基于双目视觉技术的茶叶嫩芽定位方法研究

进一步提升茶叶嫩芽定位的准确性及茶叶嫩芽采摘的作业效率,选取双目视觉技术作为切入点,针对其识别、定位、采摘等环节展开设计研究。考虑茶叶嫩芽采摘的基础特征和双目视觉技术的应用条件,合理搭建双目视觉模型,选用立体匹配的核心定位算法,完成茶叶嫩芽的定位方法与采摘功能优化,并布置相应的试验机构,展开定位采摘验证试验。结果表明:基于双目视觉技术的茶叶嫩芽定位方法应用具有显著的优越性,较普通定位方法而言,识别误匹配率可降低至4.01%,平均漏采率为3.20%,嫩芽采摘完整率达93.40%,可以很好地促进茶叶嫩芽的后续处理加工,是采摘茶叶嫩芽的品质化的重要基础保障。

基于双目视觉和改进YOLOv8n的火灾检测及测距方法

针对火灾检测出现的漏检误检、模型参数量大及定位困难的问题,基于双目视觉和改进YOLOv8n提出了一种轻量化火灾检测及测距方法.通过双目相机拍摄图片,使用改进的检测算法YOLOv8n-AEM和现有的测距算法SGBM进行检测和测距.首先,在主干网络中引入可变核卷积AKConv和EMA注意力机制,通过构建不规则卷积核有效提取火灾的特征;然后,在颈部网络中构建C2f-SCConv模块,通过特征重组降低模型参数,提高检测速度;其次,基于最小点距离改进损失函数,解决火源与光源重叠导致的漏检与误检问题;最后,增加小目标检测头,提高对小火苗的检测能力.实验结果表明,改进后的检测算法P、R、mAP分别为83.6%、76.4%、83.6%,分别提高了2.5%、3.6%、4.8%;参数量和模型大小分别为2.54 M和5.1 MB,分别降低了15.3%和15%;测距精度误差不超过2.5%,证明改进的方法能准确完成火灾的检测及测距.

基于双目视觉传感器的前向碰撞预警算法改进

现有的前向碰撞预警系统大多采用多个毫米波雷达叠加或毫米波雷达与视觉传感器融合等方式,存在成本高、算法受限等问题。在比较多种传感器的性能及应用优、缺点后,选择双目视觉传感器作为前向碰撞预警系统传感器。将改进后的碰撞时间(Time to Collision,TTC)算法与卡尔曼滤波融合,结合双目视觉传感器,比较TTC值与适应性阈值,评估风险等级,确保行车安全,降低事故率。在Matlab环境下,基于改进算法对两个不同行车场景进行仿真分析。结果表明,与传统的TTC算法相比,融合卡尔曼滤波TTC算法的碰撞时间预警响应及时性和可靠性显著提高。

基于双目视觉的废旧零件三维重建方法研究

针对再制造过程中废旧零件三维重建难度大和尺寸检测精度差、依赖人工等问题,提出了一种基于被动式双目视觉的废旧零件三维重建方法。首先,通过双目相机采集废旧零件的照片,采用张正友标定算法获取相机内外参数,并对左右图像进行极线校正;其次,利用改进的AD-Census算法获取视差图,包括基于正态分布的Census变换改进和基于最短臂长的自适应权重设置,以提高匹配精度;最后,通过三角测量原理将得到的视差图转化为三维点云图,实现对零件的三维重建,并进一步进行尺寸测量。实验结果表明,所提出的方法在废旧零件三维重建中取得了良好的效果,且在尺寸测量方面的绝对测量误差控制在0.1 mm以内,能够满足废旧零件尺寸测量的检测精度要求,适用于实际生产中废旧零件表面信息分析。

基于RGB-D双目视觉的苗期玉米三维模型重构方法研究

以玉米幼苗为对象,研究基于RGB-D双目视觉的苗期玉米三维模型重构方法,实现了部分重构参数的优化。首先,针对目标进行固定步距角环绕图像采集,依据RGB图像中目标区域分割结果,对深度图像进行目标区域深度数据分割,并采用改进后的均值滤波对苗期玉米区域内深度数据孔洞进行自适应填充;其次,针对苗期玉米各角度的深度点云数据,采用先粗后精完成多角度点云配准与融合;最后,对比两种体素精简方法对点云的精简平滑效果,实现苗期玉米三维模型的重构。通过试验对比步距角对苗期玉米模型的重构效率与精度,结果表明:采用八叉树滤波精简效果较好,60°步距角建模误差最小,重构的模型与苗期玉米株高精度误差为4.4 mm,茎粗平均精度误差为0.62 mm,能满足苗期玉米的三维重构形态测量需求。

基于深度学习的双目视觉水位监测方法

利用双目相机采集3D点云数据,通过多次连续测量不断增补水面空间数据;利用基于Transformer架构的深度学习模型过滤弱化噪点,强化特征纹理,通过对点云数据进行加权处理得到监测水位,该方法无需安装标尺和现场标定,不需额外结构光发射装置,减少了场景限制,降低了功耗和成本。试验结果表明,该方法可以消除水面波纹和漂浮物等的干扰,水位监测最大误差为0.8 cm,系统不确定度、随机不确定度、综合不确定度指标均小于1 cm,可满足智慧水利感知网部署场景复杂的要求。

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。

双目视觉三维重建下的植保机作业优化研究

以喷雾植保机自动化作业路径规划为研究对象,利用双目视觉摄像机对作业环境区域内的障碍物进行检测,并基于三维重建技术构建障碍物空间位置坐标,根据检测到的障碍物位置信息对喷雾植保机的避障路径进行规划,以保证喷雾植保机作业过程可实时避障。试验结果表明:喷雾植保机能够按照预先设定的作业路径行进,遇到障碍物时能够及时进行障碍检测,并根据规划路径进行避障,保证了喷雾作业的有效实施。

基于双目视觉的应用于行波故障定位的高压输电线长修正方法

输电线路长度受载流量、环境等因素影响发生变化,使用固定线长进行故障定位时误差较大。该文基于双目视觉技术,对输电线路图像信息进行分析处理,提出了一种应用于行波故障定位的高压输电线长修正方法。首先,根据输电线线长计算公式,将决定实际线长的参数定义为应比系数;其次,对采集到的线路图像进行极线矫正和边缘检测,计算全图像素点视差值,根据双目视觉模型恢复输电线的空间立体三维坐标;最后,对特征点坐标进行拟合,更新应比系数后代入悬链线线长计算公式,得到实际环境中输电线线长,再运用于双端行波法中进行精确定位。依据实际工程某500kV输电线路图像展开算例验证,利用PSCAD/EMTDC软件模拟行波故障定位过程,仿真结果表明所提方法能够有效减小故障定位误差,有助于故障的快速排除。

基于双目视觉的6D位姿测量误差补偿方法

针对双目视觉设备测量误差较大且单点测量误差在视野范围内分布不一致,导致测量6D位姿精度和稳定性较差的问题,提出了一种测量误差补偿方法。为了解决传统回归模型在小样本多输入多输出情况下拟合效果较差的问题,采用基于多输出最小二乘支持向量回归(MLSSVR)的算法,实现了单点测量误差准确预测,并采用遗传算法对模型超参数进行全局寻优;为了实现跟踪坐标系的位姿测量误差补偿,结合位姿测量原理,将线性问题转化为最优估计问题,通过最小化坐标变换误差函数,将多个单点预测误差转化为多点耦合误差,从而实现了6D位姿测量误差补偿。实验结果表明,所提方法将跟踪坐标系的平均位置测量误差在3个方面上分别降低了63.4%、45.2%和75.0%,平均姿态测量误差分别降低50%、48.4%和53.1%;与其它现有补偿方法相比,所提方法能显著提高双目视觉设备的测量精度,并保证不同观测角度下的测量误差补偿有效性。

双目视觉的货车车厢完整尺寸测量

针对货车车厢完整尺寸的快速测量,提出了一种基于双目视觉的测量方法。依据相机成像模型和标定原理对双目相机进行标定实验,使用标定后的双目相机从货车侧后方采集货车车厢图像,再采用U 2-Net显著性目标检测算法对采集的货车车厢图像进行车厢轮廓提取,通过改进的基于图像分块的线段检测算法提取车厢边缘,结合车厢轮廓特征利用车厢边缘线段计算出特定的角点坐标,由三维坐标恢复后的车厢角点间距得到车厢尺寸。试验结果表明,车厢尺寸检测的平均误差小于4.06%,体积检测平均误差小于5.83%,可用于实际测量。

基于双目视觉的堆叠零件识别与定位研究

针对堆叠零件识别定位耗时长与精度低等问题,设计了一种高效的识别定位方法。在识别方面,提出了一种分类器融合方法。通过使用此方法训练出一个权重可动态调整的分类器模型,成功实现了对堆叠零件的分类识别。在定位方面,采用改进随机Hough变换的方法提取目标边缘。利用堆叠零件的边缘几何特征,重建出堆叠零件的空间姿态信息。最后,对单个特征分类器和组合特征分类器进行了分类识别实验和模型评估。实验结果表明,特征融合后的分类器展现出更高的识别精度和更稳定的准确率波动,表明其具有更好的分类鲁棒性。

基于双目视觉距离误差测量的工业机器人运动学标定方法

针对机器人标定中存在的成本昂贵以及应用生产中末端精度低问题,提出了一种基于双目视觉距离误差测量的工业机器人运动学标定方法。首先,进行双目相机标定和畸变矫正,通过双目视觉测量模型计算匹配特征点的距离并提出三维空间坐标的双目视差空间位置匹配策略。其次,以机器人运动学模型为基础,引入微分算子建立机器人微分运动模型,建立机器人运动学误差模型,得出机器人各个关节的运动学参数与机器人末端位置误差之间的关系。最后,以IRB1200机器人为研究对象,对比分析应用高精度激光跟踪仪与双目视觉测量方法得到的距离误差和位置误差,两者误差均在10^(-1)mm级别,满足距离误差和位置误差测量要求,且经多种优化算法对机器人进行运动学标定后,其距离误差比优化前平均降低了61.5%。基于双目视觉距离误差测量工业机器人运动学标定方法可有效提高机器人末端精度,降低标定成本。

基于图优化的GNSS/双目视觉/惯性SLAM系统开发及应用

为提高机器人室外长航时定位精度,提出一种基于图优化的全球导航卫星系统(GNSS)/双目视觉/惯性同时定位与建图(SLAM)系统开发及应用。将空间中的线特征作为几何约束的补充,集成至前端的特征提取及后端的位姿优化线程,提升位姿解算精度。同时,以因子图构建联合优化的图结构,并推导出全局观测误差模型。近200 m的BullDog-CX机器人巡检结果表明,所提算法相比于VINSFusion和PL-VINS分别取得约12.6%及3.4%的定位精度提升,为室外机器人长航时导航提供了一种可行方案。

双目视觉下钻杆接口定位的实现

智能机器人技术的快速发展推动了石油钻机装备自动化和智能化的提升。针对目前石油钻机上卸扣作业中,传统的钻杆接口定位存在困难,无法实现完全自动化的问题,提出了一种基于改进YOLOv5x算法的智能钻杆接口检测方法,并在双目视觉下建立了钻杆接口定位模型。模型基于卷积神经网络提取钻杆接口的图像特征,从而实现自动识别;融合CBAM(Convolution Block Attention Module)注意力机制以提高模型的特征提取与表达能力,引入更大尺度特征图作为小目标检测层,减少了钻杆接口图像中小目标的误检和漏检情况;结合SGBM(Semi-Global Block Matching)算法,实现双目视觉下钻杆接口的精准定位;通过网络训练检验改进算法的性能,并在模拟试验环境下开展了钻杆接口的定位试验。试验结果表明:改进YOLOv5x算法平均精度达到98.6%,比原始YOLOv5x算法提高了3.0%;上下接口平均定位误差分别为7.64和6.56 mm,符合工程误差要求,具有一定的工程应用价值。所得结论可为钻杆接口的准确检测和精准定位提供技术参考。

基于双目视觉的废料尺寸测量系统设计与研究

为了克服工业废料尺寸测量时人工测量成本高且效率低的问题,提出了一种双目视觉系统。该系统融合了精密机械结构、双目视觉技术及先进图像分析算法,实现了废料三维尺寸的快速自动检测。在双目视觉测量技术应用上,系统基于平行式双目视觉理论,通过SGBM算法实现立体匹配。与BM算法相比,SGBM算法获得了更优的匹配精度与边缘清晰度,有效提升了测量的准确性,可输出高分辨率的视差图像与点云数据,为废料尺寸的关键参数提取提供了坚实基础。试验结果表明,该系统测量误差较低,不超过2.5 mm,符合要求。

基于双目视觉的三维车辆检测算法

在自动驾驶中,车辆的三维目标检测是一项重要的场景理解任务。相比于昂贵的雷达设备,借助双目设备的三维目标检测方法有成本低定位准确的特点。基于立体区域卷积神经网络(Stereo RCNN)提出了一种用于双目视觉的三维目标检测OC-3DNet算法,有效地提高了检测精度。针对特征提取高分辨率与感受野的矛盾,结合特征提取网络与注意力引导特征金字塔(AC-FPN),有效地提高了算法对小目标的检测精度。针对三维中心投影检测误差大的问题,建立了一种新的三维中心投影与二维中心的约束关系,进一步提升了三维目标检测的精度。实验结果表明,改进后的OC-3DNet算法在以0.7为阈值的三维目标检测上平均精度为43%,较Stereo R-CNN三维目标检测的平均精度提升了约3%。

双目视觉检测钢卷内护角安装系统设计

针对国内外钢卷包装生产线钢卷内护角的安装工序普遍采用人工安装,在结构设计和控制系统设计的基础上设计一种基于双目视觉检测的钢卷内护角自动安装系统。以双目摄像头模组为图像采集模块;根据工况建立双目立体视觉模型对钢卷规格范围中任意规格的钢卷内护角安装点坐标提取方法进行重点研究;搭建钢卷位姿检测实验平台。从实验结果可以看出:钢卷在该平台经过图像采集和一系列图像处理流程后得到的钢卷安装点坐标和钢卷位姿角的理论值与实际值的误差较小,满足钢卷内护角的自动固定的精度需求。

基于双目视觉的落鱼测量方法研究

在井下作业过程中往往因为操作不当导致工具坠井、落鱼失踪,这将严重影响井下作业的进度。为了提高落鱼打捞的成功率,采用双目视觉技术对落鱼进行精确定位测量。基于井下特殊的成像环境,运用改进的SGBM算法,对校正后的双目图像进行立体匹配处理,从而获取落鱼的视差图,然后基于双目视觉三维测量原理以及落鱼视差信息进行定位测量。为验证算法的有效性,进行地面模拟实验验证,结果表明,该方法容易实现,计算速度快,而且在一定范围内的精度基本满足实际应用的需要,同时验证了双目视觉在落鱼检测中的可行性,也为可视化定量测量技术提供了参考。

基于双目视觉的智能小车避障方法研究

引言随着技术发展,扫地机器人、无人物流车等智能小车的应用得到快速普及,小车避障技术也得到重视。目前,常见的避障方案有基于超声测距的避障技术、基于红外测距的避障技术和基于激光雷达的避障技术[1,2]。前两者难以准确检测到如三脚架等具有镂空结构的复杂结构物体的距离,而后者则成本较高。基于此,本文提出一种基于双目视觉的智能小车避障方法。实验结果表明,此方法可有效实现小车前方障碍物检测功能。