改进的三维坐标测量编码图案投影方法

为改进后的图案编码的识别和三维坐标的计算提供理论和技术依据．测量物体的三维坐标，恢复物体三维面形图．用3灰度级块状图案构成编码图案投射到被测物体上，通过新的解码算法实现对应点之间的匹配，并用坐标变换方式计算三维坐标．找出了对应点并给出对应点的三维坐标公式，测出了简单物体的三维坐标，恢复了三维面形．所用方法具有操作简单，数据获得快，易于实现的特点．

结构光编码方法综述

作为一种有效而可靠的三维重建和主动测量手段,结构光三维视觉技术得到越来越多的关注.在结构光三维视觉系统中,编码方法关系到投影图案与摄取的投影图像中对应点匹配的精度和速度,是快速准确地获取三维场景信息的关键.文中首先简要介绍了编码结构光三维视觉的基本原理,并对近年来国内外提出的各种结构光编码方法进行了总体回顾.通过分类比较,分析了各种方法的优点和局限性.对今后编码方法的研究方向进行了展望.

双向扫描投影双目结构光编码设计

传统的格雷码编码方式,由于全亮和全暗投影条纹的影响不能获得很好的重构效果。结合双目结构光重构表达式对传统的格雷码编码方式进行了改进,提出了双向扫描的lemming编码形式。首先,根据双目结构光的原理给出了左、右摄像机对物体重构的世界坐标表达式。接着,对传统的格雷码进行了分析,针对传统格雷码中在全亮条纹和全暗条纹处对被测物体不能很好识别的情况,提出了双向扫描lemming方法。此种编码方式保留了传统格雷码相邻区间编码只有一位不同的特性,消除了传统格雷码在全亮条纹和全暗条纹处对被测物体不能识别的情况,并采用投影图案的双向扫描方式,受环境背景噪声干扰小。最后,实验结果表明该方法具有更好的物体重构效果和更强的抗噪声能力。

空间非编码标记特征点中心定位方法与比较

归纳总结了应用于可见光测量的空间标记非编码设计原则,例举了棋盘格型、栅格型、圆型等3种典型的非编码标记图案设计,分别阐述了各标记特征点中心定位方法和计算过程,开展了对比试验,结果表明:圆型非编码标记图案设计及其特征点中心定位精度明显高于其他两种图案,其图案设计简捷、特征点突出易于识别、在像平面中呈现各向同性、点中心定位精度高、计算速度快、噪声抑制能力强。

基于蜂窝立体结构靶标的多目相机标定方法

为解决多目相机快速标定以及构建不同坐标系之间位姿关系的问题,提出一种基于新型蜂窝立体结构靶标的多目相机标定方法,能够快速准确完成多目相机标定。通过仿生学原理设计的蜂窝立体结构具有5个附着自识别阵列标记的不同空间位姿平面,提升了标定稳定性以及鲁棒性;使用多目相机拍摄一幅图像即可完成相机标定以及坐标系间关系构建,提升了标定效率;最后,将所提方法与传统的相机标定方法进行了实验对比。结果表明:相比于传统标定方法,所提方法的相机标定平均重投影误差降低了18.4%,多目相机间外参平均重投影误差降低了8.5%,遮挡干扰下平均重投影误差的相对误差仅为0.01 pixel,进一步验证了所提标定方法的可行性。

微波通信设备跳频图案的设计

阐述了跳频及跳频图案编码的几种方法,并对各种编码方法的特点及性能进行了较全面的分析,详细介绍了具有最佳随机特性,最适合跳频通信的使用的用m序列构造的几种跳频图案的设计模型,以及各种跳频图案的特性和优缺点。

基于非局部Bayesian的单掩膜编码衍射成像算法

为了降低编码衍射成像系统的硬件复杂度,研究基于单个编码衍射图案(coded diffraction pattern,CDP)的成像算法。以图像本身具有的非局部区域自相似特性作为相位恢复中的信号约束,克服单个CDP携带信息过少的不足,提出一种基于非局部Bayesian估计与图像自相似性的相位恢复与图像重建算法。研究结果表明:当仅利用单个CDP重建图像时,本文算法获得的平均峰值信噪比分别比WF(Wirtinger flow),DOLPHIn(dictionary learning for phase retrieval)和ConPR(constrained phase retrieval)算法提高了15.00,5.00和0.23 dB;且其重建图像能够更好地保留细节信息,具有较高的主观视觉质量。此外,本文算法的运行时间约为DOLPHIn算法的1/4、ConPR算法的一半。

基于嵌入式GPU的特征畸变单目视觉定位系统的研究

视觉定位和导航在物流仓储等领域具有广泛的应用前景,传统单目视觉难以实现准确的定位,而双目视觉虽能完成精确的定位和导航,但硬件成本高且影响车体尺寸。提出一种基于特征物形变的单目定位技术,利用单个相机对地面铺设的特征物(带编码的圆环图案)的畸变进行记录,以嵌入式图像处理单元(graphics processing unit,GPU)进行分析,实现端到端的单目视觉定位。其中嵌入式GPU对相机采集的图像通过深度学习目标检测算法识别特征圆环的编码图案,经传统图像处理获取图案物像的形变信息,将该形变信息输入至经极端梯度提升算法(extreme gradient boosting,XGBoost)训练好的回归模型,预测出相机相对图案中心的坐标,同时结合该特征圆环的绝对坐标,最终解算出相机的室内绝对坐标。实验结果表明:在2 m×2 m的范围内定位平均误差仅为0.55 cm,优于文献报道1个数量级,且算法在电脑端和在嵌入式GPU上的定位解算帧率分别为20帧和4帧,具有实时性。

基于高斯混合模型的衍射成像算法

编码衍射成像系统中记录的测量值丢失了相位,而相位含有关于图像的大部分结构信息.如何利用无相位测量值重构原始图像是相位恢复(Phase Retrieval,PR)算法面临的一个重要问题.由期望最大(EM)算法训练高斯混合模型(GMM)的最优参数,任一图像块可以选用GMM中某一模型分量最佳表示.基于该认识,本文利用GMM的统计特性融合数据保真项构造PR优化问题,并用加速邻近梯度法求解该问题.实验结果表明,该算法在噪声强度较大、编码衍射图案较少的情况下仍能获得较高质量的图像重构.