基于深度强化学习的移动机器人视觉图像分级匹配算法

针对传统移动机器人视觉图像分级匹配算法只能完成粗匹配, 导致最终匹配精度较低、 匹配时间较长等问题, 提出一种基于深度强化学习的移动机器人视觉图像分级匹配算法. 首先, 利用深度强化学习网络结构中的策略网络和价值网络, 共同指导浮动图像按正确方向移至参考图像; 其次, 在粗匹配过程中通过设计奖赏函数, 实现颜色特征粗匹配; 最后, 在粗匹配基础上, 利用改进尺度不变特征变换算法提取待匹配的图像局部特征, 按相似度进行移动机器人视觉图像分级匹配. 实验结果表明, 该算法可有效实现图像的粗匹配与精匹配, 在不同视角与尺度情况下特征检测的稳定性均较高, 匹配精度高、 时间短, 匹配后的图像质量较好, 提高了移动机器人的实际应用效果.     

一种改进SIFT算法的单目视觉里程计

针对如何准确获取位姿信息来实现移动机器人的避障问题,提出一种改进SIFT特征点匹配的单目车载视觉里程计算法.首先,为了提高特征点匹配的正确率和实时性,结合主成分分析法和平面极线几何约束,改进了传统SIFI匹配算法,其次,建立合理的移动机器人运动数学模型,得到连续帧间图像信息和移动机器人运动位姿变化的转换关系.试验结果表明,误差仅为1.6%,算法运行时间缩短0.022 s.     

基于人工免疫和图像直接反馈的视觉伺服控制

传统的基于图像特征的视觉伺服控制方法通用性差,且图像特征的标记、提取与匹配过程复杂.为此,文中提出了一种基于人工免疫和图像直接反馈的平面视觉伺服控制方法.首先采用人工免疫算法求解期望图像与反馈图像之间的位置与旋转误差,然后将误差信号经视觉控制器转换成机器人空间的位姿增量信号发送给机器人控制器,从而在无需进行图像特征标记与提取的情况下完成视觉伺服闭环控制任务.实验结果表明,采用文中方法能控制机器人准确地跟踪目标物体,控制误差不超过1个像素,说明文中方法是有效和正确的.     

基于自然特征的增强现实注册算法

增强现实标志点注册算法需在场景中叠加各种标志,系统构造复杂.文中在深入研究机器人视觉伺服系统的基础上,提出了利用虚拟视觉伺服技术、基于自然特征的增强现实注册算法.利用特征点和图像矩作为图像特征,推导出了图像特征变化量与虚拟摄像机相对位姿变化量之间的关系矩阵(即图像的雅可比矩阵),实现了基于自然特征的三维注册算法.与混合跟踪注册算法、共面四点注册算法相比,文中方法具有更高的精度.     

机器人视觉导航的几种特征点方法比较

针对移动机器人视觉导航中移动速度较快且计算能力较弱、视觉路标的图像特征检测与匹配时间之间存在矛盾这一问题,提出了选择合适的满足实时性的特征检测方法.对机器人视觉导航中获得图像特征常用的特征点法(如KLT,SURF,SIFT,Harris等)进行了探讨.通过对移动机器人导航中的图片采用不同方法进行测试,比较了不同方法所需...     

基于视觉伺服的飞行器交会对接技术

目的利用视觉伺服对照相机或终端执行机构进行控制,实现飞行器的交会对接。方法在航天器动力学和运动学模型的基础上以二维图像特征作为反馈,结合视觉伺服算法,控制飞行器到达预定位置。结果提出将视觉伺服运用于飞行器导引技术,得到了基于图像的视觉伺服数字仿真结果,飞行器控制精度满足要求。结论基于图像的视觉伺服算法可以有效解决航天器交会对接的控制问题,且参数选择以及控制器设计对系统性能有不可忽视的影响。     

SLAM视觉特征点提取和匹配影响因素实验研究①

特征点提取和匹配是移动机器人SLAM最基本的视觉前端步骤,直接决定了SLAM定位和建图的效果。为了验证环境变化对不同特征点提取和匹配率的影响,首先利用RANSAC策略剔除误匹配,然后从光照强度、图像旋转、图像模糊、尺度变化和图像弱纹理因素的角度研究了SIFT、SURF和ORB特征点匹配效果。实验表明,ORB特征点完成图像之间匹配速度最快,对环境变化鲁棒性高,具有良好的运算性能和匹配特性,是一种理想的前端视觉特征点选择。     

移动焊接机器人的工件识别及焊缝起始位置定位

摘要：
考虑到非结构空间焊接的特殊性,通过视觉技术,基于圆投影和Zernike矩,提出了一种两步模板匹配法检测待焊工件是否出现在视觉区域;结合霍夫直线检测方法,设计了一套提取特征直线算法,并确定焊缝起始点在图像中的亚像素位置.由移动机器人在不同角度拍摄工件图像,圆投影和Zernike矩计算结果验证了其表征模板特性的有效性,具有旋转抗性,而且对于光照条件及摄像机视野的鲁棒性好,焊缝起始位置定位结果满足视觉计算需要. 关键词：
自主焊接; 移动机器人; 视觉技术; 工件识别 中图分类号： TG 409
文献标志码： A     

一种基于图像相关的图像特征提取匹配算法

本文提出了一种基于立体视觉技术进行特征提取和匹配的算法。在立体视觉技术基础上以投射大小光斑的方法增加自由曲面的图像特征,有效的获得了图像的主要信息,建立图像之间的点映射关系。由图像相关性对匹配进行约束,选择最佳匹配点,获得象点在两个坐标系统中的三维空间数据,然后进行数据拟合得到非特征点的数据,大大提高了图像配准的效率和准确性。     

基于人工免疫算法的图像直接反馈视觉伺服

提出了一种基于图像直接反馈的平面视觉伺服控制方法,其特点是不需要提取期望图像与反馈图像的图像特征而用人工免疫的智能进化算法直接求解期望图像与反馈图像之间的位置与夹角误差向量,再将此误差信号经视觉控制器转换成机器人空间的位姿增量信号发送给机器人控制器,从而完成视觉伺服闭环控制。与传统的基于图像特征的视觉伺服控制方法相比具有更好的通用性与稳定性。对算法的关键技术、实现步骤及参数选择进行了深入分析,并通过实验验证了所提方法的有效性与稳定性。