激光视觉机器人焊接中同时标定摄像机和手眼关系的方法

摄像机和机器人手眼标定是视觉机器人应用中的重要组成部分。针对激光视觉机器人焊接,根据机器人手眼矩阵和机器人末端对基坐标系的位姿矩阵的特定关系,提出了一种同时标定摄像机和机器人手眼的方法。用所设计的标定物对此方法进行标定试验,由非线性最小二乘优化法求解待标定的参数。从焊缝上取20个样点,利用标定结果恢复其三维空间坐标,并与实际三维坐标对比,平均误差为0.12mm,满足焊缝跟踪要求。     

一种实用的嵌入式DSP视觉跟踪器设计

设计一种用于跟踪一般物体的实用的嵌入式视觉跟踪器,以ＴＭＳ３２０Ｃ３２ＤＳＰ为中央处理器,以ＯＶ７６１０为摄像芯片建立独立的视觉跟踪器硬件模块;以Ｋａｎａｄｅ－Ｌｕｃａｓ光流算法为基础建立基于特征的目标跟踪算法,并使用金宁塔数据结构和启发式搜索算法快速有效地跟踪目标,结果表明使用普通的ＤＳＰ可以实现图像中一般目标的实时跟踪。     

移动机器人部分遮挡条件下多部件行人跟踪算法

针对复杂街道环境中的交通标志与公共设施对行人造成不同程度的遮挡而致使移动机器人跟踪目标失败,提出一种多部件粒子滤波器行人跟踪方法,引入弹簧弹力负载决策,降低单一跟踪器的错误风险,增强部分遮挡条件下的视觉目标跟踪鲁棒性。仿真分析表明,该算法能够在行人部分遮挡时呈现较好跟踪效果,降低街道复杂背景环境对跟踪的影响,为后续移动机器人视觉目标避障等应用提供支撑。     

基于改进导航圆算法的光伏阵列清扫机器人路径跟踪控制

为解决光伏阵列清扫机器人行进时易受组件间边框和光滑组件表面的影响,出现偏移原轨迹的问题,首先给出针对光伏阵列清扫机器人的运动学模型和超宽带定位系统,之后通过仿真分析原导航圆算法机器人调节距离较长的问题,提出一种基于改进导航圆算法的光伏阵列清扫机器人路径跟踪算法,对原导航圆算法的纠偏角重新修正,然后对修正后的纠偏角进行调...     

人机交互中的人体目标跟踪算法

针对机器人在与人交互过程中对指定人体目标的跟踪容易受到周围其他人体干扰的问题,提出了一种人机交互中的人体目标跟踪算法.将所有干扰区域看作候选目标,通过建立基于重叠率的粒子分布模型,确保粒子集可以通过均值偏移收敛到所有的候选目标,并减少粒子数量.以权重距离总误差和目标尺寸作为聚类条件,将粒子划分到相应的候选目标粒子集中,最后选择最优的候选目标作为跟踪结果.实验结果表明:该算法能够避免周围相似物体的干扰并准确跟踪目标,具有较好的鲁棒性和实时性.     

火灾预警巡检机器人轨迹跟踪控制

针对如何减小火灾预警巡检机器人在目标轨迹跟踪过程中产生的角度和距离偏航问题,提出一种基于Backstepping的轨迹跟踪快速响应控制算法。首先根据机器人行驶偏差与轮速之间的关系,推导出移动机器人运动学模型,利用Backstepping构造出跟踪控制器,在控制器中引入虚拟反馈函数,调节控制器的跟踪效果;然后借助Lyapunov稳定性理论证明收敛性;最后,借助仿真实验和实物验证算法的有效性。研究结果表明所提出的轨迹跟踪控制方法可以使机器人减少轨迹跟踪过程中的误差,并最终使系统趋于稳定。     

基于LDPC码约束条件的编码辅助帧同步算法

利用LDPC码的编码约束条件,提出了一种LDPC码辅助的帧同步算法.这种帧同步算法不需要插入任何导频符号,分别通过计算LDPC译码前和译码后校验方程满足的比例,对数据帧的起始位置进行有效捕获和跟踪.仿真结果表明,基于LDPC码约束条件的帧同步捕获算法在较高信噪比下可以获得很好的捕获性能;基于LDPC码辅助的帧同步跟踪算法,其对帧起始位置的跟踪性能明显优于基于LDPC码约束条件和基于导频符号的帧同步算法.      

基于Camshift和Kalman滤波的仿人机器人手势跟踪

对仿人机器人MIR-1的双目视觉系统实现实时手势跟踪.通过颜色直方图反投影,将每帧RGB输入图像转换为二维的肤色概率分布图像,基于Camshift算法计算手势跟踪窗口的位置和大小,并用Kalman滤波预测手心位置,有效地解决了背景中大面积肤色干扰和手势部分被遮挡等问题.在仿人机器人MIR-1上完成的手势跟踪实验,验证了此方法的实用性和有效性.     

三维场景的运动分析及图像分割方法研究

提出一种利用三维场景模型对视频图像进行分析并实现图像分割的方法,利用图像序列的前两帧获得图像的深度映像,实现场景的三维网络描述,采用简单的线线算法获得运动参数,并对场景模型不断修正,实验结果表明,这种方法有交地实现了视频分割,目标跟踪以及VOP（视频对象平面）的构造。     

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.     

动态场景中运动目标检测与跟踪

为了在静态和动态场景中均能实现对运动目标的检测与跟踪,提出了基于运动检测和视频跟踪相结合的视频监控方法. 建立四参数运动仿射模型来描述全局运动,采用块匹配法对其进行参数估计;采用基于全局运动补偿的Horn-Schunck算法检测出运动目标;使用卡尔曼滤波对运动目标的质心位置、宽度和高度进行跟踪. 实验结果表明,该方法能够有效地对静态和动态场景中运动目标进行检测与跟踪.     

一种复杂二值图像边界跟踪与提取算法

针对传统边界跟踪算法对多个有公共点的目标只能提取一条外边界轮廓的缺陷,提出一种改进的八邻域边界跟踪与提取算法,该算法不仅能成功跟踪图像中单个孤立目标的边界,而且对多个有公共点的目标能分别进行边界跟踪与提取,并可根据需要提取边界点参数序列。该算法在三维地震资料相干切片断层解释中得到应用,并取得了令人满意的效果。     

基于局部分块和背景加权的视觉跟踪算法

针对视觉运动目标的鲁棒跟踪问题,提出了一种基于局部分块和背景加权的跟踪算法。首先对目标的前景和背景区域进行分块采样,然后利用基于积分直方图的局部快速穷搜索算法计算每一个分块在当前帧中的后验概率图,最后对后验概率图确定的对应分块的搜索结果赋予不同的权值,进而计算出目标在当前帧中的位置。实验结果表明:基于局部分块加权的跟踪算法比单纯的背景加权跟踪和分块跟踪具有更高的跟踪精度和成功率,且算法复杂度较低。     

基于活动单眼定位的移动机器人物体收集

探讨了移动机器人基于活动单眼的定位算法,并以该算法获得的视觉信息进行自主式移动机器人物体收集的实验。对目标的获取、在物理坐标系中的定位和延时补偿以及控制方法等问题进行了讨论,并给出结果。从定位结果的分析来看,定位精度可以满足移动机器人控制的需要,介绍了机器人进行物体收集的控制策略。实验表明,基于该定位算法的物体收集策略可以较好地完成任务,并具有良好的鲁棒性。     

基于特征颜色模型的粒子滤波改进算法

针对在视觉跟踪任务中,当目标体的外形发生变化时,传统的粒子滤波算法在模型更新的过程中往往出现偏差并逐渐累积,最终导致跟踪性能降低的问题,作者通过挖掘目标体区别于背景的颜色信息,建立特征颜色模型,提出了一种改进算法.该算法首先使用粒子滤波进行粗定位,然后基于特征颜色模型分割目标.实验表明,作者提出的算法速度快,能够准确地跟踪目标的外观变化,对目标体的旋转和遮挡以及光线变化具有一定的鲁棒性,特别适合于跟踪行人和车辆等具有显著颜色的目标.     

一种基于特征代价函数的多目标跟踪算法

提出一种基于特征代价函数的多目标跟踪算法。根据目标在相邻帧间运动具有连续性以及包围窗口、灰度变化不大的特点，改进了一种代价函数。在跟踪的匹配过程中，启动卡尔曼滤波和预测目标匹配搜索区域，同时使用目标链记录目标最新的运动状态和特征值，从而保证运动跟踪的连续性和计数的有效性。     

基于粒子滤波的仿人机器人跟踪算法研究

针对RoboCup标准组仿人足球机器人NAO的特点,在研究传统粒子滤波跟踪算法基础上,提出基于颜色特征和改进的粒子滤波相结合的机器人跟踪算法。改进的粒子滤波算法在传统采样重要性重采样(SIR)算法重采样过程中有选择地增加一组随机粒子,解决了传统采样重要性重采样(SIR)算法因被跟踪运动目标运动不规则而出现跟丢的问题。实验结果表明,该算法增强了基于SIR的粒子滤波跟踪算法的适应性和有效性。     

面向管道焊缝渗透检测机器人的管道定位与规划方法

为了实现核电设施管路的自动化焊缝检测作业,在降低人工作业安全风险的同时提高工作效率,提出了一种集喷涂、喷擦、刷涂、擦洗、环境感知和场景建模的机器人自主作业软件系统及相关算法。分析作业机器人的工作环境和功能需求,进行机械臂和感知模块的选型,制定三维建模和参数辨识方案,搭建焊缝检测作业系统;提出了一种基于机器人感知到的视觉和深度信息进行场景建模的算法,该算法可以输出检测关到作业面的位置、三维模型以及作业区域范围;提出了一种基于三维重构模型和作业区域范围进行作业轨迹规划的算法,并搭建了仿真平台验证运动轨迹的正确性;开展了管道定位与三维重构实验以及轨迹规划实验,实验的结果证明,提出的管道定位方法能够实现精确的点云数据采集和高精度的管道参数辨识,机械臂能够实现准确性高、连续性好的运动,满足管道焊缝检测作业的要求。     

视频帧内运动目标复制-粘贴篡改检测算法

摘要： 提出了一种基于Lucas_Kanade(LK)光流及运动目标预检机制的视频帧内运动目标复制 粘贴篡改检测算法.该算法分为运动目标检测与跟踪、运动序列筛选和空间域匹配3个阶段.运动目标检测与跟踪利用背景建模算法和卡尔曼滤波器进行检测和跟踪;运动序列的筛选采用LK方法得到各运动序列的光流值,并计算其相关性来选择可能存在篡改的视频帧序列;空间域匹配利用尺度不变特征变换算法对上一阶段得到的对应运动序列逐帧进行匹配,过滤正常的视频序列.实验结果表明,本文算法能有效检测同源视频中针对运动目标的多帧复制 粘贴篡改.     

基于生成对抗网络的多目标行人跟踪算法

多目标跟踪领域中,在背景复杂、目标遮挡、目标尺度和姿态变换等情况下,容易出现目标丢失、身份交换和跳变等问题.针对这些问题,提出了一种基于检测的多目标跟踪算法,使用改进的YOLO人体人脸关联算法,对当前帧待检目标进行分类和位置检测,使用生成对抗网络构建特征提取模型,学习目标的主要特征以及细微特征,再运用生成对抗网络生成多目标的运动轨迹,最终融和目标的运动信息和外观信息,得到跟踪目标的最优匹配.在MOT16数据集下的实验结果表明,提出的多目标跟踪算法具有较高的精确度和鲁棒性,对比目前身份交换和跳变最少的算法,跳变的次数少了65%,准确度提高了0.25%.