基于计算机视觉的三维激光扫描测量系统

介绍了基于计算机视觉三维激光扫描测量系统．该系统主要由双目视觉测量探头、图像采集卡、扫描机构及其控制部分组成．通过两个摄像机同时摄取一个扫描激光光条的图像，经图像匹配，利用视差，可计算得到光条上所有点的位置以及深度，即被扫描物体表面的三维信息．就系统中的摄像机标定、图像采集、特征提取、图像匹配及三维信息恢复等主要工作过程进行了论述．     

立体视觉神经网络定位方法

为了解决计算机视觉中摄摄像机标定存在的若干问题，根据立体视觉原理，提出了基于神经网络的测避方法，利用神经网络建立空间点世界坐标与图像坐标非线性映射关系，使系统不经过复杂的摄摄像机内外参数标定，就能将二维像坐标（输入）与三维物坐标（输出）一一对应起来，并与传统的定位方法进行了比较．实验表明，该方法有效可行，简化了视觉系统的标定和定位计算，较之传统方法更具科学性，在定位精度上达到了良好效果。     

专用焊接打磨机器人视觉系统的研究

针对水轮机修复专用机器人视觉系统进行了系统地描述,并对其硬件与图像处理方法作了较详细地阐述.采用主动视觉检测法,利用CCD摄像机等相关硬件获取图像和小波变换对获取后图像进行处理,实现了对叶片表面缺陷的识别并且引导机器人焊枪跟踪焊缝,实时调整焊枪姿态,以完成补焊及焊后打磨工作.     

双目立体视觉方法测量雷管药量高度

介绍了双目立体视觉系统的基本原理、摄像机标定技术以及对得到的点云图进行的后续处理。采用维视图像的CCAS单双目视觉标定算法软件对所用的VS078FC摄像机进行了标定,结果精确度高,用时短,实用性强。应用Geomagic studio软件进行点云处理去除噪声,误差小,数据完整。     

基于平面模板的摄像机线性标定方法

有效的摄像机标定方法是计算机视觉应用中的一个重要问题．采用一种基于平面模板的摄像机线性标定方法，该方法只要平面模板在摄像机前运动，拍摄平面模板在不同位置的图像，提取平面模板在每个位置获得图像的网格角点，对每幅图像就可以确定一个单应性矩阵，这样就能够进行摄像机标定．实验结果表明，该方法简单易行．     

集成测量系统中摄像机的标定方法

针对三坐标测量机(coordinate measure machine,CMM)与计算机视觉集成测量系统中摄像机的标定提出了一种简单、快速的标定方法.该方法把制作精度、定位精度高,运动范围广的CMM测头作为标定物,采用两步法对摄像机进行标定.标定过程中控制测头运动到指定位置,采集测头图像,用图像处理技术实现测头中心亚像素级定位,实现空间点和图像点的对应.标定方法简单,无需制作标定物,避免了标定物制作误差和角点定位误差的影响,可任意增加标定点的个数、指定标定点的位置.     

基于井下移动机器人双目视觉空间点坐标计算方法

为了解决基于移动机器人双目视觉井下环境三维重建中关键的空间点的重建问题,采用模拟数据实验方法和实际双目系统采集的实际场景图像数据的实验方法,研究了平行双目视觉系统的成像规律,提出了对双目视觉系统采集的图像对进行平行极线约束的校正方法以及由两幅图像对应点计算图像上的像点所表示的场景空间点的空间坐标,从而实现空间点的重建。研究结果表明:该方法对井下巷道的视觉测量、三维数据获取以及井下巷道环境的三维重建具有一定的参考价值和指导意义。     

基于视觉测量障碍位置的车载摄像机标定

障碍位置的视觉测量是车辆辅助驾驶系统研究的一个重要领域,而视觉测量的关键是对车载摄像机的标定。通过比较分析视觉测量中摄像机光轴中心线与景物面之间的几何关系,针对车载摄像机提出了以标定点在图像上均匀分布成网格状进行标定,利用网格插值建立图像坐标和实际坐标之间的映射关系,即车载摄像机的标定模型。经验证该模型简单、精度高,能够有效地测量出障碍的位置信息,适用于车载摄像机的标定。     

嵌入式视觉实时跟踪系统

在差分得到的二值图像基础上，采用快速搜索算法确定运动物体，并用光流场方法跟踪运动目标。作者选择TMS320作为视觉跟踪系统的硬件平台，采用摄像机获取场景图像，通过软件捕捉场景图像中的运动物体，识别物体运动的方向和距离，实现了视觉实时跟踪功能。在此基础上，完成了分立器件构成的嵌入式视觉实时跟踪系统的设计，对于视觉技术的实际应用具有一定工程意义。     

水下结构物点蚀缺陷的识别与定量分析

运行多年的水下结构物会存在不同程度的点蚀缺陷，必须对其进行检测和安全评估。基于图像处理、模式识别以及计算机视觉技术提出了一种水下结构物点蚀缺陷识别与定量分析方法。用采集设备获得点蚀缺陷图像，对其进行特殊的图像处理后，提取其特征并进行识别，通过摄像机系统标定确定缺陷的真实尺寸。分析了水下结构物点蚀缺陷的特征提取和识别的理论依据。用二次标定法对摄像机进行了系统标定，并结合实例给出了标定当量及点蚀特征的实际值。点蚀缺陷识别和定量分析结果为水下结构物应力计算和安全可靠性评估提供了必要的基础数据。     

基于RANSAC改进算法的单目视觉里程计研究

运用SIFT算法对单目所采集的室外视频图像的相邻两帧进行了特征点的检测与匹配.采用改进的RANSAC算法对所匹配点进行了误匹配点剔除.根据相邻两帧图像特征点的跟踪以及里程计读数作为辅助信息,求解特征点的三维坐标;进而根据视觉里程计模型,达到机器人的定位.实验结果表明,该方法相比传统的里程计定位精度高,比之双目激光等定位方法,又有成本廉价的优点.     

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.     

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。     

Forstner特征点分类和精确定位方法探讨

针对无人机影像空三处理对特征点定位精度要求高的问题,基于Forstner点特征提取算子探讨一种Forstner特征点分类和精确定位方法。首先利用一定的方法判定Forstner特征点的类别(即角点、圆点、中间点中的一种),然后根据该特征点的类别进行精确定位。通过对一组无人机数据进行实验,试验表明:相比Forstner算子的初步定位,精确定位的特征点精度显著提高。     

基于机器视觉和激光测距的输电线故障定位

结合定位技术和激光测距技术,提出了一种基于机器视觉的电力巡线故障定位新方法.通过无人机搭载可见光相机进行巡线拍摄,将航拍图像实时传回地面站进行处理.采用数学形态学的图像处理方法和模式识别方法进行故障检测与识别.通过惯性测量系统进行初步定位,得到无人机的经纬度坐标.利用无人机机载激光测距模块,测量故障点到无人机的距离来修正坐标.最后,经过空间大地坐标系和空间直角坐标系的变换,以及两个空间直角坐标系的基准转换,计算出了故障点的准确位置,并且很大程度地提高了定位的准确性,其空间直角坐标测量精度可达0.11m.     

物联网下大区域校园智能视觉特征定位技术仿真

为了解决传统技术易受外界干扰,造成视觉特征存在缺失,影响定位结果,且仅可应用于颜色特征显著的视觉特征定位的弊端,通过SURF法和Euler距离匹配研究了一种物联网下大区域校园智能视觉特征定位技术。通过物联网技术对监控的大区域校园图像进行智能采集,给出物联网视觉传感器分布情况。针对采集图像进行预处理,增强图像干扰抑制能力。把图像当成包,把分割后图像块当成包中的示例,在大区域内为某视觉图像确定最优标注。在此基础上,通过SURF算法对视觉特征点进行检测,利用Euler距离实现物联网下大区域校院智能视觉特征匹配定位。结果表明：所提技术检测特征无显著差异,具有不变性;对白天校园人行道区域进行视觉特征定位,定位误差低;对夜间校园主干道区域进行视觉特征定位,定位误差较白天无显著差异。可见所提技术视觉特征定位精度高。     

基于特征点局部特征值剔除误匹配特征点算法

为了解决经典的特征点匹配算法SIFT采用比率测试得到的匹配特征点集中存在大量误匹配,且对数量和准确度无法兼顾的情况,提出了基于特征点局部特征值剔除误匹配特征点算法。该算法以高阈值比率测试得到的结果为粗剔除匹配点集,基于三角形相似性原理,从该特征点集中筛选出3个匹配正确的特征点对,利用其分别在基准图像和实测图像中构建局部直角坐标系,根据匹配的特征点对在相似局部坐标系下局部特征值的相似度剔除误匹配特征点,实现精剔除。实验结果表明,本文算法可以有效的剔除SIFT算法匹配结果中的误匹配,同时,与低比率（0.6）测试匹配结果比较,准确度较高,降低了匹配正确的特征点被误剔除的概率。可见本文算法可有效的剔除误匹配特征点,获得准确度高的匹配点集。     

基于改进的加速鲁棒特征算法的工件定位方法

为了解决传统的图像处理算法识别现场获得的工件图像速度慢且匹配效果较差等问题,通过对工件图像的识别方法进行研究,提出了一种改进的加速鲁棒特征(SURF)算法可以实现工件准确、实时的定位。该算法基于加速分割测试特征检测器(FAST)对SURF算法的特征提取方式进行改进,首先利用FAST提取特征点,然后通过SURF算法生成特征点描述子,使用主成分分析算法(PCA)对描述子进行降维。随后以欧式距离作为相似性度量进行粗匹配,再采用随机抽样一致算法(RANSAC)剔除误匹配点。最后结合双目视觉技术得到工件空间位置坐标。实验结果表明：本文提出的算法在运行时间上相比传统SURF算法减少80%,同时提高了匹配的精度。可见达到了准确、实时的工件定位目的。     

一种点线特征融合的双目同时定位与地图构建方法

基于特征点的视觉同时定位与构图方法依赖于图像质量以及可提取的特征点数量,且稀疏的特征点不能直观表达环境的结构信息。为此,提出一种将图像的点特征和线段特征融合的双目同时定位与构图方法。算法前端提取图像的点特征和线段特征,进行特征跟踪并完成相机位姿求解,从跟踪线程中分离出特征提取线程,进一步提升了前端线程的帧率。后端采用集束调整对局部地图进行优化,利用基于词袋模型的闭环检测以抑制系统的累积误差。最后结合点线特征共同构建环境地图。在公开数据集上进行了实验,与当前主流算法相比,提出的算法在保证定位精度的同时能够获得更丰富的环境地图,具备较好的鲁棒性与实时性。     

基于Harris-Hist的特征匹配及目标定位算法

针对目前机器人伺服定位抓取中定位精度和实时性较差的问题, 提出一种基于Harris-Hist的快速特征匹配及目标定位算法. 首先, 采用Harris检测算法提取图像特征点; 然后, 提出一种新的特征点描述子定义方法, 计算特征点圆形邻域内像素点灰度直方图刻画特征点, 通过计算两幅图像中各特征点描述子间的距离实 现特征匹配; 最后, 根据匹配结果, 估计单应性矩阵, 定位目标在场景图像中的位置. 实验结果表明, 该算法匹配速度快、 定位精度高, 能满足机器人伺服定位抓取中定位精度和实时性的要求.