导读:本文包含了双目识别论文开题报告文献综述及选题提纲参考文献，主要关键词:多类堆迭工件,叁维位姿,双目视觉,MLP
双目识别论文文献综述
陈立挺,聂晓根[1]（2019）在《基于双目视觉的机械手识别、定位、抓取系统研究》一文中研究指出针对多类堆迭工件分类和提取叁维位姿困难的问题,对随机摆放规则物体的机器识别、叁维定位和自动抓取等方面进行了研究,采用一种基于MLP分类器的视觉算法实现了工件识别。利用识别结果选取合适的透视可变形模板匹配将堆迭工件与背景分离,结合双目视觉中的立体匹配、深度计算和坐标变换完成了叁维位姿估计,通过Halcon和Visual Studio联合编程的方式,进行了工件识别定位抓取实验系统的软件开发,设计了实验平台,对矩形工件和圆柱体对象进行了位姿提取和抓取实验。实验结果表明:该系统具有较好的分类效果和较高的识别定位精度,可以满足机器人对工件的在线抓取需求。(本文来源于《机电工程》期刊2019年08期）
姚旭洋[2]（2019）在《基于双目视觉的水上目标测距与识别算法研究》一文中研究指出目前,许多国家都在对水上装备智能化、无人化技术进行研究,研究的重点方向之一就是水上装备的环境感知技术。双目立体视觉技术作为重要的环境感知技术,受到研究人员的重视。本文对双目测距中的关键技术和水上目标识别算法进行了深入研究,通过实验验证了双目测距算法和目标识别算法的可行性以及可靠性。论文主要完成的工作如下:第一,对双目测距中匹配代价获取的关键技术进行优化改进,针对传统Census变换对中心像素过于依赖,噪声影响下匹配效果差的问题提出了一种改进的Census变换,利用改进的Census变换进行立体匹配,提高了立体匹配算法对噪声的鲁棒性和执行效率。第二,对双目测距过程中采用的局部立体匹配算法流程进行调整优化,结合水上目标测距与识别这一最终目的简化传统局部立体匹配的流程,首先采用自适应设定滞后阈值的Canny算子以及Snake模型对水上目标的轮廓进行提取,然后在轮廓区域内采用自适应窗口进行匹配代价聚合,避免在深度不连续区域产生误匹配。最后对视差进行优化,得到目标视差,进一步计算出目标的距离信息。采用优化改进的算法进行测距实验,测距精度达到了无人艇避障以及视觉侦察的要求。第叁,结合水上目标的特点进行目标的识别分类。由于像水上船舶这类目标较水上岛屿等目标具有明显的形状差异。因此对水上目标的形状特征、Hu矩特征进行提取,将提取出的目标特征作为分类支持向量机的输入,对水上目标进行舰艇目标的识别和分类。实验验证时选择高斯径向基核函数的支持向量机进行样本的训练和测试实验,取得了很好的分类识别效果。(本文来源于《江苏科技大学》期刊2019-06-07）
毛孟娜[3]（2019）在《双目视觉机器人的目标识别与抓取技术研究》一文中研究指出机器视觉是当前人工智能领域的一个快速发展方向,随着机器视觉技术的不断进步,推动了工业自动化、智慧安防和人工智能等行业的进步,也为各个领域的应用带来了更多的发展潜力与机会。其中双目视觉是机器视觉领域的一个重要分支。将视觉引入到机器人的抓取中,这是机器人控制技术和机器视觉相结合的产物,对提高工业生产的效率具有深刻的影响。课题主要将双目视觉技术引入到传统工业示教机器人中,使机器人能够运用视觉实现对目标物体的识别定位和抓取,主要做以下的研究工作:首先,进行相机标定技术研究,建立相机成像相关坐标系,分析相机标定的原理和标定方法。基于张正友标定原理,进行相机标定实验得到相机参数,对比标定结果,采用Opencv编程的方法对相机进行标定实验,得到相机参数。其次,研究图像特征的提取和匹配算法,相机采集的图像由于噪声等因素的干扰往往不能直接进行特征的提取和分析。所以在特征提取之前,对图像的滤波算法进行研究。分别实验对比不同的滤波算法的滤波效果,选择中值滤波算法对图像进行预处理。分析不同类型的图像特征,提出在图像空间域内,提取图像的极值点特征,运用SIFT算法对图像进行特征提取和匹配。并运用RANSAC算法对特征提取算法进行了优化。视觉抓取的实现需要进行目标物体的识别和定位,采用极值点的模板识别原理对工件进行识别。在不同的工况条件下对物体进行识别实验。采用形心定位的方式对物体进行定位,并计算物体形心的叁维坐标。最后构建双目视觉抓取系统的整体框架,分析各个模块的功能,对相机、镜头和末端手爪进行选型和分析计算。建立机器人的运动学模型并进行了机器人运动学仿真分析。为了实现机器人对目标物体的正确抓取,对机器人进行手眼标定研究,确定了机械手相对基坐标系的关系。设计抓取软件,与机器人建立通讯连接,对目标物体进行了抓取实验,机器人对目标物体的识别抓取效果达到了预期。(本文来源于《沈阳工业大学》期刊2019-06-04）
钱磊[4]（2019）在《基于双目视觉的堆迭箱盒目标识别与定位技术研究》一文中研究指出双目立体视觉作为机器视觉的一个重要分支,其应用已遍及到生产和生活的各个领域。基于双目立体视觉的视觉引导技术可以从二维空间的识别定位提升到叁维空间,可以得到目标的叁维信息,从而实现自由度更高,环境更复杂的抓取与分拣。目前很多抓取和分拣的机器人都是通过视觉引导技术来完成对目标的识别与定位,但大多数还是二维的视觉引导技术。本文基于双目立体视觉技术,对堆迭状态下的箱体盒体进行识别与定位,得到箱盒位姿信息后进行叁维空间的抓取。目前双目立体视觉的视觉引导技术是一个重要课题,但同时也面临着许多挑战。双目立体视觉目标识别与定位技术一直不能平衡实时性和精准性,能够在单一工况下完成视觉引导工作,但在复杂的堆迭条件下,准确性大幅下降,系统鲁棒性不强。针对上述问题,结合实验室现有平台,实现堆迭箱盒目标识别与定位,根据机器人抓取特性,保证其旋转角度精度为5°,叁轴精度为3mm。进行如下研究工作:(1)针对张正友标定法只考虑径向畸变的影响,使得标定结果不精确的问题,本文提出基于张正友标定法的改进算法,加入切向畸变进行标定。张氏标定法为了标定算法的便捷,只考虑影响最大的径向的畸变。但在组装相机的过程中,不能完全保证透镜和成像平面的平行,导致切向畸变的产生。为提高标定精度,根据畸变原理,考虑径向和切向两种畸变的影响对相机进行标定。(2)针对立体匹配的效率和精度问题,本文提出基于SGBM立体匹配算法,利用了RANSAC迭代算法对误匹配进行剔除的改进。采用Delaunay叁角剖分技术对视差图进行处理,使得视差结果更加精确。比较目前匹配效率快,匹配精度高的SGBM和ELAS两种匹配算法,结合ELAS算法处理流程对SGBM算法进行改进。(3)针对堆迭箱盒的位姿估计问题,本文对叁维重建技术进行了深入研究,提出了基于视差信息对堆迭箱盒位姿估计的方法。通过Blob图像处理技术,分割出所需抓取堆迭箱盒的前景平面,并提取平面内的视差信息和拟合平面法向量。可以根据所得位姿信息,对箱盒进行抓取。(本文来源于《湖北工业大学》期刊2019-06-03）
郭伟[5]（2019）在《基于双目视觉的行人检测与识别技术研究》一文中研究指出基于双目视觉的行人检测与识别系统是近几年来计算机视觉领域的研究热点,在智能驾驶、自动导引运输车与家庭服务机器人等领域得到广泛的应用。立体匹配算法和行人检测技术是基于双目视觉的行人检测与识别系统的关键技术。目前的立体匹配算法多采用基于区域的局部立体匹配算法,其计算量小,实时性高,但是在视差图中的目标边缘处存在膨胀、模糊等问题;行人体态和姿势的多变导致了行人检测算法检测效果弱,检测精度不高。因此,主要工作如下:1)通过SLIC超像素分割参考图像后提取图像的边缘特征,依据边缘特征对像素点分类进而分配不同尺寸的支持窗口,根据分配的窗口在待匹配图像上进行视差筛选,最终得到准确的视差图。实验结果表明,通过对像素点的分类,细化了局部立体算法的支持窗口大小,有效的解决了视差图边缘膨胀、模糊问题,提高了立体匹配算法的准确度,在深度不连续区域附近的错误率降低了16.4%。2)以头肩部模型作为行人检测的研究对象,在视差图上使用一种基于自适应阈值分割方法获得感兴趣区域,并结合区域约束方法得到头肩部模型的待检测区域,有效的去除了视差图的背景信息,提高了检测效率。在待检测区域视差图上提取HOG特征,使用SVM对样本进行训练和分类。实验结果表明,基于视差图的头肩部HOG特征行人检测方法,有效的解决了由于行人体态和姿势的多变导致行人检测效果弱、错误率高的问题。本文算法检测率可达97.4%。(本文来源于《长春理工大学》期刊2019-06-01）
牛草源[6]（2019）在《基于双目相机的物体识别与点云抓取点估计研究》一文中研究指出随着智能化在工业领域生产线上的占有率越来越高,工业机器人在工厂生产中的应用率也越来越高。基于视觉感知工业机器人所处的环境是工业机器人智能化的关键技术,在现有的视觉传感器中,双目视觉以其造价成本低,精度高等特点在工业领域广泛应用于工业检测、工件识别和定位中。本文针对双目视觉的物体识别与叁维点云重建进行研究。首先,按照工程实际要求和双目视觉的叁维重建原理,设计组建了实验所需的的双目视觉系统。根据双目相机各个坐标系间的转换关系建立相机的线性模型。在MATLAB工具箱中利用移动平面的张氏标定法对双目相机的内外参进行标定,利用标定结果对相机得到的图像进行极线校正处理和畸变校正处理,得到完全平行的理想双目系统。其次,对双目相机得到的灰度图片进行了光照补偿,选取双边滤波进行图像的预处理,利用改进的Graph-Cuts算法对图片进行物体的边缘提取和轮廓分割。对物体的HOG特征和Surf特征提取算法进一步改进,并将这两类特征应用到物体识别的算法中,对原有的物体识别融合算法中的固定值加以改进,得到本文中的自适应识别算法,提高了算法的识别性能。再次,对双目相机的立体匹配进行研究,将现有的立体匹配算法进行改进,利用图片的灰度值和梯度完成立体匹配的代价计算,应用左右一致性原理对双目的视差图进行处理得到物体叁维点云。对得到的点云进行大噪声降噪,并对其法线和曲率进行修正以完成小噪声的平滑。根据点云信息建立物体坐标系,将点云在物体各个坐标系进行投影和轮廓提取,结合相机和物体之间的关系,在物体的窄面和宽面中完成抓取点的选取。最后,搭建了综合实验平台,验证本文中提出和改进的算法的可行性和有效性。搭建了机器人实验平台的硬件、软件平台和框架,进而对机器人和双目相机的手眼关系算法进行研究,通过手眼标定得到相机和机器人之间的关系。设计四种不同的实验情景验证了本文算法在光照强度变化、物体在移动和被遮挡的情况下的准确性。最后将双目相机分别安装在机械手上端和相机支架上完成双目相机和机器人的综合实验。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
高奇峰[7]（2019）在《基于双目视觉的码垛机器人目标识别与定位技术研究》一文中研究指出视觉系统是机器人技术中一个非常重要的方向,码垛机器人也逐渐应用到了物流产业的各个方面。现在,由于烟草物流中心的订单朝着小批量、高频次方向发展,条烟码垛效率对烟草物流越来越重要。融合视觉技术的机器人,可以更准确的感知周围环境,使生产作业更加智能化。本文研究的基于双目视觉的码垛机器人目标识别与定位技术,对条烟智能码垛具有重要的理论与实际意义。首先,按照码垛机器人目标识别及定位的要求,设计出一种针对码垛机器人的目标识别及定位总体方案。依据此方案及实际研究需要,完成了对相机的标定,获得其内外参数。针对原始图像包含信息量大及存在噪声干扰的问题,本文采用直方图均衡化、中值滤波完成了图像预处理。在目标特征提取研究中,针对常用的SIFT、ORB等特征提取算法存在鲁棒性差、检测时间长的不足,采用了SURF算法提取目标条烟图像的特征点,该方法将积分图像引入到图像特征检测中,既提高了特征检测的稳定性,也提高了检测的效率。在条烟识别的研究中,针对本文识别目标图像纹理特征明显,本文采用基于特征点检测的模板匹配来识别条烟,实验证明,此方法识别结果准确、用时较短。其次,针对目标条烟的定位,由于传统的定位算法耗时长、定位精度低,本文提出了一种改进的基于SURF算法匹配的定位方法。解决了传统的双目匹配定位搜索特征点时需要在二维的图像平面内搜索实时性较差的问题,给定了极线约束条件,将搜索范围由二维降低为一维,缩短了匹配时间,提高了匹配准确性。实验验证了该方法在条烟定位时具有速度快、准确性高的优势。最后,构建了一个码垛机器人目标识别与定位系统,完成了系统软硬件设计。通过系统的码垛实验,证明了本文采用的识别与定位算法不仅具有良好的鲁棒性,其时效性也满足实际工程要求。(本文来源于《重庆邮电大学》期刊2019-05-28）
严亮,舒志兵,李照[8]（2019）在《基于SURF+RANSAC的双目立体视觉目标识别与抓取》一文中研究指出针对单目视觉处理简单、无法获取获取叁维维空间数据的问题,提出一种双目立体视觉目标识别和抓取方法。结合SUR算法和RANSAC算法对图像进行匹配,以滤除图像中的"外点";利用仿射变换获取关键点信息及形心坐标,根据立体重建原理实现目标测距与定位,最终完成抓取任务。实验结果表明:采用距离辅助坐标定位法可以准确识别目标物体并获得距离信息,实现准确定位。(本文来源于《机床与液压》期刊2019年09期）
宋子豪[9]（2019）在《基于双目立体视觉的汽车测距避障和目标识别研究》一文中研究指出随着我国经济社会的发展和科技工业的进步,汽车逐渐走进更多家庭的生活和工作,但随之而来的是道路的拥挤和频发的交通事故,汽车主动安全成为当下汽车技术发展所面临的一个重要问题。本文对汽车自动驾驶系统关键模块之一的环境感知进行了深入的研究,在分析汽车环境感知常用的传感器技术的优缺点和研究现状的基础上,提出了基于双目立体视觉的汽车测距避障和目标识别系统。首先,对摄像头成像和双目立体视觉测距的数学原理进行研究分析,结合双目测距系统的要求,选择合适的视觉传感器搭建双目立体视觉平台,获取双目图像。并采用张正友平面标定法,使用双目摄像头拍摄不同角度的棋盘格左右视图,基于MATLAB标定工具箱标定双目摄像头的内外参数。根据立体匹配算法对双目图像的匹配要求,预先对双目图像进行灰度处理和滤波去噪,并使用标定得到的双目摄像头参数对左右视图进行消除畸变和立体校正,以得到严格行对准的双目图像。然后通过对立体匹配算法的分析,提取图像区域灰度作为匹配基元,在多种约束准则下,使用局部最优搜索策略以绝对误差累计函数最小确定双目图像的匹配点,获取匹配点的左右视差计算目标的深度信息。其次,根据汽车实时识别测距的要求,选择合适的实时深度学习算法,基于道路场景图片数据集进行训练,对道路场景中常见的汽车、自行车、行人等进行识别,并输出目标区域坐标,在立体匹配视差图中获取目标距离。最后,采用静态、动态、便携化叁种实验方案对双目立体视觉系统的准确性、实时性和可行性进行验证。静态测距实验对不同距离下的固定标靶进行双目测距并分析误差,动态目标测距实验通过目标识别算法实时检测前方运动目标并获取其距离,便携化实车试验则将双目立体视觉系统移植到以NVIDIA嵌入式开发板中,在道路场景下控制试验车辆实现了对目标物有效的测距、识别和自动避障功能。(本文来源于《华中科技大学》期刊2019-05-01）
王帅[10]（2019）在《基于双目视觉的泊车机器人障碍物识别系统研究》一文中研究指出随着人民生活品质的日益提高和经济的不断发展,汽车保有量呈现井喷式增长,停车难成了日常出行的难题。因此,智能停车库应运而生,作为其核心运载工具的泊车机器人日趋受到人们关注,成为移动机器人领域的全新重点应用。针对目前国内外泊车机器人均采用成本较高的激光传感器,技术难度大,不易于实现与大面积推广的问题,本文采用价格低廉并能够实时获得周围环境信息的视觉传感器取代激光传感器,完成对泊车路径上的障碍物识别。主要的研究工作如下所示。(1)障碍物视觉识别系统搭建。通过研究双目视觉系统原理及数学模型,结合本系统的应用环境,搭建了系统的软、硬件平台。在分析双目视觉系统实现的一般步骤的基础上,设计了本系统的工作流程。(2)基于双目视觉的障碍物识别系统标定和校正。在研究双目相机标定方法的基础上,分析其优缺点,选用张正友棋盘标定法完成相机标定。通过对比分析OpencCV标定方法和Matlab标定方法的优缺点,采用Matlab工具箱进行双目相机标定,引入物理学中的控制变量法对不同标定距离和棋盘规格进行实验和精度分析,以得到较高精度的焦距。最后,采用基于OpenCV的Bouguet算法完成双目立体校正,获得平行且行对准的标准图像对。(3)停车库环境下的立体匹配算法研究。首先介绍了立体匹配算法研究的必要性和存在的问题,将匹配算法和其应用环境联合分析,选择基于特征的匹配算法,并针对传统特征匹配算法SIFT和SURF存在匹配耗时长和对边缘光滑目标特征点提取弱的问题,进行改进研究,设计了一种适用于智能停车库环境下的立体匹配算法。(4)障碍物类别检测研究。由于传统的物体检测算法存在物体检测种类少、准确率低和复杂度高等问题。针对这些问题,引入基于深度学习的YOLO卷积神经网络,实现准确、实时检测障碍物类别。该网络具有较强的扩展性,可根据实际需求训练自己的数据集,以应用到不同场景。实验结果表明,本文设计的无人智能停车库环境下的基于双目视觉的障碍物识别算法在2100mm范围内的平均测距误差在50mm内,障碍物类别检测平均耗时0.096s,系统整体平均耗时0.466s,满足智能车库环境下泊车机器人对障碍物检测的实时性与精度要求,为搭载双目视觉的经济型泊车机器人的研究与应用奠定了基础。(本文来源于《河南科技大学》期刊2019-05-01）
双目识别论文开题报告
（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：
目前,许多国家都在对水上装备智能化、无人化技术进行研究,研究的重点方向之一就是水上装备的环境感知技术。双目立体视觉技术作为重要的环境感知技术,受到研究人员的重视。本文对双目测距中的关键技术和水上目标识别算法进行了深入研究,通过实验验证了双目测距算法和目标识别算法的可行性以及可靠性。论文主要完成的工作如下:第一,对双目测距中匹配代价获取的关键技术进行优化改进,针对传统Census变换对中心像素过于依赖,噪声影响下匹配效果差的问题提出了一种改进的Census变换,利用改进的Census变换进行立体匹配,提高了立体匹配算法对噪声的鲁棒性和执行效率。第二,对双目测距过程中采用的局部立体匹配算法流程进行调整优化,结合水上目标测距与识别这一最终目的简化传统局部立体匹配的流程,首先采用自适应设定滞后阈值的Canny算子以及Snake模型对水上目标的轮廓进行提取,然后在轮廓区域内采用自适应窗口进行匹配代价聚合,避免在深度不连续区域产生误匹配。最后对视差进行优化,得到目标视差,进一步计算出目标的距离信息。采用优化改进的算法进行测距实验,测距精度达到了无人艇避障以及视觉侦察的要求。第叁,结合水上目标的特点进行目标的识别分类。由于像水上船舶这类目标较水上岛屿等目标具有明显的形状差异。因此对水上目标的形状特征、Hu矩特征进行提取,将提取出的目标特征作为分类支持向量机的输入,对水上目标进行舰艇目标的识别和分类。实验验证时选择高斯径向基核函数的支持向量机进行样本的训练和测试实验,取得了很好的分类识别效果。
（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。
双目识别论文参考文献
[1].陈立挺,聂晓根.基于双目视觉的机械手识别、定位、抓取系统研究[J].机电工程.2019
[2].姚旭洋.基于双目视觉的水上目标测距与识别算法研究[D].江苏科技大学.2019
[3].毛孟娜.双目视觉机器人的目标识别与抓取技术研究[D].沈阳工业大学.2019
[4].钱磊.基于双目视觉的堆迭箱盒目标识别与定位技术研究[D].湖北工业大学.2019
[5].郭伟.基于双目视觉的行人检测与识别技术研究[D].长春理工大学.2019
[6].牛草源.基于双目相机的物体识别与点云抓取点估计研究[D].哈尔滨工业大学.2019
[7].高奇峰.基于双目视觉的码垛机器人目标识别与定位技术研究[D].重庆邮电大学.2019
[8].严亮,舒志兵,李照.基于SURF+RANSAC的双目立体视觉目标识别与抓取[J].机床与液压.2019
[9].宋子豪.基于双目立体视觉的汽车测距避障和目标识别研究[D].华中科技大学.2019
[10].王帅.基于双目视觉的泊车机器人障碍物识别系统研究[D].河南科技大学.2019