【摘要】：目前,復(fù)雜環(huán)境下的視覺伺服檢測所涉及的各種難題均為圖像處理與模式識別領(lǐng)域內(nèi)較難克服的問題。如何能夠在光照不均和低照度下找到視覺伺服檢測的目標顯得尤為重要,本論文針對在復(fù)雜環(huán)境下的視覺伺服檢測任務(wù),分別研究了各個關(guān)鍵環(huán)節(jié),主要研究成果包括如下幾個方面:(1)針對視覺注意模式提取的焦點存在關(guān)聯(lián)性問題,提出了一種多視覺注意模式融合的復(fù)雜場景特征面片提取方法。為了避免復(fù)雜環(huán)境下各種干擾,首先通過視網(wǎng)膜皮層算法獲得良好的圖像增強效果,并借鑒了多種視覺注意模式提取視覺焦點的方式,設(shè)計了集成視覺注意模式;在這種集成視覺注意模式的提取下獲得了初始視覺焦點集,通過交互信息量與結(jié)構(gòu)相似性兩種度量方式形成的關(guān)聯(lián)矩陣判定需要融合的視覺焦點集標號,在視覺焦點融合算法中,將需要融合的視覺焦點進行融合后的能量分配;為了快速得到視覺焦點融合后的特征區(qū)域,采用凸包能量分配一致性將關(guān)聯(lián)的視覺焦點區(qū)域的能量均勻分布,最終獲得了完整性與魯棒性均符合要求的特征區(qū)域;將這種方法應(yīng)用到復(fù)雜場景下并聯(lián)機器人上的特征面片提取,獲得了良好的效果,為復(fù)雜環(huán)境下雙目攝像機標定做好了鋪墊。(2)針對復(fù)雜環(huán)境下難以提取標定參照物的邊緣信息,設(shè)計了兩種邊緣檢測方法,第一種是短步長仿射變換下的索貝爾提取方法,盡管在速度和效果上能夠達到視覺伺服的要求,然而所獲得邊緣不能保證閉合,這樣稍后的邊緣矩與邊緣仿射不變矩就無法應(yīng)用;第二種是顯著窄帶活動輪廓模型,借鑒了C-V模型,設(shè)計出先通過視覺注意模式提取視覺焦點,而后將視覺焦點的邊緣作為C-V模型的初始邊界,并在窄帶的基礎(chǔ)上進行快速演化,獲得了良好的光滑封閉曲線,最后,通過實驗驗證了所提出的顯著窄帶C-V模型的有效性和魯棒性。(3)針對復(fù)雜環(huán)境下的雙目攝像機難以標定的問題,提出了一種邊緣矩標定雙目攝像機的方法。借鑒仿射不變矩理論,設(shè)計了邊緣仿射不變矩,并將其用于場景中的目標識別,對在復(fù)雜環(huán)境下排除非標定參照物提供可靠的保證;在邊緣矩的定義下,建立了邊緣矩增量與攝像機位姿增量之間的關(guān)聯(lián)方程,并據(jù)此獲得攝像機的內(nèi)、外參數(shù),通過實驗驗證了基于邊緣矩的雙目攝像機標定能夠保證在復(fù)雜環(huán)境下攝像機標定的準確性與魯棒性。(4)針對視覺伺服檢測中弱紋理圖像難以找尋特征點導(dǎo)致無法在復(fù)雜環(huán)境下進行立體匹配問題,設(shè)計了一種適合于弱紋理下視覺伺服的立體匹配方法。借鑒SIFT算法獲得了大量的特征描述子,通過Meanshift特征選擇機制,設(shè)計了Meanshift弱紋理特征描述子,將這種特征描述子應(yīng)用在立體匹配的同名點特征描述上,通過圖割優(yōu)化算法,標注搜索到的同名特征點,將這些標記過的同名特征點進行分段離散,獲得視覺深度圖,最后通過驗證在復(fù)雜環(huán)境下,這種弱紋理特征描述子在立體匹配的效果和自適應(yīng)性上優(yōu)于SIFT、SURF和NCC獲得的結(jié)果。論文的最后總結(jié)全文的研究工作,并對以后的研究方向和內(nèi)容進行了討論和展望
【圖文】：

第一章 緒 論自底向上注意模式是由外界信號自身的特性來驅(qū)動注意的導(dǎo)向，因而沒有針對任何特定對象。圖 1-1 展示了典型的自底向上注意模式的基本處理過程，其中，，RA、FE、SC 和 CI 分別表示視網(wǎng)膜獲�。≧etinal acquisition）、特征提�。‵eatureExtraction）搜索并選擇（Searching and choosing）和競爭并排序（Competing andindexing）。

身與高層知識無關(guān)，因而無法有意識地控制信息處理過程。由于單純采用自底向上注意模式的不可控性，故而部分研究者轉(zhuǎn)向了與之相對的自頂向下注意模式方向的研究。（2）自頂向下注意模式在自頂向下的注意模式中，視覺期望能快速的由觀察者建立起來，然后針對由視覺注意前期所得到的視覺特征圖進行有選擇性的匹配，尋找最為匹配的目標，通常在尋找到之后對目標做相應(yīng)的定位即可，如果并沒有找到匹配的期望，則會進行知識更新并遞交給經(jīng)驗知識，經(jīng)驗知識會通過相關(guān)操作對任務(wù)知識進行微調(diào)，以此完成反饋控制。圖 1-2 展示了典型的自底向上注意模式模型，其中存放在觀察者的知識庫中的任務(wù)知識和經(jīng)驗知識可以進行部分更新和置換。顯然，較好的將任務(wù)知識驅(qū)動的自頂向下的注意模式嵌入到圖像信息處理中是很有必要的。由當前知識產(chǎn)生的任務(wù)搜尋在視覺信息處理中是必不可少的，這也非常符合人類視覺系統(tǒng)機理，即視覺系統(tǒng)并不是僅僅處理底層的數(shù)據(jù)，同時對來自人腦的任務(wù)知識會產(chǎn)生有目的的選擇性注意。
【學(xué)位授予單位】：東華大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;TP242

【相似文獻】

相關(guān)期刊論文 前10條

1 郭小勤,徐剛;機器人視覺伺服及路徑規(guī)劃的研究現(xiàn)狀與發(fā)展趨勢分析[J];機床與液壓;2005年10期

2 武波;李惠光;徐鵬;;具有深度自適應(yīng)估計的視覺伺服優(yōu)化[J];控制理論與應(yīng)用;2008年01期

3 劉丁;吳雄君;楊延西;辛菁;;基于改進變尺度混沌優(yōu)化的自標定位置視覺伺服[J];自動化學(xué)報;2008年06期

4 廖萬輝;李琳;陳禎;;基于嵌入式的智能視覺伺服系統(tǒng)的研發(fā)[J];機電產(chǎn)品開發(fā)與創(chuàng)新;2009年02期

5 谷雨;李平;韓波;;一種適用于局部特征的混合視覺伺服方法[J];控制與決策;2010年01期

6 歐陽格;王家序;徐超;鄒凱;;無標定視覺伺服系統(tǒng)在靈巧手抓取目標時的應(yīng)用[J];機械工程與自動化;2012年06期

7 郭峰,曹其新,趙言正,朱偉華;基于視覺伺服的倒立擺實驗平臺的研究[J];機械設(shè)計與研究;2003年04期

8 樊俊敏;;基于圖像的雙目視覺伺服機器人控制系統(tǒng)仿真[J];山西冶金;2006年04期

9 李國棟;周友行;王延偉;鄧勝達;唐穩(wěn)莊;;基于無標定視覺伺服機器人的運動物體跟蹤[J];機械研究與應(yīng)用;2007年01期

10 于殿勇;鄧樺;葛連正;;基于速度補償?shù)囊曈X伺服視場控制[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2013年S1期

相關(guān)會議論文 前2條

1 邱新濤;羅熊;;機器人高速視覺伺服研究進展[A];2009年中國智能自動化會議論文集（第一分冊）[C];2009年

2 王朝立;;基于視覺伺服反饋的一類非完整平面移動機器人的鎮(zhèn)定[A];第二十三屆中國控制會議論文集（下冊）[C];2004年

相關(guān)博士學(xué)位論文 前10條

1 竇易文;復(fù)雜環(huán)境下視覺伺服檢測方法及在并聯(lián)機器人中的應(yīng)用研究[D];東華大學(xué);2016年

2 李優(yōu)新;機器人無標定視覺伺服系統(tǒng)的多種智能控制方法研究[D];華南理工大學(xué);2009年

3 王婷婷;帶有約束的機器人視覺伺服控制方法的研究[D];江南大學(xué);2012年

4 李牧;機器人無標定視覺伺服關(guān)鍵技術(shù)的研究[D];哈爾濱工業(yè)大學(xué);2008年

5 張春龍;自然環(huán)境下農(nóng)業(yè)機器人作業(yè)目標信息獲取與視覺伺服策略研究[D];中國農(nóng)業(yè)大學(xué);2014年

6 梁新武;機械手無標定動態(tài)視覺伺服研究[D];華中科技大學(xué);2011年

7 毛尚勤;微操作系統(tǒng)的機器視覺與無標定視覺伺服研究[D];華中科技大學(xué);2013年

8 高振東;網(wǎng)絡(luò)環(huán)境中的機器人視覺伺服及融合控制[D];上海交通大學(xué);2007年

9 金梅;基于深度無關(guān)立體視覺模型的機器人控制系統(tǒng)研究[D];燕山大學(xué);2010年

10 王捷;基于視覺的衛(wèi)星在軌自維護操作的研究[D];哈爾濱工業(yè)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 俞強強;基于視覺伺服的核燃料棒組裝機器人位姿精確識別研究[D];哈爾濱工業(yè)大學(xué);2015年

2 馬騰飛;磁錨定腹腔內(nèi)手術(shù)機器人的設(shè)計與視覺伺服實驗研究[D];哈爾濱工業(yè)大學(xué);2015年

3 楊坤;微裝配機器人的無標定視覺伺服研究[D];華中科技大學(xué);2015年

4 王杰;基于視覺伺服的機器人控制研究[D];武漢工程大學(xué);2015年

5 蔣云;機械手仿人智能無標定混合雙目視覺伺服研究[D];重慶大學(xué);2015年

6 劉浪;機械手五自由度無標定視覺伺服仿人智能控制[D];重慶大學(xué);2015年

7 安旭文;基于單目視覺的目標識別與跟蹤系統(tǒng)研究[D];華中科技大學(xué);2014年

8 周德文;基于遠心雙目微視覺伺服的光纖精密對準控制研究[D];華南理工大學(xué);2016年

9 蔡偉東;機械臂視覺伺服控制方法研究[D];哈爾濱工業(yè)大學(xué);2016年

10 李哲;基于視覺伺服的立體邊界安防系統(tǒng)設(shè)計[D];哈爾濱工業(yè)大學(xué);2016年

本文編號：2544450