基于人脸识别与光流追踪的移动机器人视觉导航方法

针对移动机器人视觉导航中跟踪目标丢失的问题,提出了基于人脸识别与稀疏光流算法(KLT)结合的移动机器人视觉导航方法(FR-KLT视觉导航方法)。采用OpenCV库中的Haar特征提取人脸识别算法实时检测识别目标人脸,通过Harris角点检测获取目标人体特征点,对目标人体进行精准定位;KLT光流追踪法测算目标移动趋势,并预测目标下一刻大致位置。目标人体位置变动时移动机器人对目标进行实时追踪导航。通过Pioneer-LX机器人在真实环境下试验,验证了该方法准确识别并跟踪目标的实时性和有效性。

室外移动视点视频的在线阴影边缘检测

针对移动视点视频的阴影边缘检测问题,提出一种在线检测室外场景阴影边缘算法.该算法将当前帧中的阴影边缘分为通过前一帧光流跟踪得到的阴影边缘和由视点改变出现的新阴影边缘,由于光流追踪不可避免地存在累积误差,使用Canny边缘置信和单应性矩阵对追踪结果进行优化,在检测新阴影边缘时,根据同一幅图像不同区域具有相似的光照条件这一观察提取优化后的跟踪阴影边缘的阴影特征,匹配并筛选出新阴影边缘;针对整体结果中仍可能存在的阴影边缘断裂等不连续情况,提出基于梯度一致性的优化算法对断点进行修复.对手持摄像机拍摄的室外移动视点视频,采用文中算法与光流跟踪、Groundtruth进行比较,实验结果表明,文中算法能准确、完整地检测到在线视频中的阴影边缘.

基于在线光度标定的单目直接视觉SLAM

为了减少场景点的光照变化对直接视觉SLAM(simultaneous localization and mapping,SLAM)的影响,在稀疏直接法(direct sparse odometry with loop closure,LDSO)的基础上对其优化,结合光度标定来增强系统的整体性能。直接视觉SLAM,其图像配对的基本假设是建立在灰度一致性之上的,即同一个场景点在多个图像中是以恒定亮度值出现的。为了更好地满足这一假设,采用KLT(Kanade-Lucas-Tracker)来跟踪关键点,利用带光度参数的像素跟踪模型建立优化方程,优化序列的光度参数(曝光时间、晕影和响应函数),从而实现实时曝光补偿,增强了系统视觉前端的跟踪稳定性。最后,在公开数据集上进行实验。实验结果标明所提方法在部分序列上能有效地提高系统性能。