The research of range-gated laser night vision system on cars - art. no. 68351V

The characteristic of several night imaging and display technologies on cars are introduced. Compared with the current night vision technologies on cars, Range-gated technology can eliminate backscattered light and increase the SNR of system. The theory of range-gated image technology is described. The plan of range-gated system on cars is designed; the divergence angle of laser can be designed to change automatically, this allows overfilling of the camera field of view to effectively attenuate the laser when necessary. Safety range of the driver is calculated according to the theory analysis. Observation distance of the designed system is about 500m which is satisfied with the need of safety driver range.

多投影系统D-vision中双手6自由度力觉交互

D-vision系统(这里"D"有"Divide Screen"和"Duplex-Vision"双重含义)是一类基于PC机群的多投影虚拟现实系统(或简称多投影系统).给出D-vision系统中双手6自由度力觉交互的实现过程:在客户端协同控制两个力觉交互设备Spidar-G(Space Interface for Artificial Reality withGrip)实现双手协作交互,其次构造一个基于UDP的Socket类完成客户端和绘制服务器节点之间的通讯,传递跟踪球的位置、方向等信息;然后,通过分布绘制实现在大屏幕上无缝显示.最后实验结果表明:在D-vision系统中双手6自由度力觉交互是一种自然直观的人机交互方式.

基于双目视觉的运动物体实时跟踪与测距

利用双目视觉信息系统实现三维空间中运动物体实时跟踪与测距。当运动目标超出视野范围时,可通过控制摄像机云台转动搜索目标。此外,还研究了在摄像头运动情况下,无需重新标定,即可实现运动物体测距的算法。这里,自适应背景建模法与CamShift算法用于实现运动物体的辨识与跟踪。实验结果证明了所提出的算法能够有效地追踪物体,并同时准确地测量它的三维位置。

基于主动视觉和超声的机器人目标跟踪系统

运动目标跟踪技术是未知环境下移动机器人研究领域的一个重要研究方向。该文提出了一种基于主动视觉和超声信息的移动机器人运动目标跟踪设计方法,利用一台SONY EV-D31彩色摄像机、自主研制的摄像机控制模块、图像采集与处理单元等构建了主动视觉系统。移动机器人采用了基于行为的分布式控制体系结构,利用主动视觉锁定运动目标,通过超声系统感知外部环境信息,能在未知的、动态的、非结构化复杂环境中可靠地跟踪运动目标。实验表明机器人具有较高的鲁棒性,运动目标跟踪系统运行可靠。

星球探测机器人视觉系统标定方法研究

本文介绍了星球探测机器人视觉系统的标定方法,首先介绍了一种新的从视觉坐标系到车体坐标系的变换方法,随后给出了像机的模型,在像机参数优化过程中将三维重投影误差作为评价函数,利用遗传算法完成寻优过程,以保证估计出的像机参数全局最优。真实环境实验结果表明:该方法具有较高的空间定位精度。

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。

具有训练、学习和零件识别能力的计算机视觉系统

本文提出的系统主要为了在自动化传输带上进行零件的自动识别、定位、定向。曾用该系统对三十多种钟表零件进行反复验证,效果甚佳。

卷烟条盒包装质量检测机器视觉系统设计

为了避免人眼对产品外观质量检测时,人眼视觉疲劳所产生的产品错检、漏检,提出了基于机器视觉的烟支条盒包装质量检测系统的设计。该系统由光源、相机、图像采集卡和工业控制计算机组成视觉系统处理单元,应用定位配准、边缘检测和斑点分析等图像处理算法完成对产品缺陷的检测。该视觉检测系统已经在烟厂得到了实际应用,对今后开发类似的基于机器视觉的产品外观质量检测系统具有一定的参考价值和指导意义。

非结构环境下基于人机合作技术的抓取作业研究

介绍了一种利用人机合作技术在非结构环境引导机械手抓取静态目标的方法.分别介绍了将激光—CCD摄像机系统与操作者的经验相结合获得抓取目标位置的方法,及将虚拟现实技术与操作者的经验相结合获得抓取目标姿态的方法.继而利用基于模型的视觉引导技术,引导手臂完成抓取操作.

基于非线性修正的多线阵像机的空间定位

介绍了一种基于多线阵像机构成的视觉空间定位系统.该系统利用线阵像机的快速性与高分辨率的特点,采用了非平行空间投影面相交定位的基本原理,利用几何投影关系定位求解的方法,实现了多线阵像机视觉系统的空间定位.并提出了多线阵像机的神经网络非线性修正方法,使修正后的PSD能在较宽的位置范围内输出高线性度的信号.实验结果表明,基于非线性修正的多线阵像机位姿测量系统简化了立体视觉空间定位计算的复杂性,在定位精度、定位范围和采样速度上均达到了良好效果.

一种立体视觉系统高精度标定方法

本文介绍使用广角镜头成像的立体视觉系统的高精度标定方法,该方法利用平面单应矩阵约束估计像机内外参数的初值,优化过程中将三维重投影误差作为评价函数,结合遗传算法完成寻优过程,以保证估计出的像机参数是全局最优,避免陷入局部极小。实验结果表明:该方法的空间定位精度与传统方法相比有很大程度的提高。

一种基于线性模型的机器人手眼标定新方法

针对基于传统手眼标定模型AX=XB的标定问题,引入了由摄像机投影矩阵M构成的数学模型MY=M'YB,并针对该模型提出了一种新解法。该方法运用矩阵直积和特征向量理论,将关于机器人手眼关系矩阵X的问题描述转换成关于关联矩阵Y的线性方程,运用最小二乘法求得线性闭解。该方法消除了传统方法多次分解摄像机传感器系统的内外参数而引入的摄像机传感器系统的固有误差和随机误差的影响。实验表明该方法可以提高手眼系统标定精度。

一种基于神经网络的视觉定位系统

本文提出了一种基于人工神经网络的多线阵相机系统标定与 3D定位方法 ,并应用于基于多线阵相机构成的视觉空间定位系统 .该视觉定位系统利用了线阵相机的快速性与高分辨率的特点 ,非平行空间投影面相交定位的基本原理 ,实现了这种结构下快速、高精度空间定位 .实验表明 ,人工神经网络的定位方法简化了多线阵视觉定位系统标定与定位计算的复杂性 ,在定位精度上达到了良好效果 .为机器人位置反馈控制提供了有效的技术途径

虚拟现实辅助机器人遥操作技术研究

本文以水下机器人的遥操作作业为应用背景 ,提出并实现了虚拟现实技术和视觉感知信息辅助机器人遥操作实验系统 .该系统使用了 CAD模型和立体视觉信息完成遥操作机器人及其作业环境的几何建模和运动学建模 ,实现了虚拟作业环境的生成和实时动态图形显示 .采用了基于立体视觉的虚拟环境与真实环境的一致性校正、图形图像叠加、作业体与环境位姿关系建立、基于网络的监控通讯等关键技术 .在这个实验系统中 ,操作人员可利用所生成的虚拟环境 ,在多视点、多窗口作业状态图形和图像显示帮助下 ,实时动态地进行作业观测与机器人遥操作与运动规划 ,为先进遥操作机器人系统的实现提供了经验和关键技术 .

Research of Face Location System Based on Human Vision Simulations

In this paper we present a robust face location system based on human vision simulations to automatically locate faces in color static images. Our method is divided into four stages. In the first stage we use a gauss low-pass filter to remove the fine information of images, which is useless in the initial stage of human vision. During the second and the third stages, our technique approximately detects the image regions, which may contain faces. During the fourth stage, the existence of faces in the selected regions is verified. Having combined the advantages of Bottom-Up Feature Based Methods and Appearance-Based Methods, our algorithm performs well in various images, including those with highly complex backgrounds.