基于单目视觉的移动机器人伺服镇定控制

针对轮式移动机器人的单目视觉伺服镇定问题,在深度信息、机器人坐标系与摄像机坐标系间平移参量未知、摄像头光轴具有固定倾角的情况下,建立了移动机器人在摄像机坐标系下的运动模型.针对该模型提出了一种基于平面单应矩阵分解的鲁棒自适应控制方法,保证了误差的全局指数收敛.仿真和实验结果表明:所设计的控制器可以保证移动机器人指数收敛到期望的位姿,同时所设计的鲁棒自适应控制器对参数不确定性具有一定的鲁棒性.     

智能三坐标视觉测量在线标定

利用三坐标测量机能够精准平移的优势,采取单摄像机进行双目视觉测量。实验分析采用张正友标定法,在MATLAB实验环境下对内外参数进行计算和标定,给出实验结果并分析实验误差来源。     

基于表观特征的单目视觉算法实现的注视方向估计

视线跟踪作为一种重要的人机接口模式,能够提供丰富的人机交互信息.提出了基于单目视觉的视线跟踪方法( Monocular Vision Approach,MVA).从眼部图像提取的表观特征,再经过支持向量回归( Support Vector Regression,SVR)计算实现可头部动作的注视方向估计.本方法仅用一个摄像机采集一副人脸图像作为输入数据,输出的计算结果是人的头部姿态和注视方向,以摄像机坐标系为参照系.采用的表观特征是基于方向二值模式( Directional Binary Pattern,DBP)算法,解析瞳孔在眼窝中运动引起的图像纹理变化.视线跟踪方法首先将双眼分割出来,并编码成高维的方向二值模式特征,最终通过支持向量回归作为匹配函数计算注视视角.共有11个人共23 676回归样本,按照姿态分成5个聚类集合.实验结果显示,基于本方法进行注视方向估计可以获得3°的测试误差.     

基于单目视觉和轮式编码器的室内移动机器人松耦合定位方法

本文提出一种以ORB-SLAM2为基本框架、使用编码器信息辅助单目视觉信息的室内移动机器人定位方法。针对单目视觉同步定位与地图构建(SLAM)呈现的尺度模糊、尺度漂移等问题,融入轮式编码器信息以恢复其绝对运动尺度;针对移动机器人定位过程中的z轴漂移问题,构建平面运动模型约束以减少z轴上的累积误差。多种真实环境下的实验结果表明,与原始ORB-SLAM2算法相比,本文算法的绝对轨迹精度及z轴轨迹精度得到明显改善。     

一种基于视频序列单目视觉下的运动车辆轮廓重构算法

针对运动车辆在单目视觉下轮廓重构的问题,本文通过特征目标识别的方法解算出无约束运动车辆的运动参数,将无约束运动物体的轮廓重构问题转化成已知约束运动物体的轮廓重构问题,提出了一种基于视频序列的单目视觉下的运动车辆轮廓重构算法.实验结果证明,新算法能够较好地重构出不同大小车辆的3D轮廓,其车辆高度估算值的误差在4%以内     

基于凸壳理论的监控摄像头部分遮挡场景下火焰定位方法

利用视频分析技术开展火焰定位对火灾事故调查意义重大。为解决实际火灾中监控摄像头部分遮挡场景下起火部位难以确定的问题,该文基于凸壳理论研究了此场景下火焰定位方法。利用油盘火模拟室内火灾现场,布置彩色电荷耦合器件(CCD)摄像头使之被部分遮挡,收集火灾现场监控视频进行分析。首先利用火灾现场监控摄像头收集火焰视频并进行预处理;其次利用凸壳算法计算火焰中心的像素坐标;最后基于单目视觉原理,利用世界坐标系和成像平面坐标系的矩阵变换关系,定量计算出起火部位与监控摄像头的相对位置。实验结果表明:针对监控摄像头部分遮挡场景建立的基于凸壳理论和单目视觉原理的火焰定位方法,可以较好地实现起火部位的快速定位,为火灾事故调查工作的顺利开展提供了有力的工具。     

面向无人平台的室内精密定位与构图技术

针对无人作战平台在室内等复杂环境下的高精度定位与地图构建问题,提出了一种利用信标锚节点辅助的单目视觉同步定位与地图构建方法,该方法通过WLAN锚节点估计出单目视觉尺度因子并结合视觉传感参数,获取真实尺度空间下的定位位置,并利用因子图模型对WLAN定位和单目视觉定位结果进行最大后验概率准则下数据融合,从而获得精确的位置和构图信息。实验表明：文中所提出的方法较好地解决了传统单目视觉定位中的尺度不确定问题,定位精度达到分米级,扩展了单目视觉SLAM在真实尺度空间中的应用,在复杂环境下的无人侦察、搜救和打击等应用领域具有重要的工程和实践意义。     

输电线路舞动现场监测技术研究

输电线路舞动对电力系统产生严重的破坏作用。舞动监测对于舞动机理研究、防舞装置开发和防舞方案制定都具有重要的意义。本文介绍了目前常用的舞动监测技术和各自的优缺点,阐述了基于单目视觉分析舞动监测技术的系统构成和关键技术,提出了基于线路特征的单目视觉标定方法。通过在尖山真型输电线路试验基地的实际应用,验证了基于单目视觉分析的输电线路舞动监测技术的实用性。     

一种基于Mean Shift和C-V模型的车辆跟踪算法

针对传统Mean Shift算法跟踪窗口固定不变,无法对不断改变尺寸的车辆目标进行有效跟踪的问题,文中根据车辆跟踪的特点,提出一种基于Mean Shift和C-V模型的车辆跟踪算法.首先利用传统Mean Shift得到初始跟踪窗口,然后根据C-V方法所提取的车辆形状信息对跟踪窗口的中心和大小做进一步修正,在跟踪过程中综合利用了目标颜色、形状等信息,同时对传统C-V方法进行改进,采用一种新的初始化水平集函数表达方法.实验结果表明,文中算法在满足实时性要求的同时,大大提高了车辆跟踪精度.     

触发式车辆实时检测新算法

提出了一种使用高速公路路面纹理特征来检测车旁超车车辆的实时算法.在由单摄像机获取的序列图像中,算法片先利用标志线信息在待检测车道上设置一个检测窗口,并对窗口内路面的纹理特征进行建模;然后利用帧间窗口内路面纹理的连续性信息和相邻车道路面的相似性信息,根据异常检测函数来触发检测,判断检测窗口内是否存在感兴趣区域;最后根据图像中消失点和标志线的信息来确认感兴趣区域内是否存在超车车辆.实验结果表明:此方法能够及时准确地检测出从本车侧后方出现的超车车辆,算法计算量低,满足系统的实时性要求,并具备较强的鲁棒性.