一种基于图像单应性矩阵的投影仪标定方法

投影仪标定是计算机视觉的关键技术之一,针对实际应用中摄像机和投影仪相对位置关系,提出一种基于摄像机和投影仪图像单应性矩阵的投影仪标定方法.对捕获的图像进行背景差分、特征点提取等操作得到投影图像和摄像机图像之间的单应性矩阵,进而获得投影仪参数矩阵,完成投影仪标定.经实验论证,该方法操作简单,反投影像素误差在0.3到1个像素之间,证明了该方法的有效性.     

改进的NSCT与NMF结合的图像融合方法

基于人类视觉系统和源图像特性,对基于非下采样Contourlet变换与非负矩阵分解(NMF)图像融合算法进行了改进.在非负矩阵分解过程中,适当地选取特征空间的维数能够获得原始数据的局部特征,低频部分使用非负矩阵分解的方法进行融合,高频部分使用活性测度和一致性验证的方法进行融合.实验结果表明,该算法具有较强的鲁棒性,融合图像边缘的清晰度和连续性也较理想.     

磁锚定手术机器人视觉伺服系统研究

针对磁锚定手术机器人的同时具有转动关节和移动关节机械臂的运动特点,提出了一种基于图像的视觉伺服系统.首先建立了系统的成像模型,并求解出图像雅可比矩阵.然后建立了机器人的运动学模型,并求解出机器人雅可比矩阵.机器人在二维平面内运动,图像空间的维数与运动空间的维数相同,总的雅可比矩阵是非奇异的.为了简化视觉控制器的设计难度,反馈控制器采用PI图像控制器,同时还可克服系统的静差.最后对建立的视觉伺服系统进行Matlab仿真,结果验证了提出方案的可行性.     

基于双核范数鲁棒矩阵分解的遮挡图像恢复

低秩矩阵分解是计算机视觉、机器学习和数据挖掘中普遍使用的数据分析工具.矩阵分解方法可用于连续遮挡的图像数据的恢复,而低秩矩阵分解可转化为核范数优化模型.为了增强矩阵分解模型的鲁棒性,提出基于双核范数的鲁棒矩阵分解方法,该方法将每个数据矩阵分解为低秩干净数据、低秩噪声数据和稀疏噪声数据之和.建立最小化矩阵双核范数与L1范...     

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．     

基于单应性矩阵剔除SIFT错误匹配点的方法

根据图像几何变换的单应性矩阵将匹配点一一对应的特点,提出一种基于单应性矩阵的剔除方法.该方法首先利用SIFT进行匹配,得到初始匹配对,进行初步筛选,然后利用相似三角形求出基准单应性矩阵,设定阈值,剔除不满足阈值的匹配点对,最后得到精确匹配点对.通过与RANSAC算法以及结合欧式距离的RANSAC改进算法进行实验比较,该算法具有更高的正确匹配率.     

基于标识与平面间单应性矩阵的虚实注册方法

提出了一种基于单应性矩阵与平面标识相结合的三维注册算法,解决了标识部分被遮挡情况下的虚实注册问题,提高了系统的健壮性、可用性．该方法将直接求解三维注册矩阵问题分解为利用图像间的匹配特征点来计算相邻两帧图像间的单应性关系,并利用该单应性关系恢复最终注册矩阵．就实验结果与ARToolkit的注册性能作了比较,结果表明该算法能够解决标识部分遮挡情况下的虚实注册问题,在健壮性方面明显优于ARToolkit．     

改进的NSCT与NMF结合的图像融合方法

基于人类视觉系统和源图像特性,对基于非下采样Contourlet变换与非负矩阵分解(NMF)图像融合算法进行了改进。在非负矩阵分解过程中,适当地选取特征空间的维数能够获得原始数据的局部特征,低频部分使用非负矩阵分解的方法进行融合,高频部分使用活性测度和一致性验证的方法进行融合。实验结果表明,该算法具有较强的鲁棒性,融合图像边缘的清晰度和连续性也较理想。     

基于BP神经网络的机器人视觉控制方法

利用BP神经网络实现了基于图像的机器人视觉伺服控制器,省略了计算图像雅可比矩阵和机器人雅可比矩阵的过程,简化了控制算法的计算,训练样本和测试样本取自RBT-6T/S04S机器人实际运动,设计6个BP神经网络来实现图像空间与机器人空间的非线性映射关系,仿真结果显示神经网络控制器具有良好的定位跟踪效果,在保证精度的条件下简化了算法.将训练好的神经网络控制器用于视觉伺服系统中引导机器人到达目标物体,达到了较好的效果.     

SIFT特征匹配的显微全景图拼接

针对细胞图像序列模糊、传统的特征提取方法鲁棒性不强、伪匹配点对较多、图像匹配耗时过长、融合效果不佳等问题,提出了一种强鲁棒性、快速和精确的图像拼接算法.该算法首先用基于尺度不变(SIFT)算法提取细胞图像特征点,接着采用改进的BBF(Best-Bin-First)算法对特征集进行初始的双向匹配,然后采用随机抽样一致性(RANSAC)算法对匹配点对进行进一步提纯并估算出单应性矩阵,最后根据细胞图像序列之间的单应性矩阵关系将其投影到统一标准的平面坐标系下,用具有塔型结构的多分辨率融合算法对图像进行无缝融合完成全景图拼接.实验结果证明:该算法提取到的特征点分布均匀且数量适中,误配情况明显减少,能够有效地实现显微全景图的无缝拼接.     

基于彩色空间视觉相似分解的图像质量评价方法

针对视觉感知和结构化图像质量评价方法中均存在与视觉感受不吻合的现象,在建立亮度空间视觉相似分解方法的基础上,依据韦伯定律的基本概念并将其扩展到RGB三基色彩色空间,由此提出了一种基于彩色空间视觉相似分解的图像质量评价方法.该方法在保证误差图像和标准图像间的形状和色彩均完全相似的基础上,将误差图像分解为均值分量、交变相似分量和交变无关分量.由于这三个分量在视觉感受上截然不同,从而依据对视觉感知差异起到主导作用的交变无关分量来评价彩色图像质量.实验结果表明,该彩色空间图像质量评价模型与主观视觉感受吻合较好.     

基于平面模板的摄像机非线性优化标定方法

摄像机标定方法是计算机视觉应用中的一个重要问题。文中的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图像的网格角点,对毎幅图像,就可以确定一个单应性矩阵,首先利用线性求解内外参数,然后对线性结果进行优化,实验结果表明该方法具有较高的精度,是一种简单、有效、实用的标定方法。     

基于NMF图像摘要的Web商品图像检索

提出了一种基于非负矩阵分解图像摘要的图像检索方法.算法首先进行平滑、边框裁剪等图像正规化处理,然后利用非负矩阵分解其灰度图像得到特征系数矩阵,再将其量化构造图像摘要,最后基于最短图像摘要的汉明距离进行图像相似性检索.实验分析结果表明,该摘要对图像多类修改均表现出良好健壮性,查全率和查准率都较基于颜色直方图和基于SIFT特征的方法有较大提高,可较好地满足Web商品图像检索要求.     

基于大间隔编码的空间非负矩阵分解

虽然基于局部的表示方法在图像处理中具有很好的鲁棒性,但非负矩阵分解只有隐式局部约束,导致分解不唯一和基图像不够局部.另外,局部性与判别性作为样本表示的重要性质几乎没有在非负矩阵分解中被同时考虑过.为此,文中提出了基于大间隔编码的空间非负矩阵分解,将图像数据看作像素构成的二维网络,借鉴网络中的知识将空间信息嵌入基图像,不但施加了显式的局部约束,而且能够弥补数据向量化损失的空间信息.同时,利用大间隔约束学到的额外一维空间平衡重建误差和判别性约束对基图像的影响.在AR数据库和扩展的Yale B数据库上的人脸识别实验结果表明,相比于非负矩阵及其他几种典型的扩展方法,基于大间隔编码的空间非负矩阵分解更加鲁棒.     

基于图像的PUMA560机器人视觉伺服控制分析

为了较好地解决PUMA560机器人视觉伺服控制系统中的控制精度问题,提出一种基于图像的自适应视觉伺服控制策略.该控制策略以机器人运动学与动力方程、参数估计以及控制器的设计为基础.新型控制器能够在机器人运动的同时,在线估计雅可比矩阵和摄像机相对机器人末端的变换矩阵中的未知参数,并进行稳定性分析.仿真与试验结果表明,该新型控制器使系统具有较强的动态特性和稳态特性,可得到理想的控制效果.     

一类工作点可变线性系统的镇定控制器设计

对于一类工作点可变的线性系统 ,即被控系统表达为两个典型工作点上的传递函数矩阵的正则稳定的既约分解的线性内插 ,考虑其镇定控制器设计问题 .假设被控对象在典型工作点上的传递函数矩阵的既约分解组成一个集合 ,提出了镇定该集合的控制器的设计方法 .对于线性内插系数不可知的情形 ,提出了两种固定型镇定控制器的设计方法 ;对于线性内插系数可知的情形 ,提出了一种内插型镇定控制器设计方法 .文中将控制器的设计问题转化为 H∞ 控制问题 ,再转化为状态空间下的基于线性矩阵不等式 ( LMI)的凸有效性问题进行求解     

机器人视觉伺服控制研究进展与挑战

针对机器人视觉伺服研究,分别从基于位置的视觉伺服、基于图像的视觉伺服、混合视觉伺服等对视觉伺服的研究进展进行了回顾.从雅可比在线估计法、雅可比自适应估计法、深度独立雅可比矩阵估计法等多方面详细分析了无标定视觉伺服.在此基础上,就视觉伺服的实时性、可靠性、多传感器融合、多任务控制、基于离散时间域及混杂系统的控制器等,对机器人视觉伺服控制所面临的挑战及进一步研究进行了分析与展望.     

基于单应的大倾角图像的几何纠正

针对手持相机获得的图像倾角较大,并且摄取的前后图像之间存在旋转,提出了一种基于计算机视觉中单应原理的几何纠正方法.绕同一摄像中心拍摄的两幅图像之间不存在视差,两图像平面的单应关系H,可以通过它们各自的摄影矩阵P,经过分解后重新组合得到.该方法经试验论证简单、有效.     

基于主动视觉的测量装置精度校准方法

针对工业在线监测对测量装置精度及稳定性的要求,对视觉测量装置精度校准及维护方法进行研究。分析透视原理下引入图像畸变的测量装置成像模型,推导测量装置相对基准激光做直线运动时光斑在畸变图像中的轨迹方程,提出一种基于主动视觉的测量装置精度校准方法:首先,通过控制测量装置做二维平移运动得到校准所需的特征点信息;接着,利用光斑的畸变轨迹方程求解测量图像的畸变系数并对图像进行畸变校正;最后,求解图像平面到被测平面的单应性矩阵从而完成精度校准。对特征点的布置方式进行优化。研究结果表明:校准后的定位测量峰值误差为0.373像素,均方根误差为0.178像素。该方法精度较高且易于实施,能满足工业在线检测的要求。     

基于极限学习机的未校准图像视觉伺服控制

解决非结构化环境中的机器人视觉伺服控制的主要问题是获得交互矩阵, 而解决交互矩阵的常见问题是交互矩阵伪逆的奇异性问题。 针对该问题, 提出了一种新型的基于图像的视觉伺服控制方法, 并采用增量式极限学习机解决图像雅可比矩阵的伪逆逼近问题。 为提高系统的收敛速度, 采用了具有自适应因子的速度改进控制器。 最后, 采用了六自由度机械手仿真, 验证了所提出方法的有效性和优势, 该算法提高了系统的鲁棒性, 避免了计算雅可比矩阵的伪逆的问题。