导读:本文包含了多目视觉论文开题报告文献综述及选题提纲参考文献，主要关键词:多目视觉,位姿,标定,自动化系统
多目视觉论文文献综述
秦瑞康,徐晓峰,黄邵春,王存款[1]（2019）在《基于多目视觉的底涂机器人视觉检测系统》一文中研究指出针对生产过程中出现车型识别错误和抱具抱紧位置不正确带来的机器人与车体碰撞问题,提出并实现了一种基于多目视觉的底涂机器人视觉检测系统。首先,通过车体底盘上的特征点与其在叁维模型下的对应关系,利用多目相机对车型检测定位;然后,与车型库的位姿相比较,当相差较大的时候及时报警;最后,通过实验与应用证明该方法的有效性,及日常生产过程中运行的稳定性。(本文来源于《现代机械》期刊2019年05期）
傅博,焦艳梅,丁夏清,吴俊,熊蓉[2]（2019）在《一种鲁棒的多目视觉惯性即时定位与建图方法》一文中研究指出针对深空环境下机器人精确自定位的大视野和防抖性要求,提出了一种基于多图像匹配和惯性约束的即时定位与建图(SLAM)方法。基于对多目情况下SLAM系统的像素投影与位姿跟踪过程的分析,引入紧耦合视觉惯性约束,以降低轨迹估计的累计漂移误差,增强系统的鲁棒性,使其在快速运动时定位不易丢失;针对鲁棒初始化的需求,提出了一种稳定的自动静止初始化方法。搭建了多目相机视觉惯性定位的仿真试验平台,在V-REP中搭建仿真试验场景,仿真结果验证了本方法的定位准确性和鲁棒性。(本文来源于《载人航天》期刊2019年05期）
吴梦娟[3]（2019）在《多目视觉叁维测量方法研究》一文中研究指出随着机器视觉的发展,该技术在航空、航天、军事及民用等领域已经有着越来越广泛地应用。通过多目视觉技术对目标上特定光点的在线叁维测量来完成运动捕捉或大尺寸物体的叁维几何量测量任务随处可见。由于视觉叁维坐标测量系统结构简单,现场安装方便,稳定性及可扩展性好等优点,近年来视觉测量相关应用得到了迅速发展,对于叁维坐标测量精度也提出了更高的要求。为保证视觉系统的测量精度,需要准确地匹配同名像点,高精度的多目视觉测量模型、摄像机校准模型和多摄像机方位估计模型。通过对多目视觉系统中相关技术的国内外研究现状进行了分析,总结出目前存在的问题,针对这些问题,主要进行了以下研究:首先定义了测量坐标系,并介绍了用到的基础优化算法,为解决空间前方交会问题,提出了广义正交投影法计算线性解,依据不同像点的重投影误差大小确定权重系数,进行加权非线性优化。其中没有成像差异的同名像点匹配也是坐标测量过程中的难点,根据有效摄像机数量不同分情况进行了探讨,提出了基于基础矩阵、叁焦点张量、反投点到其余反投射线距离最短等几何约束的匹配方法。然后详细阐述了摄像机成像模型及基础理论知识,利用基于3D虚拟校准模板的叁正交消影点方法获得摄像机本征参数封闭解,建立径向畸变校正模型,由于校准优化过程需要用到大量特征点,并需要拟合直线,此过程易受测量误差影响,针对以上问题采用多点最佳拟合直线法拟合直线,并构造了基于马氏距离的目标函数。最后提出多摄像机相对方位现场估计总体方案,利用四点L型框架建立绝对坐标系,通过逆1D标定思想和几何约束获得摄像机相对绝对坐标系初始值,使1D棒在测量空间做自由运动优化结果并直接计算两两摄像机之间方位,接着引入方位固定约束进行一致性校正,结合前两步结果充分利用多摄像机冗余信息实现参数全局优化。仿真实验验证了本文各部分方法的正确性和可行性,实验结果表明算法具有较好的鲁棒性和较高的精度。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
张恩齐[4]（2019）在《基于多目视觉智能化防碰撞系统研究》一文中研究指出某项目需要在封闭的真空腔室内进行实验,腔室内具有多台设备,环境复杂,设备之间容易产生遮挡。如果通过人工监控很难对腔室内各设备之间是否会发生碰撞做出判断,因此本文设计了基于多目视觉智能化防碰撞检测系统,具体工作如下。综合分析了防碰撞检测技术的国内外现状,设计了基于多目视觉的防碰撞检测系统,包括腔室内各设备的精确定位和最近距离测量,搭建了实验平台。首先建立多目立体视觉系统,通过叁台摄像机对腔室进行监控,并对系统中的摄像机进行标定,然后对视觉叁维测量技术进行了研究,提出利用基于CAD模型的模板匹配算法对腔室内设备进行精确定位,得到被测设备与摄像机之间的位姿信息。为了测量腔室内各设备之间最近距离,设计了基于点云的防碰撞检测方案,首先利用算法将被测设备离散为点云模型,并将模板匹配得到的位姿信息赋予点云模型,从而实现对实际设备的位姿跟踪。然后对计算点云之间最近距离算法进行了研究,通过实验对比各个算法的准确度和运行时间,提出将KD-Tree最近邻搜索法与碰撞检测问题相结合,计算出点云之间的最近距离,完成程序设计,实现防碰撞检测。本文分析了视觉叁维测量技术和碰撞检测技术的国内外现状,设计了基于多目视觉的防碰撞检测系统,实现了对腔室内部设备之间的位姿测量以及最近距离测量,实验结果满足精度要求。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
张超凡[5]（2019）在《基于多目视觉与惯导融合的SLAM方法研究》一文中研究指出随着社会的进步和人工智能技术的快速发展,自主移动机器人受到了广泛关注。研究基于同步定位与建图(Simultaneous Localization and Mapping,SLAM)方法的环境感知技术对于提高移动机器人的自主化、智能化等具有重要意义。近年来,视觉传感器凭借丰富的图像信息和较高的性价比,已在机器人领域得到广泛的应用。但是,当前视觉SLAM方法多以单目、特征点法为主,在光照变化、运动模糊、弱纹理等复杂环境下精确性和鲁棒性较差,无法充分感知信息,同时存在运动退化现象。针对室内复杂环境下机器人环境感知的强鲁棒、高精度难点问题,本文基于多目视觉与惯导信息融合,提出了基于特征点法的多目视觉惯导SLAM框架,研究了多传感器标定、点云稠密化和并行加速等具体方法,实现了集硬件同步、系统自标定、状态估计和稠密地图为一体的多目视觉惯导SLAM方法。论文的主要研究内容包括以下几个部分:首先,为描述多目视觉惯导SLAM中多个相机采集的环境图像信息,建立了一种多目视觉惯导模型。通过采用基于泰勒多项式的投影模型扩展经典的共线方程,同时引入虚拟的、代表多相机簇位姿的刚体帧坐标系以及融合IMU(Inertial Measurement Unit)惯导坐标系,建立一个统一的观测方程,有效描述了多个相机同时观测的环境图像信息。为了获得所建立模型的各个参数,研究了多传感器的标定方法,包括改进的基于特征描述的单相机内参标定方法、适用于非重迭视场区域的基于建图法的多相机外参标定方法以及改进的相机-IMU外参自标定方法,并通过实验验证了所研究标定方法的有效性。其次,为有效提高室内复杂环境下SLAM的精确性及鲁棒性,用非线性位姿优化方法处理紧耦合的多目视觉与惯导数据,实现了精确的SLAM状态估计。通过基于多目视觉与惯导融合的SLAM初始化和多目视觉与惯导融合的里程计,并融合RGBD深度信息与里程计提供的位姿信息,采用TSDF(Truncated Signed Distance Function)方法构建稠密化地图,从而把单目、基于特征点法的ORBSLAM方法推广到包含多目视觉与惯导数据的系统。实验表明,上述SLAM方法在精确性和鲁棒性上显着提高,并优于当前主流的VINS-Mono方法。最后,为解决多目视觉惯导SLAM计算效率低的问题,提出了一种基于CUDA(Compute Unified Device Architecture,统一计算设备架构)的SLAM加速算法。利用GPU(Graphics Processing Unit,图形处理器)的高计算性能,使用CPU(Central Processing Unit,中央处理器)和GPU协作处理的加速策略,通过CUDA并行计算加速了多目视觉惯导SLAM中最耗时的特征提取和特征匹配,并通过基于CPU的多线程流水线方法解决了计算负载不平衡的问题,提高了计算效率。通过实验分析验证了提出算法的有效性。(本文来源于《中国科学技术大学》期刊2019-05-27）
吴贤权,尹仕斌,任永杰,隆昌宇,郭寅[6]（2019）在《多目视觉定向天线位姿测量》一文中研究指出定向天线指向精度直接影响通信效果。为了确保人造卫星、宇宙飞船等飞行器与地面控制中心间的可靠通信,需要测试定向天线指向精度。通过测量定向天线在运动过程中的位姿变化,可以获得定向天线实时指向,从而验证指向精度。本文针对定向天线位姿精密测量需求,研究了一种多目视觉的位姿测量方法。在多个位置布置视觉传感器,识别布置在定向天线上的反光标志点,根据预先建立的定向天线坐标系、视觉传感器测量坐标系和地面坐标系之间的坐标转换关系,传感器之间的空间关系和立体视觉测量原理解算出定向天线的位姿。并针对测量现场复杂环境对双目立体视觉测量系统进行拓展,解决了遮挡条件下无法精确解算位姿的问题,实现了对定向天线位姿的非接触式测量。(本文来源于《自动化与仪器仪表》期刊2019年05期）
钱志敏[7]（2019）在《基于多目视觉的工业机器人应用研究》一文中研究指出工业机器人带动了人类的工业生产进入了全新的领域,既解放了人类也提高了生产效率。但对于生产领域中环境更复杂,精度要求更高的场景,传统的工业机器人甚至普通的单双目视觉引导机器人已不能满足生产需求,因此国内外研究者致力于多目视觉与机器人结合的研究。本文就是在此种情景下提出了基于多目视觉的工业机器人应用研究,将全局单目相机与局部双目相机相结合构成多目视觉,实现对机械臂的视觉引导,使得机械臂运动更加智能化。本文研究多目视觉引导六自由度工业机器人进行相关操作,主要可分为以下几个方面:1)多目视觉系统的标定,这是视觉引导的前提因素。阐述相机标定时各坐标系之间的关系,使用张正友标定法进行相机标定,得到相机的内参系数;在此基础上,完成全局单目相机与局部双目相机的标定,分别计算出它们的手眼关系及双目相机中两个相机的相对位姿关系。2)全局单目视觉目标物检测与定位。对相机拍摄的图像进行处理,突出感兴趣区域,接着使用基于SURF特征点的模版匹配获取目标物在图像上的位置,并通过计算出的手眼关系,得到目标物在机械臂基坐标系下的空间位置;针对体积大且结构复杂的物体设计了一种基于标志物的定位算法。3)手上双目立体视觉叁维定位。利用双目立体视觉对目标物进行立体匹配,并由叁维重建得到目标物的精确位置,再通过局部相机手眼关系推出其在基坐标系下的位置。4)采用D-H法对六自由度工业机器人建立运动学模型,并对正运动学与逆运动学进行了研究。根据计算出的运动结点,运用插值方法进行轨迹规划。5)设计了应用系统实验与对应的软件系统,将多目视觉机器人系统应用于颗粒物检测机的自动演示,完成自动上下料及启停操作,并进行了结果分析。(本文来源于《电子科技大学》期刊2019-04-01）
李林慧[8]（2019）在《智能AGV多目视觉导引与惯性测量的复合导航技术研究》一文中研究指出相比与其他外部测量式传感器,视觉导航可提供颜色、形状、纹理等大量丰富的感知信息,有利于提高AGV导航系统的精确性和智能性。然而,直到亚马逊推出仓储物流机器人KIVA之时,将视觉识别定位技术与二维码地标相结合,才促使视觉导航方式开始在工业界获得广泛应用。在此背景下,业界希望将二维码视觉导航技术推广到制造业生产线,但复杂工业环境给二维码地标的应用带来了诸多困难。本文针对带有物料仓库的生产线场景,首先分析了机床生产线和物料仓库对AGV定位导航精度、速度和可靠性的不同需求,设计了多目相机切换、地标识别与本体感知兼用、色带跟踪与二维码定位相结合的复合导航方案,研究了融合色带导航、二维码定位和惯导位姿估计的AGV复合导航技术。其次,在地面视觉干扰大、定位精度要求高、装卸空间限制多的机床生产线,采用拓扑地图和色带跟踪+二维码定位的多目视觉复合导航方案,研究了污损色带特征提取方法、色带目标点路径拟合方法、标准二维码识别测量方法,提出了一种基于色带特征的快速二维码区域定位与识别测量方法,在高速运动的传送带上进行了色带和二维码的识别测量实验,测量了色带和二维码在相机视野中的位置和姿态,验证了所提快速二维码识别测量方法的有效性。再次,在作业场景大、货架密度高、无人化程度好的物料仓库,采用栅格地图和二维码定位+惯导位姿估计的复合导航方案,提出了一种基于无迹卡尔曼滤波的AGV位姿实时估计方法。在两个二维码地标之间的虚拟路径上,融合运动学模型估计值与惯导系统观测值获取连续位姿估计值;在地标位置通过测量二维码的全局位置姿态,消除连续位姿估计值的累计误差,提高复合导航方法的精确性和灵活性。最后,针对带有物料仓库的生产线场景,开发了融合色带导航、二维码定位和惯导位姿估计的AGV复合导航系统,在机床生产线现场完成了色带跟踪+二维码定位的多目视觉复合导航运行测试,所研发的视觉导航AGV已应用于实际生产;在实验室环境完成了二维码定位+惯导位姿估计的复合导航实验,验证了所提复合导航技术的有效性。(本文来源于《南京航空航天大学》期刊2019-03-01）
陈海永,高亚洲,王庆,陈鹏[9]（2018）在《基于多目视觉的大尺寸硅钢片轮廓测量》一文中研究指出针对特高压变压器铁芯制造过程中的大尺寸硅钢片轮廓测量问题,本文设计了多目视觉测量系统,通过融合光栅尺和多相机特征信息,完成了大尺寸硅钢片轮廓测量。首先使用张正友标定方法,获取多目视觉系统的每个相机内外参数,进而对图像进行畸变矫正和旋转矫正。接着提出了一种基于平面靶标的多相机标定方法,把不同相机的坐标系统一到世界坐标系下。根据标定信息和多个相机检测到的特征点坐标,获取特征点在世界坐标系的坐标,进而测量出物体的宽度。根据光栅尺反馈的长度脉冲信号以及轮廓特征点在相机中的图像位置信息,建立光栅尺和图像特征的测量模型,实现了大尺寸硅钢片的长度测量。实验结果证实了该视觉测量系统的有效性。(本文来源于《2018中国自动化大会(CAC2018)论文集》期刊2018-11-30）
李俊[10]（2018）在《基于SLAM导航的多目视觉AGV系统设计》一文中研究指出目的为了进一步提高SLAM定位精度和小障碍物识别能力。方法采用SLAM与多目视觉结合的方法,首先构建AGV运动学模型,然后构建双目立体视觉模型,基于SURF+RANSAC改进的分区域加权算法,尽可能剔除冗余误匹配对,显着提高匹配精度。其次,在传统SLAM导航基础上融入单目视觉,实现关键工位点精确定位停靠,并给出二维码遮挡缺损情况下的解决方法,采用双目视觉实现距离实时测量。结果双目距离检测精度可达±1.88 mm,轨迹精度可以控制在±2 mm。结论融合SLAM和多目视觉可以有效提高导航定位精度和小障碍物识别能力,提高了SLAM的应用领域,具有一定的推广前景。(本文来源于《包装工程》期刊2018年19期）
多目视觉论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对深空环境下机器人精确自定位的大视野和防抖性要求,提出了一种基于多图像匹配和惯性约束的即时定位与建图(SLAM)方法。基于对多目情况下SLAM系统的像素投影与位姿跟踪过程的分析,引入紧耦合视觉惯性约束,以降低轨迹估计的累计漂移误差,增强系统的鲁棒性,使其在快速运动时定位不易丢失;针对鲁棒初始化的需求,提出了一种稳定的自动静止初始化方法。搭建了多目相机视觉惯性定位的仿真试验平台,在V-REP中搭建仿真试验场景,仿真结果验证了本方法的定位准确性和鲁棒性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多目视觉论文参考文献
[1].秦瑞康,徐晓峰,黄邵春,王存款.基于多目视觉的底涂机器人视觉检测系统[J].现代机械.2019
[2].傅博,焦艳梅,丁夏清,吴俊,熊蓉.一种鲁棒的多目视觉惯性即时定位与建图方法[J].载人航天.2019
[3].吴梦娟.多目视觉叁维测量方法研究[D].哈尔滨工业大学.2019
[4].张恩齐.基于多目视觉智能化防碰撞系统研究[D].哈尔滨工业大学.2019
[5].张超凡.基于多目视觉与惯导融合的SLAM方法研究[D].中国科学技术大学.2019
[6].吴贤权,尹仕斌,任永杰,隆昌宇,郭寅.多目视觉定向天线位姿测量[J].自动化与仪器仪表.2019
[7].钱志敏.基于多目视觉的工业机器人应用研究[D].电子科技大学.2019
[8].李林慧.智能AGV多目视觉导引与惯性测量的复合导航技术研究[D].南京航空航天大学.2019
[9].陈海永,高亚洲,王庆,陈鹏.基于多目视觉的大尺寸硅钢片轮廓测量[C].2018中国自动化大会(CAC2018)论文集.2018
[10].李俊.基于SLAM导航的多目视觉AGV系统设计[J].包装工程.2018