基于逆投影变换的纱筒纱线余量检测算法

纱筒纱线余量检测是纺织行业自动化生产过程中的重要一环,针对目前纱线余量检测算法检测精度低的问题,提出一种基于三点逆投影变换模型的纱筒纱线余量检测技术。根据实际生产过程中相机与纱筒的位置关系,建立三点逆投影变换模型进行初步矫正。为得到更好的图像矫正结果,设置补偿矩阵并根据内外筒位置信息优化变换矩阵,最后将逆投影变换后的图像按照改进的椭圆坐标变换模型展开为矩形,根据余量计算准则计算得到纱筒纱线余量。在自主搭建的检测平台上进行实验,结果表明,本文算法检测精度在5 mm以内,基本满足实际生产要求,可为纺织产业自动化生产提供依据。

基于逆投影变换的纱筒纱线余量检测算法

纱筒纱线余量检测是纺织行业自动化生产过程中的重要一环,针对目前纱线余量检测算法精度低,本文提出一种基于逆投影变换的纱筒纱线余量检测算法。首先提取纱筒内轮廓,对图像滤波,设计曲率均值高斯卷积核对图像卷积后分割提取纱筒内筒轮廓,然后提取纱筒外轮廓,对纱筒正面区域进行粗分割,选择正面区域轮廓上曲率平稳点建立混合贝塞尔曲线拟合模型,拟合得到纱筒正面区域外轮廓。然后对纱筒图像投影效应进行建模分析,选择纱筒外轮廓上的四个点作为变换基准点,求解逆投影变换矩阵,实现纱筒图像的透视矫正,最后根据制定的纱筒纱线余量计算准则计算得到纱筒纱线余量。在自主搭建的检测平台上使用本文方法进行实验,实验结果证明纱线余量的检测精度在8%以内,满足实际生产要求,为纺织产业自动化生产提供一定的依据。

一种基于改良逆投影变换的道路斑马线识别方法

针对道路岔口事故多发的交通环境,提出了一种基于逆投影变换的道路斑马线识别方法.该方法可用于多种视觉采集处理设备如智能眼镜,智能车辆等.方法首先对逆投影变换方法进行改良,使用改良后的逆投影变换将图像进行俯视矫正;之后,对变换后的图片进行形态学变换以消除噪声干扰,再应用双极系数法对斑马线进行识别;最后,采用连通域判决方法消除图像中其他景物对识别造成的影响.实验结果表明,斑马线识别的准确率和实时性得到了提升,改良后的逆投影变换效果突出.

基于DM6437的逆投影变换技术

为了实现基于DM6437的鸟瞰变换,文中提出了一种通过逆投影变换结合映射查表的方法来完成从透视图像到俯视图像的实时变换方法。首先,针对广角摄像头采集到的图像进行畸变校正;然后建立图像坐标系到世界坐标系下坐标点的映射关系,并进行逆投影变换;最后,利用上述映射关系获取整幅图像的映射表格,进而采用映射查表的方法得到实时的俯视图像。通过实验结果表明,该方法实时获取的俯视效果图像可基本满足实际应用需求。

基于定向二维插值的逆投影变换方法

为了研究逆投影变换方法在智能车驾驶环境信息采集中的应用,提出了一种反向求解逆投影的方法,即根据用户感兴趣的道路区域规划逆投影变换后的图像,并考虑了车道线的方向特性,提出分段的定向二维插值方法求解逆投影变换后图像各个像素点的灰度值。理论分析和标定试验表明,使用该方法进行逆投影变换后的图像能够较好地反映客观路面情况,并且可以降低逆投影变换的计算量,强化车道线信息。

一种基于逆投影变换的智能车道路识别方法

针对智能车辆实验环境,提出了一种基于单目视觉的智能车辆道路识别方法。该方法对智能车辆在行驶过程中采集的图像进行逆投影变换,消除透视投影对道路识别的影响,并且可以根据视觉导航的需要选择部分兴趣区域进行投影变换。再对道路俯视图进行中值滤波、边缘检测,有效地提取出了道路的边缘图像。该方法还提出了简易的道路模型,提高了视觉导航的实时性。

基于逆透视投影变换的图像拼接方法

为了得到大视角图像较好的拼接效果,本文提出了一种新的图像拼接方法。该方法利用逆透视投影变换的方法解决了大视角图像间视差过大的问题,利用多分辨率匹配来提高图像匹配速度,利用选取特征区域的方法来提高模板匹配的精度。实验证明了该方法能有效解决简单环境下大视角图像的拼接问题。

基于图像逆投影和3D部件混合模型的目标检测

基于图像/视频检测场景中的目标对象,总要涉及如何应对由成像透视造成的几何和尺度形变,以及运动形式变化等问题,使得在2D图像空间设计算法变得尤为复杂,尤其是针对目标遮挡和粘连问题,一直不能得到很好解决。为此,借助逆投影变换,提出一种在逆投影图中结合多部件混合模型的目标检测方法。首先在3D空间中构建与目标局部表面相贴合的逆投影面或阵列;然后,通过逆投影变换重构目标局部表面的特征数据,得到相应的逆投影图;接下来,提取部件样本在逆投影图中的HOG特征构建特征字典;并通过在字典上的稀疏逼近实现局部部件的检测。最后,利用部件检测结果,构建3D模型,并对质心聚类,完成最终的目标识别。实验表明,基于图像逆投影和3D部件混合模型检测图像/视频中的目标,不仅可以降低算法的复杂度,还可以从本质上有效解决目标遮挡和粘连,使检测精度和速度都远超于在2D图像空间设计的算法。

基于视觉的移动机器人实时障碍检测研究

针对立体视觉障碍检测的两个难点:匹配精度以及匹配算法的实时性问题,文章提出了一种基于区域分割的障碍检测方法。通过区域分割,把图像对应点的匹配问题简化为区域边界点的匹配,提高了匹配的精度。分割后的区域作为一个独立的对象进行处理,障碍物三维信息计算转化为视差的判断,提高了匹配的速度。该算法能够实现在室内环境下的实时障碍检测,不需要利用环境的先验知识,具有较强的自适应性。实验结果表明了该方法的有效性。

基于立体视觉的移动机器人障碍检测算法研究

针对室内导航环境的特点以及匹配精度和匹配算法的实时性问题,本文提出了一种基于区域分割的障碍检测方法。通过区域分割,把图像对应点的匹配问题简化为区域边界点的匹配,提高了匹配的精度。分割后的区域作为一个独立的对象进行处理,障碍物三维信息计算转化为视差的判断,提高了匹配的速度。该算法能够实现在室内环境下的实时障碍检测,不需要利用环境的先验知识,具有较强的自适应性。实验结果表明了该方法的有效性。

车载环视拼接方法的研究

介绍一种由4个不同鱼眼摄像机视场映射到俯视图的拼接方案。该方案主要依据逆投影方法分别建立起4个场景到俯视场景下大图的坐标关系,再依据图像融合得到最终俯瞰视图。创新性是提出在相交区域做第二次的泰勒拟合来增加模型对相交区域的描述的准确性。最后依据室内模型小车实验,在小车各个角度下的拼接效果证明提出的算法对车载环视的相交区域拼接效果有显著的改善。

基于全景鸟瞰视图的障碍物检测方法研究

目前,车载环视系统的障碍物检测大多采用基于特征的方法,主要针对车辆和行人等特定障碍物,不能完全消除障碍物对车辆行驶安全的威胁。采取基于运动的方法检测所有高于地面的障碍物。建立了平坦路面上的车辆运动模型,使用逆投影变换,推导出车辆运动参数、障碍物点高度和对应像素光流的关系。根据车载环视系统中相邻摄像头生成的俯视图存在重叠区域、重叠区域的障碍物特征点存在两个不同的光流矢量的特点,快速筛选出相交区域中的障碍点,并加速最优车辆运动参数的求取。最后使用运动参数生成运动补偿图像,检测图像中的所有障碍物点。实际道路测试证明,提出的算法在常规的路面环境下,能有效地标记出行驶过程中高于地面的所有障碍物。

一种新的基于单目视觉的广义障碍物检测方法

障碍物检测是辅助驾驶、机器人导航等领域的核心问题之一.本文提出一种新的基于特征点道路面投影位移矢量的单目视觉广义障碍物检测方法.基于道路平面假设,利用特征点估计相机自运动参数,并利用此参数对相机的旋转运动进行补偿.利用逆透视投影变换,分别推导并证明了道路平面上的点和障碍物上的点的道路面投影位移矢量与相机位移矢量的关系.提出了一种区间统计方法,实现了相机位移矢量的鲁棒估计.最后,通过分析连续图像特征点的道路面投影位移矢量与相机位移矢量的关系,实现了广义障碍物检测.各种场景下的实验结果表明,该方法能够检测任意类型、形状的障碍物.与传统的运动补偿方法相比,具有更好的鲁棒性和准确性.

基于单目视觉的横穿障碍物检测

提出一种基于单目视觉的横穿障碍物检测方法.首先,基于道路平面假设,根据特征点的位置约束以及逆透视投影变换下的性质,提取地面特征点对.其次,采用迭代加权最小二乘法估计自车平移和旋转运动参数.然后,利用估计的运动参数对图像光流进行旋转补偿,并基于道路C-速度空间生成障碍物的候选标记点.最后,对候选标记点进行分组聚类和验证,确定横穿障碍物区域.不同交通场景下的实验结果表明,上述方法能够适用于各种自车运动,有效检测横穿障碍物.

视频数据与车辆运动仿真协同驱动的三维交通实时重建方法

实现基于城市路网内摄像头采集视频数据的三维(3D)交通实时重建,对事故分析、车流量统计、路径导航、拥堵分析等具有重要的意义。现有三维交通重建方法大多是基于已提取的结构化车辆轨迹矢量数据进行三维重建,并且假定提取的结构化数据完全正确,这样的数据显然是很难获得的。针对上述问题,提出一种视频数据与车辆运动仿真协同驱动的三维交通实时重建方法。首先利用多目标跟踪技术提取视频中车辆的运动轨迹像素坐标,然后采用交互式迭代求解的逆透视投影变换将像素坐标转变为大地坐标;接着搭建三维静态场景,并在该场景内构建开放环境中基于驾驶员场景感知的车辆运动仿真,实现车辆运动轨迹的预测;最后联合上述已得到的运动轨迹数据,实现三维交通的实时重建。实验结果表明,该方法可以实现可视效果优良的三维交通实时重建,可以较好处理轨迹缺失、轨迹错位等问题,重建中车辆运动平滑,不会出现突然失踪、突然出现等问题,可视效果显著优于完全基于多目标跟踪方法得到的轨迹数据。

一种多目标QR码图像快速校正方法

随着信息物联网的发展,快速响应(QR)码的应用越来越多样化。传统单个QR码的识别和应用已不能满足现有需求,因此提出一种多目标QR码的校正方法。对图像进行二值化,利用QR码自身符号特征进行定位,结合连通区域标记算法对图中的多个QR码进行分割。接着利用轮廓跟踪获得QR码探测图形边界,并利用几何关系获得探测图形上的3个顶点。根据探测点和3个顶点的关系,获得第4个顶点,最后用逆投影变换依次对每个QR码进行校正处理。使用C++语言实现算法,并用Zbar对校正后的QR码进行识别测试。实验结果表明,所提算法能够实现对多目标QR码的快速校正,识别率高,且能克服不同光照、背景干扰影响,具有较好的稳健性。