机器人视觉系统笔记

机器人视觉系统研究

杭电图书馆

科学出版社

总页数：202

唯一QQ：1825587919

唯一WX：ly1825587919

PS：由于阅读效率原因，仅记录关键点

第一章  绪论

第二章 全向视觉系统

1.多摄像机拼接全向视觉系统
　　ringcam系统   五个摄像头
2.鱼眼镜头全向视觉系统
　　短焦距，超广角镜头
3.折反射式全向视觉系统
　　锥形，椭圆形，双曲线形，抛物线形
　　水平等比镜面，水平距离成像一样
　　垂直等比镜面，垂直距离成像一样
　　角度等比镜面
　　改进 由内到外 双曲，水平等比，垂直等比
　　标定方法
　　　　1.极坐标
　　　　2.与模型无关的标定算法设计

第三章 颜色编码化目标识别

1.摄像机参数自动调节
　　图像熵    
　　自动调节算法，改变曝光时间和增益，取曝光时间等于增益
　　同样可调节摄像机其他参数
2.视觉系统颜色分类
　　RGB  645.16  526.32  444.44
　　　　形成颜色立方体
　　HSI. 将立方体中心对角线的灰度线的点到原点
　　　　旋转，形成一个圆锥形的颜色空间
　　YUV. 亮度分量Y和色度分量U.V组成通常用在彩色电视等一些传输协议中。通常用压缩的422模式
　　　　相互转换  矩阵式
　　颜色查找表  根据查找表直接得出颜色范围
　　颜色空间选择原则
　　yuv与hsi颜色空间混合使用
　　基于线性分类器的颜色空间划分
　　白线识别
　　障碍物识别
　　中心极坐标，，分为180份，检测黑色遮挡物

 第四章  非颜色编码化目标识别

　　解决任意颜色，纹理的足球识别问题
　　1.全向视觉成像模型的任意足球识别
　　2.基于AdaBoost学习算法的任意足球识别
　　　　模式识别最常用算法

第五章  目标跟踪与状态估计

　　单目标跟踪
　　足球机器人的运动特点
　　　　自主运行，有一定目的性
　　目标运动模型

• 　　　　静止模型
• 　　　　匀速与匀加速运动模型
• 　　　　时间相关模型
• 　　　　当前统计模型

　　滤波器约束条件
　　　　普通kalman滤波算法不太理想，将普通滤波改进，增加约束条件
　　　　对速度，加速度约束，
　　　　引入约束条件的方法，最有效:滚动时域估计 mhe

　　基于联合概率数据关联的多目标跟踪
　　椭球跟踪门规则

　　基于ransac和卡尔曼滤波的目标状态估计
　　基于双目视觉的三维空间目标状态估计
　　　　双目视觉系统  增加一个双目摄像头
　　软件方面主要有三个并行线程

• • 1.采集摄像机左右两幅图像并做畸变矫正
  • 2.对两幅图像分别进行足球识别，足球三维坐标重构
  • 3.运动轨迹拟合，落点位置预测

　　足球识别与定位  颜色查找表
　　足球运动轨迹的拟合  采用最小二乘法进行抛物线轨迹拟合
　　足球运动落点位置的预测
　　机器人运动决策

第六章  足球机器人视觉自定位

　　粒子滤波定位
　　匹配优化定位
　　二者结合得到自定位方法
　　有效解决绑架后自定位，

 

v、