAM. It is found that the traditional underwater visual SLAM based on filtering methods is gradually developing towards optimization-based methods. Underwater visual SLAM presents a diversified trend, and various new methods have emerged. This paper aims to provide researchers and practitioners with a better understanding of the current status and development trend of underwater visual SLAM, while offering help for collecting underwater vehicles intelligence.