基于SURF+RANSAC的双目立体视觉目标识别与抓取

针对单目视觉处理简单、无法获取获取三维维空间数据的问题,提出一种双目立体视觉目标识别和抓取方法。结合SUR算法和RANSAC算法对图像进行匹配,以滤除图像中的"外点";利用仿射变换获取关键点信息及形心坐标,根据立体重建原理实现目标测距与定位,最终完成抓取任务。实验结果表明:采用距离辅助坐标定位法可以准确识别目标物体并获得距离信息,实现准确定位。     

基于改进GA优化BP网络的双目视觉定位研究北大核心

为了提高传统遗传算法(genetic algorithm, GA)IGA优化BP网络迭代时间过长以及精度偏低的缺陷,设计了一种通过改进遗传算法(improved genetic algorithm, GA)IGA优化BP网络,并进行完成双目视觉的定位计算。改进遗传算法来提升BP网络收敛能力并获得更强的全局寻优效果,显著改善BP网络处理效率与精度,最终促使相机获得更高定位精度以及运算速率。给出了IGA优化BP网络的双目视觉定位算法流程,并开展了双目视觉定位实验。研究结果表明,未优化坐标预测值误差均值为0.66 mm,优化坐标误差均值为0.08 mm。改进BP网络进行双目视觉定位精度达到0.12 mm,相对最初预测定位误差降低近0.01 mm。以BP网络来定位双目视觉精度均值是0.12 mm,以OpenCV定位的实际精度是0.10 mm。推断以神经网络双目视觉进行定位时满足双目视觉定位精度条件。     

基于点线特征的快速视觉惯性SLAM算法

为了提高基于点特征的SLAM算法的定位精度和鲁棒性,提出一种点线特征融合的快速单目视觉惯性SLAM算法。使用ELSED算法快速提取高质量的线特征,在非关键帧追踪时,基于连续帧之间微小运动的假设,实现连续图片间的快速线段匹配,且无需线段描述子。在插入新关键帧时,提取线段描述子来完成关键帧之间的线特征匹配,创造新的地图线。最后在公开数据集上进行实验,结果表明：ELSED算法在提取高质量线段的同时,耗时仅为LSD算法的13%;与传统利用线段描述子的匹配算法相比,此算法的时间效率提升了83%,并减少线段误匹配,提高系统定位精度,系统的平均跟踪帧率为33帧/s,保证了系统的实时性。     

基于双目视觉的船舱格子间角焊缝路径识别

针对船舱格子间工作空间狭小,大型自动化设备难以完成舱内自动焊接的问题,提出了一种基于双目视觉获取焊缝路径三维信息的策略。基于张正友标定原理获取双目系统基本参数后,利用C++与OpenCV编写了自适应阈值的二值化处理、改进的Sobel轮廓提取算子、非连续像素点筛除等程序,对双目相机采集的图像进行处理,提取了清晰、低噪点的直角角焊缝中心轮廓图像。基于BM特征点匹配算法与像素点扫描方法,得到了焊缝轮廓上连续特征点的三维信息数据集,利用Origin作图软件拟合后生成了三维直角角焊缝路径。为了验证双目系统测距精度与鲁棒性,设计了可升降、角度可调的滑轨万向节组合模块,实现了从不同拍摄角度、高度采集焊缝图像,并对焊缝上设置的等距特征点的距离进行识别。试验结果表明,当拍摄偏角在30°之内,或正拍高度在150～190 mm内变化时,测距偏差都可以控制在2 mm内,基本满足焊接的精度与稳定性要求,并为焊接的自动化循迹过程提供了数据基础。创新点： (1)将双目视觉识别测距技术应用于小型船舱格子间内矩形角焊缝中心路径的识别,为自动化的焊接过程提供了循迹数据基础。(2)设计了滑轨万向结模块,证实了该双目视觉识别系统在不同角度与高度下良好的鲁棒性与识别精度。     

双目视觉手眼标定的精度优化

双目视觉定位是机器人领域对环境感知的常用技术,手眼标定的好坏很大程度上影响着机器人定位精度。传统的线性标定只需一组数据就可标定,但极易受到偶然误差的影响;非线性算法使用多组数据,但容易出现奇异值和陷入局部最优点。针对这两个问题,用非线性算法Ada-delta对线性算法Tsai得到的数据进行优化,非线性算法多组数据运算避免了偶然误差,线性求解的结果充当优化算法的常数项也避免了出现奇异值的情况。用优化前后的手眼标定矩阵求得理论机械臂末端位姿,分别与实际位姿作差,取其Frobenius范数。结果证明：优化后的Frobenius范数为0.305 65小于优化前的0.520 717,优化效果良好。     

基于双目视觉的冷凝器管口识别与重建研究

为改善现有大型冷凝器清洗装置对冷凝器管口三维定位的不足,便于操作人员远程监控清洗效果,设计冷凝器清洗机器人视觉系统。采用平行双目视觉结构模型,通过冷凝器管口轮廓识别和基于全多重网格算法的立体匹配,实现管口三维定位和表面重建。实验结果表明：该系统能够有效计算冷凝器各管口三维坐标;与传统方法相比,管板表面三维重建效果良好,能够满足冷凝器可视化要求。     

基于双目视觉的番茄图像处理及采摘轨迹规划

针对番茄采摘自动化水平不高的问题,设计一种利用双目视觉采集系统和机器人定位技术的番茄采摘系统。利用双目立体视觉系统进行图像采集,构建模型并进行标定校正。通过图像处理技术将图像预处理,从而获得成熟番茄的具体轮廓;根据番茄类椭圆形状确定其中心点坐标,并将其转换为空间坐标,便于机器人末端执行器抓手进行定位采摘。针对各关节运动限制提出平滑性约束,通过改进蚁群算法,获得采摘抓手较平滑且距离最短的路径。仿真结果表明：该方法可基本满足采摘图像处理要求,能获得运动距离最短且平滑的路径,为实现番茄全自动化采摘提供参考。     

基于深度学习的单目视觉水下机器人目标跟踪方法研究

介绍了一种基于深度学习的单目视觉水下机器人目标跟踪新方法,采用该方法能够使自主水下机器人(AUV)在水下复杂环境中实现图像增强处理与目标识别跟踪,对于视频图像中的每个图像,使用预先经过训练的深度卷积神经网络计算图像传输图,图像传输图提供了图像深度信息的相关估计,该方法能够识别水下目标区域,并标明水下目标运动及跟踪方向。实验表明:该方法能够更精确、更稳定地获取水下环境中的定位数据。     

基于改进SIFT的无人机双目目标识别与定位北大核心

对无人机自主着陆系统中双目视觉采集到的地标图像进行了研究,在分析地标图像中存在模糊噪声以及大量背景干扰问题,提出一种基于改进SIFT算法的无人机双目视觉目标识别与定位方法。首先,采用基于OTSU与HSV的ROI算法对无人机双目图像进行目标识别与分割预处理操作,将目标准确识别;其次,针对双目视觉获取三维信息效率慢的问题,采用基于改进的SIFT算法对已识别的地标进行特征提取,生成二进制描述符,并采用局部敏感哈希算法对特征点进行稀疏匹配,提高目标特征匹配准确度及效率;最后,采用相似三角形原理计算每个特征匹配点的三维距离,获得无人机与目标之间的平均三维距离。实验结果表明所设计的算法相较于传统的SIFT算法更具有可行性和有效性。     

一种基于视觉补偿的移动机器人地图匹配室外定位算法

在室外环境中,由于车轮打滑、里程计存在严重的累积误差,同时由于二维激光测距仪扫描到环境信息量少,在进行地图匹配时,机器人常常陷入相似或对称环境,导致定位失败.针对以上问题,在二维激光地图匹配的基础上,提出了利用单目视觉信息补偿激光信息与里程计信息的定位方法.该方法利用单目摄像机获取环境中的色块信息补偿二维激光信息;摄像机同时作为视觉里程计实时辨识车轮打滑,校正里程计的误差;最后利用粒子滤波算法融合多传感器信息.该实验利用Pioneer3-AT机器人平台在大学校园进行,实验证明该方法具有较高的定位精度.     

瞄准摄像机的视觉伺服控制

本文提出了瞄准摄像机的视觉伺服控制方法。控制系统由两个模块组成：图像处理模块和瞄准控制模块。在图像处理模块中，用基于特征的方法分析动态序列图像。在瞄准控制模块中，用前馈型神经网络实现从信息空间到任务控制空间的映照。根据瞄准摄像机的模型和位姿估计算法通过精确计算得到神经网络的训练样本。用计算机仿真来验证控制方法的性能。     

融合信赖域的SLAM后端优化算法

针对即时定位与地图构建(SLAM)系统如何在有限的计算资源下发挥出更优秀的实时性能这一问题,提出了一种融合信赖域的改进优化方法。该方法能够从正规方程矩阵的稀疏性中受益,针对大规模最小二乘求解问题,通过优化求解步骤,能够大量减小求解过程计算量,显著提升求解速度,加速后端优化进程;同时,使用并行运算加速信息矩阵拼接过程,在不损失精度的前提下,提升SLAM系统的实时性能。实验结果表明,经过该方案优化的集束调整更加适合大规模的SLAM问题,优化后的系统迭代求解速度提升了近30.12%,实时性能表现更佳。     

基于激光SLAM的移动机器人导航算法研究

定位技术是机器人技术中导航控制和路径规划的关键问题,传统定位方式采用全球定位系统(GPS),难以完成精准的定位导航功能,不依赖于GPS的定位导航方法是目前机器人领域的研究热点。提出一种基于激光雷达采集的点云信息帧间匹配方法,根据改进式激光点云数据的位姿估计算法,结合非线性优化进行了校正和优化,完成移动机器人对未知环境的精确定位。通过ROS机器人操作系统搭建实验平台,对改进算法进行验证,证明改进后帧间匹配算法的建图和定位效果对应的鲁棒性与定位精度效果更佳,可满足工程要求。     

基于ADAMS的俯仰式立体车库仿真优化

针对现有俯仰式立体车库升降稳定性较差的问题,利用CATIA软件对俯仰式立体车库进行了结构改进,为对比分析改进前后的稳定性,将2种俯仰式立体车库三维模型导入ADAMS进行运动仿真,结果表明:改进后的俯仰式立体车库系统升降更稳定;以改进后车库液压缸驱动力波动的标准偏差值最小作为优化目标,进行结构优化,优化后的俯仰式立体车库驱动力波动大大降低,提高了立体车库升降的稳定性,为其机械结构设计提供了参考。     

基于蜂窝立体结构靶标的多目相机标定方法

为解决多目相机快速标定以及构建不同坐标系之间位姿关系的问题,提出一种基于新型蜂窝立体结构靶标的多目相机标定方法,能够快速准确完成多目相机标定。通过仿生学原理设计的蜂窝立体结构具有5个附着自识别阵列标记的不同空间位姿平面,提升了标定稳定性以及鲁棒性;使用多目相机拍摄一幅图像即可完成相机标定以及坐标系间关系构建,提升了标定效率;最后,将所提方法与传统的相机标定方法进行了实验对比。结果表明：相比于传统标定方法,所提方法的相机标定平均重投影误差降低了18.4%,多目相机间外参平均重投影误差降低了8.5%,遮挡干扰下平均重投影误差的相对误差仅为0.01 pixel,进一步验证了所提标定方法的可行性。     

基于视觉激光惯性相结合的机器人SLAM算法

针对弱纹理环境下SLAM系统只依靠单一传感器鲁棒性较差的问题,提出一种视觉、单线激光雷达与惯性相结合的机器人SLAM算法。在视觉与雷达预处理阶段,视觉提取点线特征,同时雷达帧间匹配过程采用激光点到其最近两个点连线的距离构建误差方程,实现更高精度匹配效果。采用惯性传感器与轮速里程计进行雷达运动畸变校正,同时雷达估计信息为单目点线特征三角化提供良好深度值,再利用点线视觉信息、雷达点云信息与惯性测量单元紧耦合优化机制提高机器人SLAM的精确度。最后,将该方法在仿真环境和真实弱纹理环境进行实验。结果表明：该方法定位准确率达到98.6%,在弱纹理环境中定位效果具有较强的鲁棒性和准确性,满足实际需求。     

基于固定位姿约束的双目相机标定研究

针对影响双目视觉系统精度的双目相机标定问题,提出一种基于数字图像相关法与固定位姿约束的双目相机标定方法。采用传统的相机标定方法对双目相机进行标定,得到双目相机参数初值;采用数字图像相关法提高图像点提取的坐标精度;通过添加固定约束关系,建立简化的优化目标函数,并对相机参数进行优化,得到高精度标定结果。实验结果表明：该方法可达到较高精度。     

视觉测量中摄像机标定精度评估方法

为了准确地评估摄像机标定结果的精确程度,在基于棋盘格长度的评估方法的基础上,提出了基于外参数的摄像机标定精度评估方法。该方法通过对同一组图像分两次进行标定,得到两个不同位置的世界坐标系,利用标定结果求得这两个世界坐标系原点的距离并与实际的距离作比较,能够比较形象地描述标定结果中外参数的精确程度,进而评价摄像机标定结果的精确程度。     

基于深度相机的汽车转向节位姿估计研究

针对汽车转向节自动化加工需求,研究转向节位姿估计实现方法。构建转向节检测整体方案,对相机畸变进行标定,并根据标定结果产生点云;针对转向节中心孔尺寸存在偏差,无法直接利用点云配准技术实现3D坐标间接定位问题,利用2D图像处理确定像素坐标配合深度相机索引深度值确定抓取点3D坐标;对转向节不同姿态估计问题,利用SAC-IA算法将待检测转向节点云与模板转向节点云进行初始配准,再利用NDT算法进行细配准;开发软件进行测试。结果表明：用所提算法细配准,匹配得分为27 mm2,验证了转向节姿态估计的精度。