导读:本文包含了双目视觉系统论文开题报告文献综述、选题提纲参考文献，主要关键词:双目,视觉,水下,摄像机,图像处理,几何,可编程。
双目视觉系统论文文献综述写法
李方旭,金久才,张杰,李立刚,戴永寿[1]（2019）在《一种用于无人船海面障碍物测距的双目视觉系统》一文中研究指出双目视觉具有近距离测距精度高、获取的图像内容丰富等优点,是目前无人船自主避障领域的研究热点,立体匹配是双目视觉测距的技术关键。然而,无人船体的不规则晃动,增大了双目图像间海面障碍物的尺度、亮度差异,易造成匹配歧义。为提高立体匹配的准确性,本文提出一种改进的AKAZE特征匹配方法。通过提取、匹配非线性尺度空间中障碍物的轮廓角点,从而可准确测得海面障碍物的位置信息。利用本文所提方法研发出一种具有防水、防盐等性能的适用于无人船海上工作环境的宽基线双目视觉系统SV-100。测试实验结果表明,该系统在100 m内的测距误差小于6 m。(本文来源于《舰船科学技术》期刊2019年23期）
徐海钦,张宏伟,张卓凡,贺崇琦,张丽[2]（2019）在《基于管道探测机器人的复用式双目视觉系统设计》一文中研究指出随着管道运输的普及,管道探测机器人发展迅速。因为管道内部狭窄又恶劣的环境,所以传统管道探测机器人的视觉系统难以满足要求。本文提出并实现了基于管道探测机器人的复用式双目立体视觉系统,有效的解决了在管道这类恶劣探测环境下的图像获取与处理问题。实验结果表明:该系统能够准确的检测到管道中的漏孔、裂缝等安全隐患;同时又能使用视频切换技术,提取单目摄像头的图像数据,用于人工干预管道机器人的运动。(本文来源于《科学技术创新》期刊2019年28期）
解则晓,余江姝[3]（2019）在《水下双目视觉系统的高精度测量模型》一文中研究指出针对双目视觉系统进行水下拍摄测量时存在的测量误差较大、局限性强等问题,提出了一种基于光线追踪法的水下双目视觉系统测量模型,实验结果表明,利用上述测量模型对水下处于30个不同位姿的被测物上的标准距离进行重建,测量误差平均值为-0.04197mm,最大误差为0.2673mm,与空气中双目视觉系统测量精度相当。(本文来源于《电脑知识与技术》期刊2019年20期）
樊海风,王见[4]（2019）在《平行双目视觉系统的定位误差补偿》一文中研究指出测量精度在平行双目视觉系统的应用中非常重要.为了提高测量系统的精度,提出了基于改进的BP神经网络的误差补偿策略。采用不同位置处的测量数据作为学习样本,利用训练好的网络模型预测测量系统的误差,对测量结果进行误差补偿,得到新的数据作为测量值。实验结果表明,该方法的结果值相较原始数据,误差减少了70%,为提高视觉系统的定位精度提供了一种新的思路。(本文来源于《计算技术与自动化》期刊2019年02期）
费雅倩[5]（2019）在《重载浇筑机器人的双目视觉系统研究》一文中研究指出随着智能工厂和工业机器人的发展,重载浇筑机器人在浇筑工业中扮演着越来越重要的角色,其智能化水平也越来越高。而传统的重载浇筑机器人仍是由人直接主导参与控制,按照人为的机械化动作指令执行动作,浇筑工人还需处于恶劣的浇筑作业环境中。因此,展开了对重载浇筑机器人双目视觉系统的研究。将双目视觉系统和重载浇筑机器人系统相结合,使重载浇筑机器人具有对周围环境的感知能力,并能根据周围环境的叁维空间信息对目标物体进行识别和定位,从而实现重载浇筑机器人进一步的人工智能化,使浇筑工人完全能从恶劣的作业环境中解放出来。首先,对工业机器人、重载浇筑机器人和双目视觉系统的发展进行了详细的分析,并根据国内外对重载浇筑机器人和双目视觉系统的研究现状,结合目前重载浇筑机器人面临的问题和其结构特点,设计了重载浇筑机器人双目视觉的整体方案,并确定了数字图像采集、摄像机标定、图像预处理、特征提取与立体匹配、叁维重建等实验流程,完成了双目视觉系统的软件设计。再根据双目摄像机成像的原理和对传统双目摄像机标定方法的研究,选择了合适的标定方法进行标定实验。然后,研究了图像预处理的方法,并基于对经典SURF特征提取算法原理的研究,提出了一种改进SURF算法特征提取与立体匹配算法,利用特征点的圆形邻域进行特征描述,将特征描述符从64维降到了26维,大大提高了算法的运算速度。再利用RANSAC算法来剔除误匹配点,提高了特征点匹配的精度。最后,深入研究了空间点叁维重建的原理,根据叁维重建的主要步骤,设计了叁维重建的主要流程,利用视差原理将砂箱进行了叁维重建,并根据实验所生成的深度图像和叁维信息,实现了砂箱浇口的准确定位。本文通过对重载浇筑机器人和双目视觉系统的研究,设计了重载浇筑机器人的双目视觉系统,对基于SURF特征提取与立体匹配算法进行了相关改进,最后搭建基于双目视觉系统实验平台进行了仿真实验。实验证明此项研究极大地提高了重载浇筑机器人的工作效率,同时也保障了浇筑工人的生命财产安全,为进一步将其投入实际生产中提供了技术指导。图[72]表[6]参[77]。(本文来源于《安徽理工大学》期刊2019-06-13）
任艳霞,屈科科[6]（2020）在《基于双目视觉系统的农用无人机导航算法研究》一文中研究指出农用无人机市场大,发展迅速,双目视觉系统对周边环境检测能力强,被广泛用于路径规划、避障和导航中。针对农用无人机的路径规划和导航的特定场合,利用双目视觉、图像处理和嵌入式控制等技术,设计了一套农用无人机导航算法,可以为无人机提供准确的导航策略。(本文来源于《农机化研究》期刊2020年04期）
解则晓,余江姝,迟书凯,李俊朋,李美慧[7]（2019）在《非平行双目视觉系统水下标定与测量》一文中研究指出针对用非平行双目视觉系统进行水下拍摄测量时,由于折射所导致的测量误差较大、精度不高的问题,建立了基于折射光路的水下双目视觉系统测量模型,并以Agrawal方法为基础,在已知两摄像机相对位置关系的前提下,对该测量模型参数标定的方法进行了改进。为验证改进的Agrawal方法的可靠性,与Agrawal方法进行水下标定对比实验。结果表明,相较于Agrawal标定算法得到的防水罩法向量这一模型参数,提出的改进算法的结果与真实值更为接近。在此基础上,应用标定后的水下双目视觉系统测量模型对水下靶标标定点间的标准距离进行测量,测量误差平均值为-0.0134 mm,最大误差为0.2073 mm,与空气中双目视觉系统测量精度相当。(本文来源于《光学学报》期刊2019年09期）
曹小京[8]（2019）在《双目立体视觉系统中关键技术的研究与实现》一文中研究指出近年来,计算机视觉的研究迅速发展,双目立体视觉技术作为计算机视觉领域发展最为活跃的方向之一,在机器人视觉、虚拟现实、无人驾驶、叁维重建等领域都表现出优越的应用价值。双目摄像机标定和立体匹配技术作为双目立体视觉技术最重要、最具挑战性的部分,其研究制约着双目立体视觉技术的发展。本文将针对这两个关键技术存在的问题展开深入研究,对基础算法进行改进优化,最终设计一套稳定高效的双目立体视觉系统的实验平台,实现目标物体深度信息的获取。本文的主要工作具体如下:(l)论文详细研究了双目立体视觉理论基础,主要包括摄像机线性和非线性成像模型、双目立体视觉的成像原理以及立体视觉的几何约束条件,进一步阐述了双目立体视觉的关键技术和本文的技术路线。(2)针对经典张正友棋盘格标定算法标定精度低,不能自动进行标定,且引入大量人工误差的问题,本文对经典棋盘格模板进行了改进,采用Harris角点检测和判断算法进行像素角点的准确提取,进一步得到亚像素级角点;提出了一种外围角点自动选取算法,确定角点范围,实现了自动标定。实验结果表明,该方法较传统标定方法相比,消除了人工误差,提高了参数精度,方便有效。(3)针对局部立体匹配算法中匹配代价的计算和匹配窗口难选择问题,通过分析传统算法存在的缺陷,本文提出了一种多特征融合的匹配代价计算方法,选用动态窗口并对窗口内每个像素分配权重进行代价聚合,进行了视差值获取和视差图的优化处理。通过使用Middlebury数据库提供的标准图像对提出算法进行仿真实验,实验结果表明,本文的算法提高了遮挡区域及视差不连续区域的视差精度,降低误匹配率,提高了双目视觉的稳健性,同时保持了较好的实时性。运用本文提出的摄像机标定和立体匹配算法,进行了目标深度信息的获取。实验结果表明,本文的双目立体视觉系统,在一定范围内能够获得准确的目标深度信息,验证了本文关键技术研究的有效性。(本文来源于《西安科技大学》期刊2019-06-01）
张乾[9]（2019）在《基于FPGA的双目立体视觉系统设计与实现》一文中研究指出近年来,立体视觉已经被广泛应用到自动驾驶、机器人导航、手势识别、叁维重建、智能摄像头、增强现实等领域。立体匹配算法通常具有计算复杂性高、数据量大的特点,基于通用处理器来实现,很多时候难以满足嵌入式应用的实时性、功耗与体积的要求,这极大地限制了其在实践中的应用。基于现场可编程门阵列(Field Programmable Gate Array,FPGA)的图像处理实现可以有效提高算法的运行速度,但传统的使用硬件描述语言进行算法设计难度较大。高层次综合(High Level Synthesis,HLS)技术的出现,使得一些复杂的算法设计变得更加容易。基于这一技术现状,本文对双目立体视觉算法在FPGA上的设计与实现展开了研究,完成了基于HLS的Census立体视觉算法硬件加速系统的设计与验证,硬件系统的设计以IP核为基础。主要工作包括以下几个方面:(1)在认真分析Census立体匹配算法流程的基础上,完成了基于HLS技术的Census双目立体匹配IP核设计。IP核的设计包括Census变换、汉明距离计算、视差值计算、视差优化等部分的代码编写与优化。为将高级语言编写的算法改写为HLS可综合的代码,在设计中对图像数据流进行缓存并对像素点进行并行处理。另外,通过中值滤波来减少视差图中的噪声信息,同时还设计了 IP核的外部接口,以便IP核与FPGA的其他模块连接。(2)基于Xilinx的Miz702N FPGA硬件平台,完成了 Census双目立体匹配算法核心模块设计,并实现了完整的双目立体视觉系统的硬件系统。所有的硬件系统除立体匹配模块外,还包括ARM处理器、VDMA(Video Direct Memory Access)、AXI互联、VTC(Video Timing Controller)、时钟设置、数据格式转换以及HDMI显示控制等模块。基于软硬件协同设计的思想,软件部分负责系统各硬件模块间的数据处理流程控制,采用Vivado SDK(Vivado Software Development Kit)工具完成了嵌入式软件程序的编写及调试。(3)用公共数据集Middleburry对所设计的立体视觉系统的性能进行了测试。实验表明所设计的立体匹配算法硬件加速系统在图像对尺寸不同、视差搜索长度不同的情况下的处理帧率为24～85FPS(Frames Per Second),能够满足功能实现稳定性强、实时性好、硬件资源占用少的要求。图58幅,表20个,参考文献38篇。(本文来源于《北京交通大学》期刊2019-06-01）
李彤彤[10]（2019）在《双目视觉系统的标定及畸变校正技术研究》一文中研究指出科学技术的迅猛发展使人们对物体的测量精度要求日益增高,由于双目视觉检测技术具有高精度、高稳定性等特点以及各制造领域对其需求的提高,使得该项检测技术成为目前发展最快的技术之一。由于图像在采集传输过程中受诸多因素影响,导致成像图像与理想图像之间发生变形及比例失调等畸变,摄像机标定及畸变校正技术作为视觉测量系统的先决条件,其算法的稳定性及精度直接决定了测量精度。只有真实的图像,才能反映物体的真实形态,本文主要研究了双目立体视觉测量系统的摄像机标定及畸变校正技术。通过分析双目视觉数学模型及叁维测量原理,搭建了基于时域编码的双目立体视觉测量系统。采用基于均方差的边缘保留滤波算法对视觉图像进行降噪滤波,通过直方图均衡化实现图像增强,提出了基于加速分段检测的FAST算法进行特征信息提取。针对摄像机标定问题,提出了基于共面交叉圆的双目视觉标定法,利用提取的交叉圆椭圆轮廓计算圆环点坐标,进而获得两摄像机的内参数及其之间的位置关系,该标定算法无需人工干预且精度较高。针对畸变校正处理,提出将摄像机标定转化成一个全局寻优问题,采用基于约束条件的稀疏光束法平差算法实现参数的优化。在完成特征图像预处理、摄像机标定及畸变校正处理后,通过对比实验及实验精度验证,结果表明两摄像机内参数的平均绝对相对误差小于3.45e~(-6),平均重投影误差约为0.1像素,数据精度较高,证明了该系统实验方法的可行性和理论正确性。(本文来源于《吉林大学》期刊2019-06-01）
双目视觉系统论文开题报告范文
（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：
随着管道运输的普及,管道探测机器人发展迅速。因为管道内部狭窄又恶劣的环境,所以传统管道探测机器人的视觉系统难以满足要求。本文提出并实现了基于管道探测机器人的复用式双目立体视觉系统,有效的解决了在管道这类恶劣探测环境下的图像获取与处理问题。实验结果表明:该系统能够准确的检测到管道中的漏孔、裂缝等安全隐患;同时又能使用视频切换技术,提取单目摄像头的图像数据,用于人工干预管道机器人的运动。
（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。
双目视觉系统论文参考文献
[1].李方旭,金久才,张杰,李立刚,戴永寿.一种用于无人船海面障碍物测距的双目视觉系统[J].舰船科学技术.2019
[2].徐海钦,张宏伟,张卓凡,贺崇琦,张丽.基于管道探测机器人的复用式双目视觉系统设计[J].科学技术创新.2019
[3].解则晓,余江姝.水下双目视觉系统的高精度测量模型[J].电脑知识与技术.2019
[4].樊海风,王见.平行双目视觉系统的定位误差补偿[J].计算技术与自动化.2019
[5].费雅倩.重载浇筑机器人的双目视觉系统研究[D].安徽理工大学.2019
[6].任艳霞,屈科科.基于双目视觉系统的农用无人机导航算法研究[J].农机化研究.2020
[7].解则晓,余江姝,迟书凯,李俊朋,李美慧.非平行双目视觉系统水下标定与测量[J].光学学报.2019
[8].曹小京.双目立体视觉系统中关键技术的研究与实现[D].西安科技大学.2019
[9].张乾.基于FPGA的双目立体视觉系统设计与实现[D].北京交通大学.2019
[10].李彤彤.双目视觉系统的标定及畸变校正技术研究[D].吉林大学.2019