基于双三次插值的鱼眼图像校正

通过标定板对鱼眼镜头成像模型参数进行标定,建立了特定鱼眼镜头图像校正模型,并应用该模型对鱼眼图像进行校正.利用双三次插值方法对鱼眼图像非特征点进行插值,校正效果良好,解决了鱼眼镜头所成影像的畸变问题,能较好地应用于视觉导航与监控领域.具体做法是:（1）利用自制的平面标定板标定鱼眼图像;（2）通过标定之后的镜头畸变参数,利用双三次插值算法将畸变的鱼眼图像还原为满足人眼视觉效果的透视图像.     

基于圆分割的鱼眼镜头图像畸变校正算法

针对应用鱼眼镜头拍摄的图像产生了严重的畸变的问题,提出了一种基于圆分割的校正算法.该算法充分利用了鱼眼图像圆形结构这一特点,将其分割成同心圆,再利用函数法对畸变图像进行校正.微调系数的引入,使得算法更灵活,这样能根据鱼眼镜头与实际物体的距离来调整微调系数的大小,得到更理想的校正图像.Matlab实验结果表明:应用本算法能得到比较满意的校正结果,并且该算法所花费的计算时间少,使其能适用于实时监控系统.     

一种提取鱼眼镜头成像区域的算法及实现

使用鱼眼镜头拍摄图像变形严重,精确提取其成像区域是进行图像校正等后期处理的必要前提。针对传统提取成像区域算法对有效区域噪声敏感,实现过程复杂等缺点,提出一种改进的提取鱼眼镜头成像区域的方法。实验表明,该方法可以准确定位鱼眼镜头成像区域的圆心和半径,精度高,鲁棒性好,且实现简单,有良好的实用价值。     

全景立体球视觉下的鱼眼镜头参数标定方法

针对鱼眼镜头拍摄图像存在较大畸变以及在设计制造过程中存在误差的问题,提出了一种对鱼眼镜头进行标定的方法.首先是对成像系统进行建模,进而对成像系统的内外参数进行标定;采用最小二乘法拟合圆的算法对图像中心进行标定,算法的仿真结果表明,该方法可以准确的对视觉系统的内外参数进行标定,径向畸变系数的标定误差范围小于0.1个像素值.     

改进的Camshift目标跟踪算法的研究

Camshift算法是一种常用的跟踪算法,使用传统的Camshift算法追踪目标时,在目标与背景色调一致,或者目标与镜头相距较远的情况下可能会跟踪失败。通过分析Camshift算法的不足,从目标初始化和阈值筛选这两方面做出了改进;将原算法中的单框圈定目标改进为双框取定目标,阈值不变改进为自动调整阈值。实验结果证明,该算法具有一定的先进性,在目标较小或者目标移动迅速的情况下也能准确地进行跟踪,提高了算法对背景的适应能力以及跟踪的成功率和准确率。     

双鱼眼结构的720°全景成像系统

描述基于鱼眼镜头具有360°全景成像的特点,实现双鱼眼结构的720°全景成像系统.在鱼眼镜头的光路中插入产生90°偏折的反射面,设计出一种视场角为200°、焦距为1.16 mm、光学后焦距为5 mm的新型偏折式鱼眼全景镜头.将两只90°偏折鱼眼镜头对称排列,并成像于同一个图像芯片上.此外,图像处理器对两幅360°全景图像进行拼接处理,并生成畸变小、清晰度高的720°全景图像.该设计方案具有尺寸小,结构紧凑,双光路单芯片以及成像效果好的特点.     

鱼眼镜头目标方位测定的两种方法对比研究

通过分析鱼眼镜头的成像原理,对比出两种基于鱼眼镜头目标方位测定的方法.一种方法通过畸变校正测定目标方位,另一种则是本文提出的方位角与像素坐标关系法测定目标方位,两种方法都快速的、高效的测定出鱼眼图像中目标的方位.本文分别研究两种方法的理论基础并在理论的基础上进行了对比实验,通过对实验后数据的比对,分析出其中更精确的方法,从而将这种方法应用于天文测定中.     

边缘直线拟合确定鱼眼镜头光心算法

为了去除鱼眼图像存在严重的畸变,需要对鱼眼相机进行标定,本文在已知相机参数表的前提下,提出了一种边缘直线拟合来标定最重要的镜头光心坐标算法.该算法利用像素点在图像平面上的物理尺寸及相机焦距,确定相机标定内参矩阵中水平轴和竖直轴的尺度因子.在部分内参已知的情况下,对光心的横、纵坐标在给定范围内进行遍历,校正点到拟合直线加权距离和最小的点,即为所求的光心坐标值.实验结果表明:与常规的标定算法相比,该算法得到的光心坐标减少了由于不精确参数使用带来的累积误差,提高了相机标定结果的精度.     

一种鱼眼镜头畸变校正算法的FPGA实现

鱼眼镜头具有较大视场优势的同时,也会引入大量畸变.现有校正方法基本上都是采用PC为实现平台,虽然能取得很好的校正效果,但是实时性很差.在实时性要求稍高的场合,就很难满足实际需求.鉴于问题本身的比较复杂,算法的时间复杂度较高,单纯寻求简单的算法不太可行.本文依据球面模型校正技术,基于FPGA架构来实现鱼眼镜头的畸变校正,大大降低了校正所花费的时间,提高了校正的实时性,并取得了较好的校正效果.     

基于动态圆的鱼眼图像校正算法研究

针对鱼眼图像传统经度坐标校正效果不明显的缺点,提出了一种改进的鱼眼图像二维校正算法。通过对每一条畸变的经线,不断求取其所在圆的圆心和半径,重新计算经线上点的坐标,有效地校正桶形畸变。该算法不用进行鱼眼镜头的标定以及参数的估计,也不用寻找三维空间点信息,以及在各种坐标系之间进行转换。经实验表明,改进算法校正后的平均垂直偏离角度为传统校正算法的1/3,同时具有耗时少的优点,满足实时性的要求,有较强的实用价值。     

基于改进ViBe的多行人检测方法

利用改进的Vi Be算法及模板匹配方法对多行人场景进行了目标检测.为了提高运动目标检测性能,提出将原Vi Be算法与帧间差分相结合的方法,该方法使二值图像中的鬼影比原Vi Be算法消除更为迅速.根据待处理像素点周围已完成的前背景分离结果,利用动态计算模型参数估计前背景,以提高前景目标提取的准确度.基于HOG算法识别运动目标中的行人目标.实验结果表明,该方法在没有降低运动物体检测实时性的同时,明显提高了算法检测的准确度.     

基于随机蕨丛的长期目标跟踪算法

为了从根本上解决运动目标遮挡、环境光照变化、目标外观变化、目标运动速度过快等复杂情况下的目标跟踪问题,采用了将目标检测与标准的目标跟踪算法相结合的目标跟踪框架,提出了基于双向一致性误差评估的标准跟踪算法,提高了跟踪点的可靠性;采用随机蕨丛算法作为目标检测的主体,很好地解决了目标遮挡、消失等情况导致跟踪失败后无法重新初始化的问题.通过实验验证了所提出的目标跟踪算法能实现目标的长期跟踪,且具有很强的适用性.     

基于SSD的改进目标精定位检测算法

目标检测问题是计算机视觉中的热门问题,如何提高目标检测定位精度是检测过程中面临的一个难题。在SSD算法的基础上,通过结合选择性搜索算法,提出了一种提高检测定位精度的方法。该算法首先通过SSD算法框架对图像进行目标初始检测,获得目标粗略位置和目标类别,然后采用一种改进的选择性搜索算法对目标所在区域进行选择性搜索,生成目标边界候选框,最后采用文中提出的边界判断方法得到目标精确位置,完成由粗到精(Coarse-to-Fine)的目标定位检测。文中算法对PASCAL VOC2012数据集中的22 531张图像进行了测试,实验结果显示文中算法检测目标中心位置误差7.6,平均覆盖率90.8%,相比于其他算法,中心位置误差更低,覆盖率更高,能提高目标检测定位精度20%～30%。     

虚拟设计中碰撞检测技术的研究

针对目前虚拟设计中碰撞检测系统复杂、速率和精度达不到理想要求的现状,提出一种两阶段碰撞检测算法。该方法粗测阶段采用AABB包围盒进行相交测试,剔除完全不相交的目标物体;精测阶段采用空间投影技术结合z缓存算法对上一步结果的潜在性相交目标进一步测试,获得物体碰撞数据信息,最终完成目标物体的碰撞检测。实验结果表明,该算法检测效率优于传统包围体碰撞检测算法。该技术改进后可实现更精确的碰撞检测。     

粗细粒度超像素行人目标分割算法

针对车载视觉行人目标分割由于复杂场景对行人目标的分割结果产生干扰而出现信息冗余以及错误分割的问题,提出一种粗细粒度超像素行人目标分割算法。该算法以Mask R-CNN作为粗粒度一次分割,将所得结果经Slic超像素细粒度二次分割,融合两次输出结果来提高现有图像目标的分割精度,为行人目标识别和跟踪提供有益先验感知信息。经仿真验证,该算法能够对复杂背景情况下的图像进行有效分割,MS COCO标准公开集测试结果与原有Mask R-CNN检测算法相比,mAP提高0.71%,为图像识别和计算机视觉系统完成精准的预处理,具有较强的工程应用价值。     

类人足球机器人彩色目标识别与头部视觉跟踪

为了在机器人足球比赛中能够快速准确地跟踪运动目标,提出了一种颜色识别与头部视觉跟踪相结合的方法.利用HSV色彩空间颜色阈值的判别和种子点区域生长的填充算法识别物体,计算物体质心并判断其位置,然后通过舵机控制机器人头部的转动跟踪目标.实验结果表明,该方法具有较高的跟踪速度与准确性.     

融合改进帧差和边缘提取算法的运动目标检测

针对帧差算法检测运动目标存在的目标边缘缺失和空洞的问题,提出一种将改进帧差和基于改进Canny算子的运动目标边缘提取方法相融合的运动目标检测算法.首先,使用帧差法快速检测变化区域,并通过面积阈值判断是否进行当前帧的检测以提高算法实时性;其次,在运动目标边缘提取中,提出一种基于改进Canny算子的运动目标边缘提取方法提取...     

基于梯度投影的视频跟踪算法

为实现复杂场景内目标的准确捕获与跟踪, 结合目标特征, 提出基于梯度投影的视频跟踪算法。根据目标先验知识, 对视频流开窗并进行梯度投影, 获取目标区域的位置信息; 通过特征提取和形态学分析提取目标特征参数, 实现目标判定与捕获; 利用目标质心坐标更新跟踪窗位置信息, 实现对目标的跟踪。实验结果表明, 该算法降低了运算量, 实时性强, 实现了对目标的准确、 稳定的跟踪, 对实验场景中的光照变化和疑似目标的干扰具有很强的鲁棒性。     

基于视觉显著性及多特征分析的目标检测

针对视觉显著性分析不能辨别目标且单个特征描述目标具有局限性的问题,提出基于视觉显著性及多特征分析的目标检测.首先,对已标定训练图,生成遍历整幅图像的随机采样区域,通过多特征分析获取每个区域包含目标可能性的先验参数信息;然后,对测试图,依据上述先验信息,基于贝叶斯模型计算每个随机采样区域包含目标可能性的评分值,并将值高的若干区域标记为目标候选区域;最后,结合显著性分析及判别准则,对候选区域进一步判定,以确定最大可能涵盖目标的区域,从而实现目标检测.研究结果表明:显著性分析具有对目标所在区域的主动选择性;多特征结合能有效描述目标以使目标更具可区分性.     

基于图割框架下视频目标的自动实时提取算法

提出了一种在图割框架下自动实时的前景目标提取算法.通过混合高斯背景建模与基于颜色和局部表观的阴影判别相融合的方法,设置能量函数的数据项,并基于局部二值模型算子构建能量函数的平滑项.利用动态的图割算法,求取目标函数极值,实现视频目标的自动提取.在不同视频上对提出的分割算法进行性能测试,结果表明算法具有较好的分割性能且计算复杂度较低.