导读:本文包含了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:视觉技术,视觉里程,双目相机
视觉测距论文文献综述
吴锦铁,许原,仲崇霞,梁炜,黄艳[1]（2019）在《一种用于里程计量的双目立体视觉测距系统》一文中研究指出介绍一种用于里程计量的双目立体视觉测距系统。分析了双目相机的测距原理,搭建了双目立体视觉测距系统,对双目相机进行标定,解算系统到目标的深度距离。使用全站仪及光轨结合的方法对系统进行比对测量,结果显示系统测距误差为厘米量级。(本文来源于《计量技术》期刊2019年10期）
叶群辉[2]（2019）在《基于计算机视觉的前方车辆检测及测距分析》一文中研究指出汽车交通安全问题已成为现代社会非常重要的研究问题,智能交通系统可以显着降低交通事故发生的概率.基于计算机视觉的前方车辆检测及测距研究,提出了一种结合车牌面积及图像阴影算法来计算实际距离,并运用单目视觉测距方法来实现对车距的检测,应用二阶径向畸变模型降低现实因素造成的误差而导致的数据误差.结果表明:静态试验测距误差为2%～4%,距离为10～22 m,误差较为稳定;动态车距测量在10～80 m内都可以保持较小的误差.(本文来源于《兰州工业学院学报》期刊2019年05期）
王浩鑫,谢景卫,于嘉民,樊宗赐[3]（2019）在《树莓派双目视觉测距与红外传感混合避障研究与设计》一文中研究指出针对移动避障平台单一传感器进行障碍物的检测与避让时不能保证准确、可靠性的问题。研究和设计了一种基于树莓派双目视觉测距与红外传感器相结合的距离测量系统,并将此系统搭载于智能小车进行避障功能的实现。利用Open CV平台,通过一系列图像处理算法获取到障碍物的距离数据,再结合避障算法实现避障。考虑到PC平台体积过大,因此将算法移植到树莓派平台后搭载至智能小车,同时增设红外传感对双目视觉测距进行辅助,能够提高移动避障系统的鲁棒性。实验结果表明,使用此方法进行避障的智能小车数据精确、工作稳定。(本文来源于《机电产品开发与创新》期刊2019年05期）
黄泽宇,祝永新,田犁,黄尊恺,汪辉[4]（2019）在《基于立体视觉的无人车测距系统设计》一文中研究指出无人车测距是无人车防碰撞系统的关键技术之一。根据现有无人车常用测距方法的不足,设计了一套基于立体视觉的无人车测距系统。针对立体视觉中匹配算法耗时长和精度不高的问题,采用图像熵来表征特征点的信息量,筛除低信息量的特征点,并引入极线约束来减少误匹配点。实验结果表明,该方案能够有效地对前方障碍物进行测距,匹配算法的精度高、速度快,满足测距系统的实时性和精度要求。(本文来源于《现代制造工程》期刊2019年09期）
赵媛劼,魏朗,田山山,关闯[5]（2019）在《一种基于车牌特征的前车视觉测距方法》一文中研究指出针对车辆行驶过程中摄像机外参数标定精度难以得到保证、前车位置定位困难等问题,提出了一种基于车辆尾部牌照特征的前车视觉测距方法。首先简化了叁线法标定流程,以便于实车实现,其次结合几何模型的车辆视觉测距原理,综合车辆牌照尺寸先验信息,推导出了前车距离测距方法,实现了前车距离测量。实验证明:相较于传统叁线法,简易叁线法的俯仰角误差控制在2%以内,高度误差不超过3.5%,基于车辆牌照特征的视觉测距误差不超过5.1%。有效地解决了传统视觉测距方法外参标定繁琐,距离测量误差大等难题,为视觉测距提供了一种新的思路。(本文来源于《电子测量技术》期刊2019年13期）
李明东,卢彪,金传宇[6]（2019）在《基于双目视觉立体匹配技术的双目测距研究》一文中研究指出通过对双目视觉立体匹配技术及测距的研究,计算在不同视角下对物体的图像进行感知,实现了摄像机替代人眼,取得不同拍摄环境下同一物体像素间的位置参数偏差及角点检测信息。主要完成了从各种双目立体匹配算法中选择一种高效准确且容易实现的算法来计算视差值。根据立体匹配的约束关系,借鉴黑白棋盘的模式进行标定,通过opencv模式处理得到实验相机的内外角点坐标参数。通过计算目标物体与相机之间的实际距离、目标物体的叁维坐标以及两点之间的实际距离,提高了目标物体的识别率。(本文来源于《廊坊师范学院学报(自然科学版)》期刊2019年02期）
姚旭洋[7]（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）
田斌[8]（2019）在《牛场牛粪清理机器人系统中双目视觉目标测距研究与应用》一文中研究指出本文是基于“标准化牛场的牛粪清理装置研发”项目的双目工业相机的测距系统。主要使用MV-EM120M工业相机和AFT-1614MP工业镜头,对物体进行拍摄,识别出物体并进行距离测量,进而帮助牛粪清理机器人搭载的机械臂能够准确的实现抓举功能。针对该设计的需求,本文主要从摄像机的双目标定、图像的立体匹配和双目测距叁个方面,建立一套完整的双目测距体系。为了更能达到项目所需,本论文对测距体系的双目标定和立体匹配部分都做了相应的改进。论文在VS2010+OpenCV2.4.9环境下主要对以下任务进行了研究与实验:(1)相机标定。由于对实验精度的要求,抛弃了传统的棋盘格标定板,选用一种具有更高精度的AFT-CT430标定板,并且根据此标定板编写了适用于它的算法,让标定结果更加准确。(2)立体匹配。根据实际应用需求,所研究的检测特征点和构建描述符选用SURF算法,并使用暴力匹配法进行特征点的初步匹配。由于误匹配点过多无法高效的进行下一步测距,因此本文对筛选错误匹配点选用的是极限约束法,最终在筛选错误点数和筛选错误点平均时间都有了很大的提升。(3)双目测距。根据所提出的匹配方法和单应性矩阵模型确定出目标物,并确定出目标物的大致中心点,最后使用汇聚式双目测距法得到目标物体深度的信息。由于标定和特征匹配建立了速度和高精度的基础,因此项目最终实现的目标确定与测距系统整体处理速度提高了 1.1倍,误差率最高为1.25%。由实验结果可以确定,所提出的算法可以较好的应用于牛场的牛粪清理装置中。(本文来源于《宁夏大学》期刊2019-06-01）
张树立[9]（2019）在《双目视觉测距系统的研究》一文中研究指出双目视觉测距是通过模拟人眼来进行景物信息的提取,相比于传统的测距方法,双目视觉测距具有高精度、非接触式等优点,能够更全面具体地还原景物信息。本文通过对双目视觉测距原理的学习,从双目摄像机标定、立体校正和立体匹配过程展开,进行具体研究,并对传统的基于census变换的立体匹配算法提出改进。根据测距原理,搭建双目视觉测距平台,通过Visual Studio 2013结合OpenCv视觉库2.4.10版本编程实现。本文采用张正友相机标定法进行标定。对自制标定板中的黑白格角点信息进行提取,采用亚像素角点检测进一步精确角点坐标信息。对标定得到的摄像机参数进行误差分析,在满足精度要求的前提下,利用得到的参数对双目摄像机采集的图像进行立体校正,使图像在成像平面坐标系中行对准,以便降低立体匹配的复杂度。在立体匹配过程中,由于传统的census算法的精度对中心点像素值依赖较大,且在视差不连续区域匹配效果不理想,本文在匹配代价计算和代价聚合过程中提出改进。通过对中心点邻域内像素点求取平均值与中心点进行做差比较,当差值较大时则表明中心点受到噪声干扰,此时以邻域内像素平均值代替中心点像素值。在匹配代价聚合过程中,利用双边滤波,同时考虑邻域内像素点的位置信息和灰度值信息,增强对视差不连续区域的匹配效果。通过实验分析,改进后的census算法具有更强的抗噪声干扰能力,且在视差不连续区域的匹配效果得到加强。最后,采集多组图像信息进行测距实验,通过立体匹配得到的视差图,利用几何变化原理得到物体在空间中的叁维距离信息。实验结果表明,在一定的距离内,具有较高的测距精度。(本文来源于《河北科技大学》期刊2019-05-01）
王华锋,李飞[10]（2019）在《基于机器学习与双目视觉相结合的测距方法研究》一文中研究指出本文提出了一种双目视觉技术和深度学习物体识别技术相结合的测距方法,以实现对室内场景目标对象的识别和测距.首先,利用物体识别技术,识别出相机捕获的图像中的物体,得到物体的具体名称和物体在图像中占据的位置;然后,将物体识别与双目立体视觉技术相结合,识别出图像中物体的名称,计算识别出的物体与双目相机之间的距离;最后,在图像上同时标识物体的名称和距离信息.经过实验验证,该方法能够较好地实现测距和识别功能,可获得比一般的测距方法更丰富的信息.(本文来源于《北方工业大学学报》期刊2019年02期）
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：
汽车交通安全问题已成为现代社会非常重要的研究问题,智能交通系统可以显着降低交通事故发生的概率.基于计算机视觉的前方车辆检测及测距研究,提出了一种结合车牌面积及图像阴影算法来计算实际距离,并运用单目视觉测距方法来实现对车距的检测,应用二阶径向畸变模型降低现实因素造成的误差而导致的数据误差.结果表明:静态试验测距误差为2%～4%,距离为10～22 m,误差较为稳定;动态车距测量在10～80 m内都可以保持较小的误差.
（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。
视觉测距论文参考文献
[1].吴锦铁,许原,仲崇霞,梁炜,黄艳.一种用于里程计量的双目立体视觉测距系统[J].计量技术.2019
[2].叶群辉.基于计算机视觉的前方车辆检测及测距分析[J].兰州工业学院学报.2019
[3].王浩鑫,谢景卫,于嘉民,樊宗赐.树莓派双目视觉测距与红外传感混合避障研究与设计[J].机电产品开发与创新.2019
[4].黄泽宇,祝永新,田犁,黄尊恺,汪辉.基于立体视觉的无人车测距系统设计[J].现代制造工程.2019
[5].赵媛劼,魏朗,田山山,关闯.一种基于车牌特征的前车视觉测距方法[J].电子测量技术.2019
[6].李明东,卢彪,金传宇.基于双目视觉立体匹配技术的双目测距研究[J].廊坊师范学院学报(自然科学版).2019
[7].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
[8].田斌.牛场牛粪清理机器人系统中双目视觉目标测距研究与应用[D].宁夏大学.2019
[9].张树立.双目视觉测距系统的研究[D].河北科技大学.2019
[10].王华锋,李飞.基于机器学习与双目视觉相结合的测距方法研究[J].北方工业大学学报.2019