基于平面单应性的单目视觉里程计设计

针对如何准确获取位姿信息来实现移动机器人的避障问题,提出一种可用于实时获取移动机器人位姿的单目视觉里程计算法。该算法利用单目摄像机获取连续帧间图像路面SURF(Speeded Up Robust Features)特征点;并结合极线几何约束来解决路面特征点匹配较难的问题,通过计算平面单应性矩阵获取移动机器人的位姿变化。实验结果表明该算法具有较高的精度和实时性。

多层平面单应性的丢包事件检测

为及时发现潜在的安全威胁事件,基于多摄像机视图建立多层平面单应性模型,提出一种拥塞环境多视图行人丢包检测方法。提出了行人丢包事件模型,实现了行人跟踪与启发式丢包事件自动检测,并实现丢包事件检测的自动告警。采用真实公众环境的数据集进行测试,结果表明,本文方法有效解决了行人遮挡问题,丢包事件的自动检测鲁棒性较好。

基于图像单应矩阵及边缘优化的自动平面度检测方法

零件平面形状公差是体现零件平面凹凸高度的重要指标,为实现在线平面度检测,提出一种基于图像单应矩阵和边缘优化的自动平面度检测算法。首先利用平面单应矩阵约束尺度不变特征描述子对待检平面特征进行粗定位。然后,利用霍夫直线变换检测零件边缘直线轮廓,构建边角结构体搜索轮廓包围的平面区域,获得优化的图像平面。根据视觉成像与激光三角重建原理求解对应的三维点云平面特征。实验表明:该方法有效实现了图像与三维点云的平面自动提取,自动平面度检测时间3~5 s,提升了平面度检测效率及自动化水平。

基于路面指纹的高精度车辆定位

车辆定位广泛使用基于视觉的定位方法,针对前视图像或侧视图像易受到周围环境的影响且定位过程中需要遍历匹配地图图像导致耗时较长的问题,本文提出一种基于俯视路面图像的表征模型——路面指纹.路面指纹包含GPS(Global Positioning System),路面特征和图像特征点.该模型通过卷积神经网络(Convolutional Neural Network,CNN)结合连通区域识别待定位图像的路面特征信息,利用路面特征信息对GPS初定位筛选的地图节点进一步筛选从而提高定位效率.分别在路面特征信息密集和稀疏的路段下进行实验,实验结果表明,通过引入路面指纹使定位耗时减少20.3%,平均定位误差为47.4 mm.该方法能提高定位效率并实现高精度车辆定位.

一种基于双目主动视觉的线性自标定算法

从理论上推导出了绝对二次曲面包含了摄像机全部内参数和无穷远平面信息 ,并根据双目视觉之间的平移关系 ,扩展了无穷远平面信息对绝对二次曲面的线性约束 ,仅仅通过两幅图像就可以线性自标定和三维重建 .大量仿真试验和真实图像说明本方法能够得到满意的结果 ,可以应用到实际视觉测量 。

智能视频监控系统中多摄像头协同跟踪算法

为了提高智能视频监控系统中运动目标跟踪的准确率和有效性,利用数据融合和协同跟踪技术,实现了多摄像头协同跟踪系统中运动目标的有效跟踪。首先,利用单摄像头独自跟踪得到目标图像,然后利用平面单应性和极线几何约束结合实现多摄像头视图间的目标匹配和协同跟踪,最后得到精确的目标跟踪结果。通过在MATLAB上实验仿真,并与单摄像头目标跟踪进行对比,得出该算法具有较好的跟踪效果以及抗遮挡性能,可广泛应用于智能视频监控系统中。

基于人造物体直线段结构特征的不变性识别

传统的用假设验证法进行三维物体识别的方法需要通过一组非线性方程组求解从模型到场景的坐标系变换,具有非常高的复杂度.文中提出了一种基于能够表明物体几何构造的直线段特征的人造物体识别方法,将假设验证法中对于全局坐标系变换的求解分散在各个平面单应性变换的求解中,降低了求解的复杂度.该方法首先利用几何不变量预匹配特征点,进而假设并求出场景和模型平面之间的单应矩阵,随后通过模型与场景之间直线段特征匹配的结果进行验证.实验证明,该方法能够快速准确地识别含有较多共面直线段特征的人造物体.