导读:本文包含了单目视觉测距论文开题报告文献综述及选题提纲参考文献，主要关键词:单目视觉测距,深度学习,SSD目标检测算法,几何相似学
单目视觉测距论文文献综述
陈逸扬[1]（2019）在《基于深度学习和单目视觉测距的机器人跟踪方法研究与实现》一文中研究指出人类可以通过视觉来判断外部环境事物的类别并粗略感知自身与物体之间的距离,从而达到跟随或者避让的目的。对于机器人而言,传统的磁线、磁钉、二维码和激光等AGV导航的方法,因其高昂的硬件成本以及较低的智能性,已经不能满足人们在生活生产中的部分需求。视觉系统近年来己被广泛应用于机器人的自主定位导航,其中单目视觉因其算法成熟度较高、成本较低以及实时性强等优点在短距离导航方面具有较强的实用性。本文提出一种基于深度学习和单目视觉测距相结合实现机器人跟踪的方法。通过标定过程获取单目摄像头的内外参数。利用深度学习中的SSD算法对于目标进行识别并获取目标框体的像素高度。再根据单目测距算法中的相似几何原理计算出摄像机与目标物体之间的距离。最后通过对机器人底座发送Twist消息完成机器人自主追踪,这是贯穿本文的主要思路。主要工作如下:(1)在单目测距的过程中,为了利用几何相似原理来求得相似距离,就必须获得相机本身的内外参数。精准地获取相机的焦距也成了实验中的重要一步。因此本文采用张氏标定法对相机进行标定,提高标定精度,为后续工作做好准备。(2)在机器人跟踪过程中,首先要识别获取本文需要跟踪的目标。文中采用基于深度学习的SSD目标检测算法进行目标识别。与传统的目标检测算法相比,该算法极大地提高了准确度和速度。这种算法对于尺度变化具有较高的鲁棒性。它利用多层不同尺寸和感受野的卷积特征来进行目标的识别。(3)通过SSD算法检测识别目标后,计算出该目标在图像中的像素高度,结合线性单目视觉测距模型和几何相似学,可以按照比例确定物体与成像物体之间的关系。这种模型实现测距更方便简单,只要获取必要的参数就可以快速测得距离,但是它只可以获取相对距离,不能获得测得各点的坐标值,存在一定误差。(4)在获取机器人与目标物体之间距离之后,为实现机器人的自主移动,本文在所测得距离值中添加临界值,当实测距离大于这个值时,通过move_base把控制命令Twist发布到cmd_vel主题上,给左右轮在目标方向一个正速度。同理,当实测距离小于临界值时,给左右轮一个负速度。通过这种发布Twist命令的方式可以使得机器人控制过程变得非常迅速简便。(本文来源于《扬州大学》期刊2019-04-01）
邹斌,袁宇翔[2]（2018）在《面向智能交通的单目视觉测距方法研究》一文中研究指出与前方车辆距离是影响行车安全的重要因素,因此本文提出一种面向未来智能交通的前方车辆单目视觉测距方法.首先,提出融合物联网、智能识别、云计算技术的车联网模型,车辆可实时向车联网回传位置信息及前车图像,请求附近交通标志及前方车辆几何尺度信息,车辆端可计算图像坐标系下车道标志线、交通标志、车辆尺度信息.然后,建立单目相机数学模型,介绍以交通标志、车道分界线为合作标志的单目视觉测距方法.最后,综合应用单目视觉测距方法,设计了前方车辆自适应视觉测距方案.通过仿真实验,证明了单目视觉测距方法的正确性与有效性,可丰富驾驶辅助系统的前方车辆测距手段.(本文来源于《交通运输系统工程与信息》期刊2018年04期）
丁宁[3]（2018）在《基于单目视觉测距的裂纹长度测量》一文中研究指出近年来,随着计算机图像处理技术的快速发展,越来越多的人将其应用到建筑物表面的裂纹测量评定中,相对于传统的人工目测和声波测量法的低客性、精度和效率低下、成本高等缺点,图像处理技术具备非接触、低成本、方便快捷、精确度高的优势。由于墙体表面长期受到温湿度变化的影响或墙体内部承重结构或外部拉力的影响,而导致墙体表面的裂纹日益明显,墙体表面裂纹轻则影响视觉美观;重则导致积水渗漏;非常严重时可导致墙体坍塌。通过裂纹特征来反映墙体表面当前工作状态和结构状态,依据裂纹特征参数值来判断裂纹的危害程度具有非常重要的现实意义。本文基于墙面多裂纹特点及环境情况,从以下几个方面对墙面裂纹图像的裂纹宽度测量的方法进行研究与讨论:(1)针对墙面网状裂纹的纵横交错而导致宽度难以测量问题,本文先将单图多方向裂纹通过K-means算法将其特征像素点进行分离得到单图单裂纹图像,再通过标尺法、最小距离法、切线垂线法叁种裂纹宽度计算方法对比验证,在多量条标定的基础上,得到其平均相对误差分别为10.65%、7.41%、9.61%。(2)采用标准色条比对的方法进行测量,色条用量块标定。采用最小二乘拟合法绘制测量曲线,通过40个样本的实测,测量范围0.5~3mm,其平均相对误差为6.42%,比单量条标定所得到平均相对误差9.82%降低了34.62%。(本文来源于《中国计量大学》期刊2018-03-01）
任工昌,刘崇展,刘朋,张戈[4]（2018）在《神经网络下单目视觉测距方法的研究》一文中研究指出依据高斯成像原理和自动调焦技术,提供一种由变焦镜头获得焦距与像距的双脉冲数,利用神经网络计算物距的单目视觉测距新方法.该方法根据光学成像原理,计算不同物距下对应目标图像的清晰度值,根据改进的变步长爬山搜索策略实现自动调焦,记录电机转向和对应脉冲数,再根据获得的实验数据训练神经网络实现测距.最后提出面积法确定焦距脉冲数,进一步提高测量速度与精度.以粮仓测距为例,神经网络训练结果表明,样本误差、输入与输出的回归系数和相对误差均满足精确度要求,验证了该方法的可行性.该方法避免了复杂的摄像机标定,计算简单且易于实现,为测距技术的研究提供新的参考和理论依据.(本文来源于《陕西科技大学学报》期刊2018年01期）
罗高,袁亮[5]（2017）在《基于二维码的单目视觉测距移动机器人定位研究》一文中研究指出为了提高移动机器人在未知环境下定位精度,使用里程计结合高清摄像机单目视觉测距对移动机器人定位技术进行了研究,针对编码器短距离定位精确,长距离定位存在积累误差的问题,提出非接触式的基于二维码单目视觉测距的方法实现移动机器人的定位。在二维码世界坐标已知的情况下,移动机器人向前运动,高清摄像机通过识别二维码,得知二维码的世界坐标,由此推导出机器人相对于二维码的世界坐标,得出的机器人坐标是基于二维码的绝对坐标值,故消除了编码器存在的累计误差,从而使移动机器人定位更加准确。与传统的里程计定位方式相比,该定位算法定位成功率提升30%~50%。(本文来源于《组合机床与自动化加工技术》期刊2017年10期）
屈姗姗,陈潇,吴晓红,杨谦[6]（2016）在《基于单目视觉测距的测高测面积方法》一文中研究指出利用单目摄像头所建立的叁维测距模型,提出了一种地面上任意物体实际高度测量的计算方法。同时为了克服双目视觉对应点匹配和面积计算所利用的像素当量产生的误差,提出了一种更精确的目标实际面积测量方法。首先,利用叁维几何测距模型,推算得出地面上任意一点到摄像头的距离计算公式,并根据透射点几何转换得到一种地面上物体高度的测量方法。其次,依据成像模型,与特定选取的世界坐标系、摄像机坐标系、图像坐标系叁者之间的关系,推算出一种新的测量目标实际面积的方法。最后通过实验对误差进行了分析,提出了误差来源与相应的解决思路,证实了该方法的有效性。(本文来源于《科学技术与工程》期刊2016年02期）
索文杰[7]（2015）在《基于单目视觉测距技术的车辆防撞系统的研究》一文中研究指出部队车辆交通安全问题频频发生,给部队正规化建设尤其安全工作带来了不可估量的负面影响,虽然国家投入了大量的人力和物力,但长期以来未得到有效改善,故需要研究一款智能小车系统来避免和改善这种状况,在这样的背景下,我们开展了基于单目视觉测距技术的车辆防撞系统研究,本设计主要构造了以飞思卡尔公司研制的高速16位MC9S12XS128处理器,CCD采集前方障碍物图像,超声波采集前方障碍物距离,数码管实时显示前方障碍物的智能车辆防撞系统。(本文来源于《电子制作》期刊2015年09期）
孙铀[8]（2014）在《基于单目视觉测距的车辆自动刹车辅助系统设计》一文中研究指出针对红外测距与超声波测距探测距离与真实距离差异大,刹车控制智能性不强的问题,设计并实现了基于单目视觉测距的车辆自动刹车辅助系统,系统硬件主要由图像采集模块、图像处理模块、以及电子制动模块组成;通过基于单目视觉测距算法实现软件编程,并在Matlab平台上完成测试,实验中车辆以35km/h驶向障碍物,使在20~70m的实际距离进行仿真测距,单目摄像头俯仰角测定在88°~90°之间,对前方实时车距进行测量,并通过与汽车电子控制单元之间的数据交换对车辆制动进行辅助控制;实验结果表明:在实测距离和系统介入距离均在70m以内时,算法相对误差平均在2%左右,车辆停止地点距障碍物在4.5m左右,说明系统满足车辆智能化辅助制动的实时性要求。(本文来源于《计算机测量与控制》期刊2014年07期）
刘东东[9]（2014）在《基于USB摄像头的单目视觉测距技术的研究》一文中研究指出近年来,视觉测距系统被广泛地应用于智能机器人、智能交通道路监控、铁路与公路系统、公安侦查、遥感遥测技术等与人们生产生活息息相关的领域中。在科技信息高速发展的今天,视觉技术的发展与提升为这些重要的信息技术和生产领域的发展打下坚实基础。现阶段,基于USB摄像头视觉系统的开发继承了可移植性强、系统稳定的优点。本论文从序列图像分析角度出发,根据连续帧图像差的物体边缘模糊以及连续帧图像的目标物体在成像面的面积差异这两个特点,研究了摄像头到物体的距离这一单目图像测距技术。本文开头介绍了单目图像散焦测距与图像特征点测距技术原理,提出了利用图像调制传递函数寻找模糊图像空间频率实现距离测量和建立目标图像特征点与摄像机光心直线测距模型实现距离测量两种方法。之后在数字图像预处理研究过程中提出了图像特征提取的创新方法,改进了边缘特征提取的算法,开发出八向差和算子和方向角函数来实现边缘快速检测和线段特征检测。本文最后介绍了数字图像处理开发平台,结合双线程应用程序编程思想,给出了图像测距系统软件总体设计流程,并针对测距算法,给出了单目散焦图像测距与目标特征测距两种实验方法以及详细的实验步骤,最后通过实验数据总结图像测距算法是具有可行性和有效性的结果。本系统应用程序设计是在微软公司出品的Visual C++编译环境下基于MFC多线程应用程序编程实现。通过对视频采集模块的编写,实现了手动单帧或者自动连续帧图像的获取,以及依据定时器控制的固定时间间隔的自动序列图像获取。此外还包括了针对图像格式的24位真彩色图像到8位灰度图像的灰度转换模块；去除图像噪声以及目标图像投影的图像增强模块；目标特征提取的图像分割模块；方便特征点坐标提取,结合OpenCV的摄像头的标定等数字图像处理模块。随着视觉领域的发展以及智能机器人控制技术性能的提升,相信单目图像测距技术是一项值得深入研究的课题,其发展必将为信息产业的发展带来巨大的变革。(本文来源于《大连交通大学》期刊2014-06-15）
季昊成,魏民祥,李浩,李小龙,张开友[10]（2013）在《基于PreScan平台的单目视觉测距方法研究与虚拟试验》一文中研究指出车辆与前方障碍物之间的距离是车辆主动安全控制中的一项重要参数。利用图像传感器获取车辆前方道路信息,根据投影变换模型推导出单目测距算法,并通过软件实现求解车距。在PreScan平台进行虚拟试验,并分析了图像传感器各参数对试验结果的影响。结果表明,在校正良好的情况下,基于单目视觉的车距测量具有较高的测量精度。(本文来源于《测控技术》期刊2013年12期）
单目视觉测距论文开题报告
（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：
与前方车辆距离是影响行车安全的重要因素,因此本文提出一种面向未来智能交通的前方车辆单目视觉测距方法.首先,提出融合物联网、智能识别、云计算技术的车联网模型,车辆可实时向车联网回传位置信息及前车图像,请求附近交通标志及前方车辆几何尺度信息,车辆端可计算图像坐标系下车道标志线、交通标志、车辆尺度信息.然后,建立单目相机数学模型,介绍以交通标志、车道分界线为合作标志的单目视觉测距方法.最后,综合应用单目视觉测距方法,设计了前方车辆自适应视觉测距方案.通过仿真实验,证明了单目视觉测距方法的正确性与有效性,可丰富驾驶辅助系统的前方车辆测距手段.
（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。
单目视觉测距论文参考文献
[1].陈逸扬.基于深度学习和单目视觉测距的机器人跟踪方法研究与实现[D].扬州大学.2019
[2].邹斌,袁宇翔.面向智能交通的单目视觉测距方法研究[J].交通运输系统工程与信息.2018
[3].丁宁.基于单目视觉测距的裂纹长度测量[D].中国计量大学.2018
[4].任工昌,刘崇展,刘朋,张戈.神经网络下单目视觉测距方法的研究[J].陕西科技大学学报.2018
[5].罗高,袁亮.基于二维码的单目视觉测距移动机器人定位研究[J].组合机床与自动化加工技术.2017
[6].屈姗姗,陈潇,吴晓红,杨谦.基于单目视觉测距的测高测面积方法[J].科学技术与工程.2016
[7].索文杰.基于单目视觉测距技术的车辆防撞系统的研究[J].电子制作.2015
[8].孙铀.基于单目视觉测距的车辆自动刹车辅助系统设计[J].计算机测量与控制.2014
[9].刘东东.基于USB摄像头的单目视觉测距技术的研究[D].大连交通大学.2014
[10].季昊成,魏民祥,李浩,李小龙,张开友.基于PreScan平台的单目视觉测距方法研究与虚拟试验[J].测控技术.2013