Simultaneous Localization and Mapping Solutions Using Monocular and Stereo Visual Sensors with Baseline Scaling System

In this paper, SLAM systems are introduced using monocular and stereo visual sensors. The SLAM solutions are implemented in both indoor and outdoor. The SLAM samples have been taken in different modes, such as a straight line that enables us to measure the drift, in addition to the loop sample that is used to test the loop closure and its corresponding trajectory deformation. In order to verify the trajectory scale, a baseline method has been used. In addition, a ground truth has been captured for both indoor and outdoor samples to measure the biases and drifts caused by the SLAM solution. Both monocular and stereo SLAM data have been captured with the same visual sensors which in the stereo situation had a baseline of 20.00 cm. It has been shown that, the stereo SLAM localization results are 75% higher precision than the monocular SLAM solution. In addition, the indoor results of the monocular SLAM are more precise than the outdoor. However, the outdoor results of the stereo SLAM are more precise than the indoor results by 30%, which is a result of the small stereo baseline cameras. In the vertical SLAM localization component, the stereo SLAM generally shows 60% higher precision than the monocular SLAM results.

单双目视觉结合的齿廓倒棱坐标提取方法研究

为了增加齿廓倒棱自动化程度,提出一种单双目视觉结合的齿廓倒棱坐标提取方法。首先标定双目相机完成齿轮图像立体校正和畸变校正。双目部分优化SGBM算法完成立体匹配,获取视差图及深度图,并提出一种基于最小二乘法的倒棱平面拟合算法得到倒棱平面深度Z_c。单目部分提出一种改进Canny算子和改进Zernike矩结合的齿廓亚像素边缘检测方法,获取齿廓边缘亚像素坐标,并基于重心法获取齿廓中心坐标。结合相机成像模型,得到左相机坐标系下齿廓及中心三维坐标。使用一个标准直齿轮进行了齿廓倒棱坐标提取实验,实验结果表明提取的三维坐标具有较高精度。

基于视觉的目标定位技术的研究进展

基于视觉的目标定位是目前计算机视觉领域的研究热点。就现阶段基于视觉的定位技术进行了综述,着重介绍了基于单目视觉定位、基于双目视觉定位和基于全景视觉定位3类定位技术的研究现状,并分析了各自的优缺点。最后就基于视觉定位方法的发展趋势做了简要分析,以期为以后基于视觉定位问题的研究提供参考。

基于双焦成像的单眼立体视觉算法

对单眼立体视觉的双焦成像算法进行了分析.在1 m以内的深度范围里,双焦成像算法可以极好地恢复空间物点的深度.在此范围内,物点越远离中心区域,其深度值的精度越高.为了提高算法精度,需要校正非理想变焦图像对的中心点.分析了中心点校正方法,并给出了校正后空间物点深度恢复的实验结果.

基于单目视觉的姿态自动测量方法

提出一种将EPnP算法和SoftPOSIT算法融合的单目视觉姿态自动测量方法.首先,利用EPnP算法计算得到立体靶标的位姿参数,并将该位姿参数作为SoftPOSIT算法的迭代初始值带入.其次,将SoftPOSIT算法计算位姿的的迭代过程与立体靶标结合,实现姿态的自动测量,并仿真验证了拓扑确定位姿的有效性.最后,为了验证姿态测量结果的精度,以高精度二维转台为基准,将立体靶标安装在二维转台中,通过控制转台转动角度得到靶标姿态的测量数据.实验结果表明,当转台转动角度在[-20°,20°]时,靶标姿态角α的测量结果标准差为0.20°,姿态角β的测量结果标准差为0.27°.

基于SIFT的单目移动机器人宽基线立体匹配

SIFT特征描述子是一种对图像旋转平移、缩放以及视角变化具有不变性的匹配特征描述方法,本文针对单目移动机器人环境探索中存在的大视差宽基线图像对的立体匹配问题,提出了一种基于SIFT特征描述子的单目移动机器人宽基线立体视觉匹配方法,通过提取SIFT不变特征点,构造SIFT特征向量,从而实现特征点对的初匹配,进一步利用RANSAC算法以及外极线约束进行匹配点的优化筛选,并通过三维重建实验验证了获得匹配点对的准确性。

基于计算机视觉的人体内腔三维重建技术综述

医生通过内窥镜观察的人体内腔显示为二维图像,不能立体地展现内腔环境中病灶、血管及邻近组织的关系,而内腔三维重建及可视化技术能够清晰、全面地展现病灶及其他组织的三维形态,更好地辅助医生进行精准的手术判断。将人体内腔环境中的三维重建技术分为主动式测量方法与被动式测量方法,分类综述基于结构光、飞行时间、双目立体视觉、单目视觉的内腔三维重建技术及发展现状。针对同时定位与地图构建的内腔三维重建法,分析对比内腔环境下的特征点检测与匹配的发展、方法及特点,并对人体内腔三维重建的难点和未来发展趋势进行展望。

基于计算机视觉的深度估计方法

深度估计方法可分为主动视觉和被动视觉两类。介绍了被动视觉测距中的五种深度估计方法,包括立体视觉、运动测距、描影法、聚焦法和散焦法,分析了各自的成像原理、数学模型和测量方法。最后,对基于计算机视觉的深度估计方法进行总结,分析了现有测量方法各自的局限性,提出算法进一步改进的方向是应用计算机视觉系统中需要的不同模板,联合依赖于实际环境的权重因子与被动深度估计算法相结合。这是当前计算机视觉研究的一个热点领域。

基于单目视觉的水下目标三维重建实验设计

以水下目标三维重建为研究背景,提出了一种基于单目视觉的水下目标三维重建实验设计方案。首先在无需提前对相机标定的情况下,通过单目相机围绕水下目标物体进行多角度旋转拍摄,产生初始图像输入集;然后针对水下图像色彩失真和对比度低等情况导致的图像特征点提取数量减少和误匹配率较高等问题,利用所提出的融合色彩信息的特征匹配SIFT-HC方法,使用双峰分布函数最小化像素之间的灰度差异和像素之间的色彩对比度,获得待匹配的灰度图像,在此基础上采用海灵格距离作为相似性度量方式进行特征匹配,以有效保持原始图像色彩对比度,提升相邻图像有效特征点的数量,同时剔除误匹配点对,提高特征点匹配率;最后对三维点云进行重构,有效地对目标物体表面细节进行还原。实验结果表明:该实验设备简单,无需提前对相机进行标定,针对水下图像色彩失真等情况能够有效恢复目标物体的三维结构及表面细节特征。

利用神经元合作和竞争获取含单目特征的立体图像中视差分布

计算机立体视觉中 ,获取含单目特征的立体图像对中特征的视差分布一直是个难点 .有别于传统的基于特征属性的匹配 ,本文在FACADE(Form And Color And Depth)视觉理论及其神经元动力学方程基础上 ,构造出FA CADE“双侧竞争”双目滤波器 ,它采用不同的竞争策略对表示单目特征的神经元和表示双目特征的神经元分别进行处理 ,从而将立体图像对中处于不同深度上的特征分配到不同的神经元表示平面上 .实验结果表明用神经元动力学方法来获取包含单目特征的立体图像对的视差分布是可行的 .

采用虚拟立体视觉的航空发动机叶片点云测量方法

叶片作为航空发动机的重要零部件,加工成本极为昂贵,为了实现对残损叶片的修复,必须精确获取叶片曲面点云数据,为修复提供数据支持。为此,研究了一种采用虚拟立体视觉的测量方法,首先分析虚拟立体视觉系统的数学模型,利用非参模型及精密靶标实现对系统内外参数的标定,然后采用KLT(Kanade-Lucas-Tomasi)算法结合外极线约束实现了叶片散斑点之间的立体匹配,最后采用点到投影射线距离平方和最小化作为约束条件求解叶片点云空间坐标,得到叶片曲面点云数据。实验结果表明,根据本文方法获取的叶片曲面点云数据拟合出的叶片曲面相关系数大于0.99,叶片曲面几何参数均值误差小于0.2 mm。本方法针对发动机叶片点云测量这一特殊应用环境,提出了一种简化的测量方法,实现了叶片点云的高精度、高可靠性测量。

单目多角度三维重建技术研究

本文使用多角度图片进行了三维重建技术研究,首先在二维图片中获取特征点,提出ORB-SIFT特征提取优化算法,然后基于最小生成树设计多角度匹配算法提高图片之间的立体点匹配效率,并结合三维立体视觉算法进行三维重建,实验证明与传统算法相比,本文算法时间耗费少,重建的三维模型精度提高。

机器视觉技术在三坐标测量机中的应用探讨

随着现代制造技术的发展,机械零部件高精度测量、快速检测及大批量、智能化检测等相关指标要求逐渐严格,因此机器视觉技术应运而生并得以推广运用。基于此,从典型机器视觉系统组成、机器视觉应用范围入手,系统对机器视觉技术在三坐标测量机应用进行分析,探讨单目立体视觉坐标测量、双目立体视觉坐标测量原理和测量方法,以实现对被测机械零部件的放置方式、位置和姿态的位姿自动识别功能,满足三坐标测量机智能化检测的设计要求。

铁塔单目立体视觉测量技术研究

介绍单目平面测量、单目立体视觉测量技术特点,分析单目立体视觉测量技术的原理、测量步骤及应用实例,说明应用效果,并提出单目立体视觉测量技术应用于铁塔测量时的注意事项。

基于视觉的三维目标检测算法研究综述

基于视觉的目标检测是环境感知系统的重要组成,一直以来是计算机视觉、机器人等相关领域的研究热点。三维目标检测是在二维目标检测的基础上,增加目标尺寸、深度、姿态等信息的估计。相比于二维目标检测,三维目标检测在准确性、实时性等方面仍有较大的提升空间。系统总结了基于视觉的三维目标检测方法,调研了现有的基于单目视觉、双目、深度相机的三维目标检测方法,并依据室内外场景进行了分类。此外,在KITTI、SUN RGBD等数据集上对最新的三维目标检测算法进行了对比分析,并针对目前算法中存在的难点和问题,讨论了未来的研究方向。

基于双焦单目立体视觉的多层次特征检测算法

特征检测是立体视觉技术的重要组成部分;与传统的Canny或Harris等边缘与角点检测相分离的算法不同,采用相位一致性特征检测算法可以同时检测出边缘和角点;相位一致性特征检测在频域进行,与特征点形状及图像的对比度无关,定位效果好,所得角点是边缘点的子集;在特征检测过程中,利用四叉树将图像分割为与图像特征分布相关的多个区域,在各个区域内分别进行处理;同时,通过控制四叉树的分解级数及特征检测的阈值实现了图像的多层次特征检测,实现结果表明,与传统的特征检测算法相比,该算法效果更为理想,且能更好地适用于单目立体视觉系统。

基于双焦的单目立体成像系统分析

讨论了基于双焦的单目立体成像模型,分析了在共轴模型下CCD成像离散性而导致的深度计算误差与镜头焦距及物点空间位置的关系,当镜头焦距增加时,可精确恢复深度增大,当物点距镜头光轴距离较远,即物点位于视场边缘时,深度计算误差较小;并根据双焦成像特点提出了相应的特征匹配方法,即采用与两焦距倍数相关的特征提取算子,并对匹配结果进行相应的深度计算及插值;文章最后给出了理想双焦图像对的相应实验结果,并探讨了实验误差的形成原因。

一种新型的物体三维轮廓非接触测量系统

为了重构物体的三维轮廓,在双目视觉理论的基础上,提出一种仅使用一台摄像机和一个旋转平台对物体进行全方位测量的系统。通过控制物体回转,该系统先重构出物体局部轮廓,然后采用拼接技术实现物体整体重构。实验结果表明,该系统可以较好地还原出物体的三维轮廓。

基于稠密匹配的单目立体视图生成

双目立体视觉在小型化系统中的运用存在尺寸限制、分辨率下降等问题,文章尝试基于稠密匹配技术重建虚拟视图的方法解决单目情形下立体视图的获取问题。文章中用特征匹配信息求解出小幅视角差别和位移的序列图像间的空间信息,并以此对图像进行匹配前的矫正,将矫正后图像继承的匹配点作为种子点,通过图割法优化的区域扩展法得到稠密视差,根据双目视觉原理完成虚拟视角的重建。实验表明算法对实验场景中的复杂环境具有一定适应性,在初始位移已知的情况下,依据图像匹配信息得出实验场景预设位置具有较小影像畸形和缺失的虚拟相机图像。

基于单目立体视觉的机床几何误差辨识方法

针对视觉测量手段中成本与精度不能兼顾的问题,提出基于单目立体视觉的机床回转轴几何误差辨识方法。为实现回转轴全量程运动精确描述,基于误差放大思想,设计了基于周向均布精密哑光靶球的高匀、高精、高信噪比成像靶标。提出了单目立体成像光路参数仿真分析方法,定量分析并选取系统结构参数。基于单目立体标定结果,根据序列图像重建得到回转轴三维轨迹。精度验证及误差辨识实验表明:系统的RMSE为0.049 mm,小于平均偏差的1/3,满足测试需求。