基于局部SURF与Kalman滤波的多机器人识别与跟踪

针对SURF匹配算法,提出一种局部特征匹配的思想,对场景中多个目标机器人进行识别与跟踪。在静态场景中,利用背景差法检测出场景中所有运动机器人,提取各个机器人的轮廓,通过轮廓获得每个机器人在图像中的区域,对每个小区域提取SURF特征点并与模板图像进行匹配,得到想要跟踪机器人的位置信息,最后通过Kalman滤波对机器人位置进行修正并跟踪。实验证明本算法在不降低匹配的准确性上有效提高了识别与跟踪的效率。     

一种有效的基于共面标定特征点采集方法

提出了一种在传统机器人手眼关系共面标定中采样特征点提取的新方法.采用眼固定结构,利用图像处理和坐标变换分别求得图像坐标系的特征点和相对应的机器人坐标系中的特征点.完善了角点提取算法,提高了图像处理精度,并对最后标定结果的精确性进行了分析.     

一种快速手势识别算法的实现与验证

基于大多数的手势识别算法,需要提取高维度的特征,限制了手势识别在实时系统中的应用。文中针对这种问题,提出一种快速的手势识别算法。首先,在原始图像上提取轮廓块边缘对目标区域进行分割。其次,提取目标区域的形状特征。然后,在数据库中,对每种手势只记录一幅标准的参考图像。最后,通过比较参考图像与待检测图像中的手势特征,来匹配和标记手势的含义。实验结果表明,文中提出的快速算法能够准确地识别手势。     

基于傅立叶描述子的轮胎标识点形状识别

针对人工识别轮胎标识点形状效率低、误差大等问题,提出了一种基于傅里叶描述子的轮胎标识点形状识别算法.首先对采集的轮胎标识点图像进行降噪、分割、轮廓提取等图像预处理操作;然后通过对预处理后的轮胎标识点图像进行傅里叶变换,提取轮胎标识点轮廓的傅里叶描述子系数;最后通过计算待识别轮胎标识点图像的傅里叶描述子系数,与轮胎标识点模板库中图像的傅里叶描述子系数的欧氏距离数值,其中与最小欧氏距离相对应的模板库形状即为待识别轮胎标识点轮廓的近似形状,从而实现轮胎标识点的形状识别.实验选取圆形、方形、菱形以及十字形,四种共计200幅轮胎标识点形状图像,进行标识点形状识别准确率测试.实验结果表明,该算法能准确地识别出轮胎标识点形状,四种轮胎标识点形状的平均识别准确率为97.25％,其中圆形和方形轮胎标识点的形状识别准确率达98％.     

一种自标签特征点异源图像目标检测算法

由于图像成像机理差别较大,现有的算法无法提取可见光与红外异源图像上的共有特征用来匹配,进而无法实现异源图像目标识别. 针对此问题,本文提出了一种基于自标签技术的深度学习特征点提取匹配算法. 算法通过设计一个粗特征检测器并在合成影像上进行训练,使得该特征检测器在不同图像上都具特征提取能力. 利用本文提出的自标签方法将异源图像中共有的特征点进行提取,从而解决了现有算法无法获取异源图像共有特征的问题. 并利用自标签结果进行特征点检测器和描述子的训练,最终通过匹配的特征点实现了异源图像间的实例目标识别. 本文采集了不同场景下的可见光-红外无人机影像作为测试数据. 在异源测试数据集上,选择了6种不同的先进算法与本文算法进行了对比试验. 实验结果表明,该算法较现有的6种先进算法能够提取到更多、更精确的异源图像共有特征,与其他测试算法相比在异源图像测试数据上的平均精度有了明显提升.      

基于双目视觉的工件三维重建

为了提高样品识别的智能化水平,基于双目视觉技术,配合工业机器人,对具有特征轮廓属性的工件进行三维重建.三维重建算法采用轮廓边缘线拟合算法以实现工件边缘轮廓提取;针对多条轮廓线相交情况,采用点圆拟合理论确定特征点;为了实现左右对应特征点的准确匹配,采用异面直线公垂线最小距离算法,通过对比左右公垂线距离大小判断两条直线对应特征点是否为匹配点;当单次拍摄无法满足完整尺寸测量时,引入了具有重叠特征点的二次拍摄重建算法.对5组不同尺寸、不同形貌的工件开展三维重建实验,整体还原出工件的三维尺寸形貌,各工件的主要轮廓尺寸的误差标准差基本在±0.5mm以内.     

液体泡沫中单气泡的图像识别算法

根据泡沫中气泡的特征,提出了一种液体中单气泡的图像识别算法.在垂直光源拍摄位置获取清晰的泡沫图像.对原始泡沫图像进行全局阈值处理和形态学处理过,获得处理后的二值化图像.为了防止轮廓提取产生死循环,提出了一种毛刺去除方法.轮廓提取后,利用Hough变换对每个单连通边缘识别是否为类圆形,对圆心和半径进行投票,对投票结果进行分析,用高斯分布函数来估计投票峰值点.利用本文方法识别到泡沫图像中的所有单气泡.最后,对实现结果进行分析,证明了这种单气泡识别方法效果较理想.     

一种轮廓变化图像小波矩的步态识别

针对计算机视觉中的步态图像提取问题,提出了一种基于行人轮廓变化的人体步态识别方法.对图像序列进行预处理,提取并采样行人轮廓,通过分析基于区域直方图的运动信号来估计2个单步长度,叠加前后帧间的新增轮廓区域和消失轮廓区域,从而构造出2组运动历史图像,并用其表达行人的步态特征,最后采用小波矩不变量提取这2组图像的特征,以作分类和识别之用.经Soton数据库实验表明,所提算法能很好地体现步态的时变信息和空间信息,大大降低了计算维数,所用小波矩的特征向量不仅具有平移、缩放和旋转不变性,而且具有局部性和多分辨率特征,正确识别率可达88.20%.     

基于傅里叶描述子的轮胎标识点形状识别

针对人工识别轮胎标识点形状效率低、误差大等问题,提出了一种基于傅里叶描述子的轮胎标识点形状识别算法。首先对采集的轮胎标识点图像进行降噪、分割、轮廓提取等图像预处理操作;然后通过对预处理后的轮胎标识点图像进行傅里叶变换,提取轮胎标识点轮廓的傅里叶描述子系数;最后通过计算待识别轮胎标识点图像的傅里叶描述子系数,与轮胎标识点模板库中图像的傅里叶描述子系数的欧氏距离数值,其中与最小欧氏距离相对应的模板库形状即为待识别轮胎标识点轮廓的近似形状,从而实现轮胎标识点的形状识别。实验选取圆形、方形、菱形以及十字形,四种共计200幅轮胎标识点形状图像,进行标识点形状识别准确率测试。实验结果表明,该算法能准确地识别出轮胎标识点形状,四种轮胎标识点形状的平均识别准确率为97.25%,其中圆形和方形轮胎标识点的形状识别准确率达98%。     

采用轮廓片段空间关系实现遮挡目标识别

为了实现高比例遮挡情况下的目标识别,提出一种基于轮廓片段空间关系的目标识别算法.首先,在采用轮廓的形状上下文特征进行粗匹配的基础上,对模板图像和待识别图像分别进行图像骨架关键接合点的提取和轮廓形状质心的提取.然后,以图像像素中心点为原点建立坐标系,以图像骨架关键接合点和轮廓片段质心在各自图像建立的坐标系内的位置确定空间关系.最后,制定空间关系参数约束标准,筛选满足空间关系约束准则的目标库图像为最后识别结果.与现有遮挡目标匹配算法相比,该算法可以实现高比例遮挡情况下的目标识别,在目标遮挡比例为60%的情况下,识别率可达到78%.     

无人驾驶车辆基于角点和斑点的特征提取算法

针对运行在计算资源有限的车载嵌入式系统中的视觉里程计算法实时性较差的问题,提出一种基于Harris和SIFT相结合的图像匹配方法——Harris-SIFT算法。在介绍了SIFT算法的基础上,给出了Harris-SIFT算法的原理:使用Harris算法提取图像中的角点作为特征候选点,再利用SIFT算法在Harris的特征候选点中进行特征点提取。通过实例用Matlab软件对算法进行了仿真,并对算法的复杂度及各种性能进行了分析。结果表明,所提出的方法在特征检测模块中降低了算法的运算量、提高了特征点提取速度。Harris-SIFT算法可用于实时视觉里程计系统中,进而可使视觉里程计在车载嵌入式导航系统上得到广泛的应用。     

基于机器视觉的轴承外圈表面图像拼接方法

尽管基于机器视觉的缺陷检测技术已较为成熟,但应用在轴承外圈表面缺陷检测的理论研究还相对较少。应用图像拼接方法,将拍摄到的含有不完整缺陷区域的轴承外圈表面图像拼接为一幅缺陷信息完整的图像,以便后续进行缺陷的识别。在图像拼接过程中,同时采用SURF算法和图像柱面投影原理,还原了图像边缘缺陷区域的真实空间信息。建立Hessian矩阵(基于SURF算法)提取并匹配特征点,运用加权平均融合算法实现对含有缺陷信息的轴承外圈表面图像无缝拼接。经实验分析,结果表明该方法有效还原了轴承的空间几何特性,保留了边缘特征信息,能为图像拼接的准确性及拼接质量提供有效保障。无论从理论还是实践的角度来说,均有研究和探索的必要性。     

基于小生境人工蜂群算法的字符边缘图像提取

利用小生境技术增强算法对局部最优解的辨识能力和集聚能力, 改善人工蜂群算法的局部搜索能力及提高侦查蜂快速搜索全局最优值的特性, 提出一种基于小生境技术的人工蜂群算法, 并应用于提取转向架轮对轴端字符图像的边缘, 改善了字符边缘图像识别运算量大导致的识别速度慢、 识别效果差的缺点. 采用邻域灰度梯度值作为算法的适应度函数值, 利用小生境半径保持种群多样性, 以提高字符局部搜索能力, 最终获得了较高质量的字符图像边缘. 实验测试结果表明, 应用小生境算法后局部字符边缘点数量可增加1.66倍.     

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.     

融合视觉模型和最大熵的阈值分割算法

针对传统二维最大熵阈值分割算法关于二维直方图的区域划分中存在的缺点(即图像的部分目标点和背景点错误划分为边缘点或噪声点,而把部分边缘点和噪声点划分为目标点和背景点)以及搜索最佳阈值向量的时间复杂度较高的缺点,提出了采用视觉模型构造二维直方图,并提出了一种二维直方图的新的区域划分方法,同时还提出了基于视觉模型的二维最大熵阈值分割算法,提出的阈值分割算法降低了计算复杂度的同时还具有很好的分割性能。根据一些图像分割的定量评价标准,做了一系列实验,与几种典型的二维阈值分割算法相比,提出算法的分割效果更好。     

一种机器人导航中数字路标的分割和识别方法

基于路标的移动机器人视觉导航的基础上,提出了一种基于边缘点数量统计和FCM(Fuzzy C-means)聚类的路标图像分割方法。在对分割后图像进行维纳滤波,二值化等预处理的基础上,完成了数字路标的识别。通过实验证明,该算法能实时地完成数字路标的分割和识别,有效地应用于移动机器人的视觉导航。     

Hough变换边缘参数提取算法

研究了一种目标物体边缘参数的提取算法，霍夫变换是图像处理和计算机视觉过程中常用的一种方法，用来在图像中提取目标边缘，文中提出一种新的算法以提高霍夫变换的边缘参数的检测能力，并用迭代中值滤波来完成直线边缘的定位，计算机仿真结果显示这种算法的有效性。     

基于图像外形的多尺度相关性检索算法

采用数学分析的方法比较了图像检索算法中常用的2种坐标系，发现极坐标更加有利于图像的多尺度处理．设计的边缘序列点的插值算法，既保证了2个比较序列的长度相同，叉保留了序列中所有的边缘特征点．根据极坐标下边缘序列点的插值算法和相似轮廓在空间距离上相关性最大的特点，给出了多尺度相关性的检索算法（MSRA），该算法具有对图像尺度变化不敏感，而对图像轮廓变化敏感的特性．通过对自然类图像库和人工类图像库200幅图像的检索，表明该算法的性能高于常用的图像检索算法，与笛卡儿坐标下普通边缘点傅里叶搜索算法（CBPFD）相比，MSRA的搜索识别率在自然类图像库中高于CBPFD的29％，而在人工类图像库中几乎是CBPFD的2．5倍．     

基于层间相关性的小波边缘检测

在计算机视觉系统当中，图像边缘检测占据着重要位置．图像成像过程中，噪声、畸变等因数引起图像细节模糊，如何有效提取图像边缘成为一个不断探索的课题．众所周知，采用Sobel、LapLacian边缘检测算子尽管能够有效地去除噪声的干扰，但是破坏了图像边缘细节．基于此，本文提出了一种基于层间相关性的小波边缘检测．在不同层间，如果低分辨率下的父系数绝对值大，则在高分辨率下四个相应的子系数的绝对值可能性也大，则其所代表地图像边缘信息可能性越大．因此，采用基于层间相关性的小波边缘检测算法既有效地去除噪声的干扰，又保留了图像边缘细节．     

基于PSO-GA-BP神经网络的视觉伺服控制系统

传统的基于图像视觉伺服控制需要计算雅可比矩阵和解雅克比矩阵的逆,其结构复杂、计算量大且系统 的实时性不够理想。基于粒子群遗传算法优化的 BP(Back Propagation)神经网络(PSO-GA-BP: Particle Swarm Optimization-Genetic Algorithm-BP)通过学习图像特征空间到机器人运动空间的映射关系,实现了“眼在手上”的 机器人视觉伺服控制,通过优化 BP 神经网络的权值和阈值,防止了其训练时间长、收敛速度慢等弊端。实验 结果表明,优化后的算法运算效率较高,所设计的控制器能使机器人末端执行器在更短的时间内达到预期位 置,图像特征点运动位置的实际值与期望值平均误差约为 2 个像素,具有良好的收敛速度和控制精度。相关结 论可为机器人视觉伺服控制提供优化依据,提高算法的应用性能。