基于深度传感器的多视角点云配准研究

为了解决大尺寸对称物体在多视角配准过程中出现的误匹配点对和累计误差问题,提出了一种基于深度传感器的多视角点云配准算法。首先,使用深度传感器获取目标物体不同视角下的多片点云并进行预处理,对物体单侧相邻点云采用超四点快速鲁棒匹配算法(Super 4-points congruent sets,Super4PCS)进行粗配准,利用改进的点到平面ICP算法去除误匹配点对并进行精配准,之后将左右两部分的点云拼接,从而获取完整的三维点云模型。最后,针对多视角配准出现的累计误差问题,提出了一种全局优化方法从而减少累计误差。实验结果证明所提方法可以精准地完成多视角点云配准,获得准确的三维点云模型。

基于彩色-深度传感器的电容层析成像图像重建方法

工业过程层析成像使用非干扰传感器获取过程容器、反应器等内部状态的二维或三维图像,因在工业应用中获取的电容层析成像资料和信息量有限,难以对影像进行精准、稳定的重构。为此,设计基于彩色-深度(Red Green Blue-Depth,RGB-D)传感器的电容层析成像图像重建方法。利用RGB-D传感器采集电容层析成像图像,采用非局部均值-权重法剔除图像中的噪声后,将图像输入到随机森林分类器中,提取图像的轮廓特征。通过快速投影Landweber算法对轮廓特征求解后,利用电容物质分布的重组完成电容层析成像图像的重建。实验结果显示:所提方法的峰值信噪比数值在35 dB附近波动,结构相似性数值在0.89~1.03之间,重建耗时在4.1 s以下,具有较好的重建效果、质量和结构相似性,能够有效提高重建效率。

深度传感器综合测试装置在某型装备测试中的设计与应用

基于高效、稳定、便捷的保障需求,深度传感器综合测试装置在某型装备测试过程中解决了维修保障中存在的通用性不强、效率不高、安全性较低的问题,进一步增强了该深度传感器的保障能力,确保了维修质量。此外,该装置满足机动保障和应急保障需求,考虑了在研和后续研发装备的拓展需要,实现了通用化。

利用深度传感器大数据的单目图像深度估计

2D视频转3D视频是解决3D片源不足的主要方法之一,而单目图像的深度估计是其中的关键步骤.考虑到互联网上不断累积的深度图数据,提出一种基于PatchMatch深度迁移的单目图像深度估计方法.首先利用图像的全局描述符从深度图数据库中检索出近邻图像;然后通过PatchMatch建立输入图像和近邻图像之间像素级稠密对应关系;再根据像素级对应关系将近邻图像的深度图迁移到输入图像上,并采用中值滤波对迁移的深度图进行融合;最后通过三边滤波对融合的深度图进行后处理,进一步提高深度图估计质量并抑制噪声.实验结果表明,与基于尺度不变特征变换流深度迁移方法相比,该方法在改善深度图估计质量的同时提高了计算速度.

深度传感器中波纹膜片的设计

深度传感器是一种复合型传感器,通过感受动作压力而提供深度信号。本文根据深度传感器的实际工作要求,设计了机械开关中波纹管组件中的波纹膜片,包括确定膜片的类型、确定膜片的材料、结构尺寸及加工工艺等。组装后,经测试能够较好地满足传感器的性能指标。

单深度传感器的矢量拖曳阵阵形估计

在二维平面内,假设为抛物形阵形,利用矢量拖曳阵的姿态数据和一个深度传感器的深度数据,研究了矢量拖曳阵的阵形估计问题。通过研究姿态数据中的姿态角与水听器所在阵位置上切线方向数的关系,利用最小二乘法建立了一个等式约束的非线性优化模型,并通过参数转化方法,给出了该模型的解析算法。数值仿真结果表明,在阵形为抛物形的假设下,利用一个深度传感器的深度数据和若干水听器的姿态数据可以进行拖曳阵的阵形估计。对于同样的阵元数,随着姿态数据误差的增大,阵形估计的误差增大。对于同一姿态数据误差分布,随着阵元数的增加,阵形估计的误差减小。

基于深度传感器的坐姿检测系统

以检测不良坐姿和分析人们的坐姿习惯为引导,设计了一种基于深度传感器的坐姿检测系统。该系统首先运用Astra3D传感器对人体的坐姿进行深度图像采集,基于阈值分割法设计了快速有效的前景提取方法。将坐姿前景分割图在3个笛卡尔平面上进行投影,得到3个投影图,对投影图进行空白去除、插值缩放、归一化等处理,得到投影特征。经过PCA降维后的投影特征与前视图的金字塔HOG特征共同组成最终的坐姿特征向量。随后,运用随机森林对14种坐姿进行分类识别。实验中,对20个人的坐姿深度图像数据库进行统一测试与交叉测试。测试结果表明,所提坐姿识别方法具有很好的识别率与识别速度,并且在坐姿种类、识别率方面优于现有方法。最后,将所提方法在Android平台上进行实现,设计了坐姿检测系统的应用软件,实现了坐姿的有效检测和对不良坐姿的及时提醒等功能。

一种基于深度传感器的人体动作识别方法

本文设计了一种基于深度传感器的动作识别系统。该系统采用Kinect深度传感器对采集的人体动作视频进行特征提取,搭建了一个单层的BP神经网络进行训练和识别。实验表明,该系统在少样本训练的情况下,依然能够较准确地对站立、坐下、挥手与蹲下4个动作进行识别。该方法在数据维度上引入了第三维"深度信息",所以在网络训练时的速度和识别的响应速度要优于常规方法,也为人体动作识别提供了一种思路。

多重水印快速加密技术在图像深度传感器中的应用

针对票据中的数字、签名等关键内容容易被篡改的问题,研究了金融电子票据中高效率的快速多重数字水印加密方法。首先,利用卷积神经网络构建图像深度传感器来识别票据中的关键信息区域,以减少水印加密的运算数据量,提高金融票据自动处理效率。针对传统的网络结构易导致过拟合的问题,提出了利用票据图及其差分特征,构建适合CNN网络的多通道图像输入特征,能充分挖掘图像内在联系;进一步改进了传统的CNN网络结构,把所有卷积层的输出连接为一层,构成包含各层信息的融合特征,输入网络的全连接层进行分类识别。实验结果表明,改进后的CNN识别算法,相较传动CNN、DNN等算法,其性能均有明显提升,能够更加高效的进行多个关键区域的内容识别,从而高效的进行多重数字水印的加密,提高金融票据处理的安全性和运算效率。

基于激光深度传感器的仿人机器人动作示教

针对机器人的运动示教问题,提出了一种基于激光深度传感器的示教系统。利用激光深度传感器能够快速准确获得人体各关节空间三维坐标的性质。通过分析机器人的关节构型,推导出由笛卡尔坐标空间到关节空间的转换公式,利用该公式,能够实现人体各关节转角的实时计算,进而实现对机器人的简单快捷的运动示教。为了在平滑数据的同时避免延时,提出了一种基于速度的有选择均值滤波法。将该示教方法应用在BioROBO仿人机器人上,试验结果证明了该方法的有效性。

Kinect深度传感器深度误差分析和修正方法的研究

针对Kinect2.0深度传感器获取的深度数据存在较大误差的问题,本文对其误差变化情况进行了测试分析,发现测距范围在4.5 m以内时,误差变化稳定,且保持在25 mm精度以内。但是当距离大于4.5 m后,误差则表现为快速增加,且随距离增加而曲线上升。鉴于此,本文通过多项式曲面拟合误差与距离曲线,对深度数据进行误差修正,使得深度数据在4.5 m至7 m范围内时,误差可控制在50 mm以内。试验证明,该方法可以较好地修正深度数据误差,提升Kinect深度传感器测距精度。

基于深度传感器的监控技术与算法

针对现有的视频监控技术对关键设施的监控实时性低,以及在夜晚实施监控时效果差的问题,提出基于深度传感器的关键设施监控技术,并通过支持向量机(SVM)算法对其可行性进行验证。利用不同人体的骨架长度存在差异的特性,采用深度传感器作为数据采集端,瞬时采集人体的8个骨架长度作为特征值,作为人体骨架信息,由于深度传感器以红外结构光检测为核心,故在夜晚也可无损地采集数据。基于SVM进行分类器的设计,得到最佳人体识别算法。实验表明:所提模型及算法的识别成功率可以达到80%以上,具有较好的识别效果,故基于深度传感器的监控技术可以为关键设施监控提供一种新思路。

基于深度传感器图像分割技术的研究

首先详细介绍了深度传感器获取深度信息的工作原理,并利用深度传感器获取到用户的深度图像信息。然后,对深度图像进行校正,具体包括深度距离与实际距离的转换、深度图像到空间三维坐标的转换、深度图像到RGB图像的配准。最后,利用最优阈值法实现了将预处理后的深度信息中人体与背景的分割。实验结果表明,此方案可以比较完整的提取出人体区域。

一种线性深度传感器的设计和试验

设计一种海洋调查用的深度传感器，不仅要求精密准确和稳定可靠，而且要数据显示线性化好。实现线性化一般采用两种途径：一种办法是将传感器的非线性误差通过补偿措施来实现，另一种方法是直接通过弹性元件的特殊设计来实现。

索尼发布行业首创应用于汽车激光雷达的堆叠式SPAD深度传感器

索尼半导体今天宣布推出行业首创的直接飞行时间(dToF)堆叠式SPAD(单光子雪崩二极管)深度传感器IMX459,可用于汽车激光雷达,助力高级驾驶辅助系统(ADAS)和自动驾驶(AD),预计将于明年出货。据介绍,该产品将尺寸仅为10平方微米的SPAD (单光子雪崩二极管)像素和测距处理电路封装在单个芯片上,形成了紧凑的1/2.9型外形尺寸,可进行高精度、高速度的距离测量。

适用于远程动态测距,兼低功耗与高像素的3D深度传感器(ToF)芯片分析

1前言早在2018年,作为一种新型的视觉传感技术,飞行时间(Time of Filight,ToF)原理就掀起了手机移动端的一阵狂风,一度成为国内OPPO、Vivo、华为等几大Android手机厂商的关注热点。其中,这国内前三强争先将ToF技术运用于其品牌旗舰机的摄像镜头,通过搭载3D ToF立体深感镜头,实现人脸解锁/支付、3D焕颜拍照、3D试装、体感游戏、全息影像交互、测距、室内定位、导航等多场景化功能体验。ToF与结构光(Structured light)不同,它具有体积小、误差低、工作距离远,能直接输出深度数据与抗干扰性强等创新特点。随着ToF技术的提升、成本的下降,以及未来在5G、AR与VR技术的加持下,ToF将开拓更为广阔的应用前景,有望带来产业端的升级,这是它被业界一致看好的重要原因。据外媒透露,即将于今年秋季发布的苹果IPhone12手机也将抛弃之前的结构光方案,转而采取更佳的ToF技术。

Azure Kinect DK深度传感器误差分析和修正方法的研究

针对Azure Kinect DK深度传感器获取的深度数据存在较大误差的均匀现象,本文对其进行了测试分析,发现测量距离在8.5m以内时精度较高,误差在20mm精度以内,当测量距离大于8.5m后,误差随距离增加而快速增加。本文提出使用多项式曲线拟合方法对误差进行修正,使用该方法修正后的误差距离8.5m以内时精度保持不变,距离在8.5m至12m范围明显降低系统误差,控制在50mm以内,且分布均匀。试验证明该方法可以较好地修正Azure Kinect DK传感器测量系统误差,提升其距离测量精度。

线性的调频式深度传感器

由于调频式的测量系统具有一系列的优点，调频式深度传感器已经受到了海洋仪器研制者的重视。如果一个深度传感器的输出频率与被测深度之间具有线性关系，就可以利用一个特制的频率计数器来进行简单的运算，直接给出深度测值的数字显示。

一个简单可靠的深度传感器的设计及其性能分析

海洋测深一般用回声测深仪，但海洋仪器或水下物体在水下沉放深度的测量方法则是另一回事。比较经典的方法是在绞车上装一个计数器，测放出纲丝绳的长度，同时用偏角器测出纲丝绳的倾斜角度，再计算仪器的深度；另外，还可以采用开端颠倒温度表进行深度的测量。

消磁站水下磁传感器定位方法

采用消磁站海底平面磁传感器阵列进行测量是获取舰艇磁场的主要途径,水下磁传感器位置误差是影响舰艇磁场测量的主要因素。针对该问题,将磁场与深度测量数据相融合,提出一种基于磁场梯度优化的消磁站水下磁传感器定位方法。将通电螺线管线圈等效成磁偶极子,通过磁传感器位置偏差区域x和y方向的平均磁场梯度优化确定线圈的两组磁源移动位置,结合深度测量数据分别建立方程组构造目标函数,并采用动态学习策略多群体粒子群算法进行优化求解,从而实现消磁站水下磁传感器的高精度定位。在系统分析和评估深度传感器精度、环境磁噪声等影响规律的基础上,开展位置校正数值模拟和物理缩比模型实验。实验结果表明,该方法可有效地解决消磁站水下磁传感器的定位问题,定位误差小于0.1 m,能够满足舰艇磁场的测量要求。