基于WNN的双目摄像机标定方法

针对传统摄像机标定方法需要建立复杂的数学模型,且计算量大、实时性不好的问题,引入了人工神经网络来有效处理非线性映射问题,准确地建立起立体视觉中三维空间特征点与它在图像平面上像点之间的非线性关系;但现有的神经网络标定法仍存在实时性差、标定精度不够、泛化能力差的缺点,于是该文提出了一种基于小波神经网络（waveletneuralnetwork,WNN）的方法,同时用粒子群优化算法对学习算法进行改进,并对小波网络与BP网络的标定结果进行比较．实验结果表明,基于小波神经网络的双目视觉标定方法能够达到较高的实时性、标定精度和泛化能力的要求．     

基于BP神经网络自学习的双目视觉系统的研发

在摄像机标定的过程中,深度信息的丢失,摄像机镜头的畸变以及图像处理时误差等因素都影响标定的精度．本论文采用BP神经网络的自学习的性能,开发出一套双目视觉系统．以匹配点在左、右图像的坐标为网络的四路输入,通过网络得到三路输出,性能指标为该对应点在世界坐标系的坐标和网络输出的差值的平方和,根据梯度下降法来调整各神经元之间的连接权值,求得网络达到给定的误差时的各节点问权值．这样,双目视觉系统两个摄像机的投影矩阵可以用神经网络的权值与激发函数来代替,完成系统的标定．最后对系统进行精度分析．     

一种基于OpenCV的摄像机标定方法

针对双目立体视觉系统研制过程中的摄像机标定步骤,分析了计算机视觉函数库OpenCV中的摄像机模型,其中的非线性畸变考虑到了切向畸变和径向畸变,采用Bouguet角点提取算法,实现了基于OpenCV的摄像机标定.该算法具有很高的标定精度和计算效率、良好的跨平台移植性,可以满足双目立体视觉系统的需要.     

基于MATLAB与OpenCV相结合的双目立体视觉测距系统

双目立体视觉测距技术是当前机器视觉领域中的一个主要研究内容.本文设计了基于MATLABatlab与OpenCV相结合的双目立体视觉测距系统,利用MATLAB进行摄像机标定后将结果导入到OpenCV进行后续的图像处理与立体匹配.摄像机标定通过MATLAB标定工具箱来完成,较于人工标定和OpenCV标定具有更好的鲁棒性和较高的精确性.立体匹配采用区域匹配中相对快速实时的SAD匹配,能够更好的被应用于工程实际.     

基于CVUT的双目视觉图像三维信息构建

在分析Intel开源计算机视觉库OpenCV及CVUT特点的基础上,结合畸变参数的影响,研究了摄像机模型和坐标转换关系,以及双目图像三维重构过程,提出一种基于CVUT的摄像机标定方法和双目图像三维重构方法.实验表明,该方法与传统的OpenCV标定方法以及Matlab的标定方法相比,标定周期短、精度较高,可以较好地构建二维图像的三维信息,程序执行稳定且鲁棒性较强,可广泛用于立体视觉等领域.     

基于RBF神经网络的双目立体视觉系统的研发

在摄像机标定的过程中,由于深度信息的丢失,摄像机镜头的畸变以及图像处理时的误差等因素影响,最终影响系统标定的准确度.本论文采用RBF神经网络的训练方法,开发出一套双目视觉系统,以匹配点在左右图像的坐标为网络的四路输入,通过网络得到三路输出,性能指标为网络的三路输出和该对应点在世界坐标系坐标差值的均方值;并根据梯度下降法来调整隐含神经元与输出神经元之间的连接权值,节点基宽参数与中心矢量,直到性能指标达到预定值,使其和激发函数共同组成具有投影矩阵功能的系统,完成双目视觉系统的标定.最后对系统进行精度分析.     

基于共面圆的双目立体视觉分步标定法

计算机视觉中,在对景物进行定量分析或对物体进行精确定位时,都需要进行摄像机标定,即准确确定摄像机的内外参数.为了快速、有效地进行摄像机的标定,针对常用的带有一阶径向畸变的小孔摄像机模型,提出了一种简单有效的分步标定方法.先用预标定法得到左右摄像机主点坐标参数,然后再用TSAI两步法获得左右摄像机的内外参数,最后以左摄像机光心为世界坐标系原点,通过坐标转换关系,进而得到双目视觉的各种标定参数.该方法实验要求低,不需要移动摄像机.通过实验,验证了该方法能够准确、有效地求出各标定参数.     

基于特征匹配算法的双目视觉测距

距离测量作为障碍物检测以及路径规划的前提和基础是机器人研究领域的一个重要分支。在众多测距方法中,由于双目立体视觉具有信息丰富、探测距离广等优点被广泛应用。本文将改进的SIFT特征匹配算法应用到双目视觉测距与标定系统中。首先建立双目视觉测距模型,测量值由空间物点在左右摄像机下的像素坐标值决定;其次根据该模型的特点提出了基于平行光轴的双目立体视觉标定方法;最后利用改进的SIFT特征匹配算法,提取匹配点的像素坐标完成视觉测距。实验结果表明,根据测量数据对障碍物进行三维重建,相对距离与真实场景基本吻合,能够有效地指导机器人进行避障。     

基于PSO-ELM的双目视觉摄像机标定

针对极限学习机( extreme learning machine,ELM)在隐层节点数较少时标定精度较低的问题,利用粒子群优化算法( particle swarm optimization,PSO)与极限学习机相结合的方法对双目视觉摄像机进行标定。在标定过程中,ELM直接描述图像信息与三维信息之间的非线性关系,然后利用PSO优化ELM的输入权值与隐层阈值。实验结果表明,与ELM相比较,基于粒子群极限学习机( PSO-ELM)的双目视觉摄像机标定方法能仅用较少隐层节点数获得较高精度。     

基于双目视觉的移动机器人动态目标识别与定位

提出了一种双目移动机器人实时动态目标识别与定位方法。该算法首先采用SIFT(Scale Invariant Features Transforms)算法提取目标特征,并结合双目视差特征进行目标匹配;然后通过区域增长方法进行目标区域的提取;最后结合双目视觉标定的模型对目标进行定位。实验结果表明:该方法在摄像机运动-目标运动情况下,能对局部特征未知或特征不明显的动态目标进行有效的识别与定位。     

基于双目视觉的正交函数局部拟合的工件定位方法

工件定位是自动化生产线的重要过程,是后续分拣、装配等操作的基础。为了解决传统的工件定位误差较大的问题,提出一种基于双目视觉的正交函数局部拟合的工件定位方法。系统建立之前,采集一张拟合板的图像,获得位置信息作为拟合的样本点。工件的定位首先要采集待定位的工件图像,进行图像预处理,通过特征提取获得工件形心的像素值,然后利用样本点进行正交函数局部最小二乘拟合,获得工件形心的平面坐标,最后通过双目重构,获得工件形心的空间坐标。实验结果表明:基于双目视觉的正交函数局部拟合的工件定位方法在精度上比传统的相机标定、三维重建的定位方法有明显提高。该方法不仅提高了工件定位精度,而且避免了标定环节,具有较好的应用价值。     

基于双目视觉的水泥混凝土路面错台检测方法

针对水泥混凝土路面错台测量手段的不足,提出了一种基于双目视觉的错台测量方法.该方法根据双目摄像机的成像特点和水泥混凝土路面的图像特征,对接缝位置进行定位和错台计算.定位分为2个主要步骤,一是基于灰度投影的粗定位,二是在粗定位的基础上提取接缝附近图像,利用灰度投影和边缘投影精定位.由双目视觉测量系统计算相邻2块水泥板在错台附近点的三维坐标,利用这些坐标计算错台量,其中关键环节是在双目图像匹配时提出了一种基于匹配点位置估计的匹配算法.试验表明,与直尺测量结果吻合.     

非结构化助老助残机械手对目标识别定位系统的研究

研制了一种非结构化的五自由度助老助残机械手,针对助老助残机械手末端手掌对空间目标物体的定位抓取问题,采用了一种激光引导的双目机器视觉定位和广义回归神经网络求逆解相结合的方法。该方法中,双目机器视觉定位采用双目工业相机,通过阈值分割算法识别激光斑确定目标物体的坐标,再经广义回归神经网络反解出助老助残机械手关节角度。最后通过采集实验数据和理想数据做对比,该方法能够达到较高的定位抓取精度,比较以往的机械手角度反解,该方法不存在无解或多解的情况。     

基于双目立体视觉的目标空间坐标计算及姿态估计

基于双目立体视觉的目标空间坐标计算及姿态估计方法、双目立体视觉系统标定和双目视觉系统校准技术,构建了三维场景中目标的空间坐标与图像中点像素坐标的对应方法.通过双目立体视觉系统采集目标图像,采用基于半全局立体匹配(SGBM)方法,实现了目标中心点三维坐标的计算,并通过背景差分的手段获得目标轮廓,获取目标在水平面的旋转角度,配合焦点所处的坐标位置标示,即可提取目标姿态信息.采用以上方法对电力仪表的姿态进行估计和验证,结果表明:设计的方法可以完成电力仪表的空间坐标计算以及姿态估计,可实现对电力仪表的准确抓取,为机器人在电力系统人工智能领域的应用提供参考.     

基于立体视觉的被动测距技术研究

为了实现基于立体视觉的被动测距技术,该文搭建了一套双目成像测距系统实验平台,研究了基于双目立体视觉的被动成像处理算法;设计了可实现多目标的实时跟踪测距的双目成像测距应用软件,对提出的一种基于SIFT搜索窗口大小随着目标尺寸变化自适应调整的跟踪算法进行了验证.测试结果表明该软件在跟踪、测距方面表现出色,在1~2个目标时具有较好的实时性.通过平面标定法进行准确的摄像机标定,采用SIFT特征匹配算法进行立体匹配,测试结果表明在取octave层数为4时,匹配准确度一般可在0.05个像素范围内.实际外场测试实验表明,该算法对一定距离范围内的目标物体进行测量具有较好的准确性.     

基于三维测量的奶牛体型性状指标的数据采集

采用立体视觉的三维测量方法重建奶牛的三维模型,实现了对奶牛的体型性状指标测量,首先通过立体标靶进行摄像头的标定,然后利用SIFT(scale invariant feature transform)尺度不变特征点匹配算法对图像进行特征点提取与匹配,最后通过投影矩阵计算匹配特征点的三维坐标;针对双目视觉中摄像头视角范围受限问题,提出通过在相邻视点的公共区域设置标记点,根据标记点计算不同坐标系的转换关系,将各局部特征点转换到统一坐标系下,从而实现不同视点下各局部区域的三维拼接.实验表明,采用该方法重建的奶牛模型较理想,测量精度和测量效率满足评定要求,能够取代手工测量.     

基于双目立体视觉系统的测量研究

为了实现摄像机与目标物体之间距离的信息,由双目测量原理,采取结合OpenCV与Matlab的方式,设计出一套关于双目测距的立体视觉系统;系统首先对双目摄像机的内外参数进行标定,从黑白格组成的标定板中获得角点信息,使用亚像素角点检测法对角点坐标信息进行更精确检测,在黑白格组成的标定板分别距离双目摄像机300、400、500、600、700mm处获取不同位置的标定图像,经过张正友标定法最终可以得到双目摄像机所需内外参数;其次通过BM(Block Matching)立体匹配算法在VS2017坏境与opencv3.4.7库配合下完成了摄像机的立体校正、立体匹配进而得到视差图;最后在实验中使用了双目摄像头,并编写了代码通过鼠标点击所得到的视差图获取对应的世界坐标来实现物距的测量;实验结果表明:被测物距离摄像头光心500~700mm这一范围时,实测距离和实际距离相对误差百分比在0.171% ~0.192%之间,且实测距离在2 950mm内实验误差小于5%满足实验精度要求。