基于Gray-EKF算法的智能农业车辆同时定位与地图创建

为了提高智能农业车辆在未知环境中同时定位与地图创建精度,将灰色预测理论和扩展卡尔曼滤波融合,提出了基于灰色扩展卡尔曼滤波的同时定位与地图创建算法。算法在传统的扩展卡尔曼滤波基础上,通过改进的滑窗灰色预测理论建立传感器的GM(1,1)观测预测模型,进而完成新息的计算。为了提高观测精度和抗干扰能力,系统使用了三目摄像机作为观测传感器,并提出了一种简易的权值标定算法。试验表明:精度权值标定后的三目摄像机具有较高的测量精度,16组测量数据中有12组的测量误差小于1%,并能减小由于干扰造成的误差。在30个人工路标的停车场环境中,车辆对路标x和y方向的观测误差均值为0.074和0.073m,自身定位误差为0.140m,误差均方差为0.048。在60个人工路标的停车场环境中,车辆对路标x和y方向的观测误差均值为0.061和0.068m,自身定位误差为0.109m,误差均方差为0.038。在60个人工路标的旱地环境中,车辆对路标x和y方向的观测误差均值为0.079和0.077m,自身定位误差为0.122m,误差均方差为0.049。研究认为,与传统的EKF SLAM算法相比,Gray-EKF SLAM算法具有更高的精度。

三目视觉图像的极线校正方法

提出了解决垂直双基线三目(左、右、顶)极线校正的两步法。第一步摄像机旋转变换,按照特定的规则将各摄像机的对应坐标轴绕其光心旋转至互相平行,使得各像平面共面且与焦平面平行。第二步顶摄像机的平移变换,使三个摄像机光心构成空间等腰直角三角形。为此,提出一种等效处理方法。采用一面平面靶标,采集旋转变换前的三目图像,然后施以旋转变换,分析变换后三目图像所提供的特征对应点对的坐标,确定出顶图像变换至理想视图需要偏移的主点坐标,该过程等效于顶摄像机位置的平移。实验表明,该方法简便有效。

一种基于边缘线的三目立体匹配方法

为实现准确的三维场景匹配,提出了一种基于边缘线的三目立体匹配方法。Canny边缘是一种常用的视觉特征,通过对Canny算子加以改进,提高了边缘线条匹配的可靠性。匹配过程分层次进行,首先通过边缘上少量点的成功匹配确定边缘线条间的对应关系,然后以此来约束该边缘上其他点的匹配。详细介绍了对应特征匹配所用的约束条件。首先,使用三目系统中第三个摄像机提供的额外极线约束,有效地减少了误匹配。由于常规所用的三目极线约束条件给出的匹配效果并不理想,提出了另外一种更加有效的三目极线约束应用方法。此外还介绍了边缘点的梯度方向约束,给出了基于以上约束条件的边缘线匹配算法。实验结果表明,该算法具有较高的匹配正确率,是一种有效的立体匹配算法。

自由曲面多目视觉检测技术

针对双目视觉检测系统在测量中存在的问题,提出了基于三目视觉的检测方法,研制开发了一种与三坐标测量机相结合,能够进行强反射自由曲面测量的基于主动视觉的线结构光三目视觉测头.文中阐述了测头的工作原理和几何结构,介绍了三目视觉的立体匹配算法.该方法从理论上解决了双目视觉中存在的误匹配现象,提高了自由曲面的测量精度.

基于候选点稠密匹配的三维场景重构方法

针对星球探测机器人在未知环境中三维场景重建存在的计算复杂度问题,提出基于网格候选点的三目立体匹配算法。在空间中建立代表深度信息的网格节点,并对深度方向的节点分布进行合理规划,确保候选点稠密匹配的准确性和高效性。候选点匹配解决了传统立体匹配算法中图像校正带来的实时性问题,同时采用三目视觉系统代替双目,通过另一组对应点的相似性测度对潜在歧义的少量候选点进行二次判决。实验证明,由于处理每组图像对不再需要进行极线校正,因此计算代价与传统的匹配算法相比有一定降低,而第三台摄像机有效消除了匹配歧义,计算量相对于双目系统也没有明显增加。

基于FPGA的三目半全局匹配算法设计与实现

三目立体视觉系统能够克服双目立体视觉系统存在的遮挡等问题,进一步提高立体视觉系统测量精度。然而增加传感器数量会导致匹配算法计算量增大,影响系统实时性,从而限制三目立体视觉系统在各领域的实际应用。为此,本文提出一种三目半全局立体匹配算法及其硬件计算框架。首先,在对三目立体视觉系统基本模型深入分析的基础上,提出一种硬件友好的半全局匹配算法。随后,根据FPGA硬件并行化计算和流水线处理的特点,对片上系统整体框架及各计算模块结构进行设计。最后,基于Zynq-7000 SoC FPGA搭建一套完整硬件实验系统进行算法实现,分别使用数据集图像和真实场景图像对本文算法进行评估。实验结果表明,本文算法与传统双目半全局匹配算法相比,有效像素填充率提高17.31%,错误率降低13.06%,在真实场景下可实现60 fps实时立体匹配,能够满足各类应用场景的实际需求。

三目立体视觉外极线校正及其FPGA实现方法

提出一种三目立体视觉外极线校正的快速算法.3个摄像机呈直角三角形配置,且已知摄像机透视投影矩阵.根据校正基本约束确定校正后的图像平面,利用图像不变形约束计算校正所需的三阶矩阵,用于在平面仿射坐标系下对图像进行重取样,使图像的行列对齐.给出了基于FPGA的实时计算三目立体视觉外极线校正的硬件实现方法.在时钟频率为60 MH z,图像可分辨的像素数为640×480时,三目立体视觉外极线校正速度达到48帧/s.

基于自适应聚合的立体视觉合作算法

提出了一种恢复高质量稠密视差图的立体视觉合作算法.该算法采用基于形态学相似性的自适应加权方法,迭代地进行局部邻域的自适应聚合和抑制放大,实现高效率和高质量稠密视差图计算.将该算法推广到三目摄像机立体匹配系统中,通过重建摄像机坐标系实现图像校正,并根据连续性假设和唯一性假设,建立视差空间中的支持关系和三目摄像机之间的抑制关系.实验结果表明,三目立体合作算法能够得到精确的场景视差映射,并可以实现多基线方向的遮挡检测.该算法特别适用于由多个廉价摄像机组成的立体视觉系统,在几乎不增加软件和硬件资源的情况下,就可以得到高质量的稠密视差图.

三目自适应权值立体匹配和视差校准算法

立体匹配是计算机视觉研究中的关键问题。相比于双目视觉,三目视觉能够获得更多的信息和额外的极线约束消除立体匹配的歧义性。为了提高三目立体匹配的精度,提出一种基于自适应权值和视差校准的三目立体匹配方法。将双目视觉中有效的自适应权值窗选择算法应用到三目视觉中,进行匹配窗的选择;提出一种新的目标图像选择算法,能够合理利用平行基线三目立体视觉系统中不同目标图像提供的信息,有效地消除遮挡,提高匹配的精度;提出一种适用于三目视觉的视差校准算法,利用三目图像像素间的色彩相似性和距离约束将初始匹配的视差结果进行校准,得到最终的视差图。实验结果表明,本文算法结构简单,能够生成浓密、高精度的视差图。