基于OV7725单目摄像头的激光测距系统

设计了一种由红外激光器和数字单目摄像头组成的非接触测距系统。该系统利用激光三角法对单目摄像头采集到的激光光斑图像进行位置信息处理,从而得到目标物离摄像头的距离信息。实验结果表明,该测距系统测量范围为2~100 cm,能对目标物离摄像头的距离及其大小进行准确测量,测量精度达到了毫米级。     

基于人类行为下的多目标跟踪视觉时序注意控制算法研究(英文)

由于移动式机器人所携带的传感器资源有限,能够在时间维度上共享传感器资源,实现多目标跟踪,是智能化机器人重要的研究领域之一.本文提出了一个基于人类行为模型的时序注意控制算法,能够实现使用单个2自由度摄像头实时监控多个自由移动的目标物体.该算法基于以下三个控制原则:①最小化监控目标位置预测的不确定性以及各个目标物预测效果的差异;②最小化多目标跟踪过程中摄像头切换视角所需的能量消耗;③最大化能够呈现在摄像头视觉范围内的目标物体的个数.算法根据当前检测到目标信息,通过卡尔曼滤波,预测目标物的运动规律,选择下一时刻摄像头的最佳注意视角.该算法通过matlab仿真以及在移动式机器人实体上进行了实验验证,结果显示,该算法能够在时间顺序有效的共享单个摄像头资源,检测摄像头视角范围内的目标的位置,并根据上一个时间点的检测信息预测视角范围外的目标,实现跟踪多个目标物体,降低预测及跟踪的误差,并优化跟踪过程中切换摄像头视角的能量损耗.     

基于改进TLD的自动目标跟踪方法

视觉跟踪一直是机器视觉研究热点,TLD（tracking-learning-detection）算法是近年来出现的一种高效的视觉跟踪算法,针对TLD算法中Lucas-Kanade（LK）光流法无法有效跟踪物体快速移动和尺度变化的问题,采用金字塔光流法对TLD算法进行改进。并将所跟踪物体形心作为图像定位参考点,提取物体定位信息,通过定位信息运用比例-积分-微分（proportion-integral-derivative,PID）控制算法控制摄像头舵机云台转向,使摄像头快速、灵活、精确地自动跟踪指定物体。通过系统测试,与传统TLD算法对比,采用金字塔光流法改进的TLD目标跟踪算法在跟踪目标发生光照变化、尺度变化等情况时,具有更加优良的跟踪性能,准确将跟踪目标形心位置提供给控制部分,控制算法高效灵活,在获取信息后精确、快速地控制摄像头方位,使其正对跟踪目标。该系统对目标跟踪技术、安防技术、自动瞄准系统具有重大意义。     

基于单目运动摄像机的三维物体运动参数估计

针对单目视觉监测系统摄像机和目标物体同时运动时,如何有效测量物体三维运动参数的难题,提出一种基于单目序列图像对插入虚拟视点的算法确定运动物体位姿及运动参数的方法。动摄像机连续采集运动物体的图像序列,根据摄影几何原理对摄像机和运动物体进行分析,结合本质矩阵的特性,估算空间物体运动参数。实验结果表明,该方法能够在为摄像机与目标物体同时运动的情况下,有效地估测出物体三维运动参数,且该方法简单有效,具有较高的精确度和准确性。     

基于OpenMV的目标跟踪系统设计

为解决传统目标跟踪系统存在的结构复杂、资源利用率低等问题,提出一种基于嵌入式摄像头OpenMV的目标跟踪系统设计方案.在摄像头采集到图像信息并进行图像预处理后,判别出需要跟踪的运动目标以及其形心像素坐标,并在图像中进行标定.依据得到的连续的形心坐标,结合图像捕捉帧率,采用线性拟合的方式对运动目标下一帧的位置进行预测,并运用PID算法控制云台系统跟踪此预测坐标.系统加入对运动目标运动轨迹的判别算法,有效提高了系统的抗干扰能力.试验结果表明此系统可以准确预测并跟踪运动目标的位置,当画面中突然闯入相同干扰目标时,系统仍可以正确跟踪运动目标,具有较强的鲁棒性.     

基于深度学习的无人机单目视觉避障算法

针对基于单目视觉的无人机(UAV)避障问题,本研究提出基于单目深度估计和目标检测的四旋翼自主避障方法。其中,单目深度估计模型提供障碍物像素级别的深度信息,目标检测模型提供障碍物的位置信息。单张红绿蓝(RGB)图像的深度图和目标检测结果由卷积神经网络(CNN)获得;图像的区域划分以目标检测结果为依据,区域深度以深度估计结果为计算依据;规划算法依据区域深度和区域划分结果计算无人机的线速度和角速度,实现无人机的自主避障。为验证算法的自主避障性能,采用Parrot Bebop2无人机对本研究提出的算法与直飞算法进行实飞对比实验。结果表明:本研究提出的算法可用于四旋翼无人机的低速自主避障。     

基于单目视觉测距的测高测面积方法

利用单目摄像头所建立的三维测距模型,提出了一种地面上任意物体实际高度测量的计算方法。同时为了克服双目视觉对应点匹配和面积计算所利用的像素当量产生的误差,提出了一种更精确的目标实际面积测量方法。首先,利用三维几何测距模型,推算得出地面上任意一点到摄像头的距离计算公式,并根据透射点几何转换得到一种地面上物体高度的测量方法。其次,依据成像模型,与特定选取的世界坐标系、摄像机坐标系、图像坐标系三者之间的关系,推算出一种新的测量目标实际面积的方法。最后通过实验对误差进行了分析,提出了误差来源与相应的解决思路,证实了该方法的有效性。     

类人眼双目机器视觉实验平台

构建了一个两摄像头光轴角度可变的双目机器视觉实验平台.该平台在进行物体的跟踪、测距时,可进行变焦操作,实现了对大范围运动物体的监控、监测.论文给出了涉及的三个关键技术,被测物体的图像匹配,目标的跟踪和物体距离的测量方法.     

基于STM32的图像跟踪系统

本文介绍了一种基于STM32单片机的图像跟踪系统及其实现过程,该系统包括一个二自由度云台、数字摄像头、STM32控制板.作为系统核心的单片机STM32将摄像头采集的图像送至LCD显示,并分析获取的图像数据,计算出目标物体的坐标、大小,控制云台转动,使目标处于摄像头视野中央.整个系统结构简单,解决了单片机在图像识别上内存不足、速度慢的问题,以较低的成本和功耗实现慢速运动物体的跟踪.     

基于序列图像的无人机进近着陆跑道识别与跟踪研究

跑道的准确识别与跟踪,是基于视觉的无人机自主着陆的重要条件.利用单目视觉获取进近着陆过程中实时跑道序列图像,经过Canny边缘检测算法和基于梯度方向的Hough变换处理,将同一跑道上的2条边缘线识别出来,并进行实时跟踪.最后利用大量真实的室外道路模拟跑道图像,以DM642为核心处理器设计视觉处理系统,结合固定翼无人机进近阶段着陆飞行特点,对设计的相关算法及视觉系统进行验证.结果表明所设计方法可以在进近着陆阶段准确提取跑道目标,并能够满足无人机着陆实时性要求.     

四旋翼无人机单目视觉自主着陆系统研究

以基于计算机视觉技术实现四旋翼无人机自主着陆为目标,采用Pixhawk开源飞控和mavros技术,设计黑白相间的正方形分级嵌套地标,然后通过单目摄像头采集图像数据输入机载图像处理上位机NVIDIA TX2中进行图像处理,并结合OpenCV函数库功能完成地标检测识别,最终实现四旋翼无人机位姿解算与自主着陆.     

基于随机采样一致改进算法的单目视觉里程计研究

运用SIFT算法对单目所采集的室外视频图像的相邻两帧进行了特征点的检测与匹配。采用改进的RANSAC算法对所匹配点进行了误匹配点剔除。根据相邻两帧图像特征点的跟踪以及里程计读数作为辅助信息,求解特征点的三维坐标;进而根据视觉里程计模型,达到机器人的定位。实验结果表明,该方法相比传统的里程计定位精度高,比之双目激光等定位方法,又有成本廉价的优点。     

基于RANSAC改进算法的单目视觉里程计研究

运用SIFT算法对单目所采集的室外视频图像的相邻两帧进行了特征点的检测与匹配.采用改进的RANSAC算法对所匹配点进行了误匹配点剔除.根据相邻两帧图像特征点的跟踪以及里程计读数作为辅助信息,求解特征点的三维坐标;进而根据视觉里程计模型,达到机器人的定位.实验结果表明,该方法相比传统的里程计定位精度高,比之双目激光等定位方法,又有成本廉价的优点.     

基于Snake算法的深度图像人体目标跟踪

基于彩色图像的人体跟踪算法鲁棒性不高的主要原因是对目标进行跟踪时,受到光照变化、复杂背景、物体遮挡等因素的影响.针对此问题本文利用Kinect采集深度图像进行人体目标跟踪.首先在深度图像中通过用户索引检测出人体目标,可方便地去除图像中复杂背景的干扰.然后利用基于角点的自动初始化方法得到人体的轮廓信息,再结合Snake算法实现人体目标跟踪.最后将该算法与基于深度图像的Camshift算法进行对比分析.结果表明,在室内应用Snake算法不受灯光和复杂背景等因素的影响,能对人体目标进行实时跟踪,且比Camshift算法具有更强的抗干扰能力,跟踪更准确.     

基于双目立体视觉系统的测量研究

为了实现摄像机与目标物体之间距离的信息,由双目测量原理,采取结合OpenCV与Matlab的方式,设计出一套关于双目测距的立体视觉系统;系统首先对双目摄像机的内外参数进行标定,从黑白格组成的标定板中获得角点信息,使用亚像素角点检测法对角点坐标信息进行更精确检测,在黑白格组成的标定板分别距离双目摄像机300、400、500、600、700mm处获取不同位置的标定图像,经过张正友标定法最终可以得到双目摄像机所需内外参数;其次通过BM(Block Matching)立体匹配算法在VS2017坏境与opencv3.4.7库配合下完成了摄像机的立体校正、立体匹配进而得到视差图;最后在实验中使用了双目摄像头,并编写了代码通过鼠标点击所得到的视差图获取对应的世界坐标来实现物距的测量;实验结果表明:被测物距离摄像头光心500~700mm这一范围时,实测距离和实际距离相对误差百分比在0.171% ~0.192%之间,且实测距离在2 950mm内实验误差小于5%满足实验精度要求。     

基于单目序列图像的运动目标跟踪

对于视频监控图像中运动目标位置的检测,现有的定位跟踪系统主要采用双目或结构光立体视觉技术,存在系统设计复杂、检测速度慢等缺点.有鉴于此,文中将地面约束引入到单目视觉监控中,提出了一种单目序列图像运动目标跟踪方法.该方法利用摄像机安装信息和几何成像原理,结合非线性补偿,推导出单目不对称非线性成像的地面运动目标实际位置计算公式.通过搭建室内监控测试平台,在序列图像中进行了寻找步行者足印位置的实验,结果验证了文中方法的有效性.     

基于多路图像融合的目标跟踪系统设计

针对传统视频监控在区域面积较大的场所具有目标跟踪范围有限、小目标特征不全、数据存储浪费、信息检索复杂等问题,提出基于多路图像融合的目标跟踪系统的设计方案及相关算法。根据现有智能视频分析技术,提出基于双重机制的目标检测算法以提高目标检测效率和准确度,设计单摄像头目标跟踪与特征放大并行方案解决目标跟踪不流畅及目标特征不全的问题,提出多摄像头协同跟踪与视频图像融合算法解决大范围连续跟踪问题。实验测试表明,系统能较好地在摄像头之间连续跟踪目标,并将各摄像头获取的目标关键数据进行有效融合,数据存储量小,能满足无人值守时监测需要,具有一定的实用性和可推广性。     

一种基于深度计算的图像增强现实系统实现

为解决在低能见度条件下由于景物无法辨识而无法进行增强现实的问题,以及在增强现实中虚拟物体与真实物体之间的深度一致性问题,研究了增强现实技术原理,给出了低能见度条件下增强现实方案,并设计了一个基于深度计算的图像增强现实系统.该系统可利用双目摄像机实时采集目标图像,并利用校正标定后得到的视差图像,采用半局部匹配方法(SGBM)算法和深度计算实现虚拟物体的跟踪配准.在不同环境下的实验表明,该系统具有良好的实时性、光不变性和深度一致性.     

基于深度学习的白光-热成像双通道图像识别系统设计

为解决无人机图像自动识别系统对大视场角下小目标的识别准确率及实时性问题,利用深度学习卷积神经网络对热成像-白光联合图像进行目标识别。设计了一种针对具有温度特征的目标物识别系统以及双通道目标候选提名图像识别算法。充分利用热成像图中目标热源特征的HSV值,将目标物从热成像图中进行筛选、分割。通过Canny算子勾勒目标物轮廓,并标记出目标物大致区域,导入白光图像提取含有目标物的有效图像信息。利用YOLO V2算法对候选图像内目标物进行识别。通过实验表明,提出的双通道目标候选提名图像识别算法具有可行性与实用性,能够在大视场环境下对小目标进行精准快速识别,满足无人机机载系统简易、实时和准确性要求。     

基于共面标记点的AR跟踪系统

该文讨论基于视觉的、用于AR系统的动态目标实时跟踪系统设计．通过两个摄像头实时跟踪安装在动态目标上的人工标识物，通过图像处理和立体视觉理论获取被跟踪目标物体在空间中的姿态．在跟踪算法中采用了卡尔曼滤波器预测跟踪窗口的运动轨迹，同时利用MPI技术在两台普通性能的计算机上并行执行目标跟踪的程序，实现了低成本的动态跟踪功能．