基于信息融合的移动机器人目标识别与定位

针对单目摄像头工作的双足机器人的视觉定位问题,设计了一种视觉传感器与超声波传感器相结合的信息融合方法,进行目标的识别和定位。对拍摄的图像进行HSV颜色空间的阈值分割得到二值图像,并对其进行形态学滤波处理和Hu轮廓不变矩匹配,以此识别到目标和其重心点图像坐标;建立单目定位模型,用机器人自身的超声波传感器得到与目标物之间的距离,采用Zhang标定法得到摄像机参数,把这些已知数据带入坐标转换,得到目标物在世界坐标系下的坐标,实现定位。借助NAO机器人的平台,将基于信息融合的定位方法和一般单帧图像定位方法进行对比实验。实验结果表明上述方法的误差相对较小,且能得到目标物的三维信息,验证了该定位方法的实际可行性。     

多传感器大视场成像系统设计及关键技术研究

为完成大幅面静态图像的采集,设计了基于多传感器阵列的大视场成像系统。提出了一种改进的基于SIFT算子的图像匹配方法对采集的图像进行匹配,有效地降低了误匹配率。推导了目标视场角与图像间重叠区域的关系以及成像平台参数和图像间重叠区域的关系,用于计算图像间的重叠比例,并只在重叠区域内进行特征点的定位、图像的匹配及拼接,有效地缩短了图像拼接时间。提出了一种改进的重叠区域渐入渐出融合算法对图像进行融合,得到了理想的融合效果。     

数字、模拟无线混合网络视频节点设计

针对无线多媒体传感器网络广泛的应用前景和目前节点平台稀缺的情况,设计并研制了一种小型化的无线多媒体传感器网络节点。节点采用ADI公司的ADSP-BF561微处理器和Helicomm公司的基于Zigbee网络协议的无线收发模块IP-Link研制而成。在输入通道上可分别支持模拟图像传感器和数字图像传感器。输出通道具有多媒体传输通道和数据/命令传输通道,其中多媒体传输通道用于传输实时的模拟视频,数据/命令传输通道用于传输节点处理之后的有效数据以及接收来自上层网络的命令。     

基于NiosⅡ的非制冷红外图像处理系统研究

设计一个非制冷红外图像处理系统，该系统放弃了目前普遍应用的数字信号处理器（DSP）＋现场可编程门阵列（FPGA）的系统构架，采用基于FPGA的NiosⅡ嵌入式处理器的系统构架，实现了系统的小型化。提出一种基于流水线结构的信号处理方法，并利用NiosⅡ嵌入式处理器软硬件开发工具，实现了在该系统上对非制冷红外焦平面阵列非均匀性进行校正和盲元补偿的实时处理，降低了系统的工作频率。实验结果表明：该系统能够对非制冷红外图像进行实时处理，工作性能稳定，处理效果良好。     

用于混响中信号检测的空时预白化处理器

提出了一种新型的空时预白化处理器用于抑制混响,它是基于二维自回归模型的。这种处理器将接收到的数据从空间和时间上联合进行处理,进而分离目标回波和混响。这种方法较传统的从空间和时间上分别进行处理的方法能够更有效的抑制混响。通过与传统的一维自回归预白化处理器相比较,使用空时预白化处理器后的检测效果提高了约9~11 dB。      

移动机器人动态环境下目标跟踪异构传感器一致性观测方法

为了解决机器人同时定位,地图构建与目标跟踪(SLAMOT)过程中的多源,异构传感器空间一致性观测问题,提出了基于信息融合的摄像机与激光测距传感器联合标定优化方法。完成基于误差传播公式的激光扫描点图像平面投影不确定范围判定,并利用协方差交集算法实现基于运动物体检验方法和基于Camshift方法的图像坐标系下目标状态融合。在此基础上,利用目标图像平面投影方向误差构造目标函数,通过非线性优化方法实现摄像机与激光测距仪标定参数优化。实验验证了设计方法能有效提高目标跟踪以及多传感器参数标定的准确性。相关成果能够为基于多传感器信息融合的机器人同时定位,地图构建与目标跟踪滤波方法研究提供观测值支持。     

基于自适应下采样的移动机器人视觉定位技术

视觉定位是移动机器人定位的一个主要发展方向,针对传统视觉定位技术实时性差的问题,提出一种基于自适应下采样的快速视觉定位技术。通过预先得到的尺寸特征,并根据最小分辨尺寸计算下采样率,而后对下一副图像进行下采样及图像分割,根据对象坐标和下采样率确定对象在源图像中所处区域,对源图像该区域进行图像分割和特征提取。将提取的尺寸特征作为下一幅图像的输入,提取的视觉定位所需特征用于机器人的定位解算,由此在保证视觉定位精度的前提下有效减少视觉定位的时间。实验表明,对文中给定图像,传统方法处理100幅图像时间为20.23 s,而文中所述技术对应图像处理时间为1.78 s,仅为传统技术的8.8%,有效减少了图像处理时间,提高了机器人视觉定位的实时性。     

基于广义互补编码的目标识别处理器

提出一种广义互补编码方法,用于一步实现数学形态学击中击不中变换,并以非相干光相关器为光学实现硬件,利用液晶投影板作为实时空间光调制器,研制了一台光电混合目标识别处理器.实验结果表明识别率大于90%,并对带有40%噪声,50%缺损和6°以内旋转的图像甚至不同表情的人脸图像均能识别.     

手-眼视觉动态目标定位方法研究

提出了一种机器人手-眼视觉分步动态目标定位方法,实验中保持摄像机图像平面与工作台平面平行,通过摄像机在不同高度对工作台上目标的分步拍摄并获取目标位置信息,将目标定位的三维关系简化为二维关系处理。在摄像机对目标定位的过程中,目标位置信息被不断修正,最终将目标定位在图像的中心位置,进而引导末端执行器完成对目标的准确抓取。实验结果显示该手-眼视觉分步动态目标定位方法定位准确、可靠性高。     

电视经纬仪跟踪测量中运动目标快速识别定位算法

为解决电视经纬仪跟踪测量系统中对运动目标快速识别定位的要求,在深入分析运动目标特性和电视经纬仪跟踪测量系统特点的基础上,利用经纬仪角度变化信息,对运动目标图像序列进行帧间差值计算以获得目标残差图,并基于残差图提出了一种新型的运动目标快速识别方法,大大减少了运算量. 结合中值滤波和图像二值化,实现了运动目标的快速定位. 通过对目标实测图像序列的实验, 结果证明：该算法具有快速、稳定、有效等优点,能够满足电视经纬仪跟踪测量系统对运动目标快速识别定位的要求.     

一种无人值守设备的红外弱小多目标自动判读方法

提出了一种实用的适用于无人值守设备的红外弱小多目标自动判读方法。通过判别图像序列段累积信号量的变化进行目标段自动定位,对定位后的目标段运用轨迹预测关联的方法进行目标识别。给出了目标图像序列的处理结果,证明该自动判读方法可以在保证目标识别率的同时大大缩短图像判读时间,能够满足光电测量中快速提供测量结果的需求。     

无人机光电载荷图像处理器的设计

介绍了无人机载设备的技术特点及机载小型图像处理器的组成。采用TI公司的数字信号处理器芯片为核心处理器,配合现场可编程逻辑器件（FPGA）与外部管理微控制单元（MCU）来实现目标数据的采集与处理,设计了适用于无人机光电载荷的超小型图像处理器系统。针对机载设备的特点,设计时充分考虑了体积、重量、功耗等要求。该系统已应用于多台套机载光电载荷中,工作稳定可靠,满足无人侦察机对捕捉和定位目标的要求。     

基于NiosII的红外图像灰度变换系统设计

提出了一种基于NiosII的红外图像灰度变换设计方案,并详细介绍了红外图像灰度变换算法以及系统硬、软件设计以及实现方法。针对红外图像的特点,提出了一种基于平台直方图均衡的红外图像灰度变换算法,并在CycloneII系列FPGA上实现了该算法,其处理单元采用嵌入式处理器软核NiosII。实验结果表明,该系统能很好地实现红外图形灰度变换,并在一定程度上抑制了背景,提升了目标。     

无人机光电载荷图像处理器的设计

介绍了无人机载设备的技术特点及机载小型图像处理器的组成。采用TI公司的数字信号处理器芯片为核心处理器,配合现场可编程逻辑器件(FPGA)与外部管理微控制单元(MCU)来实现目标数据的采集与处理,设计了适用于无人机光电载荷的超小型图像处理器系统。针对机载设备的特点,设计时充分考虑了体积、重量、功耗等要求。该系统已应用于多台套机载光电载荷中,工作稳定可靠,满足无人侦察机对捕捉和定位目标的要求。     

高精度多脉冲激光测距回波检测技术

针对远距离激光测距机回波信号脉宽强度特征和噪声的统计特性,提出了一种高精度多脉冲激光测距机的回波信号检测技术。采用时钟移相分配方式实现了400 MHz高速信号采集及数字化处理,提高了回波脉冲的检测精度。采用ARM嵌入式高速核处理器进行数据算法处理,完成了滤波降噪、自适应门限检测和多帧相关检测等功能,使回波信噪比提高了7.6 dB,达到远距离精确获取目标距离信息的目的。     

基于哈特曼夏克波前探测的图像解卷积:室内结果

在简要介绍哈特曼－夏克波前传感器原理和基于波前传感的目标图像解卷积恢复技术的基础上，分别给出了室内模拟点源和扩展源情况时畸变目标光斑图像解卷积处理的实验结果，结果表明，基于波前探测的图像解卷积事后处理能够有效地对畸变目标图像进行恢复。     

结合PCNN分割和模糊集理论的红外图像增强

为了克服天空背景对红外图像增强处理的干扰、更好地凸显图像中的目标,提出了一种结合脉冲耦合神经网络(PCNN)分割和模糊集理论的红外图像增强方法。利用PCNN将图像分割成天空背景区域和目标区域,之后对目标区域利用变分Retinex处理以获得反射图像,并对该反射图像进行基于岭型分布的自适应模糊增强,将自适应增强后的反射图像与照射图像进行融合,将融合后的目标区域的局部均值赋值给天空背景区域,重构得到增强后的图像。实验结果证明,该方法解决了已有算法中出现的天空区域噪声放大问题,增强后的图像具有更高的对比度和更好的视觉效果。     

基于匹配度和多小波变换的图像融合

介绍了多小波变换的理论基础。多小波变换具有正交性、光滑性、对称性、有限支撑域等性质,因而非常适合用于图像处理。给出了多小波域的图像匹配度的定义,提出了一种基于匹配度和多小波变换的图像融合算法。该算法可以实现不同传感器图像的有效、可靠的融合。使用该算法对可见光图像和红外图像进行了融合实验,并对融合结果进行了评价和分析。     

基于特征提取和脉冲耦合神经网络的图像融合算法

为了提高目标检测的准确度和精确度,提出了一种新的基于特征提取和脉冲耦合神经网络(Pulse-coupled neural network,PCNN)模型的融合算法。该算法的原理是:首先对原图像进行特征提取,然后分别建立基于处理后的图像及原图像的PCNN。融合的作用是通过PCNN的链接输入得以体现的。融合图像综合了各个侧重于原图像不同特征的滤波器的选择性。仿真结果证明,所提出的算法在增加图像目标的可识别程度方面效果明显。     

基于多处理器的视频跟踪系统研究

传统视频跟踪系统的目标检测环节常采用手动指定或使用单处理器运算来确定跟踪目标,这种方法耗费人力且检测速度慢。针对此问题提出了一种改进的图像分割方法,该方法采用多处理器系统构架,并行处理分割区域,增加了检测目标的速度,并且在后续目标跟踪环节中,各处理器根据任务划分,协同处理跟踪任务。实验结果表明基于多处理器系统构架的视频跟踪系统能够实现快速自动检测与跟踪目标,系统加速比为2．066,处理器效率为51．65％。