一种基于纹理特征的图像检索方法的实现

对图像纹理特征进行了研究,采用改进的共生矩阵算法来提取纹理特征.在此基础上,通过高斯归一化法用纹理特征作为图像检索特征,给出了利用该特征的图像检索算法.从实验结果可以看出,对于具有明显的纹理特征的图像数据库利用改进的共生矩阵提取算法具有较好的检索性能,可以得到较好的检索效果.     

基于点线特征的视觉同时定位与地图构建综述

同时定位与地图构建(simultaneous localization and mapping, SLAM)作为计算机视觉中的热门方向,在无人驾驶、移动机器人等领域中发挥着重要的作用。由于线特征在低纹理环境下的优势,越来越多的研究人员利用点线特征融合的方法提高SLAM系统的精度和鲁棒性。文中首先简要阐述了传统的点特征SLAM系统在低纹理环境下的局限性,并对现有的视觉SLAM综述文献进行了总结;随后,对经典的点线SLAM方案进行了介绍,并总结了点线特征融合在前端、后端、闭环检测中的研究进展;最后,对点线SLAM未来的发展方向进行了展望。     

基于改进Cycle-GAN的机器人视觉隐私保护方法

首先,通过优化Cycle-GAN的结构与参数,提出改进Cycle-GAN算法以提高算法泛化能力;然后,提出基于归一化交叉相关(NCC)的训练数据集生长算法,使训练数据集能根据环境变化自动拓展;最后,在服务机器人上实现基于改进Cycle-GAN的服务机器人视觉图片隐私保护方法,并给出机器人视觉隐私图片保护系统.构建具有4.8×10~4张图片的对抗训练数据集,并建立6类测试实验的测试数据集对系统性能进行测试.实验结果表明:本文方法在转换成功率、体现图片相似度的哈希差值和体现脸部成像精度的人脸识别率方面均优于Cycle-GAN算法.     

音乐声的音色感知特征与图像的纹理特征的关联研究

本文主要研究音乐声的音色感知特征与图像的纹理之间的关联关系并建立音色与纹理的匹配模型.首先对Brodatz纹理库中的图片提取纹理特征,然后利用纹理特征对纹理图片进行系统聚类和多维尺度分析,挑选出18张用来做主观评价实验的纹理图片.通过主观评价实验,得到音色感知特征值以及音色和纹理的匹配关系数据,并基于此数据分别计算了匹配(或不匹配)的音色感知特征纹理特征之间的皮尔逊相关系数,相关系数绝对值最高达0.75,证明了二者之间存在强烈关联.最后使用逻辑回归、随机森林、多层感知神经网络对音色感知特征和纹理之间的匹配关系进行预测,得到了准确率较高的预测模型,说明通过音色感知特征和纹理特征预测二者匹配关系是可行的.     

一种低信噪比下基于时频原子的复杂调制雷达信号分选方法

复杂调制的多种雷达辐射源信号在低信噪比环境下,具有复杂度高、识别效率低的特点.提出一种基于改进的Chirplet时频原子特征的雷达信号识别分选方法.首先分析多种调制方式的雷达信号,然后分析PSO智能优化算法在参数搜选中的原理和优势,并用该算法对时频原子提取过程进行改进,之后提出PSO算法与时频原子概念结合的方法,利用类区分度准则提取信号特征,得到LPI雷达信号的有效表征原子.最后通过仿真实验证明该方法对于3 dB以上多种调制方式的雷达信号,可快速地完成有效识别分选.     

基于模糊神经控制的移动机器人避障研究

机器人路径规划技术是机器人研究的一个重要领域,其主要任务是在机器人工作空间中寻求一条从起始点到达目标点的无碰撞路径,并且满足路径最短或时间最短等条件。由于精确的系统模型参数和传感器数据的获取比较困难,传统的路径规划方法具有很大的局限性。模糊逻辑算法不依赖精确的数学模型和环境信息,对于机器人路径规划问题具有明显优势。本文基于模糊控制方法研究了未知环境下的机器人局部路径规划问题。     

一种基于法向量夹角的点云配准方法

点云配准是逆向工程、机器人导航、计算机视觉等领域中进行三维重建的关键问题.针对4PCS配准算法对点云数据密度变化强烈的情况表现不稳定,以及为了保证效率海量点云数据必须进行下采样而导致对应点对无法得到保证的情况,本文提出了基于法向量和邻近点数目的特征点提取方法对算法进行改进.选取一个半径范围内的点作为邻域,并通过总体最小二乘法拟合局部平面求解法向量,之后利用法向量夹角和邻域大小进行特征点提取,最后在特征点集上进行4PCS算法.因为点集基数大幅度减少并且特征明显,有效提高了4PCS算法的速度和精度.     

基于优化的SIFT特征描述子的人脸特征点定位

针对传统人脸特征点定位算法复杂度高,精确度低和适应性差的特点,提出了1种基于脸部特征点特有纹理特征的检测方法进行精确快速的人脸特征点定位.首先根据脸部特征点的纹理特征,利用Powell算法学习得到基于SIFT(Scale Invariant Feature Transform)的特征算子最优化的参数.然后提取脸部特征点在最优化的参数下的SIFT特征算子并用于训练基于支持向量机回归的检测器.最后利用Bio ID人脸数据库进行测试.实验结果表明,该方法结构简单,具有较高的精确度,对于表情和光线变化具有很好的鲁棒性.     

基于RGB-D相机的点线特征融合SLAM算法

针对大场景、弱纹理环境下ORB-SLAM算法特征点采集困难和精度低的问题,提出一种基于RGB-D相机的点线特征融合SLAM算法——PAL-SLAM。在ORB-SLAM算法基础上设计点线特征融合新框架,通过研究点特征与线特征的融合原理来推导点线融合的重投影误差模型,进而得到该模型的雅可比矩阵解析形式,以此为基础提出PAL-SLAM算法的框架。利用TUM数据集对PAL-SLAM和ORB-SLAM算法进行对比实验,结果表明PAL-SLAM算法在室内大场景中的定位精度更高,标准误差仅为ORB-SLAM算法的18.9%。PAL-SLAM算法降低了传统视觉SLAM在大场景、弱纹理环境中的定位误差,有效提升了系统的准确性。文中还搭建了基于Kinect V2的实验平台,实验结果表明,PAL-SLAM算法能与硬件平台较好结合。     

基于类Haar纹理的非结构化道路消失点检测

在非结构化道路识别算法的研究中,因其在复杂道路环境下表现出较强的鲁棒性,基于纹理特征的道路消失点检测成为了学术研究的重点。因此,为了能够准确的检测出非结构化道路中的消失点,提出一种基于类Haar纹理的非结构化道路图像消失点的检测方法,即首先设计多尺度多方向的类Haar纹理的实部与虚部模板,利用积分图技术以及垂直投影法快速计算出图像像素的纹理主方向,再采用改进的局部软投票法选出分数最大的点作为初始消失点,最后通过现有两种不同的消失点检测方法与提出的算法进行对比实验。实验结果表明提出的算法可以显著提高非结构化道路消失点的检测性能。由此得出该方法具有良好的实时性、准确性和鲁棒性。     

基于3D激光点云的移动机器人行驶环境描述

针对移动机器人在复杂环境中的自主导航行驶问题,提出了一种基于3D激光点云数据的行驶环境描述方法. 在对点云数据进行球、柱坐标转换的基础上,构建机器人环境感知圆柱,根据3D激光雷达的扫描序列,提取点云径、切向坡度特征,结合机器人的运动特性,分析行驶环境的可通行性,提取候选道路点云. 复杂行驶环境下的实验结果证明了此方法能够使机器人准确地对环境进行认知.     

基于RGB-D图像的视觉SLAM算法研究

针对主流的RGB-D SLAM系统精度较低并且仅生成稀疏点云地图的问题,提出一种改进的SLAM系统。前端采用改进的ORB特征提取算法,改进特征点簇集的问题;后端综合利用EPnP与ICP算法进行相机位姿优化,提高位姿估计精度;并增加稠密点云地图构建线程,得到场景的稠密点云地图,以用于机器人的导航与路径规划。在TUM数据集上,使用Kinect V2相机将改进的SLAM算法与ORB-SLAM2算法进行实验比对,验证了改进SLAM算法的综合性能优于ORB-SLAM2算法。     

基于改进的FREAK算法的机器人抓取系统

为了解决工业机器人对带有复杂纹理的平面型工件的识别与定位问题,将机器视觉技术与工业机器人相结合。利用改进的FREAK算法对目标工件进行快速识别,并根据工件的形状和单应矩阵计算出工件的形心坐标和旋转角度,再结合双目视觉系统,获取机器人抓取点的三维位姿信息,引导SCARA机器人抓取目标工件。实验结果表明:在复杂的工业环境下,机器人抓取系统能够准确识别出目标工件,具有良好的鲁棒性,同时也满足工业生产的实时性要求。     

基于图像识别的机器人定位与导航算法的研究

近年来,由于移动机器人逐渐脱离实验环境进入到商用阶段,采用激光雷达进行地图导航的方式由于成本过高逐渐被低成本的视觉方案所取代。依托两台单目摄像机,基于图像识别理论可以对机器人的工作环境进行感知建模,所获得的信息相较于传统的激光雷达的距离信息更增加了特征信息,使得机器人的导航定位更加灵活。针对移动机器人的导航问题,提出了一种基于图像识别的定位导航算法。首先,分析了问题的研究背景和研究现状;其次,构建了双目视觉定位系统并分析了图像特征提取的主要方法;再次,提出了一种改进的图像匹配方法实现视觉SLAM;最终,所设计的算法通过实验进行了验证。实验结果表明,所设计的算法能够准确呈现工作环境的原始信息。     

基于改进人工势场法的路径规划研究

针对传统的人工势场法在移动机器人路径规划中存在的目标不可达和局部极小值问题,提出了一种改进的人工势场法。首先,对目标点附近有障碍物时由于斥力较大,机器人难以到达目标点的问题,在势场中引入了安全距离因子,并对该参数进行了优化,从而使机器人与障碍物保持合适的距离,顺利到达目标点。其次,为解决局部极小值问题,引入了局部极小值判别条件,并在触发该条件时对局部极小区域进行绕行,使机器人顺利到达目标点。仿真结果表明,改进后的算法在不同数量的障碍物地图环境下运行,有较强的鲁棒性,所提出的算法可以使机器人在U型障碍物环境中绕过局部极小值区域,成功解决了移动机器人路径规划中的局部极小值问题。     

基于稳健特征点的立体视觉测程法

提出一种基于稳健特征点的立体视觉测程法完成机器人自主高精度定位.从可重复性、精确性和效率3个方面比较多种局部不变特征算法性能,采用稳健特征算法AKAZE(AcceleratedKAZE)提取特征点.提出了一个稳定的特征点匹配框架和改进的随机抽样一致性算法(Random Sample Consensus,RANSAC)去除外点,使文中的视觉测程法可以应用于动态环境中.基于几何约束的分步自运动估计可提供相机运动的精确信息.将提出的方法在KITTI(Karlsruhe Institute of Technology and Toyota Technological Institute)数据集上和复杂校园环境中所采集的立体视觉数据集上进行测试,与经典立体视觉测程方法比较,文中的方法更好地抑制了误差累计,运动估计结果满足实时高精度定位系统需求.     

点云数据特征点提取方法的比较

点云特征的提取在城市、地质等领域有非常重要的使用价值。特征点是最基本的几何特性和纹理特征的特征基元,其不会因为坐标系的改变而发生变化。通过用不同的方法提取点云数据中的特征点,可以在减少计算量的前提下,保留点云的几何特征。通过对利用法矢、曲率和体积积分不变量3种不同的特征点提取方法进行比较,并通过Matlab进行特征点提取实验并分析情况,对其优缺点及适用性进行探讨。     

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。     

基于Kinect辅助的机器人带噪语音识别

音视频信息融合可以提升机器人在噪声环境下的语音识别性能。然而受说话者的头部旋转、唇部尺寸不一、距摄像头距离不固定以及光照等因素影响,唇部信息不能得到有效的全面表征。该文提出融合机器人与Kinect的多模态系统。该系统采用Kinect获取3-D数据和视觉信息,并使用3-D数据重构侧唇来补充音视频信息。一系列基于特征融合和决策融合方法的结果表明:该文提出的多模态系统优于基于音视频单流和双流的语音识别系统,能够辅助机器人在自身噪声环境下的语音识别。     

恶劣天气下基于锚点的多尺度融合车道线检测及优化方法

针对黑夜和大雾天气下车道线检测的问题,在数据预处理阶段采用改进的自适应伽马变换对过暗或漂白的图片进行增强,并利用暗通道先验法对大雾场景下的图像进行数据增强,从而降低干扰. 在特征提取阶段,采用改进的rotation forest block（RFB）网络提取车道线的特征信息,并通过基于锚点的分类方法实现了快速而准确的车道线检测功能.