基于Xtion传感器的玉米果穗三维形态指标测量系统

为了快速无损测量玉米果穗三维形态指标,设计了一种基于Xtion传感器的玉米果穗三维形态指标测量系统。采用Xtion配合电动转台采集多视角玉米果穗点云数据,利用ICP配准方法对完整果穗点云数据进行配准拼接,采取泊松重建方法对配准后的点云数据进行三维重建,最后利用散度原理进行果穗体积的计算。结果表明:测得的体积值与其真实值之间的误差在9%之内。该方法为自动化玉米果穗三维形态指标测量提供了切实可行的新途径。

Xtion深度摄像头在移动机器人导航中的应用

为了提高机器人在室内移动过程中的感知能力,在移动机器人的导航系统中引入Xtion三维深度摄像头作为传感单元,以数据融合单元和路径规划单元为核心,设计了具有机载Xtion摄像头的移动机器人导航系统.系统采用IMU(Inertial measurement unit)和增量式光电编码器作为视觉导航的补偿传感器来弥补Xtion深度摄像头在80cm以内位置感应能力的不足,并采用一种机器人位移、偏移度数据融合算法,对Xtion生成的位移、偏移度数据进行修正.最后利用A*路径规划算法进行机器人的路径规划,在导航系统的作用下,实现机器人从起始位置到设定的目标位置的无碰撞运动.实验结果表明:在机器人导航中,Xtion深度摄像头与补偿传感器融合,比仅使用IMU和光电编码器的方法在导航中能提供更准确的位置感知数据和行进航迹,可以更好地帮助移动机器人完成自主导航.

基于XTION的机器人室内三维地图实时创建

针对室内复杂环境中移动机器人三维地图创建问题,基于RGB-D相机XTION搭建机器人地图创建系统,提出一种利用视觉里程计和贝叶斯闭环检测实时创建三维地图的方法。在机器人操作系统(ROS)框架内,首先由移动机器人携带XTION获取环境三维图像经WIFI上传上位机,然后由上位机软件使用SURF算法对RGB-D相机图像进行特征点提取与匹配,接着采用视觉里程计进行机器人位姿估计,同时利用贝叶斯闭环检测消除累积误差,最后使用g2o方法对三维点云图进行优化并创建完整的三维地图。经室内环境实验验证,机器人地图创建系统创建了完整的室内环境三维地图,所描述室内物体轮廓比较清晰并与真实场景相一致,机器人位姿估计比较精确,验证了利用视觉里程计和贝叶斯闭环检测实时创建三维地图的可行性。

基于单视角点云镜像的猪只体尺测量方法

为了克服人工家畜体尺测量耗时、应激大和工作强度大等问题,提出了一种基于单视角点云镜像的猪只体尺测量方法。首先使用单Xtion深度相机采集包含猪体的场景点云图像序列,并人工筛选出包含背部弯曲程度较小猪体的场景点云图像,然后基于随机采样一致性算法和聚类分割算法自动化分割目标猪体并对其进行姿态归一化,检测单视角猪体点云对称面,并利用对称面镜像获取完整猪体,最后利用自主研发的体尺测量软件测量猪只体尺。试验结果表明,利用该方法测量体长的平均相对误差为5.00%,臀宽测量的平均相对误差为7.40%,臀高测量的平均相对误差为5.74%。该方法为猪只体尺测量提供了切实可行的新途径。

基于改进的LBP算法的三维人脸识别

三维人脸数据的获取会受到成本以及可访问性的影响。通过对深度相机(如Xtion pro live)获取人脸数据过程的研究可知,它能够很容易获得彩色和深度结合(RGB-D)图。针对RGB-D图,使用局部和整体混合识别,利用局部二值的平均信息熵模式(LBEP),快速提取RGB-D图的直方图信息和特征向量,根据不同区域在表情不同情况下的变化程度,对不同区域的识别效果赋予不同的权值,进行加权运算。实验结果表明,相比现有的二维和三维人脸识别算法,改进的LBEP算法识别率有明显的提升。

基于立体视觉的人体头部目标识别研究

将立体视觉运用于人体头部目标检测,设计了一种基于图像深度信息处理的人体头部识别系统。系统采用Xtion摄像机采集场景的深度图像,并对其进行特征分析,根据深度图像的特点以及头部的特征确定头部目标区域。再对目标区域采用Mean Shift算法进行聚类处理,得到清晰的图像边缘。最后通过基于动态阈值的一维熵函数分割法实现头部的分割识别。该系统可快速锁定目标区域,减少了算法的计算量,大大提高了系统的识别速度。此外,采集深度图像的Xtion摄像机悬挂在目标场景的正上方,因而较好地解决了目前人体目标检测受遮挡的问题。经实验论证,该系统有较高的识别精度。

三维深度图像在自动客流计数系统中的应用

在客流计数中,针对目前基于普通彩色相机的图像处理受光照、人体姿态、遮挡等因素影响使系统整体性能降低等问题,提出了一种基于人体头肩三维信息检测客流的新方法,即利用人体头部与肩部空间位置关系特征以及头部形状、面积等特征检测客流。以Xtion传感器为平台,通过综合分析传感器获取的包含人体表面三维特征的深度图像,识别并跟踪人体头部,统计进出的人数。实验结果表明,这种方法不仅提高了检测的精度和效率,减少了运算数据量,实现了视频流实时处理,而且解决了基于普通彩色图像中目标检测需要建立训练库等问题。系统精度达到96%,具有实际的应用价值。