基于图像矩的机器人视觉伺服

区别于图像的简单几何特征,利用图像的全局特征描述子－图像矩特征作为图像作征信息,推导了矩特征变化量与相对位姿变化量之间的关系矩阵,即图像雅可比矩阵。针对平面视觉伺服控制,利用了所推导的基于矩特征的图像雅可比矩阵,在不需要知道目标的成像高度、摄像机焦距及不需要精确标定的摄像机外部参数的情况下实现了基于图像的视觉伺服控制,最后给出了仿真与实验例子,表明了矩特征的有效     

结合迭代学习控制的视觉伺服物品抓取方法

针对家庭环境中服务机器人的物品抓取问题,以NAO机器人为实验平台,提出了一种结合迭代学习控制的基于位置的视觉伺服抓取算法.结合Bumblebee2双目立体相机构建了视觉伺服系统,对NAO机器人的机械臂进行了运动学建模.针对静止物品和传递过程中运动物品的抓取问题,分别设计了李雅普诺夫渐进稳定的基于位置的视觉伺服(PBVS)抓取控制律,最后为克服机械误差和物品运动预测误差的影响,结合迭代学习控制对PBVS控制律进行了改进,通过迭代实验验证提出的方法能够快速校正系统误差,提高系统响应速度,使机器人能够快速、稳定地完成目标物品的抓取,实现相应的家庭服务.     

基于图像矩和矢量积法的六自由度机械臂视觉伺服控制

针对眼在手上的六自由度机械臂系统,提出一种基于图像的视觉伺服控制.通过图像矩和矢量积法,建立机器人正向、逆向运动学模型,引入雅可比矩阵解决机器人逆运动学解析问题.建立了图像矩特征变化量和笛卡尔空间的关节角速度之间的映射关系即复合雅可比矩阵,由矩特征变化量得到伺服过程中六自由度机器人各关节角速度.保证在图像逼近期望图像时,机械臂末端到达期望位置,并且此时关节角速度将收敛到零.仿真结果表明,计算复合雅可比矩阵的方法可控制机械臂渐近稳定到期望位置.     

基于图像的机器人视觉伺服控制

介绍了基于图像的机器人视觉伺服原理和基本实现方法，详细阐述了图像特征提取和视觉伺服控制器设计中所面临的问题及其解决办法，并展望了未来的发展方向。     

弱标定冗余特征机器人视觉伺服方法研究

为克服机器人视觉伺服系统对标定精度的依赖性,提出一种弱标定条件下基于冗余特征的机器人视觉伺服控制方法.该方法无需3D重构,直接以冗余图像特征作为反馈信息建立伺服控制器.鲁棒的特征提取算法确保了伺服系统能够在复杂的环境快速稳定地提取伺服特征.针对图像视觉伺服系统中需具有足够敏感度的要求,结合视觉特征的前期处理,提出一种新的敏感性校验准则,提高了系统的敏感性以及对环境的适应性.试验分析结果表明,该方法对标定误差和深度估计误差具有鲁棒性.     

球体图像视觉伺服投影距离的非线性观测

球体图像视觉伺服由于不变视觉特征的设计可获得良好的运动解耦特性,但球体特征雅可比矩阵的计算依赖于若干未知三维参数,即被观测目标点的三维投影距离.针对球体图像视觉伺服特征雅可比矩阵未知三维参数的在线估计问题,文中提出了一种结合线性时变系统持续激励引理的投影距离非线性观测算法.首先结合统一投影模型对球体特征运动学进行分析,然后根据持续激励引理设计系统状态的在线更新法则,在已知摄像机运动及目标图像特征的情况下实现对未知三维投影距离的在线观测,并对观测器稳定性进行了分析.试验结果表明,该算法可有效实现对三维投影距离的在线估计,与基于深度观测的间接估计方法相比具有更优的估计精度及观测动态特性,能有效地提高球体图像视觉伺服控制的动态收敛特性.     

基于分块颜色矩和纹理特征的图像检索方法

基于内容的图像检索技术是当今研究的热点领域之一.为了克服全局直方图检索方法不包含颜色的空间分布信息的不足,提出了一种采用固定块图像分割方法提取图像局部颜色矩的图像检索算法.在此基础之上,对检索结果进行基于纹理特征的二次检索.实验表明,圆环形分割块颜色矩算法不仅记录了颜色的空间信息,而且具有旋转、平移不变性的特点.综合利用图像颜色、纹理的检索方法能够大大提高检索结果的准确性.     

基于人工免疫算法的图像直接反馈视觉伺服

提出了一种基于图像直接反馈的平面视觉伺服控制方法,其特点是不需要提取期望图像与反馈图像的图像特征而用人工免疫的智能进化算法直接求解期望图像与反馈图像之间的位置与夹角误差向量,再将此误差信号经视觉控制器转换成机器人空间的位姿增量信号发送给机器人控制器,从而完成视觉伺服闭环控制。与传统的基于图像特征的视觉伺服控制方法相比具有更好的通用性与稳定性。对算法的关键技术、实现步骤及参数选择进行了深入分析,并通过实验验证了所提方法的有效性与稳定性。     

基于图像视觉伺服的移动机器人自主导航实现

提出了一种基于移动机器人双目摄像头的图像视觉伺服方法,实现了基于图像视觉伺服的移动机器人自主导航.当匹配图像特征点时,采取KLT算法和基于Harris算子角点检测与匹配算法相结合的方法,大幅优化了整个工程的运行时间,并结合RANSAC算法剔除误匹配的特征点对,使机器人能够精确地定位.实验结果证明该方法有效、正确.     

一种结合视觉显著性的GrabCut图像分割方法

结合显著区域检测技术和GrabCut算法,提出了一种新的图像分割方法.首先,计算融合中心知识和目标紧致度的多尺度区域对比度,通过Harris特征信息和贝叶斯模型进一步提高显著性,得到更加精确的前景检测模型;然后,对显著图进行分割获得目标的粗略位置,将位置信息用于GrabCut算法初始化,并在GrabCut初始化建模中引入显著值权重;最后,结合形态学运算改进分割的目标.实验结果表明:该方法能够实现自动分割,并且取得了接近甚至优于一些GrabCut方法的结果.     

结合视觉显著图的Seam Carving图像缩放方法

Seam Carving算法在缩放主体区域与背景颜色对比不明显或者视觉主体区域较大的图像时,可能会造成图像视觉主体变形和重要内容缺失的现象.为了改善Seam Carving算法的不足,采用图像梯度图和显著图结合的方法来改进图像的梯度能量图.实验表明,这种方法在缩放图像时比Seam Carving算法更能很好地保持图像重要内容,整体视觉效果较好,图像像素的平均能量值更大,图像缩放质量更好.     

基于图像不变矩特征和BP神经网络的车型分类方法

文中提出了一种基于图像分析的车型分类方法。首先,根据视频序列图像建立路面背景,利用背景差分将图象中的车辆区域分割出来,计算车辆区域的不变矩特征量。为了加快特征的提取,利用Canny算子检测车辆区域的边缘,提取出车辆轮廓,直接计算车辆轮廓的矩不变量作为车型分类的特征量。然后建立具有3层结构的BP神经网络,将不变矩特征量作为神经网络的输入,根据神经网络的输出实现车型的分类。试验证实了该方法的有效性。     

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.     

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。     

基于人工免疫和图像直接反馈的视觉伺服控制

传统的基于图像特征的视觉伺服控制方法通用性差,且图像特征的标记、提取与匹配过程复杂.为此,文中提出了一种基于人工免疫和图像直接反馈的平面视觉伺服控制方法.首先采用人工免疫算法求解期望图像与反馈图像之间的位置与旋转误差,然后将误差信号经视觉控制器转换成机器人空间的位姿增量信号发送给机器人控制器,从而在无需进行图像特征标记与提取的情况下完成视觉伺服闭环控制任务.实验结果表明,采用文中方法能控制机器人准确地跟踪目标物体,控制误差不超过1个像素,说明文中方法是有效和正确的.     

图像辨识性特征的自动学习方法

针对以关键字进行检索分类的图像,首先利用经验设置规则提取初始图像块;对于类中每个备选图像块,寻找所有备选图像块中与其最相似的图像块,并根据梯度方向直方图特征进行聚类,形成特征组;最后,利用图像注册的方式将特征组进行合并,形成商品图像完整的特征。本文以电商图像为例对算法进行了测试,实验结果表明,辨识性特征区域提取的准确率可达70%以上,且与已有方法相比提取特征区域更加完整。     

图像目标的矩特征量的照度不变性

在运动目标识别中,需要提取与目标远近、方位,照度、投影等变化不敏感的特征量。不变矩组对于目标平移、旋转和尺度变化不敏感,因此可以用不变矩组外加一些辅助特征来进行运动目标识别.本文研究了数字图像目标的不变矩组特征量经适当修改后,可以使其对目标平移、旋转和环境中的光照强度不敏感.这是对矩不变理论在模式识别应用中的一个重要补充,文章最后给出了修改前后两组公式的适用范围和实验结果。     

不同预处理方法结合特征的食管癌图像分类

为了探讨不同的预处理方法,结合形状和纹理特征,对新疆哈萨克族食管癌图像的分类效果,通过采用锐化、中值滤波结合锐化和中值滤波结合直方图均衡化三种方法对溃疡型和缩窄型食管癌图像进行预处理;然后提取Hu不变矩形状特征和灰度共生矩阵纹理特征;最后用K最近邻(KNN)分类器分类,以验证预处理方法对图像的功效和特征的分类效率。结果表明:锐化预处理后图像的Hu不变矩、灰度共生矩阵和混合特征分类准确率分别为93. 27%、73. 35%、92. 91%。可见锐化方法能突出图像细节,提高特征的代表性; Hu不变矩形状特征的分类效率优于灰度共生纹理特征的分类效率,锐化滤波结合Hu不变矩形状特征更适合新疆哈萨克族食管癌的分类研究。     

基于复数矩的商标图像检索方法

提出用图像复数矩与其它特征结合进行商标图像检索的方法,并给出了检索算法。实验结果证明,这是一种较好的方法,基本不会出现漏检索。