车辆视频检测感兴趣区域确定算法

利用最大方差阈值方法对灰度图像二值化后,对车辆底部阴影突变行检测,对感兴趣区域确定方法进行改进,实现了感兴趣区域的精确确定.通过计算精确确定后的感兴趣区域的灰度对称性和熵值归一化对称性测度,实现了车辆的精确检测,找到车辆的对称轴,并在车辆区域上边界一定范围内,进行灰度突变检测,实现了车辆上边界的准确定位.通过实验验证算法较好地实现了复杂环境下的车辆检测和上边界定位.     

基于合作目标和视觉的无人飞行器全天候自动着陆导引关键技术

 GPS受他国控制和易受干扰对基于该导航系统的无人飞行器导航和着陆具有潜在危险,为了使其安全自动着陆,提出通过在着陆跑道(广场或公路)上预设具有受控发射红外光的地面合作目标,实现无人飞行器的视觉全天候自动精确着陆新技术。首先研究得到切实可行的工作过程;然后研制了合作目标,通过理论分析和实验得出,无论能见度高低,8~12 μm中远红外视觉系统探测到的合作目标图像质量远优于可见光视觉系统,研究得到合作目标和背景的温差在170~200 ℃时,成像效果最好。在识别研究中发现,基于传统的不变矩算法对合作目标的识别可靠性稍差,为了进一步准确地识别合作目标,又提出了基于方向链码的合作目标识别算法,该方法的耗时为不变距的96%,但是识别的可靠性比前者有显著提高。     

一种月球车视觉系统的匹配算法

 对采用双目视觉来实现月球车自主导航提出了一种快速匹配的方法。首先,对相机的内外参数进行精确地标定,通过两相机的外参数对图像进行核线纠正,生成消除上下视差的核线;然后,在核线图像上,采用相关系数法进行由少到多的粗匹配,对匹配结果进行多重的检验,接着用最小二乘方法进行亚像素的精确匹配;最后,在匹配的像点间构建Delaunay三角网,建立两图像重叠区域的匹配关系,实现稠密匹配。对该方法进行了多组实验,实验结果表明:该方法可以快速、可靠地实现稠密的图像匹配。     

一种基于基准优选的双目视觉位置解算方法

针对近距离空间非合作目标相对位姿测量任务需求,基于双目视觉原理建立了特征点位置测量模型与误差分析模型,分析了特征点位置解算奇异及奇异点附近位置解算误差过大的问题,提出了一种采用异面光轴配置和基准优选策略的双目视觉特征点位置解算方法。该方法通过错角安装相机光轴防止特征点在两个相机基准下进行位置解算时同时发生奇异,针对不同基准在测量域内误差分布的差异,建立了基准优选策略和相应的面向特定测量域的基准优选指标确定方法,从而获得了高精度测量结果。仿真结果表明,采用所提出的方法解决了特征点位置解算奇异问题,提高了测量域内特征点位置测量精度。     

一种图像缩放算法的SoC协同加速设计方法

针对无人机自主着陆的跑道检测、识别、跟踪等视觉算法中需要对大量图像进行缩放处理以便后续计算,但又对实时性要求比较高的情况,根据输入输出像素点的映射关系提出了一种适用于硬件加速的图像缩放算法,简化算法结构的同时利用现场可编程门阵列进行模块硬件功能的设计对算法加速,并采用软硬件协同的体系结构搭建实时图像处理系统。实验结果表明,该缩放算法处理精度高、耗时少,且用硬件逻辑实现后,可以进一步提速171倍,硬化后的系统可以通过摄像头获取图像数据,实时处理后在显示器中显示,达到30帧/s的处理速度,可以应用于实时性要求较高的图像处理算法中。      

深度学习在视觉SLAM中应用综述

视觉SLAM一直是近年来火热的研究方向,其处理对象为视觉图像;深度学习在图像处理中展现出的愈加突出的优势,使二者的广泛结合成为了可能.总结了传统SLAM与基于深度学习的SLAM的特点、性质,重点介绍和总结了深度学习在视觉里程计、回环检测中的研究成果,展望了基于深度学习的视觉SLAM的研究发展方向.     

基于视觉技术的非合作航天器相对位姿测量方法

提出一种基于特征信息融合的非合作目标相对位姿测量方法,该方法以航天器自有的特征信息作为识别目标,采用椭圆轮廓和特征角点相结合的方法对非合作目标特征进行识别,解决了位姿测量中无合作标志器提供理想特征信息的问题。针对典型的卫星目标模型,进行了非合作目标相对位置姿态测量方法的验证试验,实验结果表明:该方法可以成功识别目标物体并对目标物体进行准确定位。     

小型零件测量的旋转拼接

拼接技术是非接触三维曲面测量中的一个关键步骤。大型零件较多采用贴标志点法进行拼接,而小型零件却不便甚至不能采用该方法进行拼接。针对这个问题,研究了小型零件的旋转拼接方案,并将其用于某零件的测量拼接中,与贴标志点拼接存在较明显的型面错位相比较,旋转拼接不会产生明显的错位,边缘更清晰,误差大约在 0.5mm 左右。     

一种卷积神经网络非合作目标姿态测量方法

针对空间非合作目标姿态测量问题,提出一种基于卷积神经网络的非合作目标姿态视觉测量方法。该方法先设计特征提取网络并利用公开数据集进行预训练,用少量实际目标图像进行迁移学习,实现非合作目标图像高层抽象特征的自动提取;再设计基于回归模型的姿态映射网络,建立图像高层特征与三轴姿态角之间的非线性关系,实现非合作目标的姿态测量。实验验证了两类特征提取网络测量精度和参数量大小,测量精度可达 0.711° (1σ),表明了“单目相机+卷积神经网络”方法的可行性。     

基于多相机的空间机械臂视觉系统

视觉系统是空间机械臂的重要组成部分,空间机械臂除开环控制外的所有工作模式都不能离开视觉系统的引导和辅助而独立实现。文章以建立满足空间机械臂实际应用需求的视觉系统为目标,提出通过分布在不同空间位置的多个相机的协同工作扩展并增强视觉系统的监视和测量能力,并从系统组成、工作模式、测量方式等多方面完成空间机械臂视觉系统方案设计。仿真试验结果表明,目标三维位姿的测量误差与视觉标记点检测结果的误差近似成线性关系,视觉标记点检测的准确性对目标位姿测量的精度具有重要影响。室内环境试验结果表明,在视觉系统的引导下机械臂能够自主完成对目标的定位和捕获,视觉系统满足空间机械臂大范围运动和精准操作任务的应用需求。