空间物体定位的机器人手眼视觉标定方法

提出了一种用于空间物体定位的机器人手 眼视觉标定新方法 .该方法用一恒定变换矩阵描述末端执行器坐标系与机器人坐标系的对应关系 ,并假定在标定过程中 ,物体至摄像机的距离保持不变 ,将三维定位的问题简化为二维问题处理 ,极大地减少了计算量 .当末端执行器的位置变化时 ,不需要对系统进行重新标定 .实验结果表明 ,该方法计算量小、定位准确。

基于单个平行四边形单幅图像的物体定位

主要讨论基于单个平行四边形单幅图像的物体定位方法．主要结论有:如果平行四边形的两组边长均未知的话,则从该平行四边形的单幅图像,仅可以确定物体坐标系与摄像机坐标系之间的旋转矩阵和平移向量的方向,平移向量的大小无法确定．当知道平行四边形任一组边长时,旋转矩阵和平移向量均可以唯一确定．另外,诸如相邻边长之比,相邻边之间的夹角等信息,由于它们不是射影不变量,所以它们对基于单幅图像的物体定位来说,提供不了任何有用的额外信息．

基于OpenCV的物体定位与捕捉系统设计

为协助机械臂完成一些高度危险或人力不可达的工作,提出了一种低成本设计方案,设计了一种利用视觉定位辅助机械臂捕捉目标的系统。该系统利用开源的OpenCV视觉库,实现目标物体的识别、定位、跟踪、捕捉。经测试,在实际对象可能存在的不同使用条件下,本系统的物体定位精度均能满足机械臂捕捉需求,具备抗干扰能力。

基于毫米波感知的小型无源物体定位追踪

由于毫米波的敏感性极强,物体的微小移动也可以被毫米波所感知,体现为频谱变化,借助此优势提出了一种基于毫米波感知的小型无源物体定位追踪方法,可以实现对目标物体的高精度定位与追踪。与传统的有源物体定位追踪相比,在无源物体定位追踪中,由于目标物体无法主动发射信号且目标物体较小,因此,需要有效的机制区分、分离目标物体的反射信号和背景环境的反射信号,采用多种方法去除背景噪声和突发噪声,实现了良好的定位追踪效果。实验结果表明,所提方法可以追踪一支笔的运动轨迹,其平均误差为0.32 cm。

面向工业应用的机器人手眼标定与物体定位

随着世界经济的发展,我们社会的普遍进步,我们已经迈入了计算机技术的时代。在计算机技术向智能化发展时,面向工业应用的机器人也正在不断拓展它的作用和内涵,作为21世纪一种高技术的工业化机器人,正在全面发挥它的作为人的体力和智力延伸和扩展的手段方式的作用,也正在改变人类的生产以及生活方式等。在工业应用中,机器人能否发挥如人们期待那样的功能,很大就依赖机器人视觉系统的手眼标定和物体定位的完美优化。本文就面向工业应用的机器人发展现状和趋势进行综述以及其手眼标定研究的意义、标定过程和其应用领域进行介绍和探讨,另一方面也介绍和探讨工业机器人的物体定位的意义和应用特点。

一种有效的层次分割方法及其在物体定位中的应用

为了提高图像层次分割方法的通用性和计算效率,提出一种有效的层次分割方法,并探索了其在物体定位中的应用.在经典的g Pb-owt-ucm分割框架下,利用非最大值抑制的边缘改进分水岭变换算法,并采用高性能的边缘检测算子构建了完整的层次分割方法;然后将该分割方法应用在一种物体定位方法中,通过边缘检测尺度和超度量轮廓图分割门限上的变化重新设计了多样性策略,并提出了一种基于分类器的物体假设排序方法.在BSDS500分割数据集上的实验结果表明,文中方法能以更快的速度生成高质量的图像分割,同时无需边缘方向信号;在Pascal VOC 2007数据集上的实验结果表明,改进后的物体定位方法能产生更精确的物体假设区域.

基于有向距离函数的透明物体定位

在主动法三维重建中,结构光深度传感器无法捕捉到透明物体的深度,导致深度图上出现孔洞或深度不一致现象。针对透明物质的成像特点,提出了一种新颖的利用深度图上的无效深度和错误深度在三维空间中定位透明物质的算法。利用有向距离函数来融合多张深度信息,创新性地提出了3种基于有向距离函数的统计指标来搜寻深度缺失及大幅度跳跃的噪声部分以定位透明物质。实验结果表明,此算法能够在重建物体模型的同时正确有效的定位透明物体,从而改进三维重建模型的精度。

利用卷积神经网络进行毫米波图像违禁物体定位

随着毫米波器件的成熟,毫米波成像雷达已经应用于人体安检.但毫米波图像中违禁物体的定位仍然是一个艰巨的任务,这极大地限制了毫米波成像雷达的应用.文章将卷积神经网络(Convolutional Neural Network,CNN)应用于毫米波图像,自动定位毫米波图像中的违禁物体,如枪、刀等.利用滑动窗口在输入图像上滑动,并通过CNN得到各个子图块存在违禁物体的概率.图像块是相互交叠的,将各子图块的概率值累积起来,得到概率累积图.概率累计图反映了违禁物体的位置.由于CNN和概率累积图的应用,在实验中,该方法获得了很高的定位准确率,验证了该方法的有效性.

基于视觉显著性和超像素融合的物体定位方法

针对选择性搜索算法所需定位窗口数量过多的问题,提出了一种基于视觉显著性和超像素融合的改进方法。首先,利用视觉显著性图像粗略估计物体的位置;然后,从这些初始位置开始,根据图像的表观特征融合相邻超像素,并引入一种背景分析方法以避免过度融合;最后,利用贪心算法将融合后的区域再进行组合,并生成最终的定位窗口。在Pascal VOC 2007数据集上的实验结果表明,与选择性搜索方法相比,在同样的检测标准下(查全率为0.91),改进后的方法所使用的窗口数量减少了20%,而重叠率达到了0.77。该方法由粗到细地进行物体定位,在定位窗口数量较少的情况下仍能保持较高的重叠率和查全率。

一种基于多视角图像的目标物体定位方法

在遥操作机械臂时,为了能有一个更加友好的人机交互界面,往往需要在控制界面中构建一个虚拟的机械臂以及机械臂工作空间,所以,在虚拟工作空间中标示出目标物体与虚拟机械臂的相对位置,给操作人员一个直观的提示,是虚拟工作空间重构的关键问题。针对机械臂遥操作,提出了一种基于不同视角图像的快速高效的定位方法,该方法根据目标物体在多个不同视角图像中的位置,计算出目标物体在实际工作空间中的位置,从而在虚拟机械臂工作空间中标示出目标物体与虚拟机械臂的相对位置。最后,构建了机械臂遥操作实物系统,验证了该方法的正确性。

基于区块链技术的智能监控可疑动态物体定位系统设计

传统智能监控可疑动态物体定位系统的定位轨迹与实际运行轨迹相差较大,导致运行定位时间过长;为解决上述问题,基于区块链技术设计了一种新的智能监控可疑动态物体定位系统的定位系统;依据区块链技术去中心化和不可篡改性实现数据安全管理,基于此分别优化了系统的硬件和软件;选择s3c2440芯片作为硬件的核心芯片,通过核心处理器、硬盘、天线以及其他元件构成硬件结构,利用SPI与硬盘外围接口连接,使用SOC芯片能够同时支持GPS的频点,实现定位;由驱动软件、通讯协议、驱动监控、系统内核设计μC/OS-II的体系架构,遵循数据存储原则对可疑动态物体运行状态进行判断;实验结果表明,基于区块链技术的智能监控可疑动态物体定位系统与实际运行轨迹吻合度较高差距在1 cm之内,对直线轨迹及曲线轨迹的定位时间平均值分别为9.175 s及8.727 s,能够在短时间内实现定位。

粒子滤波法在移动物体定位中的应用

本文就粒子滤波在移动物体定位应用展开的研究中,论述了PFLT的设计,希望由此能够为相关领域的研究带来一定启示。

基于Arduino系统控制的物体定位

1.研究背景随着技术的发展,许多领域都在应用推动物体定位技术,比如仓储系统中就运用到了推动物体定位技术,但是仓储系统的物体定位只是基于一个固定的轨迹去对物体进行推动定位,它并不能将任意位置的物体推动到一个固定位置。目前,将任意位置的物体进行一个推动定位的技术还不够成熟。因此,我希望能在这方面做出研究来为推动任意位置的物体定位技术做出贡献。

无线技术下的物体定位方法和移动终端探究

基于无线技术的物体定位方法是对GPS定位的一个补充，它具有定位精度高、无需特殊硬件条件、成本低、被测物体问可以相互通信、应用情景多等优点。无线技术在移动终端中也有诸多应用，包括技术应用、协议应用等。本文讨论了应用不同的无线技术对物体进行定位的方法和优缺点，并通过介绍J2ME技术在移动终端中的应用，以及无线模块在移动终端中的应用，说明了将无线技术应用于移动终端的广泛性。

基于融合颜色信息与深度信息的区域生长算法的物体定位

区域生长算法(Region seeds growing,RSG)一般可以通过以下方法实现,输入图像中属于目标物体的一个或多个种子点(seed point)或者一个或多个种子区域,再以该种子点(或区域)为起点,考察邻域像素点,并依照一定的准则将符合要求的邻域点添加进生长区域中,最后将目标物体在图像中呈现的所有像素点结合成一个连通的区域。

基于ROS与三维点云图像的室内物体精准定位

考虑到ROSSLAM构建的地图只能描述环境的二维信息,三维点云图像只能描述物体独立的三维信息等特点,本文融合了ROSSLAM的Gmapping算法构建的室内二维地图与物体的三维点云图像信息,提出了一种复合坐标定位系统。首先对不同室内进行分类,进行一维坐标的标定,其次通过对Gmapping算法构建好的地图等进行二三维坐标标定,再结合空间信息构成外部坐标系φ,最后通过对采集到的物体三维点云坐标进行仿射运算获得物体基于外部坐标三维坐标,结合一维坐标,对物体进行复合四维坐标定位。整个定位实验数据表明,物体室内的位置平均测量误差只有4.2cm,其定位精度比起常见的超声波与红外线定位系统提高6.7%,比基于蓝牙角度测量的定位系统定位精度提高20%,比超宽带定位系统提高72%。物体定位误差小,定位精准。

基于主动表观模型(AAM)的图像中物体的定位方法研究

介绍了一种基于统计纹理模型和统计形状模型的主动表观模型 (AAM)的基本理论。并以人手的定位为例 ,建立了相应的主动表观模型。首先获取样本的纹理 ,然后应用主分量分析的方法对样本纹理归一化 ,建立纹理统计模型。利用类似的方法建立AAM ,它能通过调整模型参数实现目标物体的定位。由于AAM充分利用了目标物体的内部纹理特征 ,其定位能力更加健壮 ,并具有更高的准确性。

基于物体影长数据的定位方法研究

根据物体在太阳光下的影子变化数据来判断其所在的地点和日期,是一项具有现实意义的研究。通过分析时角、赤纬角及当地的经纬度与物体影长的物理学关系,将地点的空间定位问题转化为数学上的优化问题并建立模型进行求解。在日期已知时,利用确定性的两阶段空间搜索算法进行模型求解;在日期未知时,改进模型,利用细菌觅食优化算法(bacterial foraging optimization,BFO)进行求解。经检验,两种定位方法的效果均良好,可具体应用于解决现实生活中的地点定位。

基于规则的物体识别定位方法

提出了用于物体识别定位的传感器规划方法，并利用该方法对物体进行了识别定位仿真实验。该方法利用规则在识别定位过程中动态地规划传感器的方位，较好地显示了主动视觉的作用。实验表明，该方法简明有效且具有较高的可靠性。

基于双目图像多特征点融合匹配物体识别与定位研究

针对传统的特征点匹配算法对于纹理少的识别目标特征点检测不理想的问题,基于任何物体都具有边缘特征,通过匹配边缘特征点,实现物体的边缘特征点匹配,采用Canny检测算法,提取边缘特征点。在此基础上,增加FAST角点检测算法,采用BRIEF描述算法实现对特征点构建描述子,通过2种检测算法融合,解决了纹理少的物体检测特征少的问题,并增加了物体特征点匹配数量。采用YOLO网络模型实现物体识别和框出物体区域。实验结果表明,基于双目图像多特征点融合匹配算法,很好地解决了纹理少的物体匹配特征少的问题,构建的物体识别和定位系统可以实现对训练的物体识别与定位。