双目立体视觉中的一种运动目标检测算法

运动目标的检测是计算机视觉研究领域中的一个重要组成部分,传统的基于单目视觉的目标检测算法要么受环境因素的限制较大,要么收敛速度较慢,还难以解决多个运动目标部分遮挡的问题。针对以上存在的问题,本文在目标检测中采用了立体视觉方法。用双目摄像机对图像进行拍摄获取立体图像序列对,然后对立体图像对运用立体视觉方法进行分析。实验表明该方法能正确检测到运动目标,不受光线变化和阴影的干扰,并且在运动目标发生部分遮挡时仍能正确区分各目标。     

月球探测器自主软着陆中的三维重构技术研究

为了使月球探测器自主的在月球表面进行软着陆，应对着陆区域的地形进行三维重构的方法，获得着陆区域的地形描述。提出了一种通过运动获得长基线的立体视觉的三维重构方法，针对长基线立体视觉方法所存在的问题，通过设计一系列的算法，完成了图像特征点选取和匹配，估计相机在不同位置的相对旋转和位移；对立体图像对进行校正，获得稠密的视差图；通过视差图进行三维重构，生成着陆区域的DEM。根据月球地形的特点建立了软件仿真平台，并且在仿真平台的基础上对文中的算法进行验证。仿真的结果表明该方法可以有效的应用于月面地形的三维重构。     

单视角立体成像技术研究

立体成像是获取目标三维轮廓信息的有效方法。目前,在航天航空领域立体成像方法主要包括：基于立体视觉原理的三线阵成像方法和主动式激光测距立体成像方法。这两种成像方式由于对平台要求较高或者无法得到目标的灰度图像而存在相应的缺陷。文章研究了一种新的单视角立体成像技术。通过对该技术的研究认为,单视角立体成像技术能够实现单台相机单...     

一种非合作目标相对位置和姿态确定方法

针对非合作目标中的从星若无法获得主星的动态信息时,就无法自主进行相对位置和姿态确定的问题,提出了一种采用陀螺、立体视觉系统和加速度计的相对状态确定方法。首先分别建立相对姿态方程、主星动力学方程和相对位置方程等系统的数学模型。然后根据这些方程组成的状态方程和立体视觉系统的测量模型设计了卡尔曼滤波器。该滤波器使得从星根据加速度计、陀螺和立体视觉系统的输出,在仅获得主星的外观特征和一些静态参数的情况下,能够自主进行相对位置和姿态的确定。最后,数值仿真结果表明,在相同仿真条件下,与使用主星陀螺信息的相对状态确定算法相比,该算法能够自主进行相对状态的确定,且位置和姿态稳态误差分别为0.05m和2°。     

月球车视觉系统的一种匹配算法

针对月球车立体视觉系统对匹配速度和准确度要求较高的特点，提出了一种基于特征约束的区域匹配算法。该算法用多尺度小波变换实现边缘提取和降噪，采用多特征匹配、双向匹配、部分二次采样、选取图像子集等技术保证匹配的速度和精度。最后对匹配结果进行滤波，进一步提高匹配的准确性。     

利用着陆器立体视觉对月面巡视探测器定位

在月面巡视探测器漫游过程中,需要测量月面巡视探测器的位置和姿态信息,以使巡视探测器行驶在规划好的路径上,并确保其安全。定位系统可以采取多种方式。在文章中,利用着陆器立体视觉系统对月面巡视探测器定位方法进行了研究,它采用立体视觉测量技术以及彩色图像分割的方法,进行跟踪测量月面巡视探测器位姿信息,能够对惯导系统加里程计的定位方法进行修正,减小月面巡视探测器的计算工作量。在定位方法的研究中,采用彩色图像分割方法对月面巡视探测器进行识别,能够适应变光照条件,并且运算速度快,达到实时图像伺服控制的目的。通过月面巡视探测器上制作特征点及采用基于四边形约束的特征点匹配方法,提高了图像匹配概率。通过卡尔曼滤波技术,能够满足任意时刻的月面巡视探测器定位要求。     

月球车立体视觉的一种标定与三维重建算法

为提高月球车视觉系统的摄像机标定和图像的三维重建精度,提出了一种基于多平面标定点的改进Tsai氏两步法,用线性重建算法对标定和匹配结果进行空间景物点的重建,根据最小二乘曲面拟合原理拟合视场区域的基本轮廓。对一标定模板的标定和图形的三维重建结果表明,该算法的精度高、速度快,可用于月球车立体视觉系统。     

基于立体视觉的航天器相对位姿测量方法与仿真研究

空间目标的相对位姿测量,是进行交会对接、绕飞监测、编队飞行等的前提.提出了基于立体视觉的方法,包括图像滤波、分割、连通区域标记、3D重建、相对位姿计算等步骤.并建立了仿真系统,该系统基于VC环境,将追踪星、日标星的3D几何模型、姿态动力学模型、相对轨道动力学模型、控制器/执行机构的数学模型,以及立体相机的成像与采集模型集成一体,可进行全闭环的仿真.仿真结果验证了算法的有效性.     

地球同步轨道目标物深度学习检测方法

针对欧空局SpotGEO竞赛中地球同步轨道目标物的检测问题,提出面向低精度CCD空间图像的深度学习检测方法。在图像预处理环节,分别采用高斯过程回归和模板匹配实现前景/背景分割和多帧图像配准。根据地球同步轨道物体的运动特征,采用拓扑扫描提取候选目标物。在此基础上,提出一套基于深度学习的目标物筛选方法。该方法利用卷积神经网络,依次对拓扑扫描前后候选目标物进行筛选,显著减少噪声点数量,提高检测效率。仿真结果表明,该方法达到98%的目标检测准确率,适用于存在光污染、云层遮挡等干扰的复杂环境。     

单目弹载图像恢复跟踪目标3D信息的方法研究

提出并实现一种单目弹载图像恢复跟踪目标3D信息的方法,该方法结合导弹的运动航迹和高度信息构建出多目立体视觉三维重建模型来恢复跟踪目标的3D信息,增强了导弹的跟踪和识别能力,提高了精确打击效果。首先,单目成像器获取不同时间和高度的跟踪目标图像,构建多目立体视觉模型;再检测所获目标图像的特征点,对不同图像进行特征点匹配;然后根据匹配的特征点集合估算基础矩阵;接着结合导弹的飞行参数计算成像器的本质矩阵和外参数矩阵;最后,根据多目立体视觉模型恢复跟踪目标的3D信息。实验结果表明,该方法能够准确恢复目标3D信息,提高导弹的精确打击能力。     

基于候选点稠密匹配的三维场景重构方法

针对星球探测机器人在未知环境中三维场景重建存在的计算复杂度问题,提出基于网格候选点的三目立体匹配算法。在空间中建立代表深度信息的网格节点,并对深度方向的节点分布进行合理规划,确保候选点稠密匹配的准确性和高效性。候选点匹配解决了传统立体匹配算法中图像校正带来的实时性问题,同时采用三目视觉系统代替双目,通过另一组对应点的相似性测度对潜在歧义的少量候选点进行二次判决。实验证明,由于处理每组图像对不再需要进行极线校正,因此计算代价与传统的匹配算法相比有一定降低,而第三台摄像机有效消除了匹配歧义,计算量相对于双目系统也没有明显增加。

     

一种基于图割的稠密三维场景重建算法

立体视觉技术是自主探测机器人在未知环境中获取信息的重要手段,通过对可视场景的稠密三维重建实现导航、定位及路径规划等一系列工作。本文在候选点匹配的基础上结合图割理论,首先在世界坐标系建立代表深度信息的网格节点,接着依据区域匹配算法对候选点进行初步筛选,去除大部分相关值较低的节点,建立简化的网格图,最后通过寻找图中最小割来实现能量函数的全局最小,完成稠密的三维场景重建。实验证明,相关阈值γ设为0.6时,简化网格图的重建精度和计算效率达到相对平衡。图割算法解决了候选点测量时潜在的匹配歧义问题,且对低纹理区域有较好的匹配效果。     

天问一号着陆器双目视觉避障技术

对天问一号双目视觉避障技术的组成、方案及原理进行了介绍,通过图像障碍识别和双目立体地形感知完成天问一号降落过程中的安全着陆点自动选取.通过高分辨率双目匹配和亚像素插值处理,提高远距离双目测量精度;在计算资源严格受限的条件下,采用FPGA作为硬件加速平台,通过功能模块的并行化和流水线设计,提高计算视差和三维信息的速度;为...     

基于深度学习的目标检测框架组件研究

深度学习与计算机视觉的结合给目标检测研究领域带来了全新的检测模式,通过对基于深度学习的目标检测网络分析研究,目标检测网络框架可模块化地拆分为特征提取网络、多尺度融合和预测网络三个部分。从组成目标检测网络模块化的角度对各个模块进行了详细的分析综述,并给出了如何根据实际需求来构建适合的模型框架建议,为基于深度学习的目标检测方法研究提供参考。     

面向在轨服务的相对位姿单目视觉确定的凸松弛优化方法

针对非合作目标之间基于特征点的相对位姿单目视觉确定问题,考虑利用自然特征导致误差增大等因素,提出一种基于凸松弛理论和LMI算法的相对位姿求解迭代方法。该方法在基于逆投影线构建的优化模型基础上,首先利用松弛理论将姿态矩阵的单位正交非凸等式约束松弛为不等式凸约束,并证明了松弛后的优化问题与原问题等价,即松弛后的凸问题取得最值时,姿态矩阵满足原等式约束。进一步将松弛后的姿态矩阵不等式凸约束表示成线性矩阵不等式形式,进而利用内点法进行求解,并利用全局收敛性定理证明了该算法的全局收敛性。以在轨服务为背景,仿真试验表明,利用该算法相对位姿可在7次迭代达到收敛,与传统SVD算法相比,在噪声较大的情况下,该算法计算精度提高近一倍,能够快速收敛并具有较强的鲁棒性。     

基于视觉的飞行器运动参数串行式递归估计

针对利用视觉方法进行飞行器运动参数估计中旋转与平移参数耦合及计算量大的问题 ,设计了一种适用于递归方法的串行式运动参数估计模型。证明了旋转运动参数的估计不依 赖于平移参数,据此建立了基于特征线的旋转运动参数估计模型,进而设计了串行式运动参 数估计模型。给出并证明了利用该模型进行运动参数估计时解的唯一性结论。仿真实验和实 测试验表明：相对于集中式模型,使用串行式递归模型进行飞行器运动参数估计时计算耗时 减小、姿态精度更高、鲁棒性更强。
     

一种空间邻近目标红外多传感器立体分辨方法

空间邻近目标在红外像平面的成像因相互交叠而形成簇状像斑,对红外传感器的信号处理提出了分辨的要求。为实现对空间邻近目标的立体跟踪定位,提出基于量子粒子群优化的空间邻近目标红外多传感器立体分辨方法。在对目标像平面成像建模基础上,构建基于最小二乘准则的空间邻近目标立体分辨目标函数,针对目标函数的高维非线性特点,以QP-SO解决目标函数优化问题,估计目标空间位置。仿真结果表明:相比于传统的先单传感器像平面分辨后多传感器视线交叉定位方法,此法具有更优的目标位置估计精度、辐射强度估计精度和目标个数估计正确率。