利用视觉显著性的前景目标分割

针对图像中的前景目标分割问题,提出一种视觉显著性引导的前景目标分割算法.对原始图像进行预处理后分解为互不重叠的超像素区域.将这些区域构成一个无向图,相邻两个区域间存在边,通过计算相邻区域间的特征差异得到边的权值.提取图像边缘的超像素区域作为背景区域,利用无向图计算各超像素区域相对于背景区域的视觉显著性,得到初始显著图.对初始显著图进行改进和优化,根据视觉显著性计算结果采用自适应阈值进行前景目标分割.在公开的图像数据集MASR-1000、ECSSD、Pascal-S和SOD上进行实验验证,并和目前流行的算法进行对比.结果表明,本研究算法在查准率、召回率、平均绝对误差及F-Measure等方面优于目前流行的几种算法,用于图像和视频的前景目标检测与分割是正确有效的.     

基于超像素空间关系特征的无人机影像拦河坝提取

针对目前无人机影像提取内河目标存在的人工解译依赖高等问题,提出一种基于超像素空间关系特征的内河设施提取算法.首先,采用简单线性迭代聚类(SLIC)算法分割无人机影像生成超像素;其次,对分割得到的超像素区域进行颜色及纹理特征计算,基于支持向量机(SVM)实现水陆分割;最后,基于空间关系特征实现拦河坝的自动提取.实验结果表明,该方法能够有效提取无人机影像中的拦河坝区域,对内河航运发展和航道设施监测具有一定的应用价值.     

基于视觉注意机制的眼底图像视盘快速定位与分割

视盘定位与分割对利用眼底图像进行眼科计算机辅助诊断十分重要。视觉注意机制模拟人类视觉系统从而能在复杂场景中快速定位目标。利用视盘在眼底图像中视觉显著度高这一特性,提出基于视觉注意模型实现视盘的快速定位并分割的算法。算法首先对不同眼底图像进行归一化,接着采用高斯金字塔提取图像不同尺度的颜色、亮度和方向特征图(feature map),进一步整合得到显著性图(saliency map),在显著性图中提取FOA(focus of attention)从而定位视盘。接着在视盘定位区域采用统计排序滤波器(rank-filter)抹除血管,在极坐标中采用亚像素提取图像边缘,实现视盘分割。采用国际Messidor数据库来验证算法的性能,定位精度为95%,运行时长为0.213 s,与其他算法相比,算法具有准确性高和实用性强等特点,具有良好的应用潜力。     

基于边缘信息结合空间权重的图像显著性检测算法研究

针对当前显著性检测算法普遍存在的背景噪声较多,目标区域检测不够完整等问题,提出了一种空间域的显著性算法.首先将输入图像进行超像素分割,以边缘信息作为背景先验区域集,通过计算超像素与背景先验区域集内超像素在颜色、亮度方面的差异,得到背景差异显著图;然后确定前景先验区域集,计算各超像素与前景先验区域集内超像素的差异性,得到前景差异显著图.最后融合两部分显著图;最后在此基础上构建视觉中心,围绕视觉中心确定各超像素空间权重信息,得到最终显著图.采用MSRA-1000数据库进行对照实验,结果表明本文算法的准确性更高,整体效果更好.     

基于视觉中心及超像素空间加权的图像显著性检测

针对现有显著性检测方法得到的显著区域不完整以及存在背景干扰的问题,提出一种空间域的图像显著性检测方法.首先将输入图像进行超像素分割,然后利用超像素图像的颜色和亮度信息获得差值显著图以及视觉中心,依据超像素种子点与视觉中心的位置关系获得空间权重,最后将各超像素块的显著值与其视觉空间权重相结合计算,以此得到最终的视觉显著图.与现有算法相比,方法既能得到精确的显著区域,保留边缘细节信息,又能有效地去除背景干扰,提高了检测精确度.     

基于超像素融合算法的显著区域检测

针对目前流行的显著性检测算法不能精确反映显著性信息的问题,提出一种基于超像素融合方法的显著性检测算法. 首先对图像进行超像素分割,在保证高质量的图像目标边缘信息前提下,建立以超像素为节点的图模型;然后计算超像素邻接矩阵,将该图模型转化为最小生成树模型. 通过OTSU算法自适应地确定最佳阈值,根据该阈值将最小生成树模型的部分节点进行融合,获得大超像素分割区域;最后利用大超像素的颜色和相互距离信息,获得高质量的显著性图. 实验结果表明,相对于其他检测方法,该算法可以更有效地检测出图像中的显著目标,并能达到接近分割的效果.      

基于视觉目标跟踪的侦察机器人导航方法

针对未知环境下侦察机器人的自主导航问题,提出了一种基于视觉目标跟踪的侦察机器人导航方法.首先利用二进制鲁棒独立元素特征(BRIEF)提取方法来检测和描述待跟踪视觉目标的局部不变特征点,在快速的特征匹配计算基础上提出由粗到精的目标定位两步法实现机器人导航过程中视觉目标的实时准确跟踪.其次对基于视觉目标跟踪的自主导航任务进行行为分解和实现,在行为中集成视觉目标跟踪算法.最后利用基于宏行为的机器人事务执行机制实现移向视觉目标的自主导航控制.实验结果表明,提出的方法能够使侦察机器人实时准确地跟踪视觉引导目标,在复杂障碍物环境下可靠地完成移向目标的自主导航任务.     

基于序贯相似度的AGV图像配准方法

在视觉引导AGV技术中,符号识别是关键。为实现AGV对地面符号快速、准确的识别,当AGV视觉系统获得的地面符号图像时,首先利用统计特征区域的黑点数来筛选模板,然后采用基于模板匹配的图像配准算法对筛选后的模板进行匹配,完成识别。经过仿真实验证明,该算法的匹配率普遍达到90%以上,基本满足了AGV模板识别、定位的需要,并且计算量较小、计算时间较短。     

基于序贯相似度的AGV图像配准算法

在视觉引导AGV技术中,符号识别是关键。为实现AGV对地面符号快速、准确的识别,当AGV视觉系统获得的地面符号图像时,首先利用统计特征区域的黑点数来筛选模板,然后采用基于模板匹配的图像配准算法对筛选后的模板进行匹配,完成识别。经过仿真实验证明,该算法的匹配率普遍达到90%以上,基本满足了AGV模板识别、定位的需要,并且计算量较小、计算时间较短。     

基于作物行特征的小型农业AGV导航基准线提取方法

针对基于视觉导航的农业机器人在导航基准线提取过程中易受杂草、缺苗干扰的问题,提出一种在玉米3～5叶期大田环境下快速、准确提取玉米行中心线作为小型农业AGV导航基准线的方法.采用超绿色灰度法以及Otsu法实现作物信息的实时获取;利用条形框模拟作物行长度、像素、走向特点,实现作物行位置初步定位,通过梯形模拟作物行在图像中呈现的上窄下宽的形状特征,实现作物行位置的最终定位;利用Hough变换统计特性实现作物行直线检测,并将当前帧导航基准线与上一帧导航基准线做夹角偏差对比(第一帧图像不做对比),偏差超出一定范围则继承上一帧导航基准线.试验数据表明,处理一帧640×480像素的图像平均耗时78 ms,导航基准线的提取准确率在94%左右.     

移动机器人级联超像素行人目标分割算法

针对移动机器人视觉应用中,复杂室内外环境下行人目标提取因背景干扰而导致主体轮廓失真的问题,提出一种基于超像素的级联式行人目标分割算法。利用超像素对目标边缘轮廓的吸附特性,第一级超像素在获取全局超像素区块的基础上,结合行人显著区域检测,计算第二级超像素区块的平均颜色距离和中心点空间位置距离相关度,从而获取行人目标轮廓的分割结果。仿真结果表明,该算法精确度与召回率统计平均为0.98,高于当下流行的其他显著目标分割算法,对行人目标检测分割性能具有良好效果,为行人目标跟踪等应用提供必要的预处理基础。     

北斗导航技术在物流自动化仓库定位中的应用研究

传统物流自动化仓库定位方法无法同时满足高定位精度和低计算量的要求,为此,提出一种新的基于北斗导航技术的物流自动化仓库定位方法。分析北斗卫星导航系统,依据分析结果对物流自动化仓库与客户需求点位置进行定位,观看到4颗卫星时获取基本定位结果;依据基本定位结果将物流自动化仓库定位问题转变成线性规划问题,构建物流自动化仓库定位目标函数,利用贪婪启发式法得到目标函数的初始解,通过禁忌搜索法对目标函数进行最终求解,获取物流自动化仓库最终的定位结果。实验结果表明,与传统方法相比,所提方法计算量低,定位精度高,整体费用低,得到最优仓库定位结果。     

多标声学组合定位导航方法

为解决超短基线在远距离处定位导航绝对精度差的问题,提出一种长/超短基线组合声学定位导航方法.运用最小均方误差准则,对长基线和超短基线的定位结果进行信息融合.理论推导和仿真试验均表明:该方法提高了定位导航精度,扩大了作用区域,其性能优于长基线定位导航系统.     

基于GBAS系统的双座电动飞机导航定位可视化仿真

为了分析双座电动飞机基于GBAS系统在空间领域环境中的运行情况,以双座电动飞机模型为基础,设计并建立了基于三维可视化仿真FlightGear平台来模拟GBAS系统的运行引导效果。通过对导航数据分析处理,仿真了可见星和运行轨道的情况。针对传统的最小二乘伪距定位方法和载波相位平滑伪距算法的定位精度、可靠性都不能满足双座电动飞机定位着陆需求的问题,采用了增强算法卡尔曼滤波平滑伪距算法,对增强算法进行了仿真。采用FlightGear与MATLAB联合仿真,可以更直观的看出GBAS导航数据对双座电动飞机的引导效果,从而验证了双座电动飞机在终端区的导航定位着陆可以通过GBAS系统结合增强算法来引导。定位的水平平均误差和垂直平均误差都减小到 1 m 以内。     

基于人工标志的视觉/SINS组合导航算法研究

本文针对航天器地面中性浮力实验的实验体导航问题,研究利用计算机视觉和捷联惯性导航系统（SINS）进行实验体组合导航的算法：首先对视觉导航与SINS的优缺点及其组合导航的优势互补进行了分析,提出其组合方式;然后建立了组合导航系统量测方程;最后利用卡尔曼滤波方法,实现了视觉导航图像信息与捷联惯导系统的信息融合。仿真结果表明,提出的组合导航方法提高了导航精度,具有一定的应用参考价值。     

基于准RTK的GBAS机载定位精度性能研究

摘要：地基增强系统(ground-based augmentation systems,GBAS)中机载导航定位精度和精度可靠性关系到飞机和人员的生命财产安全。因此,提出了在GBAS中使用以准载波相位差分技术（Real - time kinematic,RTK）为差分方式减小潜在误差影响的方法。RTK利用了参考站和移动站之间观测误差的空间相关性,通过差分的方式消除了移动站观测数据中的大部分误差,与传统的差分方式相比,RTK具有更大的技术优势。通过实验验证和数据仿真结果表明：该方案的单频准RTK可实现分米级甚至厘米的高精度定位,能够为飞机的进近提供精密和稳定的导航数据,同时为机场实现GBAS CAT II/III类精密进近服务起到积极地促进作用。     

一种自主空中加油视觉导航图像处理方法

针对自主空中加油近距导航问题,提出了一种锥套检测和跟踪的视觉导航图像处理方法.对于锥套检测,首先利用阈值法和数学形态学方法消除图像干扰,然后提取所有的轮廓并对轮廓进行检查,最后匹配得到目标锥套轮廓.对于锥套跟踪,以上一帧图像的定位结果作为先验信息来确定当前帧图像的可能范围,然后采用上述锥套检测方法进行处理.最后,以一架微型六旋翼飞行器作为受油机,利用自主空中加油试验台获取的真实飞行图像,对所提出的视觉导航图像处理方法进行了验证.试验结果表明:所提出的视觉导航图像处理方法具有较高的实时性及可靠性,能够满足自主空中加油的要求.     

高铁轮毂表面缺陷的视觉显著性超像素图像检测方法

针对高铁轮毂表面缺陷实时在线检测问题,提出一种基于视觉显著性注意机制的超像素自适应检测方法。首先采用同态滤波器对缺陷图像进行预处理,去除环境光污染噪声引起的图像亮度分布不均匀问题,构建轮毂表面缺陷图像的谱残差视觉注意模型,之后采用超像素分割算法对缺陷显著性图像进行自适应阈值分割,标记出高铁轮毂表面缺陷的二维空间位置,实现轮毂表面缺陷的边界检测和形态估计。本文方法在高铁轮毂表面缺陷检测实验平台上进行了实验验证,结果表明：该方法能够有效抑制图像分割中的过分割问题,对缺陷的边界信息提取准确,鲁棒性较好。