暗夜下基于激光辅助的路面障碍物视觉识别方法

为了解决现有视觉识别易受天气、时间等因素干扰的问题,通过交互矩阵和投影原理提出了一种暗夜下单线激光辅助的单目视觉识别方法。首先对相机进行标定,并利用交互矩阵建立并描述相机运动与图像特征变化之间的关系。然后利用投影原理进行一般障碍物特征提取和轮廓提取,最后通过试验对算法进行验证。利用激光光线的错位作为障碍物的识别标志,试验结果表明该方法克服了视觉识别对特殊环境适应性差、识别效果不好的问题,得到了比较准确的障碍物轮廓和距离,有效扩大了视觉识别的工作时间范围。     

基于特征匹配算法的双目视觉测距

距离测量作为障碍物检测以及路径规划的前提和基础是机器人研究领域的一个重要分支。在众多测距方法中,由于双目立体视觉具有信息丰富、探测距离广等优点被广泛应用。本文将改进的SIFT特征匹配算法应用到双目视觉测距与标定系统中。首先建立双目视觉测距模型,测量值由空间物点在左右摄像机下的像素坐标值决定;其次根据该模型的特点提出了基于平行光轴的双目立体视觉标定方法;最后利用改进的SIFT特征匹配算法,提取匹配点的像素坐标完成视觉测距。实验结果表明,根据测量数据对障碍物进行三维重建,相对距离与真实场景基本吻合,能够有效地指导机器人进行避障。     

KAZE算法在巡线机器人障碍物检测中的应用

巡线机器人障碍物检测技术是计算机视觉与自主巡检系统的研究热点之一,对保证输电系统安全可靠运行具有重要意义.传统的检测算法鲁棒性低,不能适应复杂环境下障碍物的检测要求.针对以上问题,提出一种基于KAZE算法的巡线机器人障碍物检测方法,该算法在非线性尺度空间中进行特征点提取,利用最近邻匹配准则和RANSC算法对由M-SURF算法生成的特征向量进行检测.实验结果表明,基于KAZE算法的巡线机器人障碍物检测效果较好,具有良好的的鲁棒性.     

基于3D激光雷达点云的道路边界识别算法

针对结构化道路环境中道路边界存在不连续、被遮挡及易受路内障碍物干扰情况下的识别问题,利用车载激光雷达获取的结构化道路环境三维点云数据的高程信息,结合局部均值变点统计方法,提出了一种用于激光雷达帧数据的道路边界识别算法。该算法首先利用局部均值变点统计对结构化道路环境三维点数据中突变的z坐标值进行标记并提取其对应的(x,y)数据点,即道路边界点数据粗提取;然后基于分段双阈值对粗提取的道路边界点数据滤波处理;最后利用最小二乘法拟合道路边界点数据。基于实车实验分别采集的不同道路环境条件下结构化直道1 450帧、弯道935帧数据,算法识别准确率均高于80%,且识别道路宽度误差小于0.14 m。实验结果表明,该算法不仅能够自动识别结构化道路边界,而且有效抑制了路面障碍物的干扰,验证了算法的有效性。     

符合人眼视觉特性的焊缝射线数字图像增强方法

针对焊缝射线检测数字图像的灰度低、对比度低的问题,提出了一种符合人眼视觉特性的图像增强方法.该算法先标定数字化仪器,得到各种数字化条件下的黑度与灰度关系.其次,根据成像条件得到待处理图像的成像特性,通过该成像特性的2个极点来获得图像处理的目标特性.最后,利用由成像特性和目标特性得到的图像灰度级映射变换函数,对图像进行了空域增强处理.实验结果表明,该算法将原图的灰度级差异从145提高到157,使原图平均灰度级从35提高到120.与线性变换算法相比,该算法没有产生信息丢失;与直方图均衡算法相比,该算法将图像平均灰度级提高到120且属于人眼敏感的范围.     

基于递归最大信噪比准则的雷达自适应距离旁瓣抑制

针对脉冲压缩雷达强目标距离旁瓣掩盖弱目标的问题,提出了一种基于递归信噪比准则的旁瓣抑制算法.该算法利用递归函数得到的目标信息作为下一次计算的先验信息来自适应地实现距离旁瓣抑制.该文推导了算法原理,提出了实现步骤,并进行了算法优化.理论和仿真结果表明:在高、低信噪比条件下对单个目标的提取,在高信噪比条件下对单个和多个相邻运动目标提取时,该算法的旁瓣抑制效果优于基于最小均方误差准则的自适应算法,并且具有稳健性好的特点.     

非结构化环境下基于视觉的障碍物实时检测

针对月面等非结构化环境下的实时障碍物检测问题,提出了一种基于角点的立体视觉障碍物检测方法.为提高角点提取与匹配的效率,采用基于Bresenham圆形模板和Moravec算法的两步角点检测与确认方法,并利用稀疏模板与极性约束进行角点匹配.考虑到单纯基于高度的障碍物的定义及其检测算法在月面等非结构化环境下不再有效,采用了一种基于角点空间关系的障碍物定义,并设计了相关的障碍物检测算法.该算法能实时运行于月面等非结构化环境,且不需要环境的先验知识.实验结果证明了算法的有效性.     

基于CM-Q学习的自主移动机器人局部路径规划

针对多障碍物未知环境下,自主移动机器人局部路径规划过程中出现的路径冗余和避障问题,提出了基于坐标匹配的Q学习算法(Coordinate Matching-Q learning算法,CM-Q算法)。首先建立自主移动机器人栅格地图运行环境;其次以Q学习算法探索和学习最佳状态-动作对,并利用坐标匹配的CM算法进行避障;最后在未知障碍物环境中进行路径规划,对所提出的算法进行验证。实验结果表明,运用该方法,自主移动机器人能在未知的简单和复杂障碍物环境下规划出一条最优或次优路径,完成避障和路径规划任务。     

基于钻井液性能优化设计的低对比度油层识别新技术

针对常规电阻率方法识别低对比度油层比较困难的问题,从自然电位产生机理入手,分析了淡水和盐水钻井液条件下自然电位异常幅度的影响因素、含油饱和度与自然电位异常幅度之间的联系.结果表明,适当的盐水钻井液条件下油层自然电位呈小幅度正异常或小幅度负异常,与水层自然电位呈大幅度正异常有很大差异.采用合理设计钻井液性能、调整测井环境的方法,通过及时测井,得到正异常幅度自然电位,利用油层与水层的自然电位异常幅度之间的差异,实现了低对比度油层的准确、有效识别.冀东油田低对比度油层的识别评价应用实例表明,该技术是提高低对比度油层识别精度的一种有效手段.     

一种可见光图像增强算法的FPGA实现

该文介绍一种可见光图像增强算法的FPGA实现方法,该方法针对雾霾天气或低对比度天气等条件下图像灰度分布范围窄的问题,利用图像处理系统中FPGA组件实现图像增强。视频图像数据流通过专用的接口芯片转换后传输给FPGA,FPGA内部程序通过时钟控制、图像缓存完成灰度信息统计和图像灰度拉伸,同时,多模块并行处理数据完成图像数据采集和图像数据处理,实时实现图像的增强,达到雾霾天气条件下提升可见摄像机作用距离和目标识别能力的目的。     

移动机器人的障碍物群检测方法

利用激光和超声波传感器在用栅格表示法形成地图的基础上，提出了进行数据融合以提取环境特征的新方法：识别障碍物群。该方法能够在密集障碍物环境中为机器人的路径规划和避障提供准确的环境特征信息，提高机器人系统的自主性和实时性。实验结果表明了该方法的有效性。     

面向装配机器人的零件视觉识别与定位方法

针对装配过程中背景复杂、零件形状多样性等因素导致的识别与定位精度较低的问题,结合加速稳健特征(SURF,speeded up robust feature)算法、快速视网膜特征点(FREAK,fast retina keypoint)算法、汉明距离及仿射变换等,给出了的一种零件识别与定位方法.首先通过SURF与FREAK算法对装配零件的特征点进行描述,其次以汉明距离作为匹配点的相似性度量,最后采用随机采样一致性(RANSAC,random sample consensus)算法进行二次匹配去除无效匹配点对.通过模板图像与装配零件图像建立四参数的仿射变换模型,结合仿射变换求解装配零件的质心坐标,再利用视觉系统的标定参数得到零件质心的世界坐标.实验结果表明,该方法实现了对装配零件快速精准的识别与定位.     

一种非合作目标矩形面判定和顶点提取方法

基于单目相机和激光测距仪,文章提出从一幅图像中识别出非合作目标物体上的矩形面,并提取出4个顶点坐标的特征提取方法,为位姿的测量提供必要的信息;提出以激光点为参考,距离激光点最近的4条边界为矩形面边界的判定准则,并根据激光点到直线的垂足和边界端点约束排除干扰线段;该方法能有效地判定出矩形面且顶点定位准确,在空间机器人视觉伺服控制半物理仿真系统上得到了验证.     

低对比度图像边缘增强算法的研究与应用

单色低对比度图像具有邻近像素的空间相关性高、灰度变化不明显等特点,这使得图像中的目标、背景、细节、噪声等信息都包含在一个较窄的灰度范围内而难以区分,从而给目标的边缘检测和识别带来困难。针对低对比度图像边缘的增强问题进行了研究,在分析传统对比度增强算法的实质以及所存在问题的基础上,提出了一种新的算法——四段对比度拉伸法。一系列的对比实验证明,该算法有较广的适用性、较强的抗噪性、较灵活的应用范围。在低对比度冷钢板边界检测实验中,对于不同情况,该算法可以通过改变灰度变换函数中系数的取值来增强目标的边缘,有效地提高冷钢板边缘的识别与提取。     

基于HSV颜色空间的快速边缘提取算法

针对当前无人机障碍物检测能力较弱的问题,基于图像快速边缘提取算法,提出一种改进型局部二值模式(I-LBP)算子来增强边缘提取效果.在HSV (Hue, Saturation, Value)颜色空间中,利用I-LBP算子描述像素点的局部纹理特征,并采用Hausdorff距离确定边缘点,最后用矩形框圈出障碍物轮廓.该算法根据模糊集理论对传统LBP算子进行改进,通过将简单的二值化描述方式扩充到三维向量,增强了LBP算子对局部纹理特征的描述能力及其抗噪声的能力.利用MATLAB软件进行仿真验证的结果表明:I-LBP算子具有良好的稳健性,在光照条件较差并有噪声污染的情况下依旧可以准确地识别障碍物;同时,I-LBP算子还具有良好的实时性,可以满足无人机的避障要求.     

基于多阈值判断的单线激光雷达草丛识别方法

本文基于单线激光雷达提出了一种对于草丛障碍物的识别方法。首先对草丛特征进行分析,阐述了草丛障碍物与其他连续体障碍物的特征区别,由特征分析提出了一种多阈值草丛特征识别算法,通过候选框对单线激光雷达点云识别保留,最后通过试验进行验证该多阈值草丛识别方法。试验结果表明该算法能够充分利用单线激光雷达点云数据量小、计算时间短、鲁棒性强等优点,弥补了特殊环境下视觉识别适应性差、识别失效等问题,更好地发挥了单线激光雷达的作用。     

基于人眼视觉特性的Curvelet域低照度图像增强

针对低照度下图像降质严重的问题,提出了一种基于人眼视觉特性和Curvelet变换的低照度图像增强算法。首先将低照度图像转换至"色调-饱和度-亮度"(HSI)颜色空间,在Curvelet域中分解亮度参量得到不同尺度、不同方向的子带分量,以此构建人眼视觉模型;然后利用模型的亮度遮蔽特性和亮度-对比度遮蔽特性对高频分量进行非线性增强,同时对低频分量进行非线性拉伸;最后通过Curvelet逆变换重构亮度参量,结合原始图像的色度和饱和度分量将图像转换至原色彩空间,得到增强后的低照度图像。实验结果表明,该算法可以有效提升低照度图像的对比度和亮度,保持图像的细节信息,抑制图像噪声。     

基于障碍物地平角点的移动机器人定位*

提出了一种移动机器人快速定位方法。该方法在水平面假设的前提下,采用Harris Laplace算子并结合快速均值漂移和立体视觉方法,构建了一个障碍物地平角点提取算法取得特征角点,再以提取的障碍物地平角点为路标点,利用自适应粒子滤波方法融合路标点的深度和位置信息,实现了移动机器人高效快速和较为精确的定位。由于路标点（障碍物地平角点）数量大幅度减少,大大降低了定位算法计算的复杂度。实验的结果证明了上述方法是行之有效的。     

基于Android平台的障碍物检测系统的设计与实现

为了提高视觉导盲仪障碍物检测系统的便携性,建立了基于Android平台的障碍物检测系统。对该系统所采用的Android平台采集双目图像、路面平面提取和障碍物检测等算法进行研究。首先,根据Android平台的USB HOST API介绍了Android平台以非ROOT的方式采集双目图像数据;然后,提取并匹配双目图像的特征点得到稀疏的三维点云,在三维点云中用随机抽样一致性算法(random sample consensus,RANSAC)来提取路面平面;最后,在利用双目图像路面平面单应性来区分路面与障碍物的基础上,说明了采用半全局块匹配(semi-global block matching,SGBM)进行障碍物检测的算法。实验结果表明:系统5 m以内的障碍物检测准确率达到90%;检测时间达到1 s/帧。完全满足视觉导盲仪障碍物检测系统的检测准确率高、实时性高、易便携等要求。     

激光数据聚类和Morphin算法下的机器人避障研究

为了解决移动机器人在未知环境下的避障问题,提出了一种从障碍物检测、预测到避撞的避障方法。设定圆形窗口作为机器人有效扫描区域,利用激光传感器采集到的数据结合聚类、匹配和分类算法确定障碍物类型和动态障碍物运动信息,绘制窗口内的动态局部地图来预测动态障碍物与机器人的碰撞关系,结合Morphin算法实现有效的避障。仿真实验表明,在该算法下移动机器人能够有效地检测出障碍物,进行碰撞预测,并做出合理地避障措施。