Eye-to-Hand机器人系统的平面工件识别研究

针对Eye-to-Hand类型机器人,利用灰度阈值实现工件的存在判定,然后采取基于彩色图像H阈值的图像分割方法实现工件的轮廓识别,在此基础上给出机器人手眼标定和确定工件质心的方法以获取工件的平面位姿信息。实验结果表明本方法能够很好地满足Eye-to-Hand类型机器人视觉应用中对获取的目标工件位姿信息所需的精度。

利用高精度DEM绘制平原地区1∶10000地形图等高线的方法研究——以安徽宿州为例

随着高精度机载LiDAR点云数据的快速大量获取,高精度DEM的生产效率大大提高。在丘陵、山区、高山区利用高精度DEM自动生成等高线的精度及效率已被认可并广泛应用,但在平原地区目前仍未有较好的解决方案。本文提出一种平原地区利用分级渲染的高精度DEM人工绘制等高线的技术方法,实验表明,该方法勾绘的等高线能宏观、美观地反映区域地形地貌特点,精度符合要求,作业效率高,可为等高线生产更新提供一定的借鉴和参考。

融合GVF Snake与肤色模型的手势轮廓提取方法

针对在基于视觉的手势识别系统中手势轮廓难以准确提取问题,本文提出一种融合GVF Snake和肤色模型的手势轮廓提取方法.首先把图像由RGB空间转换到YCb'Cr'空间,利用该空间上的椭圆肤色模型检测出手势区域并提取手势轮廓作为GVF Snake模型的初始轮廓曲线;然后根据图像分块思想把检测出的手势所在图像区域分割出来,并计算该图像分块的梯度值;最后在图像分块和初始轮廓曲线的基础上通过GVF Snake模型迭代搜素准确提取手势轮廓.实验结果表明,本文提出的手势轮廓提取方法无需人工参与,准确性上优于肤色模型、传统Snake模型,实时性上优于GVF Snake模型,满足手势识别系统中手势轮廓提取的实时性和准确性要求.检测准确、实时性高.

基于方向梯度极值的手形轮廓跟踪算法

针对受自然光照影响的手形图像难以准确提取手形轮廓的问题,本文基于手形边界像素在垂直于边界方向上存在灰度突变的特性,提出了一种基于方向梯度极值的手形轮廓跟踪算法。该算法首先找到手形轮廓的起始点,然后按照一定的搜索方向和规则,在局部区域内计算候选点集中梯度极大值所在的点,并逐点跟踪极大值点,得到手形轮廓。将该方法在实验室自采图库及香港科技大学(HKUST)的手形图像库两个数据库中进行轮廓跟踪实验,结果显示,自采图库的跟踪准确率为100%,香港科技大学手形图像库的跟踪准确率为85.8%,该库中符合本文算法限制条件的图像的跟踪准确率为99.4%。实验结果表明,该方法能在灰度图像上直接跟踪出准确、连续、完整的手形轮廓,尤其适合于受光照不均影响的手形图像的边缘提取。

基于自适应活动轮廓模型的实时手势跟踪

在基于视觉的手势分析与识别中,一个关键环节是手势跟踪。本文提出了基于颜色信息的自适应活动轮廓模型,并与均值漂移算法相互融合,实现图像序列的实时手势跟踪。跟踪算法分为两步进行,首先应用均值漂移算法实现手部区域的定位,然后基于自适应活动轮廓模型提取手部轮廓。在跟踪过程中,轮廓提取为下一帧的区域定位更新搜索窗口,提高了搜索效率,使目标跟踪达到实时性要求。同时,本文根据跟踪区域模板与目标模板的相似性度量Bhattacaryya系数给出了在跟踪目标被遮挡时的处理方法,有效地解决了这一难题。实验结果证明了在无遮挡和遮挡两种情况下算法均能实现准确、实时的手势跟踪。

基于手指轮廓的手形识别算法

针对手形识别中手掌形状稳定性低的问题,设计了一种基于手指轮廓的手形识别算法。该算法首先从手形图像中分离出五指,然后拟合手指轮廓定位手指中轴线,接着依据手指中轴线重合注册手指和待识别手指,最后计算手指重合面积比。与已有的基于轮廓的手形识别算法相比,该算法的识别率高达99.890%,说明了提出的算法充分利用了手指轮廓的稳定性,规避了指根处轮廓的不稳定性。

RGB-D图像中手部样本标记与手势识别

基于深度图像的手势识别通常需要大量的训练数据,如何快速标定和建立姿态数据集是一个具有挑战性的任务.文中提出一种半自动标定方法,利用随机决策树森林建立深度像素的标定数据集;在此基础上设计了一个基于视觉的手势交互桌面应用开发框架,该框架采用RGB-D信息作为数据输入,同时利用3D手形轮廓降低手势匹配的复杂度.实验结果表明,文中方法能够支持复杂手势的实时识别.

基于压缩相对轮廓特征点的手形识别

为解决生物识别中,手形特征维度高、计算量大、易受图像背景及手掌位移干扰等问题,提出一种基于压缩相对论廓特征点的手形识别方法.建立了手形轮廓相对于手形轮廓质心的坐标系,通过等间隔取点法寻找综合计算性能和准确率最好的手形特征点数量,以此数量等间隔提取手形轮廓,并用压缩特征点坐标作为手形识别特征.采用支持向量机作为分类器对不同手形特征进行识别,准确率达98.25%.

基于手指融合特征和粒子群优化的手形识别

针对基于手部几何特征的手形识别方法可利用的个体信息有限的问题,提出了一种将手指轮廓特征与几何特征相融合的身份识别方法。该算法首先分离手指,采用曲线拟合算法定位手指中轴线;然后采用分步对齐方法规范化手指,并提取手指轮廓特征和几何特征;最后采用粒子群算法对手指截取系数和权值系数进行优化,以进一步提高识别准确率。实验结果表明:采用该方法后,识别率可达98.61%。该方法手指定位更准确,更充分地利用了手部信息,且避免了特征点定位不准及手指根部不稳定轮廓特征对识别准确率的影响,具有较高的识别率和良好的鲁棒性。

汽车车身总布置设计工具综述

每一款新车型的问世都离不开车身总布置设计和它的设计工具。车身总布置设计工具的归纳和研究对轿车车身总布置设计有重要意义。介绍了汽车车身总布置设计工具人体模型、眼椭圆、头廓包络线、手伸及界面的最新研究情况。

手骨身份识别系统

为了提高身份识别的正确率,加大身份识别伪造的难度,提出一种基于手骨的身份识别方法,并设计实现一种手骨身份识别系统.基于手骨的身份识别方法主要包括:首先获取手骨正位X光图像,然后对该图像进行Harris角点检测,通过Snake模型提取手骨轮廓图像,计算图像的小波矩作为手骨图像的特征值.最后先通过模糊C均值聚类算法进行聚类操作,再通过支持向量机进行分类识别,完成手骨的身份识别.在该方法的基础上,设计实现一种手骨身份识别系统,由于手骨X光图像的唯一性并且很难进行伪造,提高了身份识别的正确率和安全性.

基于手眼协调机器人的共享控制遥操作系统

提出了一种基于机器人手眼协调的共享控制遥操作系统框架。基于双目视差和主动轮廓构建机器人自主手眼协调系统,并将这种手眼协调机器人作为遥机器人构成一个半自主、共享式的遥操作系统。为了将人和机器人的各自的长处充分的融合到系统中,开发了相应的自然图像用户界面和遥自主命令程序模块用于人和自主机器人之间的交互。实验表明提出的这种基于手眼协调的共享控制遥操作系统具有高操作效率和对操作者友好等优点。

汽车车身总布置设计工具初探

面对激烈的市场竞争和经济全球一体化,各大汽车公司都在调整自己的核心竞争力,不断推出新款车型。然而,每一款新车型的问世都离不开车身总布置设计和它的设计工具。车身总布置设计工具的归纳和研究对轿车车身总布置设计有重要意叉。本文重点介绍汽车车身总布置设计工具人体模型、眼椭圆、头廓包络线。

基于双目视差和主动轮廓的机器人手眼协调控制技术研究

提出一种基于双目视差和主动轮廓的机器人手眼协调技术;该方法利用主动轮廓的思想动态地逼近和跟踪机器人及目标物体的外部轮廓,通过控制双目视差趋零来实现机器人靠近目标和抓取物体.首先建立了机器人手指轮廓的几何参数模型和相应的观测概率密度模型,利用CONDENSATION算法对轮廓进行动态逼近和跟踪.然后针对动态轮廓的几何特征,探讨了基于双目视差的手眼协调控制策略.最后利用这种手眼协调控制技术进行了机器人抓取圆球目标的实验.实验表明,这种方法具有对图像噪声不敏感的特点,可以在杂乱的背景环境和复杂的纹理条件下执行视觉引导的跟踪和抓取任务,具有较强的鲁棒性.

基于BP神经网络的静态手势识别方法

手势识别正成为人机交互技术研究中的一种重要模式.本文针对运用摄象机和计算机视觉技术捕获来的静态手势,提出了一种手势特征提取和基于神经网络分类的手势识别方法.实验表明该方法的正确识别率可以达到98%左右,是一种非常有效的静态手势识别方法.

基于OPENCV的手势识别系统的设计与实现

人与计算机的交互技术是一种新型的计算机技术,且逐渐演变为一种主流技术和计算机领域的技术热点;为了能够更好地识别手势和跟踪手势的运动轨迹,提出了基于OPENCV的手势识别系统,系统引入了OPENCV计算机视觉库,OPENCV作为优秀的计算机视觉库,为设计的实现提供了便捷的代码,利用OPENCV技术中的图像处理算法,首现通过摄像头采集数据图像,并对采集到的图像进行一系列的缩放,去噪以及锐化等处理,然后对人体手势建立肤色模型,然后经过灰度阈值化来转换成二值图像,得到手轮廓的数据图像后,采用轮廓匹配方法识别出手型;最后通过10种基本的手势模型对比验证了本系统具有一定的实时性,并且识别率可以达到95%以上。

手工地毯植绒轨迹生成算法研究

为了改变枪刺地毯周期长、效率低的生产方式,地毯生产企业开始研究枪刺植绒机器人,为了获取机器人植绒的加工轨迹,提出了一种手工地毯植绒轨迹生成算法,主要包括颜色量化,颜色聚类,边缘检测与轮廓跟踪以及路径填充4个部分。以RGB类型的彩色图像作为研究对象,对其进行量化和聚类,对聚类后的图像分层解析计算,对每一色块图像进行边缘检测和轮廓跟踪,并采用行扫描和螺旋填充算法进行色块植绒路径生成,最后根据植绒针距生成了由加工特征点系列组成的轨迹文件。根据植绒轨迹生成算法,开发了一套手工地毯植绒轨迹仿真系统,仿真结果表明该算法实现了较好的轨迹规划,验证了算法的有效性。

融合Kinect与GVF Snake的手势轮廓提取方法

针对Kinect相机在人体骨骼点采集时无法获取手势信息的不足,提出一种融合Kinect和GVF Snake的手势轮廓提取算法,可以提取出完整清晰的手势轮廓。此算法利用Kinect相机在人体信息采集中的优势,获取深度图像,定位手掌点与手腕点,由这两点计算手的旋转修正角度。以手掌点向外做八向搜索获取手掌包围盒切分出手区域。最后在包围盒上放置Snake初始轮廓线,通过GVF Snake模型迭代搜索,获取目标准确完整边界。对于深度图像在边缘数据急剧变化时出现的抖动、凹陷等缺点,选择先构建轮廓线再收敛的GVF Snake算法保证手势轮廓完整平滑。实验结果表明,该方法能够自动放置GVF Snake初始轮廓,准确跟踪手位置、精确收敛到手势轮廓,抗噪效果明显。

基于手绘轮廓图的移动端图像检索

针对传统利用图像特征信息进行图像检索中难以从语义层次上理解图像相似性的问题,基于深度学习框架,提出一种结合类别分类和精确特征匹配的基于手绘轮廓图的移动端图像检索方法.首先在预处理阶段建立具有输入层、隐藏层以及Softmax输出层的神经网络分类模型,并利用训练数据集对模型进行训练,使其不断优化网络结构权值,实现输入图像的分类预测并提取分类图像标签;然后利用VGG16模型与ResNet50模型分别提取各个分类图像集下的精确特征,得到精确特征向量;最后将归一化并经组合后的特征向量与各个分类图像标签建立映射关系,实现移动端图像检索.采用移动端-服务器架构,用户在移动端输入手绘轮廓图后,系统进行自动预处理并与图像服务器实现交互,图像服务器进行分类预测和精确特征匹配得到检索结果,移动端展示最终检索结果.基于Keras深度学习开发框架,结合VGG16模型与ResNet50模型,实验结果表明,该方法能够根据手绘轮廓图高效、便捷地检索得到目标图像.

基于彩色图像的手部特征点自动识别方法

手部特征点识别是手部尺寸测量的关键问题,本文给出了基于彩色图像的手部特征点自动识别方法。首先,给出了提取手部轮廓的算法,基本原理是利用人体皮肤的色调特征将手部彩色图像二值化并提取手部轮廓,其优点是图像二值化过程在YUV空间进行,不受测量个体肤色差异、光照、遮挡等因素的影响。然后,给出了在手部轮廓线上自动识别全部25个特征点方法,针对特征点的不同特点给出了不同的处理方法,位于指尖以及指缝末端处的特征点,使用了DOS方法进行自动识别,其他特征点则利用统计得到的经验公式进行计算。实验结果说明,本文给出的算法在手部特征点的自动识别率和准确率上都已经能够满足手部尺寸测量的需要,并且具有较强的鲁棒性,已成功应用于未成人和军人等的手部尺寸测量系统中。