摄像机标定研究

目前,摄像机标定是计算机视觉领域中的研究热点之一,其目的是通过摄像机拍摄的单幅或多幅图像来确定摄像机的参数模型,进而获得摄像机的各项参数,在机器人导航、三维重建、生物医疗、虚拟现实、视觉监控、视觉伺服等领域均有广泛的应用前景。本文综述了传统标定方法,自标定方法和基于主动视觉的标定方法的研究现状,对其优缺点作出评价并指出发展方向。     

计算机辅助髓内钉远端锁定系统误差分析

针对长骨骨折手术,介绍了一种基于图像导引的计算机辅助骨外科手术系统,用于解决因髓内钉在植入骨髓腔过程中变形而造成的锁钉困难问题.在分析系统结构及数学模型特点的基础上,设计了一种误差分析方法来评定该系统的误差分布;引入蒙特卡罗方法具体完成了误差计算与统计,并给出了系统误差的来源分布特点;完成了系统性能的评估,为进一步优化和增强系统功能提供了理论依据.该分析方法能够为具有复杂数学模型的同类系统的设计提供一定的参考.      

基于NCCO的十字图像特征亚像素定位

利用标准互相关算子(NCCO)对机器视觉领域常用的十字图像特征进行匹配运算,发现相似函数在峰值区域的分布特征为4个互相对称的双曲面.据此提出一种基于NCCO图像匹配的双曲面拟合亚像素精密定位方法:首先进行粗定位,确定整像素级的相似函数峰值点;然后使用伪逆法对峰值区域的4个卦限分别进行最小二乘拟合;最后求解4个拟合双曲面的交点,得到图像特征的亚像素定位坐标.在微装配显微视觉系统上实现了该算法并进行了实验验证.实验表明:与常用的高斯拟合或二次曲面拟合方法相比,双曲面拟合方法在定位精度上为0.25个像素,而计算量大为减少.     

一种基于计算机视觉的飞行器姿态估计算法

改进了一种基于图像统计信息的飞行器姿态估计算法.改进后的算法可以迅速地估计出飞行器的横滚角与俯仰角,减少了运算量,提高了姿态估计的实时性和鲁棒性,精度满足飞行器的姿态控制要求.将不同的算法进行了仿真比较,提出了一种应用方案,解决了姿态估计过程中横滚角与俯仰角耦合的问题.改进后的算法适用于装备以视觉系统作为导航系统的飞行器,尤其是只能装备小型视觉系统的微小型飞行器(MAV, Micro Air Vehicles).将应用该算法的视觉导航系统与微惯性测量单元(MIMU, Miniature Inertial Measurement Unit)组合使用,可以增大飞行器姿态角估计的范围,进一步提高估计精度.      

一种基于角点引导的快速立体边缘匹配方法

提出了一种新的基于角点引导的快速立体边缘匹配方法.在匹配过程中,为了保证其快速性引入了两种新约束:角点约束与边缘约束.首先,利用匹配的角点信息引导边缘的匹配,对如何利用已匹配的角点引导边缘匹配进行了详细的阐述,同时,在引导过程中提出了只利用8个方向的区域扩张方法,进一步保证快速性.其次,提出边缘约束实现点与点的匹配,使搜索范围仅限制在几个像素内,再利用极线约束实现点的匹配,必要时可结合灰度相关约束.结果表明:该算法取得比较好的匹配效果,引入的两种约束在很大程度上提高了速度和正确率,边缘点匹配的正确率高达97%以上.      

基于立体视觉的监控视频人体目标跟踪

针对普通单目监控视频无法得到视频中目标深度信息的问题,以及人体目标在视频画面中因大小变化而不能被准确检测的问题,提出了一种综合双目视觉测距进行视频中人体目标的检测和跟踪的算法。算法可以根据人体目标在视频画面中的大小,按全部人体、人体的肩部以上区域、人脸的顺序进行检测,并显示被检测出的区域相对于摄像机的距离。完成在视频画面中标记检测区域,并显示检测区域和摄像机之间距离的任务。     

基于目标纹理的机器视觉转角检测方法

目标姿态角度检测系统是确保智能制造设备自动化、智能化的核心部件之一,在智能制造设备中得到了广泛的应用。提出了一种基于目标纹理的机器视觉转角检测算法,该算法通过椭圆聚类提取图像中的感兴趣区域,采用Hough梯度变换寻找感兴趣区域中包含特定纹理特征的区域,结合先验信息对特征区域进行标记、匹配,进而计算出待测物体的滚转角度,算法的运行耗时小于0.5s。采用该算法实现了浮子组件在浮液中的径向滚转角检测,并模拟实际检测环境测试了该算法的精度。测试结果表明,绝对精度小于0.3°,重复性精度小于0.08°,满足实际生产现场对检测精度的要求,解决了人工检测精度低、耗费人力的问题,提升了浮子转角检测的精度和智能程度。     

Deep learning enabled localization for UAV autolanding

This article concentrates on ground vision guided autonomous landing of a fixed-wing Unmanned Aerial Vehicle (UAV) within Global Navigation Satellite System (GNSS) denied environments. Cascaded deep learning models are developed and employed into image detection and its accuracy promoting for UAV autolanding, respectively. Firstly, we design a target bounding box detection network BboxLocate-Net to extract its image coordinate of the flying object. Secondly, the detected coordinate is fused into spatial localization with an extended Kalman filter estimator. Thirdly, a point regression network PointRefine-Net is developed for promoting detection accuracy once the flying vehicle’s motion continuity is checked unacceptable. The proposed approach definitely accomplishes the closed-loop mutual inspection of spatial positioning and image detection, and automatically improves the inaccurate coordinates within a certain range. Experimental results demonstrate and verify that our method outperforms the previous works in terms of accuracy, robustness and real-time criterions. Specifically, the newly developed BboxLocate-Net attaches over 500 fps, almost five times the published state-of-the-art in this field, with comparable localization accuracy.     

风洞试验中模型迎角视觉测量技术研究

 发展了一种基于双相机的风洞试验模型迎角视觉测量技术。即在风洞模型表面绘制或喷涂一些高对比度的标记点,采用两台400万像素的工业相机采集模型的运动图像,然后求解图像的共线方程获得模型表面标记点的三维空间坐标,利用表面标记点坐标最小二乘拟合出一条空间直线,通过不同时刻空间直线单位方向矢量的变化计算出模型的迎角变化。利用精密电子倾斜仪对迎角视觉测量系统进行静态标定,结果表明:迎角视觉测量系统的准确度在0.01°以内。迎角视觉测量系统在2 m超声速风洞中对一尾支撑无主测力天平铰链力矩测量模型的实时迎角进行了测量,结果表明:系统具有很好的响应特性,可以作为风洞试验中迎角测量的一种有效方法,尤其是用于无主测力天平时模型真实迎角和支杆弹性角的测量。     

基于机器视觉的高精度螺孔定位方法研究

针对手工安装工件、劳动强度大以及效率低等问题,提出了一种基于机器视觉的螺孔定位检测方法.利用CCD摄像机实时采集局部待定位物图像,并对图像进行处理,提取螺孔坐标,然后通过物理坐标关系得到拍摄范围外的螺孔的坐标,最后经过eye-hand手眼标定转换到机器人坐标系下的坐标.该方法解决了受外界条件限制,对目标测量的过程不能一步完成的问题-实现了较大物件的自动、快速、准确定位功能.