基于双目重建不确定性的动态特征滤除

提出了一种基于双目视觉三维重建不确定性的环境动态特征滤除方法。针对利用立体视觉系统对机器人进行运动估计时,环境中的动态目标和环境静态背景与机器人的空间相对运动具有不一致性,将严重影响系统的精度的问题。根据动态目标与环境背景的空间运动不一致性,分析立体视觉三维重建的不确定性,利用重建的不确定性估计机器人与环境间的相对运动,通过随机一致性方法(RANSAC)滤除图像中的环境动态特征。仿真实验结果表明了本方法的可行性和有效性。

基于立体视觉的移动机器人楼梯识别

本文提出了一种结构化环境下,基于立体视觉的机器人楼梯识别算法,并将算法该应到自主移动机器人上。该算法首先利用二维图像分析的方法搜索楼梯的疑似区域;进而利用立体视觉对各个疑似区域进行精确三维重建,结合三维信息重构楼梯平面,排除虚假疑似楼梯区域;最后判定机器人和楼梯的相对位姿关系,引导机器人爬楼梯。最终我们将该算法应用到了自主移动机器人上,通过在各种光照条件下的实验,进一步验证了该算法的准确性和快速性。

基于LQS的基本矩阵计算方法

基本矩阵作为分析两视图对极几何的有力工具,在视觉领域中占用重要的地位。分析了传统鲁棒方法在基本矩阵的求解问题中存在的不足,引入了稳健回归分析中的LQS方法,并结合Bucket分割技术,提出一种鲁棒估计基本矩阵的新方法,克服了RANSAC方法和LMedS方法的缺陷。模拟数据和真实图像实验结果表明,本文方法具有更高的鲁棒性和精确度。