光流场水平集视频图像运动目标协同分割法

针对姿态连续变化以及复杂环境影响导致视频图像目标分割欠佳问题,提出了一种结合光流场与水平集的协同分割方法来提取多帧图像中的共同运动目标对象。首先,用L-K金字塔光流场与水平集方法结合,对运动前景进行初始位置估计,得到演化运动目标的初始轮廓;其次,设计基于L-K光流场的运动约束项,控制水平集曲线的演化速度和演化方向,结合帧间运动目标显著图进行最终的运动目标协同分割;最后,在Segtrack数据集上使用5个评估指标与现有的4种典型算法进行对比实验,结果表明所提方法能有效分割复杂背景下的运动目标,与其他协同分割方法相比,分割精度提高了12%~28%,分割误差降低了19%~31%.

基于LBP纹理和改进Camshift算子的车辆检测与跟踪

提出了利用背景图像LBP(局部二值模式)纹理和当前帧图像LBP纹理的相似度分析提取前景的方法,克服了车辆检测中常用的帧差法、背景差分法对光照比较敏感的缺点.同时基于H,S,V分量及改进的LBP纹理的联合直方图与金字塔L-K光流法中心跟踪相结合的Camshift跟踪算法,有效地解决了背景目标颜色相近可能会导致跟踪的目标区域加入背景后变大、处理较大帧间位移的视频跟踪上搜索窗口的位置准确度较低的问题.实验证明,该方法具有良好的检测和追踪效果.

基于Kalman的运动物体跟踪和预测方法研究

目前,很多应用需要跟踪图像序列中的运动物体。但是,有时不知道运动物体的特性,因此,提出一个完整的跟踪预测模型;使用无需先验知识的Kalman滤波器跟踪和预测运动物体。利用提取的Harris角点,通过L-K金字塔方法得到前后两帧光流;通过光流聚类得到当前帧中运动物体的凸包,使运动物体从背景中分离出来。由Kalman滤波器跟踪和预测各运动物体凸包的重心,并划出运动轨迹。计算机仿真及现场测试结果表明所提出的方法具有较高的跟踪精度,且计算量小。

基于双目视觉的固定翼无人机自主着陆技术研究

针对固定翼无人机自主着陆需求,结合旋翼机自主着陆方法优势,提出一种基于双目视觉的固定翼无人机自主着陆方法。分析无人机着陆过程,设计地标形状及其摆放方式;基于轮廓几何特征及SVM分类器完成目标识别。为保证算法实时性,对目标图像进行网格采样,以基于前后双向跟踪误差与相邻帧局部区域图像相似性约束改进的金字塔L-K光流法为核心对采样点进行跟踪;设计目标再搜索算法,进行跟踪失败再搜索,保证跟踪稳定性。最后,提取亚像素级特征角点,基于透视投影理论完成相对位姿解算,并进行双目均值融合。实验结果表明:算法实时性、稳定性较好,有较高估计精度,可满足固定翼无人机自主着陆需求。

基于双目视觉的电缆护套断裂伸长率自动测量

针对电缆护套断裂伸长率的人工测量方法精度差、自动程度低的缺陷,提出一种基于双目视觉的自动测量方法.首先采集试样拉伸视频,对首帧图像采用基于信息熵的算法定位2个圆环标记符圆心坐标,若正确识别则使用圆心坐标作为标记点,否则选取立体匹配结果良好的SURF特征点中距离圆心最近的点作为标记点;然后用金字塔L-K光流法追踪隔帧采样后的护套拉伸视频中的标记点,基于计算出的标记点三维坐标和加速度判定试样断裂的粗略帧位置,再回溯2个采样间隔进行逐帧检测,最终精确定位断裂帧并计算断裂伸长率.在电缆护套质检现场进行实验的结果表明,以240帧/s高速相机的测量结果作为真值,采用所提方法测得断裂伸长率的测量均方根误差为7.13%,低于人工测量方法的21.84%,处理速度达到了107.8帧/s,在实际应用中能明显提升检测的精度、速度和自动化程度.

一种基于特征点稳定跟踪的三维注册方法

针对增强现实中三维注册易失效,稳定性差等问题,提出一种基于特征点稳定跟踪的三维注册方法。通过全局ORB特征点匹配得到目标特征点,采用光流法对目标特征点进行持续跟踪,并同时使用ORB特征对跟踪点进行校正。利用基于单应性矩阵的三维注册的特性恢复跟踪失效的特征点,最后利用相邻帧之间特征点的匹配求得单应性矩阵,进而求得注册矩阵。实验结果表明该方法能够基本满足三维注册实时性的要求,并且能够在复杂的注册环境中保持较好的鲁棒性。

视觉辅助无人机自主着陆目标跟踪算法设计

为保证无人机在视觉传感器的辅助下进行自主着陆的着陆精度、实时性和安全性,需要具备一套跟踪速度快、稳定性高的图像处理跟踪算法。本文首先介绍在检测识别到目标后,在目标所在区域网格撒点,初始化若干个跟踪特征点;之后,采用L-K光流法跟踪初始化后的像素点,并采用前后误差法,筛选去除跟踪效果差的点;然后,为保证跟踪目标的完整性,采用模板匹配,比较前后两帧跟踪的目标的相似性,以此结果判断是否需要重新检测识别;最后,以拍摄的视频资料为素材进行算法实时性和跟踪稳定性的验证。实验结果表明设计的目标跟踪算法可以快速稳定的跟踪目标,满足无人机进行自主着陆的要求。

基于红外热成像技术的无轨胶轮车运行沿线人员检测系统研究与应用

由于煤矿井下辅助运输巷道空间结构复杂以及人员流动频繁,胶轮车司机观察困难,易造成车辆人员碰撞等安全事故。为此,设计了一套基于红外热成像技术的辅助运输巷道人员检测系统。该系统可基于机器视觉与人工智能技术,自主检测人员并确定人员与车辆的相对位置,并根据相对距离分析危险等级,辅助并提醒胶轮车司机保障驾驶安全。经试运行,该系统有效降低了人员车辆碰撞等危险,提升了无轨胶轮车运行沿线人员的安全性。