一种基于单个神经元的摄像机标定自适应算法

传统的标定算法利用标准的参照物与图像点的对应约束关系来求取摄像机参数,其中非线性优化方法标定精度较高,但计算繁琐.为此提出一种基于单个自适应神经元的摄像机传统标定算法,应用一种结构简单、抗干扰能力很强的单个神经元自适应算法代替通常的非线性优化算法进行摄像机标定.实验结果表明该算法无需计算雅可比矩阵,且精度较高,简单可行.     

基于激光成像三维数据的目标重建

激光成像具有成像速度高、测距精度高、成本低、抗干扰能力强、可靠性好等优点,具有广阔的应用前景.比较了几种激光成像体制,重点研究了在距离选通成像体制下的数据获取、三维目标重建等内容,并提出了在距离选通成像模式下的运动补偿算法,修正了探测系统和目标相对运动时的测量误差.     

立体视觉标定系统的分析与设计

分析了非线性摄像机模型,改进了圆心标定点提取算法,在Tsai算法的基础上构建了左右摄像机的关联矩阵,并在VC 环境下设计了立体视觉标定系统.实验结果表明,该系统成本低廉,鲁棒性好,精度较高,可用于空间目标测量、三维重构等领域.     

自主车辆视觉系统的摄像机动态自标定算法

为了解决自主车辆视觉传感器在姿态变化后摄像机旋转外参数的在线自标定问题,提出了一种利用道路图像消失点相对不变量的摄像机旋转外参数的动态自标定算法.它首先从汽车采集到的道路视频序列中实时分析道路消失点,然后依据中心极限定理并使用相应的统计量,动态地估计主消失点与消失线参数,最后利用小孔成像模型下的消失线与消失点方程,解析地求得对应于当前统计特征的摄像机外部参数动态解.实验结果表明,在摄像机进行姿态调整后,实验系统使用本算法可在不超过90帧有效图像样本的基础上,能对摄像机旋转外参数进行精确标定,使旋转外参数的绝对误差值收敛于0.001 rad的误差带之内.     

无人机视角下的特征匹配引导粒子滤波跟踪算法

粒子滤波(particle filter, PF)算法被广泛应用于视觉目标的跟踪,然而,在无人机视角下,摄像机与画面中的目标同时运动,导致了PF对目标运动状态的预测失效.针对此问题,提出一种面向无人机视角下的改进的粒子滤波跟踪算法——特征匹配引导的粒子滤波跟踪算法.首先,利用相邻两帧图像中目标物体尺度不变特征变换(scale invariant feature transform, SIFT)特征匹配的结果作为初次定位;然后,利用空间加权的HOG特征与PF相结合获取二次定位结果;最后,利用chamfer distance修正跟踪结果的SIFT特征点作为下一帧特征匹配的模板,从而循环产生准确的视频跟踪结果.比较试验表明,该算法有效地改善了传统PF跟踪算法在无人机视角下运动状态预测方程失效的问题,能够较准确地对运动目标进行跟踪.     

基于图像序列的三维人体扫描仪

提出一种根据计算机视觉原理来获取人体表面信息的三维人体扫描仪方案,利用摄像机和人体之间的相对运动采集连续的图像序列,对序列图像进行预处理,从而获得各个角度的人体轮廓图像.然后根据轮廓图像的边缘点求取图像中各个高度的人体的侧影轮廓.最后通过一系列的人体的外侧影轮廓来逼近人体的原始形状,进而重建出人体表面三维信息.实验结果表明,本方案和算法是低成本、合理、有效的,根据本方案研制出来的原型系统的性能达到了预定的目标.     

螺旋和齿轮的相对螺旋运动

本文用螺旋理论研究了齿轮的相对运动,确定了空间啮合中的相对运动螺旋,导出了啮合点瞬时相对速度公式,并举例说明了这些公式在确定渐开线齿轮方程时的应用     

相对运动动力学系统Nielsen方程Mei对称性导致的一种新型守恒量

研究相对运动动力学系统Nielsen方程的Mei对称性导致的一种新型守恒量.在群的无限小变换下,给出相对运动动力学系统Nielsen方程Mei对称性的定义和判据;得到相对运动动力学系统Nielsen方程Mei对称性导致的新型结构方程和新型守恒量的表达式.     

基于摄像机标定的实时倒车轨迹算法

通过建立车辆倒车运动学模型, 利用摄像机标定理论, 推导出实时倒车轨迹方程算法. 该算法通过读取倒车运动车辆方向盘的旋转角度值, 可将在世界坐标系下推导的倒车轨迹算法经过摄像机坐标系、 成像坐标系和图像坐标系的坐标变换得到倒车预测轨迹. 该轨迹再经过径向畸变模型矫正后以影像的方式显示. 实验测试结果表明, 该算法生成的预测倒车轨迹精度较高.     

变质量相对运动力学系统Nielsen方程的Noether守恒量

研究变质量相对运动力学系统Nielsen方程的Noether守恒量.在群的无限小变换下,给出变质量相对运动力学系统Nielsen方程Noether对称性的定义及Noether对称性的判据;进而得到与变质量相对运动力学系统Nielsen方程Noether对称性相应的Noether守恒量.举例说明结果的应用.     

Robust monocular SLAM towards motion disturbance

The standard extended Kalman filter-based simultaneously localization and mapping （EKF-SLAM） algorithm has a drawback that it could not handle the sudden motion caused by the motion disturbance. This prevents the SLAM system from real applications. Many techniques have been developed to make the system more robust to the motion disturbance. In this paper, we propose a robust monocular SLAM algorithm. First, when the motion model-based system failed to track the features, a KLT tracker will be activated for each feature. Second, the KLT tracked features are used to update the camera states. Third, the difference between the camera states and the predictions is used to adjust the input motion noise. Finally, we do the standard EKF-SLAM with the new input motion noise. In order to make the system more reliable, a joint compatibility branch and bound algorithm are used to check the outliers, and an IEKF filter is used to make the motion estimation smoother when the camera encounters sudden movement. The experiments are done on an image sequence caught by a shaking hand-held camera, which show that the proposed method is very robust to large motion disturbance.     

单幅运动模糊图像的恢复及应用

运动模糊图像复原技术高度依赖于点扩散函数的估计,即估计线性运动模糊的方向和长度,这两个参数与物体实际运动速度有一定几何关系。本文在去除运动模糊的同时,提出一种基于单幅模糊图像估计车速的方法。由于运动模糊通常发生在图像的动态区域,因此在恢复图像的同时依据成像几何、相机摆姿和估计出的模糊参数经过数学推导可以计算出车速。本文依据模糊像素扩散现象及模糊图像在频域的性质来估计模糊参数,结合维纳滤波方法进行复原。从而辨识车辆、估计车速、辅助交通管理。实验表明本文方法实用性强,效果较好。     

运动目标的快速检测、跟踪和判别

为完成自然环境中大范围的环境监控 ,实现了一个运动目标检测、跟踪和判别系统。该系统利用一个固定平台上的、有 3 60°旋转和一定俯仰的两自由度摄像机监视自然环境 ,利用 2 -D仿射模型和鲁棒参数估计的主运动分析得到背景运动参数 ,能够在短时间内完成 3 60°全景图的拼接 ,并能利用出格点检测和聚类自动检测、通过限制搜索范围的检测和维护运动目标缓冲池主动跟踪运动目标 ,还能按目标区域的周期性变化判别目标种类 (人或车辆 )。实验表明 ,系统能够实时可靠地检测、跟踪运动目标并完成判别 ,满足特定的监控要求。另外 ,该运动目标判别方法简单可靠 ,其结果可作为视频序列识别和检索的一项重要特征     

基于附加噪声预测器UKF的摄像机标定算法

由于环境等因素影响摄像机拍摄过程中存在可变噪声,针对传统无迹卡尔曼滤波(unscented Kalman filter,UKF)算法无法处理未知噪声的问题,设计了一种基于附加噪声预测器UKF的摄像机标定算法.首先,对传统UKF算法进行改进,引入噪声估计器并用极大后验估计求取次优解,解决未知可变情况下的噪声问题.然后,利用该改进UKF算法对摄像机进行标定,实现了标定精度的有效提高.实验结果显示该算法在有效保证滤波收敛性的同时,显著提高了滤波和摄像机的标定精度,由此推断基于附加噪声预测器UKF的摄像机标定算法是可行高效的.     

空间机器人自主视觉伺服控制策略

针对传统的空间机器人遥操作控制方法受时延影响严重的问题,基于最新研制的4自由度空间机器人,提出一种基于多目相机的自主复合控制策略.该策略包含了眼在手和眼到手2种相机配置结构,每个相机均具有独立的位姿计算能力,前者保证了伺服控制的精度以及操作的灵活性,后者能够在观察到全局视景的情况下做出伺服控制.为满足机器人视觉实时控制的需求,对视觉处理算法进行了特别考虑.首先,设计了基于多边形形状拟合的特征识别方法,提出曲线矢量数据贪婪算法来处理图像遍历拟合过程中计算密集的问题;其次,结合特征识别结果和模型目标的空间信息,提出基于弱透视模型的单目位姿估算及优化算法;最后,依据所提策略在实验室环境中完成了自主导航及捕获任务,验证了在较低层次进行这种复合控制的可行性和有效性.     

摄相机运动识别及视频分割的组合检测新方法

针对视频镜头分割处理的需求，提出了一种综合运动参数曲线法．它以由压缩域视频流中运动信息估计出的摄像机运动参数为基础，对视频流进行基于内容的分析．该方法的特点是在对视频流处理中将摄像机的运动识别与视频分割问题综合考虑，在求取帧间摄像机运动参数以及判断连续帧间的摄像机运动趋势的同时，可一并实现对视频流时域上的自动分割，以及近景镜头等的识别，对各种类型视频均采用相同的技术操作和统一的门限值，具有上佳的鲁棒性，对MPEG组织专用于内容检索的10类共计284min的标准视频进行了实验，查全率达92％～100％，查准率也高达86％以上(动画及体育片段除外)，证实了所提方法的有效性。     

结合车道线检测的智能车辆位姿估计方法

基于视觉的智能车辆定位问题是自动驾驶领域研究的一大热点。在某些有效近景特征不显著的场景中,由于参与计算的特征数量不足,会导致位姿估计精度下降甚至失效。为此,本文提出一种结合车道线检测的相机位姿估计方法来提高位姿估计精度。首先,设计了一套基于自适应感兴趣区域和几何结构筛选法的车道线检测算法,精确检测到了左右车道线的内、外侧线;其次,对车道线区域内的点进行帧间匹配,得到新的匹配点对,并根据V视差图拟合出地面视差方程,求解出属于车道线匹配点对的准确视差值;最后,将这些匹配点对与ORB方法提取得到的匹配点对融合,共同参与相机的位姿计算。经实验验证,本文提出的算法提高了位姿估计结果的精度,解决了某些场景中有效特征点不足导致的位姿估计失效问题,具有良好的环境适应性。     

单目视觉SLAM车载摄像机快速位姿估计及景物重构

针对单目视觉同时定位与地图构建(simultaneous localization and mapping, SLAM)应用,提出一种快速车载摄像机位姿估计及景物结构3D重构算法。在无具体标定物的情况下,利用移动机器人二自由度运动导致摄像机采集视图中对应极点的特殊性质,标定出真实摄像机与虚拟摄像机间的相对姿态,并利用主动视觉方法进一步标定出移动机器人坐标系与虚拟摄像机坐标系间的相对位移;构造无穷单应变换,将真实视图中通过SIFT算法得到的假设欧氏匹配点集转换为对应虚拟摄像机的虚拟假设欧氏匹配点集,并利用基于RANSAC的归一化三点算法快速地对本质矩阵进行估计和分解;利用已观测到的路标三维信息,递归地剔除本质矩阵分解出的平移量的尺度不确定性,并利用线性三角形法重构出景物结构。实验结果表明:该算法在保证运算精度的同时,具有更快的运算速度。     

一种双目主动立体视觉系统的目标定位算法

首先引入主动视觉空间的概念，即用系统本身运动自由度来表达摄像焦点到空间点的视线，其次，推导了把任意摄像机图像点换到主动视觉空间的算法，最后，采用三角形测量原理对图像特征点进行匹配和定位，因为系统中的各个摄像机独立注视目标，摄像机可以采用较小的视野，这为提高定位精度提供了可能性，采用数值仿真手段对相关理论进行了验证。     

基于正十二边行平面模板的摄象机自标定

给出一种基于平面模板摄象机自定标的新算法。它利用正十二边形模板在象平面上的投影 ,求解出圆环点 ,然后根据圆环点的性质确定两个关于摄象机内参数线性约束方程。通过摄象机作三次以上的运动参数未知的刚体运动 ,可确定摄象机的内参数。本方法对摄象机的运动没有约束 ,且平面模板易于制作。模拟实验和真实图象实验也表明 ,本方法具有很好的鲁棒性。