基于Kinect传感器的移动机器人室内环境三维地图创建

针对移动服务机器人在未知室内环境下的三维感知问题,提出了一种基于低成本Kinect传感器的三维地图创建实用方法.对于机器人在运动过程中连续采集的多帧RGB-D信息,首先利用SURF算子对RGB图像提取稳定特征点并进行特征点匹配,然后结合深度图像,采用RANSAC算法剔除可能存在的误匹配点并完成初始配准,从而估计得到图像帧间粗略的相对转移关系,最后运用广义ICP算法对采集的深度图像进行精确配准,得到拼接的三维点云图.在此基础上进一步开发了移动机器人三维地图创建应用系统,实验验证了该方法的可行性和有效性.

使用Kinect传感器的油菜叶片面积测量方法

为快速准确地测定活体油菜的叶片面积,减小在数字图像处理中由于叶片的卷曲和变形带来的二维投影误差大的问题,使用Kinect传感器拍摄油菜叶片的彩色和深度图像,用三维方法测量叶片面积。利用绿色分量值显著的特性在彩色图中分割出叶片并将其映射到深度图。在深度图中,使用标定方块计算像素-物理尺寸转换参数,以计算叶片的三维点云。在三维点云中,检测叶片的轮廓并去除毛刺,再使用插值使点云网格化,最后使用海伦公式计算叶片轮廓包含的网格面积,得到叶片的总面积。实验结果表明,Kinect传感器的测量方法成本低、精度高、通用性强。测量值与真实值之间显著正相关,相关系数为0.998 5。使用回归方程y=0.955x+22.357可以校正测量值,使其更准确地反映叶片面积。

基于Kinect传感器的机械手自主抓取技术研究

为实现机械手对物体的自主抓取,采用Kinect传感器采集RGB图像,运用HSI和Lab色彩空间分割算法对物体进行图像识别,并计算物体的空间坐标,然后根据物体的坐标值反求机械手运行角度,驱动基于S3C2410的ARM控制器的机械手,实现对目标的抓取。以温室内的成熟番茄为抓取对象,实验结果表明该系统能准确有效地实现对物体的识别、定位及抓取。

基于Kinect体感传感器的心理宣泄系统的实现

击打宣泄是心理宣泄疗法的主要手段。基于Kinect体感传感器和Direct3D图形绘制编程接口,设计并实现了心理宣泄系统。系统利用Kinect体感传感器采集人体关节点坐标信息,控制虚拟拳头击打虚拟击打对象,模拟真实拳击运动,通过击打实现心理宣泄。实验表明:该系统不仅能获得良好的心理宣泄效果,而且,可以为健身运动提供新的体验平台,其计算出的击打力还可作为拳击训练的重要参考标准。

基于Kinect传感器的猕猴桃果实空间坐标获取方法

猕猴桃自动采摘机器人研究中,为了自动获取目标果实的空间坐标,提出了一种基于Kinect传感器的猕猴桃果实空间坐标获取方法。首先利用Kinect传感器的红外投影机和红外摄像机获取深度图像,利用彩色摄像机获取RGB图像,根据彩色图和深度图对应关系,转换成深度坐标;然后通过Map Depth Point To Skeleton Point函数得到以红外摄像机为原点的坐标系坐标。实验表明:该方法能够有效获取猕猴桃目标果实的空间坐标,其定位误差小于2mm。

基于Kinect传感器的羊体体尺测量系统

在基于机器视觉的羊体体尺测量中,当光线、背景等产生干扰时,彩色图像无法准确提取出羊体轮廓,且羊体站姿的变化也会造成测量误差。基于VS2010,Windows SDK搭建羊体测量系统,为解决背景干扰的问题,采用Kinect传感器获取现场羊体彩色和深度图像,将彩色与深度图像相结合提取羊体轮廓;结合深度信息建立羊体空间轮廓线拟合平面,并计算其与像平面夹角,进行体位站姿纠偏后得到羊体体尺数据。经过实验测试,相对误差在4.3%以内。

基于Kinect传感器的动态手势实时识别

本文提出了一种基于Kinect传感器的动态手势实时识别方法,在预处理阶段通过OpenNI/NITE快速获取人体骨架,并从中得到关节点数据用于建立动态手势的运动轨迹特征描述子.提出了一种在全局约束条件下的权重化多维数据的动态时间扭曲算法(WM-DTW)来对手势轨迹序列进行训练和识别.实验结果表明,本文的识别方法比LDA算法和动态时间扭曲(DTW)算法有更高的识别率.

基于USB2.0及GPIF的CMOS图像传感器视频实时采集系统

应用Hynix Semiconductor Inc.的HV7131R CMOS图像传感器为光电成像器件,通过USB2.0控制器cy7c8013以通用可编程接口GPIF MASTER模式实现与传感器的无缝连接,在isochronous传输方式下采用Auto—In(自动打包)工作机制实现了串行总线对图像系统数据的实时传输。设计了结构简单、高效的适用于高速图像采集的硬件系统,并编写了基于多线程技术的软件系统。阐述了CMOS图像传感器的一般特征,详细介绍了RGB CMOS图像传感器芯片HV7131R的性能、特点及工作原理。并对GPIF的原理、应用做了详细说明。

基于Kinect V3深度传感器的田间植株点云配准方法

准确建立植物的三维点云是以点云方式高通量获取植株各部位物理参数的前提。为实现田间复杂环境下的植株三维点云配准,该研究提出了一种基于多标定球的田间植株点云自动配准方法,并分别在室内简单场景及大田复杂场景下从不同角度对多种作物采集的点云数据进行验证。该方法采用随机抽样一致性算法(Random Sample Consensus,RANSAC)结合点云减法的概念从下采样后的点云中实现多标定球的自动提取,弥补了RANSAC一次只能提取单个物体的缺点。然后基于各标定球的球心距离信息实现三维点集的自动匹配。最后使用奇异值分解算法解算旋转平移矩阵,实现点云的自动配准。不同场景下各作物的配准结果表明,各植株的水平90°、180°、270°以及垂直方向上的点云配准到水平0°点云下的平均轴向误差在5.8~17.4 mm之间,平均点位误差在13.1~28.9 mm之间,与手动配准的商用同类软件LiDAR360的配准结果相当,但配准过程的自动化程度明显提高,效率提高了67%。该文所提出的方法可在田间复杂环境下对低成本深度相机获取的植株点云实现高精度的自动配准,为田间植物表型参数的提取提供了低成本的可行方案。

基于Kinect传感器的移动机器人室内三维环境创建

针对移动服务机器人需要感知室内工作环境问题,提出了一种基于低成本Kinect传感器的三维环境创建实用方法。机器人在移动过程中,Kinect传感器实时采集RGB信息和深度信息,将RGB图像信息映射到深度图像信息中,采用联合双边滤波对深度图像进行预处理,获得质量比较高的点云数据。对采集到的大量点云数据,采用半径滤波器算法对点云进行精简,剔除离群点,减少点云数量,提高匹配速度。点云配准时,采用NDT算法完成初始配准,从而得到图像帧间粗略的转换关系,并运用GICP算法对采集的多视角点云数据进行精确配准,得到拼接的三维点云场景。实验结果表明:本文方法具有更好的重建效果和更高的效率,可以应用于室内场景三维环境创建。

基于Kinect传感器的机器人室内环境检测方法

针对移动机器人室内环境检测问题,提出了一种基于Kinect传感器的目标物体检测方法.利用Kinect传感器采集的视频图像和深度数据来实现对机器人工作环境中已知特征目标物体和完全未知目标物体的检测及定位.对于已知特征目标通过颜色特征分析来完成检测,而对于完全未知的物体则通过深度地面消除算法和提取深度图像的轮廓来进行检测.利用传感器成像模型对检测出的目标区域进行三维空间定位,从而获取目标物相对于机器人的空间位置信息.基于移动机器人平台进行实验,结果表明,该方法能够有效地实现室内环境信息的检测及定位.

基于Kinect传感器的温室植株绿色与深度检测方法

植株目标的有无、颜色以及深度等特征的检测对于精准农业的发展,特别是喷雾机智能喷雾过程中的植株识别、林木种植中植株生长状态的检测等均具有重要意义。本文提出一种基于Kinect传感器的温室植株绿色与深度检测方法,首先通过Kinect传感器检测植株目标并获取其彩色图像和深度图像;再对所获取的彩色图像进行植株颜色的限制处理,以识别出绿色植株目标;对所获取的深度图像进行深度范围限制处理,去除范围以外的干扰物体;最后由植株目标的色彩特征图像与深度图像的距离特征结合,实现对所需检测距离范围内的绿色植株目标的检测。通过实验证明该方法能够实现限定深度范围内绿色植株目标的检测,场地试验验证了在实际的植株种植应用环境中该方法也能够实现植株区域的识别,可以应用于精准农业植株的检测与特征识别。

基于Kinect传感器的移动机器人环境检测及行为学习

研究了一种基于深度图像和强化学习算法的移动机器人导航行为学习方法。该方法利用机器人装配的Kinect传感器检测工作环境信息,然后对获取的深度图像数据和视频图像进行处理、融合和识别,并由此构建机器人任务学习的状态空间,最终利用强化学习方法实现移动机器人的导航任务的自学习。该方法的有效性通过实验得到验证。实验表明,该方法能够使机器入具有较强的环境感知能力,并能够通过自学习的方式掌握行为能力。

基于KINECT传感器采集三维点云的高效鲁棒人脸识别

针对传统的三维人脸识别算法成本较高且不能很好地处理鲁棒性人脸识别的问题,提出一种基于低分辨率KINECT传感器采集三维点云的高效鲁棒人脸识别算法。首先,针对KINECT传感器采集到的数据噪声大的问题,提出规范化预处理过程,通过鼻尖检测、人脸剪裁、姿势校正、对称填充及平滑采样得到规范的纹理图像;然后,在纹理图像上运用判别色彩空间变换,从而最大化类与类之间的分离性;最后,利用多模态稀疏编码有效地重建误差以得到查询图像与训练集之间的相似度,并利用Z-得分技术完成最终的人脸识别。在通用人脸数据库Curtin Faces上的实验验证了算法的高效性及鲁棒性。实验结果表明,相比其他几种较为先进的鲁棒人脸识别算法,该算法取得了更高的识别率及鲁棒性。

基于Kinect传感器的织物悬垂性测试

织物的悬垂性能测试多局限于二维测试,不能直观地反映织物的三维外观形态。提出了一种新型测试方法,能够直接扫描得到织物的三维外观形态。通过Kinect传感器从试样的多个位置获取深度图像,建立三维场景,通过C++编程和图像处理软件的处理,提取试样的悬垂性能指标。将其与传统测试法获取的悬垂性能指标作比较,发现两者具有高度的相关性,从而验证了用Kinect传感器扫描获取试样的悬垂性能指标的测试方法具备可行性。

基于Kinect传感器的音乐喷泉控制系统

利用Kinect传感器的手势识别技术对喷泉进行控制的理论和实现方法,采用Kinect深度图像的骨骼跟踪和动态图像识别技术提取各种手势动作,替代计算机的键盘和鼠标实现人机互动。将Kinect采集的三维数据转换为控制音乐喷泉的二维数据,通过PC机串行接口下传到喷泉控制器实现对喷泉的水型和灯光的多种变化的控制。Kinect采用的自然人机交互技术使计算机像人一样对外界进行反应,增强人机交互体验,丰富音乐喷泉的功能和人们的乐趣。

新一代Kinect传感器关键技术综述

通过与上一代产品特性对比,介绍了微软公司推出应用于人机交互技术的新一代Kinect传感器关键技术,如骨骼追踪、人脸识别、语音定位等。展望了广泛应用其革新人机交互技术的现状。

基于USB2.0的电容称重传感器数据采集卡设计

介绍了一种基于USB2.0接口的电容称重传感器数据采集卡设计方案及其软硬件的设计,对Cypress的USB2.0控制芯片CY7C68013和同步高速数据采集芯片AD7862的特性作了简要说明,同时重点介绍CPIF及其驱动软件的设计.

低分辨率KINECT传感器采集三维点云的人脸识别

针对传统的三维人脸识别算法成本较高且不能很好地处理带有光照、表情等变化人脸识别的问题,设计了低分辨率Kinect传感器采集三维点云的鲁棒人脸识别系统。首先,通过鼻尖检测、人脸剪裁、姿势校正、对称填充及平滑采样得到规范的纹理图像;然后,在纹理图像上运用判别色彩空间变换,从而最大化类与类之间的分离性;最后,利用多模态稀疏编码有效地重建误差以得到查询图像与训练集之间的相似度,并利用Z-得分技术完成最终的人脸识别。在通用人脸数据库CurtinFaces、PIE及AR上的识别率可高达96.7%,实验结果表明,相比其它几种人脸识别算法,本文算法取得了更好的识别效果。

AG2.0型超声蒸发传感器应用及存在的问题

AG2.0超声波蒸发传感器是根据超声波测距的原理,选用高精度超声波传感器,精确测量超声波传感器至水面距离并装换成电信号输出,可及时测出蒸发量,相比于传统的人工测量蒸发大大提高了蒸发观测的时效性。文章针对日常中遇到的蒸发精确度,提出疑问,并列举事实依据,为以后准确选取仪器计量蒸发提供参考。