基于双目视觉的车前行人检测方法研究

当前的汽车安全辅助驾驶和无人驾驶汽车是图像领域的研究热点,针对汽车在启动或行驶时车前存在行人可能导致的安全问题,着重研究了基于双目视觉的车前行人检测方法。进行了双目相机的相机标定和立体标定;通过改进后半全局立体匹配算法获取深度图,确定车前行人所处位置的感兴趣区域(Region of Interest,ROI),剔除冗余的背景信息;分割并提取了图像的降维梯度直方图(Histogram of Gradients,HOG)特征信息;将特征输入到支持向量机(Support Vector Machine,SVM)分类器训练,检测并标记出车前的行人目标。实验证明,所提算法对车前场景下的动态行人可以更为有效地检测,具备更优的检率精度、时效性和鲁棒性。

基于LabVIEW的离合器摩擦片性能试验台测控系统设计

针对摩擦片性能试验台架测量精度低、人工操作复杂的问题,开发了一种基于LabVIEW的摩擦片性能试验台测控系统,对系统关键信号采集并进行了信号处理,基于队列状态机设计了压力和转速的自动化调节方法。台架试验结果表明:该测控系统在监控采集和控制方面均满足实际需求,提高了试验台的自动化程度,具有一定的应用价值。

引入轻量级Transformer的自适应窗口立体匹配算法

现有端到端的立体匹配算法为了减轻显存消耗和计算量而预设固定视差范围,在匹配精度和运行效率上难以平衡。提出一种基于轻量化Transformer的自适应窗口立体匹配算法。利用具有线性复杂度的坐标注意力层对低分辨率特征图进行位置编码,减轻计算量并增强相似特征的辨别力;设计轻量化Transformer特征描述模块,转换上下文相关的特征,并引入可分离多头自注意力层对Transformer进行轻量化改进,降低Transformer的延迟性;用可微匹配层对特征进行匹配,设计自适应窗口匹配细化模块进行亚像素级的匹配细化,在提高匹配精度的同时减少显存消耗;经视差回归后生成无视差范围的视差图。在KITTI2015、KITTI2012和SceneFlow数据集上的对比实验表明,该算法比基于标准Transformer的STTR在匹配效率上快了近4.7倍,具有更快的运行速度和更友好的存储性能;比基于3D卷积的PSMNet误匹配率降低了18%,运行时间快了5倍,实现了更好的速度和精度的平衡。

软包装锂离子电池表面凹坑缺陷检测方法

软包装锂离子电池表面凹坑缺陷对比度低、缺陷区域过小且存在反光,传统方法很难进行准确检测。提出一种基于图像增强和改进DeepLabV3网络的软包装锂离子电池表面凹坑缺陷检测方法。通过分析表面凹坑缺陷图像特征,采用图像增强算法对图像进行预处理,以增强凹坑缺陷对比度。对DeepLabV3网络进行改进,使用ResNet101作为特征提取网络,同时引入位置注意力模块,使得模型更加关注于凹坑缺陷相关特征,提升网络的检测精度。改进后的网络在自制数据集上的平均交并比达到85.98%,缺陷检测准确率达到98.33%。

基于嵌入式设备的低功耗工业读码器系统设计

针对目前国内读码器产品种类稀少、成本过高,功耗和热量过高、识别率低等问题,提出了一种结构紧凑、性价比高、功耗低、稳定性强的智能读码器系统设计方案。该系统方案主要基于ARM平台和Linux系统开发,硬件方面采用NXP MX8Mini作为主控芯片,搭载XILINX的XC7A50T FPGA器件,配置2G容量的LDDR4内存用来做图像预处理工作,采用AR0144CS芯片作为图像传感器,并支持多种通讯协议和扩展。软件方面,主要介绍了系统FPGA图像预处理及高斯滤波具体实现、ARM与FPGA的通讯、上位机功能设计。经过测试,该读码器系统运行稳定、体积小、功耗低,一维码8mil Code128识别率达到99.99%,为当前国产读码器市场提供了一种新的解决方案。

基于改进PSF估计的车载复杂图像复原

针对车载视频图像中同时包含局部运动模糊和全局运动模糊,现有去模糊算法难以适用且效果差等问题,提出一种基于再模糊理论的复杂车载模糊图像复原方法。根据车载视频图像的特点把图像分割为车身和非车身区域,采用改进后的模糊参数估计算法,在车身区域图像块估算出的全局运动模糊参数,对整幅图像进行全局模糊恢复;对复原前后的非车身图像进行分块处理,利用复原前后图像块结构相似度(Structural Similarity,SSIM)和局部均方差的差异性,检测和提取出局部模糊区域;对提取的模糊区域进行复原后与清晰区域拼接融合,合成清晰的图像。与现有算法对比实验分析,所提算法取得了不错的效果,且复原后图像的峰值信噪比(Peak Signal to Noise Ratio,PSNR)和SSIM表现良好。

基于最佳观感效果的电子后视镜图像处理方法

传统玻璃后视镜风阻风噪大,无法接入智能驾驶系统,所以电子后视镜取代传统后视镜已成为趋势。但电子后视镜使用鱼眼摄像机,所显示图像畸变大,无法像玻璃后视镜一样在近距离放大驾驶员所关注的视野,远距离缩小物体以此显示更多视野。通过对玻璃视镜放大系数和驾驶员视野角和物距的分析,得出适用于电子后视镜图像放大系数变换的方法,根据此方法对电子后视镜图像进行处理,以此达到显示最佳观感。实验结果证明,变换后的电子后视镜图像各处放大系数与玻璃视镜相差为9.52%,优于市面上仅经过鱼眼矫正的图像显示效果,在司机主观观感上能很好地提供“近距离放大外部环境,远距离更大视野”的功能,提高了驾驶安全性。

基于双目视觉的车辆外廓尺寸测量方法

针对目前车辆外廓尺寸测量成本高、安装复杂且三维轮廓重构质量差的问题,提出了基于双目视觉的车辆外廓尺寸测量方法。该方法首先对双目相机采集的车辆图像对进行校正,并通过改进后的立体匹配算法计算生成车辆视差图。基于双目视觉三维测量原理解算车辆轮廓视差信息进行三维重构,生成车辆点云。针对相机盲区车辆轮廓数据缺失问题,设计了基于车牌识别的点云对称修复方法,生成完整车辆三维轮廓。实验结果表明,3种车型的测量示值误差均小于1%,车辆模型重构完整度高。

基于多传感器的机器人夹取系统研究

为解决由于内置传感器较单一导致的机器人抓取动作不灵活、作业精度低等问题,提出一种基于多传感器的机器人夹取系统。首先采用扩展卡尔曼滤波算法融合机器人内置传感器所测量的位置、速度和角度等信息,实现机器人自身位姿检测。在此前提下,利用外置传感器完成对目标物的自动识别与定位。为增强信息的可靠性和系统的分辨能力,并根据输出信号对机器人夹取动作进行运动学建模,设定夹取系统的硬件、软件环境及传输电路后完成系统设计全过程。实验结果证明:所提方法设计的机器人系统能够实现对夹取目标的精确对准,运动特性明显提高,作业误差有效减小。

基于WHI及ICP的点云配准算法

针对两步点云配准中精度差、计算效率低、易受噪声干扰的问题,提出一种基于WHI特征描述符结合改进的ICP点云配准算法。首先,对大数据量的点云通过ISS算法提取特征点集作为配准点云;然后,计算特征点云的WHI特征描述符,利用随机采样一致性算法完成粗配准;最后,基于安德森加速迭代ICP算法对粗配准点云进行精确配准。通过多组点云数据集对所提算法进行验证,实验表明,该算法配准精度高、速度快,在含有噪声数据集的优势更明显。在不同的点云模型下,所提算法的配准效率提高2倍以上,在噪声环境下具有一定的鲁棒性。

基于线激光传感器的T型焊件焊缝检测及误差修正

为了提高T型焊件焊缝检测的精度,提出了一种基于线激光传感器的检测方法,并分析了该方法下的主要误差来源。首先,通过线激光传感器边缘偏差修正方法实现腹板边缘误差的修正,再针对面板上偏移和丢失的激光点,提出一种基于稳健最小二乘法的修正算法,实现偏移点的剔除和丢失点的补偿。以焊缝宽度为0.800 mm的T型焊件作为实验对象,经修正后的激光点数据,在15°和20°入射角度下,测量误差分别降低了4倍和2.5倍,测量误差最小达0.005 mm,在确保了检测效率的同时也提高了测量精度。

自由空间中的机器人自主避障方法研究

移动机器人在运动过程中,针对路面凹坑和突起的大小与位置存在难以检测的问题,影响障碍定位与避障运动的规划,提出了一种路面障碍检测与规避方法。通过在移动机器人上安装激光测距雷达和超声波测距传感器,能够有效获取路面凹陷和突起的特征信息;通过改进的多传感器信息融合算法,实现路面凹陷的大小与位置的分析计算;在避障控制中引入反向传播(BP)神经网络,通过改变BP神经网络的学习速率,提高移动机器人的避障精度。根据该方法,建立了移动机器人避障模型,并进行了仿真验证。结果表明:所提方法可在检测到路面凹陷和突起的同时实现有效避障,为移动机器人应用提供参考。

线激光传感器与物面间的倾角误差研究

根据激光三角法的测量原理,当物面发生倾斜时,线激光传感器会存在测量误差。为提高测量精度,使用精密光学平台、线激光传感器和倾角调节平台搭建了倾角误差测量系统,分析了XOZ平面和YOZ平面倾角误差产生的原因,对不同倾角下线激光传感器的误差进行测定,通过MATLAB对误差数据进行拟合和补偿。以90 mm标准量块作为被测对象,测量并补偿不同倾角下的数据。实验结果表明:误差标定后,平均测量误差减小了0.011 mm,激光线残差均值控制在±0.050 mm以内,提高了物面发生倾斜时线激光传感器的测量精度。

基于Gabor滤波的软包电池表面缺陷检测

针对当前锂锰软包电池表面在生产过程中容易出现凸点、凹点等缺陷的问题,提出了一种基于光度立体法与频域Gabor滤波相结合的电池表面缺陷检测方法。首先,采用3个光源采集图片,然后进行图像融合,生成电池样本的反照率图片,可以使缺陷更加明显;然后对反照率图片进行快速傅里叶变换,在频域状态下使用Gabor滤波器进行处理,处理的结果再用逆傅里叶变换转换到时域,对于去除拍摄反光引起的图片噪声,采用中值滤波去除,将缺陷部分根据灰度值的大小用一个矩形掩膜进行增强;然后采用全局自适应阈值分割提取缺陷区域;最后利用形态学操作细化缺陷,凹坑准确率在98%,凸点准确率在96.7%,能够达到实际工业应用要求。

基于改进AOD-Net网络模型的车载图像去雾方法

基于现有去雾算法存在去雾效果不佳和去雾效率低等问题,提出了一种改进AOD-Net网络模型。首先对输入图像进行随机噪声添加,提高图像模型去雾鲁棒性。接着对不同尺度的卷积核进行多线程处理,同时将图像中的特征信息提取,然后利用注意力机制进行权重分配,采集图像中的纹理信息和细腻化特征信息,提升图像的质量。最后对提取的特征信息利用AOD-Net模型的前两层卷积进行二次特征提取,估计出联合参数,输出去雾后的图像。实验结果表明,采用本算法得到的第一组和第二组图像峰值信噪比分别为20.05和16.92,结构相似性分别为0.85和0.83,IE熵值分别为7.48和7.75,各项数值均有提升,图像去雾效果更好,证明了本算法的有效性。

结合加权引导滤波和小波变换的低照度图像增强算法

针对低照度图像增强处理后存在图像细节差、色彩失真和“光晕伪影”等问题,在HSV颜色空间中处理图像,将V通道分量进行小波变换分解,对低频系数采用改进加权引导滤波替代高斯滤波作为环绕函数的多尺度Retinex算法处理,对高频系数采用改进的阈值函数降噪处理,小波逆变换重构V通道分量,对重构的V通道分量进行Gamma校正处理并转换回RGB颜色空间。实验结果表明,该算法增强后图像亮度提升明显,同时抑制了“光晕伪影”,颜色失真较少且细节丰富。

软包装锂离子电池的表面凸点缺陷检测

软包装锂离子电池铝塑膜外包装凹凸不平且存在反光现象,表面图像的凸点缺陷辨识度低,传统方法很难进行准确识别。分析软包装锂离子电池凸点缺陷图像特征及视觉检测系统,在频域上对图像采用高斯滤波器进行预处理,以达到去除噪声和对缺陷区域图像增强的效果。用逆傅里叶变换将图像从频域转回空间域,最后将处理后的图像导入基于语义分割方法的深度学习模型,进行凸点缺陷检测。对400组缺陷样本进行测试,结果表明:所提方法对软包装锂离子电池缺陷检测的准确率达到95.75%;而未经频域图像增强方法处理的检验准确率仅为44.00%。检测结果准确率得到提高,说明该方法能对软包装锂离子电池表面图像的低辨识度凸点缺陷进行检测,具有一定的实用价值。

软包装锂离子电池表面划痕的检测方法

表面缺陷是判断软包装锂离子电池质量的重要指标之一。针对软包装锂离子电池表面凹凸不平且存在反光,导致划痕自动化检测检出率低的问题,提出一种表面划痕检测方法。采用电荷耦合元件(CCD)相机及远心镜头,从3个方向拍照,通过光度立体法融合图像,生成电池表面反照率图像;通过二阶高斯卷积进行图像平滑,并提取划痕边缘特征信息;采用非线性灰度变换增强划痕细节;通过阈值分割对划痕进行提取。划痕的检测准确率为97.5%,满足检测精度需求。

基于模糊自适应PI的无刷直流电机调速系统研究

针对采用传统PI控制算法的无刷直流电机(BLDCM)调速系统存在精度低、抗干扰能力弱等问题,提出一种基于初始比例值优化的模糊自适应PI控制算法。建立BLDCM转速、电流双闭环调速系统数学模型,对其转速环进行模糊自适应PI控制,并提出一种初始比例值优化的方法。应用Matlab/Simulink进行系统设计和仿真,对比传统PI、普通模糊自适应PI和优化后模糊自适应PI三种控制算法的仿真结果。结果表明,优化后的模糊自适应PI控制算法使BLDCM调速系统具有更好的动态性能,达到了较好的控制效果。

基于多传感器信息融合的自主跟随定位及避障方法

针对自主跟随机器人在自由空间中对移动目标进行跟随时,由于信号源发射角度小,自主跟随机器人很容易进入信号盲区,并且难以对移动目标进行精确定位、移动姿态确定等问题,提出了一种基于多传感器信息融合的自主跟随定位及避障方法,该方法通过在移动目标上增加多信号源,使自主跟随机器人与移动目标之间建立冗余信道,并通过多传感器信息融合方法,计算出移动目标中心位置及实时移动姿态;设置测距模块,使自主跟随机器人能避开障碍,保持跟随。根据此方法建立了多信号源定位模型和算法,并对该算法进行了实验验证。实验结果表明,该方法能够准确的对移动目标进行定位和移动姿态确定,并且信号盲区小,能有效的避开障碍,保持对移动目标的跟随,具有一定的工程应用价值。