基于双目立体视觉技术的驼峰自动摘钩设备研究

在驼峰解体作业中,国内外均采用人工摘钩的作业方式,本文主要针对驼峰自动摘钩设备,提出了用计算机视觉技术解决目标车钩捕捉的问题。根据双目视觉原理,选取两个摄像机从不同角度拍摄的图像,通过对图像的预处理得到能表现图像特征的角点,然后对两幅图像中的特征点进行特征匹配,根据视差原理,得出目标物体的深度信息,完成物体三维立体坐标的计算,设备能以此信息为依据完成自动摘钩作业。     

图像差异的分析与识别

同一物体的不同图像之间往往相差一个变换,这里的变换包括成像系统的小运动对平面物体成像的影响以及图像灰度的对比度变换,在导出变换前后所形成的两幅图像之间的关系,得到相关的数学模型基础上,给出了一种对交换前后的图像进行识别的方法以及对上述图像进行匹配和识别的一个算法及实验结果,其中涉及到关于滤波器的变换不变性、图像的局部特征和图像的变换不变量的研究。     

基于两视图的曲面物体自动建模方法

提出一种基于两视图的曲面物体自动重建方法. 采用基于Haudorff距离的特征匹配技术对图像的正面和侧面中的曲面物体进行匹配,自动获得图像中物体的大致形状及位置信息. 采用基于形状先验的图像分割算法自动地将曲面物体从图像的正面和侧面中分割出来. 利用这两幅图像中获得的侧影轮廓线,实现曲面自动重建和纹理自动提取. 通过真实曲面物体进行重建实验,验证了该方法的可行性.     

基于CAD模型的立体视觉目标运动估计

提出了一种基于CAD模型的目标运动估计和目标轨迹实时生成方法，分为两步：首先采用立体视觉系统由图像特征点求出目标特征点的每个采样周期的空间位置；然后由其匹配模型的特征点集，通过扩展卡尔曼滤波方法估计目标运动参数，有了上述参数，就可以设计与伺服系统事宽匹配、消除图像处理延时影响的目标轨迹生成器，文中对目标的运动估计算法进行了仿真研究，结果表明该算法是可行的，文章创新之处在于推导了双目立体视觉系统的运动估计算法。     

基于小波变换的块匹配运动估计方法

将小波变换引入低码率视频图像序列的运动估计研究中，提出了基于小波变换的块匹配搜索方法．该方法的特点是可根据运动物体的大小和运动程度，用可变宏块进行运动估计，统一了匹配块和匹配点的搜索，发展了一种改进的三步搜索算法．实验结果表明，该算法比三步法有更高的精度，更适应低码率和多细节视频图像传输中的运动估计．     

连接刚体的三维结构和运动参数估计

根据连接刚体的结构和运动属性，提出了一种基于单目图像序列点对应元的连接刚体三维运动估计新方法．该方法首先利用相邻两个连杆的运动连接关系，由2幅图像估计连接刚体的初始位姿，即确定连接点的空间位置．其次在初始位姿估计的基础上，将各个连杆的运动用螺旋和指数映射表示．最后利用图像点对应元的运动约束方程，求得连接刚体的运动参数．实验结果表明，连接刚体的各个连杆的相互关联性被充分利用。降低了问题的复杂度，提高了算法稳健性．     

基于分块灰度投影的无人飞行器视频稳像方法

针对传统灰度投影算法局部运动影响全局运动矢量估计精度的问题,结合无人飞行器航摄视频图像的特点,提出一种适用于无人飞行器的视频稳像方法. 该方法将图像划分为若干子区域,剔除灰度特征不明显和物体局部运动等影响全局运动估计精度的子区域,对保留的子区域分别采用灰度投影法计算运动矢量,由局部运动估算出图像的全局运动矢量,经过运动决策,将运动补偿矢量应用于图像补偿,获得稳定的视频图像. 对真实无人飞行器航摄视频稳像实验结果表明,该算法稳像准确度与块匹配全搜索算法相当,而单帧稳像时间只有块匹配全搜索算法的1/3,在准确性和实时性方面均优于传统灰度投影算法.      

图像和惯性传感器相结合的摄像机定位和物体三维位置估计

为解决无人驾驶中车辆定位与周围场景中物体三维位置估计,采用卷积神经网络(CNN)检测图像中的物体,用扩展卡尔曼滤波(EKF)方法融合惯性传感器测量得到的加速度和角速度,同时估计摄像机位置和物理世界中物体三维位置.图像结合惯性传感器(IMU)信息,克服了单目摄像机估计得到的摄像机位置和物体三维位置的尺度不确定性;结合卷积神经网络检测物体提高特征点匹配准确度,实现对物体在三维世界中的位置通用的估计.在实验部分用Matlab分别模拟仿真场景和现实场景的数据库KITTI,有效估计摄像机运动和场景中物体三维位置估计.     

基于图像理解的移动机器人定位问题研究

为了能够提高在一般环境下移动机器人定位的精度,文章采用栅格地图来描述环境;提出基于图像理解的移动机器人定位的概念,将栅格地图当成图像来处理,从而可以将图像配准中的优秀算法引入移动机器人定位中;对于栅格化的图像提取其Harris角点,同时提出两步匹配法寻找相邻2个时刻的2幅图像中匹配的Harris角点。首先采用里程计的数据对角点进行粗匹配,而细匹配采用的是基于随机抽样算法,能够有效地剔除粗匹配过程中误匹配的角点对,提高了定位算法的鲁棒性;最后用非线性最小二乘法估计机器人的位姿。通过实验可以看出在一般的环境中,基于图像理解的定位算法要优于基于线段特征的定位算法。     

一种改进边缘相关匹配的图像快速配准方法

针对图像自动配准的耗时问题,提出一种基于图像边缘链码匹配的快速配准方法。利用B样条多尺度小波提取图像的边缘和梯度幅角,通过边缘梯度幅角直方图统计获得图像之间的旋转角度,并根据图像的投影,估算参考中心点,依此建立距离和角度的限制条件,对边缘特征进行改进的Freeman编码,然后进行相关匹配运算,完成图像配准。实验表明,限制条件下的链码匹配可以有效提高配准速度。     

自适应非最大抑制的Harris角点检测算法

 针对Harris角点检测中存在角点聚簇以及阈值选择困难的问题,通过分析Harris角点检测算法的实现原理,提出了自适应非最大抑制的Harris角点检测算法.该算法首先检测角点响应函数值为局部最大值的像素点,其次对所有局部最大值进行由大到小排序并且设置一个抑制半径,通过不断减小抑制半径提取角点,有效避免了Harris角点聚簇的现象,实现Harris角点在图像空间的均匀分布.同时,该算法能够解决阈值选择困难的难题,增强了算法的适应性.实验结果表明,该算法检测出的Harris角点在空间分布更加均匀合理,能够很好的适应图像拼接、运动估计等实际应用.     

运动目标最优角点选择算法*

针对传统角点提取算法应用于运动目标优质角点选取上,较难平衡检测精度和检测速率的问题,提出一种稳健的角点选择新算法。首先将图像分块,用子块在相邻帧间的灰度差对其进行聚类,并分割出运动区域块作为角点的搜索区域;然后引入邻域块重新构造Moravec算法的能量变化计算方法,并用之检测目标上的角点;最后对检测到的所有角点进行动态过滤,剔除掉质量低的角点,留下质量高的角点代表运动目标的局部显著特征。将本算法应用于目标跟踪系统进行测试,测试结果表明它有较好的稳健性,较强的的抗噪能力和较快的检测速度,且能保证跟踪的准确性,可以很好地满足交通场景中对行人检测实时性和可靠性的要求。     

基于模板的图像角点提取方法

采用模板的检测策略,提出了一种自动获取图像角点的新方法。根据角点的特征设计了3×3的矩形模板,这些模板包含了所有角点图像的可能模式,然后根据编码准则对这些模板进行编码。在提取图像角点时,先对图像进行降噪、膨胀、细化等一系列处理,再使用模板对图像进行角点检测,从而确定角点的位置。实验证明,与Harris算法相比,这一算法无需人工干预,能够自动确定角点位置,并且角点的平均位置偏差在1个像素内。     

基于多尺度小波变换角点特性的图像配准研究

针对传统单尺度角点检测算法易产生伪角点和在角点匹配过程中计算复杂,容易产生误匹配等缺点,提出一种基于多尺度小波变换角点特性的图像配准方法.该算法首先采用多尺度小波变换的二维图像角点检测算法采检测参考图和待配准图的角点信息,然后采用两图角点对的欧几里德距离平均值的极小值作为两图角点对配准准则,利用改进的粒子群优化(Par...     

基于角点检测的图像匹配算法及其在图像拼接中的应用

研究了图像匹配与图像角点匹配之间的关系．并在此基础上提出一种基于角点检测的图像匹配算法，成功地应用于图像拼接中．该算法将角点作为图像的特征点，并通过角点值、邻域角点数、角点间距及参数一致性等4个指标对角点集进行逐级筛选，有效地剔除了不匹配的角点，保证了匹配精度，同时避免了传统算法中进行模板匹配的繁重计算，大大提高了匹配速度．图像拼接实验验证了本文算法的快速、准确和稳定的特性．     

基于提升小波和动态两阈值分块角点检测算法

为了更有效地检测高频图像,提出了基于提升小波和动态两阈值分块的角点检测算法。该算法根据图像中像素点周围像素灰度的相似性和角点的特性,引入提升小波变换理论,首先对图像进行提升小波变换,得到图像的高频区域;再对高频图像进行分块,对每个图像块分别采用动态两阈值算法对角点进行准确定位。实验结果表明:该算法可以较大地提高运算速度,并能够实现角点的准确定位。     

阵列工业图像快速拼接算法

相机阵列获取的多目图像拼接常依赖特征点的数量和空间分布情况,采用传统Harris角点检测算法提取特征点时,会产生伪角点和角点簇,影响拼接速度和精度。自定义Harris角点检测阈值,保留明显特征点,利用自适应非极大值抑制(ANMS)优化角点簇问题;再生成特征描述子,实现特征点的初步匹配,接着用随机抽样一致算法(RANSAC)去除误匹配;最后采用渐入渐出融合算法,实现了拼接图像的平滑过渡。结果表明,该算法能够快速、精确地实现工业图像拼接,具有优良的工业实用性。     

一种改进的角点提取方法

提出了一种改进的角点提取算法,该算法是基于角点的性质,即在角点的某个领域内,图像灰度的变化在任意一条通过该点的直线上都很大。为了便于对最后的灰度变化值求取极值,同时兼顾灰度变化值计算的准确性,采用了在方形窗边界上的线性插值。在插值的基础上,可计算出边缘角,通过它来对角点候选点作进一步的筛选,测试表明该方法比较进前取得了更好的效果。     

基于OpenCV的图像碎片拼接

针对二维不规则图像碎片,提出了一种基于OpenCV和图像角点的图像碎片拼接算法.该算法实现了碎片轮廓检测、角点提取、角点序列匹配、图像拼接及缺失修复的功能.通过实例测试,可以得到很好的拼接效果.     

基于角点检测图像配准的一种新算法

提出了一种新的基于角点检测的图像配准方法，其核心思想是采用一种快速的基于图像灰度的角点检测新算法，通过沿圆弧曲线扫描获取角点信息，然后根据这些角点信息建立图像间角点的对应关系，并由此得到初配准参数，最后通过迭代过程以提高配准的精度。理论分析和实验结果表明，该算法对图像间的旋转角度没有限制，配准精度高而且计算量较小。