基于鲁棒信息滤波器的图像雅可比矩阵在线估计

针对现有的图像雅可比矩阵无标定求解方法,分析了基于Kalman滤波、模糊自适应Kalman滤波和粒子滤波的图像雅可比矩阵在线估计的优缺点。为了进一步提高未知环境下的系统估计精度,选择基于滤波理论的估计框架,对系统模型进行调整,用鲁棒信息滤波器在线估计图像雅可比矩阵,该滤波算法对任意分布的有界噪声都具有较强的鲁棒性。仿真和实验结果表明,在未知系统噪声的情况下,该算法仍可以实现图像雅可比矩阵的精确估计。     

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     

基于粒子滤波的雅可比矩阵在线估计技术

研究基于图像的机器人视觉伺服技术中雅可比矩阵的在线估计方法.以雅可比矩阵的元素构成系统状态向量,将问题转化为对系统的状态估计问题.引入非线性非高斯系统的粒子滤波算法,在该算法的框架下在线估计图像雅可比矩阵.以非高斯环境下二自由度机械手跟踪运动目标这一应用背景为例,分别对新提出方法与已有基于Kalman滤波的估计方法进行了实验比较.结果证明,前者具有更高的估计精度和更强的鲁棒性,基于粒子滤波的方法不仅可以避免系统标定,而且对系统噪声的类型没有具体要求.     

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。     

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.     

未知雅可比建模的机器人视觉伺服自抗扰控制方法

针对系统标定和雅可比在线求解难问题,引入非线性状态反馈,研究一种基于自抗扰控制器(ADRC)的机器人视觉伺服控制算法.利用无模型理论和非线性自抗扰技术建立机器人"视觉-运动"空间映射,进而设计不依赖雅可比建模的视觉反馈控制器,其中采用跟踪微分器(TD)跟踪视觉空间期望特征;利用扩展状态观测器(ESO)实现未建模雅可比反...     

视觉伺服分类及其动态过程

对视觉伺服进行了综述性的介绍,系统地介绍了机器人视觉伺服控制的发展历史以及现状·从控制模型给出了视觉伺服控制系统的分类·针对两种最基本的分类方式基于位置的视觉伺服和基于图像的视觉伺服进行了重点介绍·对于视觉系统和图像特征的选取问题进行了讨论,此外还对视觉伺服系统的动态过程进行了分析,指出视觉系统的延时是目前伺服控制的研究所面临的最大问题·对未来视觉伺服研究的方向进行了总结·     

采用SVR-雅可比估计器的焊接机器人视觉导引

为实现基于视觉的6-DOF机器人智能焊接过程的自动导引,提出了一种无标定视觉伺服控制模型.该模型采用多个支持向量回归(SVR)机进行图像雅可比矩阵估计,建立了图像特征和机器人关节角的非线性映射关系,能够在无标定条件下进行焊接机器人视觉导引的伺服控制.文中给出了采用高斯核函数的图像雅可比矩阵估算表达式,并在计算机控制下对SVR-雅可比估计器进行自动训练后,分别对EIH“手眼”和ETH“眼看手”两种摄像机配置方式的焊接机器人进行视觉定位导引试验.试验结果表明,采用SVR-雅可比估计器的焊接机器人视觉导引能够较准确地定位在期望目标,与传统的Broyden-估计器相比有更好的动态响应质量.     

微装配机器人无标定视觉伺服

为获得高效的微装配机器人系统性能,避免复杂的摄像机标定,提出了一种基于图像雅可比模型辨识的微装配机器人无标定视觉伺服结构和控制算法;设计了视觉伺服控制律;成功进行了微操作手二维平面定点、直线轨迹跟踪、圆周轨迹跟踪和三维涂胶运动实验,实验结果表明:提出的系统结构和控制算法具有良好的实际效果.     

基于图像分割的噪声方差估计

提出一种基于图像分割的噪声方差两步估计算法。第一步,对含有噪声的图像进行平滑,再利用统计区域归并算法对图像进行分割,并计算每个区域的方差,根据统计规律选择适当的区域估计图像中噪声方差。第二步,利用初始估计的方差,修正平滑滤波、图像分割及噪声估计的参数,进行新一轮的平滑、分割和方差估计,得出更为准确的估计结果。在大量图像和不同噪声情况下的实验结果表明,该算法可以快速、准确地估计图像中噪声方差。     

一种基于鲁棒估计的自适应图像平滑方法

基于鲁棒统计理论,提出一种新的保持图像边缘的图像平滑算法.将图像滤波与平滑转化为一个分段常数模型的鲁棒估计问题.并由此导出基于分段常数模型的尺度自适应鲁棒滤波器.为了自动确定鲁棒滤波器的最优尺度参数,使用直方图分析,结合非参数统计的方法来确定各点的鲁棒尺度参数.该算法可以在平滑图像的同时,保持原始图像中的边缘结构.实验表明,该算法平滑图像的效果,明显优于固定尺度的平滑算法.     

基于MWS的网上图像处理实验室的开发

以Matlab WebServer为基础，介绍了Matlab网络应用开发原理，详细探讨了利用Matlab强大计算能力和Internet网络传输能力实现虚拟图像处理实验室的方法，并对虚拟图像处理实验室的关键技术及特点进行了分析和阐述。实验表明：该虚拟图像处理实验室可以进行几乎所有的图像处理的演示和实验。     

基于米勒矩阵的水下成像技术

探究在浑浊介质中利用物体的米勒矩阵进行目标识别的技术。米勒矩阵的16个矩阵元可以完整的描述物体的偏振信息,基于各物体不同的偏振特性,不同物体有不同的米勒矩阵。可以以物体退偏特性因子或其中一米勒矩阵元作为灰度值得到一幅图像,利用图像的均值、标准差、信息熵和方差对图像进行评价。实验结果表明这种方法能够较大提高成像质量。     

基于多尺度特征提取的单目图像深度估计

在目前基于深度学习的单目图像深度估计方法中,由于网络提取特征不够充分、边缘信息丢失从而导致深度图整体精度不足。因此提出了一种基于多尺度特征提取的单目图像深度估计方法。该方法首先使用Res2Net101作为编码器,通过在单个残差块中进行通道分组,使用阶梯型卷积方式来提取更细粒度的多尺度特征,加强特征提取能力;其次使用高通滤波器提取图像中的物体边缘来保留边缘信息;最后引入结构相似性损失函数,使得网络在训练过程中更加关注图像局部区域,提高网络的特征提取能力。在NYU Depth V2室内场景深度数据集上对本文方法进行验证,实验结果表明所提方法是有效的,提升了深度图的整体精度,其均方根误差(RMSE)达到0.508,并且在阈值为1.25时的准确率达到0.875。     

基于序列图像时间稳定性特征的背景估计技术

针对背景的缓变特性和实时图像处理的需求,该文提出了一种基于序列图像时间稳定性特征的背景估计技术。采用一个时间矩阵来监视序列图像的稳定性特征,利用背景在时间上的缓变特性来实现对背景的提取和更新。结果表明:该方法具有简单有效、实时性能好、内存消耗少、背景提取速度快等特点,并对突变背景具有自动感知能力;时间矩阵对于运动目标的分布和轨迹分析也具有参考价值;该方法特别适合静止摄像机的背景估计,在背景配准后也适用于移动摄像机的背景估计。     

基于以太网的网络控制系统在线时延估计研究

为了解决基于以太网的网络控制系统中数据传输时延给控制品质带来不良影响的问题,从融合控制技术与网络通信技术的角度出发,提出了一种新的控制方案,即运用在线时延估计方法来估计出网络控制回路中的时延特性．在此基础上,结合以太网优先级技术,采用LQG控制算法对网络控制系统进行最优控制设计,并通过实验仿真结果证明了上述方案的有效性．     

基于改进Smith预估器的显微视觉伺服

提出了一种改进Smith预估器的模糊白适应PID显微视觉伺服控制策略.该策略用于改善视觉伺服系统的控制品质.针对视觉迟延问题,建立了视觉伺服系统的分时模型.在对基于位置的动态“look and move”视觉伺服系统特性分析的基础上,建立了基于改进的Smith预估器的模糊自适应PID控制的视觉伺服系统结构.在微操作机器人平台上进行了微小零件的自动定位与抓取实验.实验与仿真结果表明,提出的视觉控制结构的伺服系统具有很好的控制品质,满足微操作应用要求.     

一种基于稀疏矩阵的高效图像压缩算法

针对稀疏矩阵图像提出了一种低复杂度智能无损压缩算法.首先通过图像分块,采用列坐标和标志位相结合表示非常规像素位置;然后基于图像特性分析,得出非常规像素列坐标相对值的概率分布,从而根据非常规像素位置分布的连续性,对其相对列坐标提出一种基于Rice编码的智能码字分配方法.并且,针对非常规像素灰度值分布的连续性,引入预测的方式去除统计相关,对预测冗余采用简单有效的Golomb编码.实验结果表明,该算法压缩效率高,且结构简单,易于硬件实现.