基于自适应几何约束ORB的红外双目测距方法

针对传统特征匹配算法计算效率低、误匹配率高和双目视觉测量精度不足等问题,提出了一种基于自适应几何约束和随机抽样一致性方法的ORB(Oriented FAST and Rotated BRIEF)红外双目测距方法。首先,通过FAST(Features from Accelerated Segment Test)算法与BRIEF(Binary Robust Independent Elementary Features)算法检测并描述关键点,采用快速最近邻搜索的算法完成特征点初始匹配。然后,根据初始匹配点对的斜率与距离选择相应的阈值,构建基于斜率与距离的几何约束,剔除明显错误匹配点对。最后利用随机抽样一致性方法去除异常点完成精匹配,结合热像仪标定参数计算出目标物体的距离。实验结果表明,改进的ORB算法与传统算法相比,具有较好的特征点质量和较高的测量精度,测距平均绝对误差为1.64%,具有较好的实用价值。

结合YOLOv8与双目测距算法的水面漂浮垃圾检测定位系统设计

为解决户外水域垃圾自动回收船的垃圾目标定位与识别差的问题,提出一种结合YOLOv8与双目测距算法的水面漂浮垃圾回收船的垃圾识别定位系统。该系统主要由摄像头、上位机视觉处理单元和下位机控制单元三部分组成,通过对水域环境内的垃圾进行视觉识别分类后,再进行定位和测距,实现水域垃圾的定位和识别;在定位和识别之后,控制机器收集垃圾。采用双目相机获取图像,使用Jetson Nano嵌入式芯片作为上位机主控芯片,利用最新深度学习模型YOLOv8进行水面垃圾的提取与识别,并通过SGBM算法进行双目测距,得到距离和角度信息;然后将上位机测得的距离和角度信息通过串口通信发送给下位机Arduino控制板,以控制船体做出转向和航行。测试结果表明,收集装置识别结果稳定,准确率达到90.5%,测距结果准确,精度达到厘米级,能够实现控制装置自动收集的目标。

基于KCF和双目测距的目标跟随系统设计与实现

针对KCF(核相关滤波算法)对快速运动过程中的物体或在视频帧率较低情况下,稳定性较差的问题。论文在经典KCF算法上结合了双目测距算法,设计并实现了一种目标跟随系统。实验表明,结合KCF和双目测距的算法不仅能够有效提升跟随效果并且满足嵌入式平台的运行要求。

双目测距和YOLOv5s的无人机快速识别定位追踪系统

无人机的识别与监控是目前安防领域研究的热点,现有的无人机检测方案成本过高、实现困难,存在一定的缺陷。针对此问题,文中提出一种使用最新型深度学习算法YOLOv5s的无人机光学快速识别定位追踪系统。首先通过深度学习算法实时检测是否存在无人机,并准确定位无人机的位置信息;再进一步使用KCF快速追踪算法锁定并持续追踪入侵目标;最后采取双目深度摄像头实时测算跟踪目标距离,定位位置信息后再转换输出无人机三维位置数据。所设计系统使用最新一代YOLOv5s深度学习模型,并通过改进训练模型使得其对无人机的识别达到了较高的准确率,特别是在运算速度方面,大大超过现有算法,满足高速追踪的要求。实验结果表明,相较于YOLOV3,YOLOv5s模型的准确率提高5.84%,召回率提高6.41%,推理速度提高300%。采用YOLOv5s和KCF算法相结合可稳定连续定位目标,且由于双目摄像头定位精确,全局识别速度高达80 f/s,完全具备高速追踪定位无人机的能力。

基于双目测距的牙齿热压模型激光切割教学实验平台开发

为了加深学生对现代切削技术的认识与理解,体会现代切削装备的发展趋势,开发了基于双目测距原理的多自由度牙齿热压模型激光切割教学实验平台。该实验平台将机械设计、机械电子、计算机图像处理等学科的理论知识有机地结合在一起,实现了对牙齿热压模型表面牙龈曲线空间坐标的提取,并控制激光切割手臂按切割曲线进行切割,使得切割过程更加直观,加深了学生对"切削原理与刀具"及"现代制造技术"等课程的认识与理解,提高了对机械加工理论的学习兴趣,达到了良好的实验教学效果。

基于局部的双目测距算法研究

当今在众多测距方法中,双目测距因为其无接触式的测距方法脱颖而出,其测量准确且误差小,更多应用在实际场景中,本文采用了基于局部的双目测距方法,首先对图像进行预处理,针对现实环境天气阴暗导致的图像质量不好图像细节模糊等问题,对被检测到的目标物体进行边缘的细节增强处理,减少误差,去除一些干扰,为后续匹配阶段提供了优势。在匹配阶段采用BM匹配算法,基于局部SAD窗口对左右相机图像依次进行匹配,实验结果表明,该方法可以减少误差去除误匹配,具有一定的准确性。

基于嵌入式Linux的双目测距系统研究

根据嵌入式系统的特点,设计了以ARM为核心的双目立体视觉测距系统。系统使用双目立体摄像头采集图像数据,可设置图像的多种属性。利用开源计算机视觉库Open CV对采集的图像数据进行处理,分别完成了两台摄像机标定、匹配、重建等工作,最后实现摄像机测距功能。实验结果表明,该系统测量结果合理,工作稳定,同时可用Qt/Embedded实时显示图像和数据,具有良好的人机交互功能和跨平台移植性。

基于显著性检测的双目测距系统

为了提高双目视觉测距系统中图像匹配的实时性与测距的精度,提出一种将显著性检测与焦距拟合相结合的双目测距方法。首先对双目相机进行畸变矫正,并利用双目相机成像的特点拟合相机焦距与目标距离的关系,随后对所得图像进行显著性检测,并提取目标区域,最后,利用surf算子对提取出的区域进行特征匹配,将匹配点代入测距模型中得到目标物体的距离。结果表明:显著性检测方法明显提升算法执行速度,焦距拟合降低双目测距模型误差,明显提升双目测距精度。

热红外相机双目测距系统标定技术研究

针对双目测距系统相机模型标定过程中,热红外相机与常用可见光相机的成像原理、图像质量、信噪比等存在的差异,对比了两种标定靶标:由黑色氧化铝板和镀镍铝板制成的棋盘格靶标、由黑色氧化铝板和镀镍钕铁磁制成的圆形点阵靶标,并分析了以上两者的标定结果。研究结果发现圆形点阵靶标相较棋盘格靶标误差更小,但两者的标定结果模型均具有较高的精度,可满足后续双目视觉的特征点匹配需求。本次研究对于双目视觉在热红外谱段中的应用具有一定的参考价值。

基于双目测距的无人机电力线路巡检安全距离测量研究

为了提高无人机电力线路巡检效率,在分析双目视觉测距以及双目相机标定的基础上,建立了基于双目测距的无人机电力线路巡检安全距离测量方案,并采用双目测距原理搭建试验台对建立的系统进行实拍图像的Hough直线测试。研究结果表明模拟和输电线相距15米的部位测距时,在无人机上搭载双目测距仪,通过对比发现测试距离接近实际15米,误差被控制于5%范围内。利用无人机搭载双目测距仪,控制赶超非常灵活,当无人机飞行期间受到气流干扰后云台角度将发生变化。

一种基于透视变换的远距离双目测距方法

针对双目测距技术在远距离测距应用中存在误差较大的问题,提出了一种基于透视变换的远距离双目测距方法。首先使用标定所得的相机内外参数对存在畸变的图像进行立体校准,使用模板匹配的方法得到四对特征点的世界坐标以及所选基线的距离,然后利用所得特征点的世界坐标,通过透视变换以及三角测量的方法计算目标物体与相机之间的距离。实验结果表明,当待测物体距离相机10 m甚至更远时,采用传统的双目测距方法测量误差较大甚至无法测量,而采用所提出的透视变换的方法,测量物体距离相机达到45 m时测量误差仍能够保证在5%左右,准确度较高。因此该方法能够有效地解决双目测距技术在远距离测距应用中误差较大的问题,有一定的实用性。

基于SSD和改进双目测距模型的车辆测距方法研究

针对汽车辅助驾驶系统中使用双目相机对前方车辆测距精度较低的问题,提出一种基于SSD车辆检测和改进双目测距模型的车辆测距方法。该方法分为3个阶段。第一阶段,使用深度学习多尺度特征的SSD算法快速准确地检测定位车辆;第二阶段,使用SURF+RANSAC算法匹配校正后的左右车辆的特征点;第三阶段,在分析双目相机测距误差的基础上,构建新的测距模型,并采用遗传算法对测距模型中的参数进行非线性拟合,估计出参数的最佳值,最后使用改进的双目测距模型实现更准确的测距。实验结果表明,在40 m的距离范围内,车辆正确识别率为94.32%,每幅图像的车辆检测平均耗时为50.18 ms,所提方法的测距误差控制在2m以内,平均误差率为2.36%,较改进之前的方法精度提高了6.19%,具有较好的实用价值。

基于图像特征的双目测距系统的研究

针对双目视觉测距中测量误差大、图像信息单一、实时性差等问题,提出一种基于ORB(oriented fast and rotated brief)特征的双目测距方法。对视频帧进行中值滤波处理,提取图像ORB特征,通过实验选出匹配效果最好的汉明距离。对筛选后的匹配点进行RANSAC(random sample consensus)模型估计,去除误匹配,分析视差和真实距离的模型关系,构建最优的测距模型并在实验平台上进行验证。结果表明:所提方法比其他双目测距方法具有测距精确、运行速度快、鲁棒性强的优势,能够实时显示图中特征的距离信息。

双目测距技术在调车作业中的研究与应用

为实现调车作业视频监控与测距的目的,设计一种用于调车顶送作业的双目测距系统,其通过安装于机车车厢的双目摄像机,采集机车已挂车厢与待挂车厢之间实时视频并测量其距离。在OpenCV计算机视觉库与Windows平台下,使用张正友标定法对双目摄像机进行标定,并获得畸变校正后的图像与摄像机参数。通过SGBM特征匹配算法实现车厢目标特征提取与立体匹配。最后利用三维重建方法获得深度信息。系统分别在实验室环境与现场环境下进行实验,现场实验结果表明,测距结果比实际距离稍偏大,最大误差小于1 m,满足实际现场环境要求,可有效地辅助人工瞭望进行调车作业。

基于YOLOv3的无人机目标识别与双目测距应用研究

本文将YOLOv3[1]目标检测算法与双目测距方法融合并应用在无人机上,不仅能够检测出无人机前方是否有物体,还能够对物体进行识别和分类,同时测量与目标物体的距离。此算法首先通过训练好的YOLOv3-tiny模型对前方的物体进行检测,再用标定过的双目相机获取视角内的深度图,对识别到的目标物体进行测距。为验证检测结果的有效性,本文选用不同目标物体进行验证实验。实验结果表明,该算法能够较为准确地识别目标物的类别,从深度图中获取到的目标距离也较为精确。

架空输电通道图像监测中大场景双目测距的方法及校正算法

针对双目测距技术无法适应大场景架空线路监测通道中应用需求的问题,提出一种双目测距的标定方法和数值校正算法。通过用标定杆代替传统的黑白棋格标定板对双目相机进行标定,并对标定结果进行比较;通过缩放图像对焦距的标定结果进行改进;通过拟牛顿法对旋转角度寻优,以地面为基准旋转重建的世界坐标系。现场实测证明:提出的标定方法解决了传统的双目标定方法在大场景中无法标定的问题;焦距校正算法解决了在变焦相机在双目算法中的不适应性,进一步提高了测量精度;角度校正算法实现了直接高度的测量,解决了由于架空线路通道中现场地面环境复杂,物体底部被遮挡,而无法进行高度测量的问题。

基于双目测距的输电线交叉跨越测量

高压输电线间距过小时容易出现相间闪络和短路等故障,为预防此类故障带来的危害,提出了基于双目测距的输电线交叉跨越测量方法。该方法基于改进的链码算法,设计了一种输电线自动检测算法,以提取输电线的像素坐标;依据双目测距原理,建立了输电线交叉跨越几何测量模型,计算了输电线间距。最后将该方法应用于对山西阳泉2条输电线的现场测量中。实际测量结果表明,该方法可以有效地对待测线路进行检测、拟合与合并,能够准确地获取待测线路的像素坐标;在几何测量模型中,待测的2条线路无论是平行,还是交叉跨越,均可被准确测量,实现了自动检测与无接触测量。与全站仪测量结果相比,新方法的最大测量误差〈2%,证明新方法准确有效,满足实际测量要求。

一种应用于双目测距的SURF优化算法研究

针对传统SURF算法在图像匹配过程中,存在计算量大、算法精度低的问题,提出一种应用于双目测距系统的优化SURF算法。该优化算法可对预处理后的图像进行特征点检测和描述子构建,然后用FLANN算法进行初步匹配,再用最大和最小距离差值的阈值比筛选出匹配点对,进而利用半随机抽样PROSAC算法进行最后匹配。实验结果表明,优化后的SURF算法与传统SURF算法和加入RANSAC算法相比,误匹配率显著降低,分别从46.4%、11.8%降至6.4%。该算法在提高匹配精度方面优势明显,将其应用于目标测距系统中,最小测量误差仅为0.26%,能够满足精确测距要求。

基于深度学习与圆检测的实时双目测距算法研究

针对基于学习的双目测距算法实时性不足的问题,在Loop-Net的基础上进行改进,提出一种新的双目测距模型。以编码-解码为框架,使用卷积神经网络构建模型,使用U-Net提取特征得到1/4特征图后通过3D卷积层融合特征信息提取左、右目视差特征,并加入扩张卷积层以充分提取特征。设计损失函数时充分考虑不同输入对应的不同噪声参数,并设计了基于圆检测的物体定位算法对目标物体进行定位。试验结果表明,模型在移动终端JN-IndustriPi的运行帧率为15~17帧/s,相比于现有模型提高约15%,且精度相近。

双目测距在Android人机交互平台上的实现

针对现有双目测距系统存在体积大、成本高和移植困难等问题,设计基于Android嵌入式平台的小型双目测距系统。利用双目相机标定、图像预处理、双目图像校正和块匹配算法等关键技术,实现机器人人机交互系统的小型双目测距;针对因遮挡等因素引起的视差值不可靠导致视差图出现空洞的情况,加入左右一致性检测和快速均值滤波,得到最终视差图,由视差图获取物体相对双目相机的空间三维坐标和距离;搭建双目视觉硬件实验平台测试所提双目测距方案。结果表明:设计的测距系统体积小、成本低,在检测目标距离双目相机400~900 mm时,检测误差率在1.05%以内,检测时间低于156 ms;可针对不同距离范围给出相应的交互提示,基本满足Android平台人机交互体验的测距精度和时间要求。