基于误差修正的光面塞规直径高精度自动检定

针对航空制造企业光面塞规大批量检定中存在的检定精度及效率低、人工操作烦琐等不足,提出一种基于机器视觉和激光测径相结合的光面塞规直径测量方法。由激光测径仪测量塞规直径,机器视觉模块同步检测塞规在测径仪光幕当中的姿态,并对测径仪测量值进行修正。同时,利用专用工装配合气浮运动机构实现多个塞规的自动切换及单个塞规的多位置自动测量。试验结果表明,该系统的重复测量标准差为0.16μm,与立光计测量值相比的绝对测量误差≤0.5μm,塞规单端测量时间≤45 s,能够满足生产中的常用光面塞规快速高精度检定要求。     

基于曲率的指尖检测方法

指尖检测是基于视觉的徒手人机交互系统的关键环节,由于背景的复杂性和系统的实时性要求,导致指尖的精确定位在处理速度和准确性方面存在很大问题。本文针对这一问题,提出了一种简单高效的基于曲率的指尖检测方法。该方法首先将输入视频流基于肤色空间进行二值化,并将二值化后的视频序列作为输入数据;然后采用边缘检测算法提取出肤色区域的边缘(肤色区域的轮廓),在肤色区域的轮廓上根据曲率来对类指尖的点进行检测,并且根据类指尖点的位置关系来判定一个肤色区域是不是手;最后通过过滤算法过滤掉误判手臂点。实验结果表明,该方法在不同的应用背景下都具有很好的检测效果,对光照的鲁棒性也较高,并且能够达到实时检测的效果。     

扑翼机器人机载视觉避障系统设计（英文）

扑翼机器人是一种高仿生度的飞行器,它可以执行军事侦察和民用监测任务。在执行这些任务时,避障是一种确保扑翼机器人安全的必要功能。本文设计了一种基于单目视觉的扑翼机器人自主避障系统,其中所有图像的处理计算均使用机载处理器实现。在这个系统中,机载处理器的质量被减至48 g,以便于扑翼机器人可以携带它稳定飞行。该系统的工作流程可以分为以下几步：首先,图像采集模块获取周围环境的视频图像;然后,机载处理器通过处理扑翼机器人第一视角的光流信息来计算方向舵角度和转弯方向;最后,飞控板接收计算结果并控制扑翼机器人避开障碍物。地面站对扑翼机器人飞行过程进行实时监测,实验结果验证了本文所设计的避障系统的有效性。     

面向单目立体视觉的立方镜图像处理技术

面向单目视觉辅助光电准直仪对立方镜进行准直的需求,研究针对立方镜图像的数字图像处理技术。采用Canny边缘检测方法得到灰度图像中的边缘信息,借助Hough变换按照直线程度的强弱对边缘信息进行分类提取,得到图像中立方镜棱边对应的直线信息。按照偏角与截距对棱边直线信息进行分类排序,结合先验知识得到立方镜角点对应的配对相交直线,对配对直线求交点得到立方镜角点在图像中的位置,得到的立方镜棱边及角点信息为后续的立方镜位姿计算提供了基础数据。     

基于深度学习的图像匹配方法综述

图像匹配是飞行器视觉导航中的一项关键技术。基于深度学习的图像匹配方法在近几年快速发展,其特征提取网络比传统方法具有明显优势与广阔的应用前景。基于深度学习的图像匹配方法可以按照网络结构的不同分为单环节网络模型匹配方法和端到端网络模型匹配方法。首先对单环节网络模型中的特征检测模型、描述符学习模型、相似度度量模型和误差剔除模型逐一进行了深度调研及分析,然后对端到端匹配网络模型中的单网络结构方法和多网络结构组合方法进行了针对性的综述,并对经典的端到端匹配网络模型算法进行了介绍和分析。最后,结合目前基于深度学习的图像匹配方法存在的问题,指出未来可能的发展趋势和方向,为后续研究者在深度学习图像匹配的研究提供一定参考。     

网络图中边集束优化问题

网络规模增大和复杂度提高造成的节点遮挡覆盖和边交叉阻塞等问题成为网络可视化研究的热点.针对网络中出现的视觉凌乱问题,以空间位置和群组关系为出发点,从网络中独立的边和群组两个层次,以边汇合的角度研究边集束技术,将网络中临近的边集聚成束以降低视觉复杂度,提出和改进了分段力导引算法(FDA)简化模型和群组边相容的网络图边集束模型.其中分段集束模型,提出以二次样条曲线表示网络边,通过样条控制点进行迭代汇聚的方法,实现了网络中边的集束;针对分段集束模型中部分连线过度弯曲问题,提出通过CNM聚类算法将网络进行群组划分,在群组结构的基础上对组内连线应用边相容原则,根据连线的匹配系数计算其集束程度的方法,网络图集束后曲线扭曲变形减少,曲线过渡更加平滑.选取国内航空网络作为案例,通过两种边集束模型进行网络图简化,分析结果表明,国内机场的群组结构具有地理属性的相近性,航空网络在整体上呈现出明显的十字脉络,东西走向和南北走向的航线分别汇聚集结成束,表现了航空网络建设在南北和东西方向的总体趋势.本集束简化算法适用性广,绘制的网络图具有良好的视觉效果和可读性.      

基于边缘信息的灰度目标跟踪算法

提出了一种基于边缘信息的跟踪算法,其可以实现对剧烈变化的灰度目标的精确跟踪.首先,利用基于双同心圆窗口算子的非线性边缘检测算法得到高质量的边缘信息;其次,为了解决单一边缘特征空间不能充分表征目标的难题,提出了一种通过组合边缘图像构建特征空间的方法,以便为目标建模提供充分信息;再次,在构建的特征空间中使用核估计方法对目标进行建模;在目标定位阶段,利用Kalman滤波器对目标进行预估后,再由Mean Shift算法在预估位置邻近区域实现目标定位;最后,提出了一种基于形态学的动态模型更新策略,使得算法不仅可以获得精确的目标区域,还可以实现对目标尺寸和形状变化的自适应.实验结果表明,本算法不仅可以有效跟踪剧烈变化的灰度目标,而且跟踪窗口可以实现对目标尺寸和形状的自适应.      

凝望月球的那双眼睛——记国内第一台双目视觉在轨三维恢复系统

“你见过月亮吗？”所有的人都会毫不犹豫地回答“当然见过”。“那你近距离地见过月亮吗？”“近？有多近？”“很近很近,近到你可以看见它的每一块石头,每一份土壤。”“……’,2013年12月,嫦娥三号发射成功,在嫦娥三号的巡视器（月球车）上就有这样一双眼睛。它能最近距离地观察月球,并进行探测。这就是我国第一台月球双目视觉在轨三维恢复系统。     

基于球几何特征的摄像机内参分步标定方法

在摄像机标定过程中,球形靶标对图像数量、拍摄角度要求小,能够适应遮挡环境,在使用中具有明显优势.在分析球投影模型几何性质的基础上,提出一种利用球靶标分步标定摄像机内部参数的方法.该方法通过拍摄一幅包含空间中2个不同位置球体的图像,得到图像中的2条投影二次曲线;利用2条投影二次曲线的对称轴和公切线计算球心投影点,通过投影二次曲线的对称轴确定图像主点坐标,根据球心投影点和图像主点的位置关系求解归一化焦距;利用整体优化算法得到内参标定结果.仿真数据实验分析了引入测量误差的主要因素,实物标定结果与平面方格靶标方法相比误差在5%之内,重复测量结果稳定.