足球机器人视觉系统的目标识别策略

根据RoboCup小型组足球机器人的比赛规则,提出了一种新的机器人小车的色标设计方案,方案中采用了一种切实可行、准确、高效的目标识别策略,在目标识别过程中,将移动网格技术与动态窗口技术相结合,在小型组足球机器人视觉系统中取得了较为理想的效果,与采用游程编码相比识别目标的平均时间少9ms以上.     

基于视觉的并联机器人智能分拣系统设计与实现

针对传统工业机器人无法满足复杂分拣环境下作业要求的问题,设计基于视觉的并联机器人智能分拣系统.以Delta并联机器人、CMOS相机为硬件基础,运用固定阈值和轮廓提取等方法对图像进行预处理,求解出所观察目标的空间位姿,通过Hu矩匹配法对工件进行识别匹配,提高并联机器人对环境的认知能力和智能性.系统测试结果表明,该控制系统...     

足球机器人视觉系统的目标识别策略

根据RoboCup小型组足球机器人的比赛规则,提出了一种新的机器人小车的色标设计方案,方案中采用了一种切实可行、准确、高效的目标识别策略,在目标识别过程中,将移动网格技术与动态窗口技术相结合,在小型组足球机器人视觉系统中取得了较为理想的效果,与采用游程编码相比识别目标的平均时间少9ms以上.     

车联网智能微缩车识别和定位方案设计

视觉轮廓识别和跟踪是进行微缩车联网和微缩车自动行驶的基础和前提性工作。本文主要研究基于红外光和反光材料标记的视觉跟踪系统,在摄像机所能捕捉到的视野中,对微缩车进行识别和定位。系统包括支撑实验硬件材料的选择与装配、微缩车联网视觉识辨方案设计以及仿真实验。通过相机实验标定后的图像预处理、轮廓识别处理和噪声过滤处理,获得微缩车的状态,进行图像跟踪识别和仿真实验,降低了标定误差,验证了方案的可行性。     

基于权值模板匹配算法的全自主足球机器人目标识别

提出了一种基于权值模板匹配的全自主足球机器人目标识别方法.首先通过动态窗口、权值变换、图像索引和动态模板等方法提高了目标的识别率,降低了识别时间;然后在足球机器人视觉系统中进行了仿真实验和实地测试.实验结果表明,在原图像含有30%白噪声情况下,其识别率仍能达到99.7%,且识别时间不超过30 ms,这种方法既在一定程度上降低了噪声干扰的影响,又提高了目标识别的速度和准确性,从而提高了系统的实时性和鲁棒性.     

挖掘机器人铲斗不变矩及改进BP网络识别方法

在利用视觉信息跟踪、识别挖掘机器人铲斗目标时,实时采集的铲斗图像存在旋转、平移、缩放等情况.为提高对铲斗目标的识别能力,提出了基于不变矩和神经网络相结合的铲斗目标识别方法.提取铲斗图像对于平移、旋转、缩放具有不变性能的7个不变矩特征向量,归一化后作为改进BP神经网络的训练样本及测试样本.应用训练后的神经网络对铲斗目标进行识别,仿真表明该方法具有较好的识别能力.     

基于改进的FREAK算法的机器人抓取系统

为了解决工业机器人对带有复杂纹理的平面型工件的识别与定位问题,将机器视觉技术与工业机器人相结合。利用改进的FREAK算法对目标工件进行快速识别,并根据工件的形状和单应矩阵计算出工件的形心坐标和旋转角度,再结合双目视觉系统,获取机器人抓取点的三维位姿信息,引导SCARA机器人抓取目标工件。实验结果表明:在复杂的工业环境下,机器人抓取系统能够准确识别出目标工件,具有良好的鲁棒性,同时也满足工业生产的实时性要求。     

足球机器人视觉系统中彩色目标分割方法

足球机器人(MiroSot系列)仅依赖于其视觉系统获得比赛场上的信息.视觉系统对获取的小车顶部标志块的彩色图像进行处理,以识别小车信息.作者试验了3种彩色标志块的设置,并在第1种方案的基础上研究了一种快速彩色目标分割方法,即根据足球机器人视觉系统所处理的视频图像中,待识别的目标区域(前景)面积远小于其他区域(背景)的面积,运用一种基于全局扫描的快速算法,1次分割出所有感兴趣的目标,缩减了系统中目标识别时间,从而使系统能进行一些额外的图像预处理操作,在提高系统识别速度的同时,提高识别精度.     

面向自主机器人的实时彩色视觉系统

设计开发了一种新型的机器人实时彩色视觉系统，以及基于颜色的实时分割和识别软件系统，采用即插即用型的USB接口数字摄像头，简化了系统的使用和维护，首先把输入的彩色图像从RGB空间转换到YIQ颜色空间，提取出和颜色有关的IQ平面的信息；然后根据目标颜色在IQ平面里分割图像，再对图像进行游程编码，并从游程编码中提取出有效的图像信息；最后通过TCP／IP接口将视觉信息发送给机器人控制系统，为了抑制光强变化的影响，采用了一种阈值学习方法，实验结果表明，整套系统具有很高的实时性和较好的识别效果。     

视觉机器人货物识别技术探究

对某现代物流储仓中168箱货物进行机器视觉技术试验,通过硬件和软件系统对货物进行了图像采集、处理和分析,建立机器人视觉技术进行货物物流公司和包装类型的识别模型,并对该机器人视觉识别模型进行检验,综合识别准确率高达98.96％.该视觉系统可有效用于现代物流储仓的机器人货物识别,能够加快物资转运速度、降低运作成本并使控制自动化,符合现代物流的要求,市场前景广阔.