基于网络直角坐标机器人视觉伺服系统研究

为了实现定位抓取任务,提出基于网络的直角坐标机器人视觉控制系统。针对机器人运动控制的非线性与强耦合特性,采用神经网络控制器,构建了图像偏差与运动控制量之间的对应关系。通过对图像增强、边缘提取、特征提取等图像处理方法的综合分析,提出了一套优化组合图像处理法。在计算机网络环境下,采用自定义协议实现图像处理器与运动控制器协调控制,并将远程监控应用到机器人控制中。实验结果表明,该系统能够在视野范围内自动实现定位抓取动作。

数字图像处理中多窗口下的自适应中值滤波

根据心理物理学、神经生理学、认知神经学等学科在视觉认知领域的部分研究成果，结合机器视觉、图像处理领域在图像增强方面已经提出的一些方法，提出了结合先验知识的多窗口结构下的分块中值滤波方法，在每一个窗口内单独进行处理与分析，突出了视觉处理目的，减少了运算量， 节省数据存储空间，达到了令人满意的滤波效果，能够在原始图像比较复杂的情况下，较好地对其进行预处理，可以改善、提高后期图像处理过程，如图像分割、图像分析的正确性和有效性。

目标位姿测量中的三维视觉方法

要测量出一组特征点分别在两个空间坐标系下的坐标 ,就可以求解两个空间目标间的位姿关系 .实现上述目标位姿测量方法的前提条件是要保证该组特征点在不同坐标系下 ,其位置关系相同 ,但计算误差的存在却破坏了这种固定的位置关系 .为此 ,提出了两种基于模型的三维视觉方法——基于模型的单目视觉和基于模型的双目视觉 ,前者从视觉计算的物理意义入手 ,通过简单的约束迭代求解实现模型约束 ;后者则将简单的约束最小二乘法和基于模型的单目视觉方法融合在一起来实现模型约束 .引入模型约束后 ,单目视觉方法可以达到很高的测量精度 .而基于模型的双目视觉较传统的无模型立体视觉方法位移精度提高有限 ,但姿态精度提高很多

自由曲面透明体的非接触厚度测量

针对自由曲面透明体厚度测量,提出一种基于结构光机理的3D 视觉测量方法和系统结构,介绍了该方法的基本原理和测量系统实现技术,并给出了部分实验,证实了该方法的有效性。

机器人视觉导航中的实时在线识别算法研究

随着移动机器人应用范围的日益扩展，在动态、非结构化环境下提高其自主导航能力已经成为移动机器人研究领域迫切需要解决的问题。在机器人自主导航关键技术中，识别技术是最难解决、也是最急需解决的问题。视觉作为导航中的重要传感器，与其他传感器相比具有信息量大、重量轻便、功耗低等诸多优势，因此基于视觉的识别技术也被公认为最具潜力的研究方向。 本文以国防基础研究项目和中科院开放实验室基金项目为依托，以沈阳自动化所自主研发的“轮腿复合结构机器人”和“无人机”为实验平台，针对地面自主机器人和无人机自主导航中迫切需要解决的应用问题，有针对性的展开研究，旨在提高移动机器人在动态、非结构化环境下的适应能力。 本论文的主要内容如下： 首先，为了提高复杂环境下地面移动机器人的自主能力，本文提出了一种基于立体视觉的面向室外非结构化环境障碍物检测算法。文中首先给出了一种可以从V视差图(V-disparity image)中有效估计地面主视差（Main Ground Disparity, MGD)的方法。随后，我们利用由粗到精逐步判断的方式，来识别疑似障碍和最终障碍并对障碍进行定位。最后，该方法已在地面自主移动平台得到实际应用。通过在各种场景下的实验，验证了该方法的准确性和快速性。 其次，以无人机天际线识别为背景，提出了一种准确、实时的天际线识别算法，并由此估计姿态角。通过对天际线建立能量泛函模型，利用变分原理推出相应偏微分方程。在实际应用中出于对实时性的考虑，引入分段直线约束对该模型进行简化，然后利用由粗到精的思想识别天际线。具体做法是：首先，对图像预处理并垂直剖分，然后利用简化的水平直线模型对天际线进行粗识别，通过拟合获得天际线粗识别结果，最后在基于梯度和区域混合开曲线模型约束下精确识别天际线，并由此估计无人机滚动和俯仰姿态角。 第三，通过对红外机场跑道的目标特性进行分析，文中设计了一种新的基于1D Haar 小波的并行的红外图像分割算法的；然后，有针对性的对分割区域提取特征；最后，两种常用的识别方法，支持向量机（SVM）和投票法（Voting）被用于对疑似目标区域进行分类和识别。通过对实际视频和红外仿真图片的测试，验证了本文算法的快速性、可靠性和实时性，该算法每帧平均处理时间为30ms。 最后，针对无人机空中巡逻中对人群进行自动监控所遇到的问题，通过将此类问题简化为固定视角下人流密度监测问题，提出了一种全新的基于速度场估计的越线人流计数和区域内人流密度估计算法。 首先，该算法把越线的人流当成运动的流场，给出了一种有效估计1D速度场的运动估计模型；然后，通过对动态人流进行速度估计和积分，将越线人流的拼接成动态区域；最后，对各个动态区域提取面积和边缘信息，利用回归分析实现对人流密度估计。该方法与以往基于场景学习的方法不同，本文是一种基于角度的学习，因此便于实际应用。

一种基于视觉的水下机器人动力定位方法

以7 000 m载人潜水器的工程需求为背景,以水下单目摄像机为视觉传感器,进行了水下机器人动力定位方法研究。该动力定位方法利用视觉系统测量得到水下机器人与被观察目标之间的三维位姿关系,通过路径规划、位置控制和姿态控制分解,逐步使机器人由初始位姿逼近期望位姿并最终定位于期望位姿,从而实现了机器人的4自由度动力定位。通过水池实验验证了提出的动力定位方法,并且机器人能够抵抗恒定水流干扰和人工位置扰动。同时,该动力定位方法还可以实现机器人对被观察目标的自动跟踪。

一种基于立体视觉的多视点建模方法

论述了一种基于立体视觉的建模方法。该方法利用立体视觉系统在不同视点对景物观测所获得的局部三维几何模型，通过空间特征点匹配和坐标变换将局部模型融合，从而建立景物的完整描述。文章重点介绍了一种基于空间向量的坐标变换求解方法。

交通监控系统中运动目标分类和跟踪研究

文章讲述了交通监控系统中应用视频图像流来跟踪运动目标并对目标进行分类的具体过程和原则.基于目标检测提出了双差分的目标检测算法,目标分类应用到了连续时间限制和最大可能性估计的原则,目标跟踪则结合检测到的运动目标图像和当前模板进行相关匹配.实验结果表明,该过程能够很好地探测和分类目标,去除背景信息的干扰,并能够在运动目标部分被遮挡、外观改变和运动停止等情况下连续地跟踪目标.

Resolution deterioration in emission electron microscopy due to object roughness

In the present paper a general analytic expression has been obtained and confirmed by a computer simulation which links the surface roughness of an object under study in an emission electron microscope and it's resolution. A quantitative derivation was made for the model case when there is a step on the object surface. It was shown that the resolution is deteriorated asymmetrically relative to the step. The effect sets a practical limit to the ultimate lateral resolution obtainable in an emission electron microscope.

知觉组织在拥挤现象中的作用

Crowding, generally defined as the deleterious influence of nearby contours on visual discrimination, is ubiquitous in spatial vision. Specifically, long-range effects of non-overlapping distracters can alter the appearance of an object, making it unrecognizable. Theories in many domains, including vision computation and high-level attention, have been proposed to account for crowding. However, neither compulsory averaging model nor insufficient spatial esolution of attention provides an adequate explanation for crowding. The present study examined the effects of perceptual organization on crowding. We hypothesize that target-distractor segmentation in crowding is analogous to figure-ground segregation in Gestalt. When distractors can be grouped as a whole or when they are similar to each other but different from the target, the target can be distinguished from distractors. However, grouping target and distractors together by Gestalt principles may interfere with target-distractor separation. Six experiments were carried out to assess our theory. In experiments 1, 2, and 3, we manipulated the similarity between target and distractor as well as the configuration of distractors to investigate the effects of stimuli-driven grouping on target-distractor segmentation. In experiments 4, 5, and 6, we focused on the interaction between bottom-up and top-down processes of grouping, and their influences on target-distractor segmentation. Our results demonstrated that: (a) when distractors were similar to each other but different from target, crowding was eased; (b) when distractors formed a subjective contour or were placed regularly, crowding was also reduced; (c) both bottom-up and top-down processes could influence target-distractor grouping, mediating the effects of crowding. These results support our hypothesis that the figure-ground segregation and target-distractor segmentation in crowding may share similar processes. The present study not only provides a novel explanation for crowding, but also examines the processing bottleneck in object recognition. These findings have significant implications on computer vision and interface design as well as on clinical practice in amblyopia and dyslexia.