导读:本文包含了位姿检测论文开题报告文献综述及选题提纲参考文献，主要关键词:双目视觉,位姿检测,图像处理,坐标变换
位姿检测论文文献综述
王才东,董祥升,陈志宏,陈响元,刘洁[1]（2019）在《基于双目视觉的机械零件位姿检测系统研究》一文中研究指出针对机械零件搬运过程中需要精确测量零件位姿的实际问题,基于VS220双目立体视觉测量系统平台,设计了一种机械零件位姿检测系统。采用改进的Canny边缘检测算法,对零件边缘进行了轮廓识别,利用尺度不变特征转换方法进行了零件特征点的提取与立体匹配;利用立体视觉叁维重建方法,建立了位姿检测系统数学模型,通过求解坐标系之间的转换关系,计算出了零件在传送带上放置的位置和方向等信息;通过VC++语言编写了位姿识别算法程序,实现了零件形状与位姿的识别;搭建了位姿测试系统实验平台,进行了测试实验。实验结果表明:系统能快速有效地对零件进行位姿检测,为实现零件的自动上下料提供了技术支撑。(本文来源于《机电工程》期刊2019年12期）
刘理,王耀南,张辉,万智,贾林[2]（2019）在《桥梁检测机器人作业规划与位姿优化方法研究》一文中研究指出针对桥梁底部病害人工检测的作业难题,介绍了桥梁检测机器人的工作原理,结合桥梁的结构化特征和视觉检测拍摄参数约束,研究了桥梁检测机器人作业规划与位姿优化方法。首先,提出一种以最佳拍摄模型约束的桥梁检测机器人拍摄作业位姿规划方法。在最佳拍摄规划方法的基础上,针对小箱梁桥梁和T型梁桥梁底部的褶皱结构,研究了以安全拍摄模型为约束的拍摄位姿优化方法,设计了结合拍摄偏角和拍摄距离的权重函数,推导了优化算法公式并给出了收敛证明。通过对不同拍摄参数的配置,进行了针对空心板桥梁的拍摄作业位姿规划方法仿真;针对小箱梁桥梁的结构,在位姿规划仿真结果基础上进行了位姿优化方法的仿真。最后以研制的桥梁检测机器人为对象,进行了现场测试与验证,仿真和实验结果均表明,该规划和优化方法符合桥梁拍摄检测的要求,具有很好的鲁棒性和实时性。(本文来源于《仪器仪表学报》期刊2019年07期）
宁志雄[3]（2019）在《泊车AGV的车辆位姿检测系统设计》一文中研究指出泊车AGV(自动导引车)是为解决城市发展中的停车问题而设计的一种新型移动机器人。由于它能有效节省泊车空间、提高泊车效率,因此被越来越广泛地应用到了平面停车场和立体车库中。但是,现有的泊车AGV系统需要用户主动调整车辆位姿,将其准确开到指定的机械平台上,这在一定程度上增加了泊车难度和泊车风险,降低了泊车体验,限制了泊车的灵活性。针对这些局限性,本文确定了以全局视觉系统和泊车AGV局部系统组成的车辆位姿检测系统方案。为了确保目标车辆在泊车AGV上传感器的视野范围之内,本文利用全局相机,对目标车辆在泊车缓冲区中的位姿进行了粗估。考虑到泊车的安全性,本文基于混合高斯模型,对泊车缓冲区中的动态物体进行了有效检测。当泊车缓冲区处于静止状态后,对目标车辆的外形轮廓进行了提取,并基于轮廓的中轴线,过滤了后视镜等车身突出轮廓点,拟合了车辆矩形特征。结合泊车缓冲区边框角点和目标车辆矩形角点,完成了对目标车辆位姿的粗估,之后调整泊车AGV的初始位姿,实现了泊车AGV和目标车辆的粗对齐。针对传感器在泊车AGV上的安装高度很低,传统的车辆位姿估计算法无法应用的问题,本文提出了基于车轮点云对称性特征的车辆位姿精确估计方法,并基于二维激光雷达论证了这一方案的可行性。为了获取更高的精度和更稳定的结果,本文利用叁维激光雷达作了更进一步的研究。由于目标车辆点云是非地面点云的一部分,本文提出了网格法和SVM(支持向量机)分类器相结合的地面点云分割算法,在分离地面后,利用悬空物提取算法和欧氏聚类算法,对扇形兴趣区域内的车轮点云进行了有效提取,并基于ICP(迭代最近点)算法校正了车轮点云的对称面,完成了对目标车辆位姿的精确估计。同时,采用SAC-IA(采样一致性初始配准)算法和ICP算法结合,将任意位置的车轮点云和零点位置的车轮点云配准,并基于配准的欧氏适应度评分,评估了算法精度。最后,本文搭建了实验平台,进行了实验测试和算法验证,并基于ROS(机器人操作系统)和QT,设计了上位机软件。(本文来源于《哈尔滨工业大学》期刊2019-07-01）
郭丰杰[4]（2019）在《主副双刀机械刻划刀具的位姿检测与试验》一文中研究指出主副双刀机械刻划技术是利用两把同型号刻刀形成错刃相对空间位姿关系对衍射光栅精确成槽的新方法,有效抑制了光栅刻槽过程中槽面的弹塑性回弹变形和侧向塑性隆起,并延长了主刻刀的使用寿命;然而传统试刻法刀具位姿调控方式不能满足双刀相对位姿检测的精度要求,是制约该技术进一步发展的重要因素之一。因此,探究高精度新型刀具位姿检测方法,对于提高主副双刀错刃机械刻槽成形精度,保证衍射光栅制备质量具有重要的意义。本文将基于激光衍射测量技术对主副双刀机械刻划刀具在刻划坐标系中的位姿进行检测。首先,建立了刀具坐标系与刻划坐标系,推导出主副双刀相对位置坐标公式;进而又深入研究了矩形孔、直角叁角形孔夫琅禾费远场衍射理论,并基于刀具姿态角狭缝衍射条纹信息,建立了激光衍射测量技术刀具姿态角检测模型(正演求解);介绍了刀具残余压痕/划痕显微图像检测技术刀具姿态角计算方法(反演求解),以验证本论文提出的激光衍射测量技术刀具位姿检测方法的可行性与精准性。其次,依据激光衍射法搭建了刀具位姿检测装置试验样机,标定了检测精度;在此基础上,率先利用激光衍射法对单刀位姿进行了检测,并同时进行了单刀原位压痕/划痕试验,分析了衍射法单刀位姿检测结果和误差来源,进行了误差修正,获得了随机工况下刀具的相应精准位姿。最后,介绍了主副双刀错刃机械刻划原理,利用CATIA软件对主副双刀刀架结构进行了设计与分析;并在单刀位姿检测试验基础上,利用激光衍射法对主副双刀相对位姿进行了检测与姿态一致性精度评定,开展了主副双刀错刃机械刻划试验,并从刻槽闪耀角、非闪耀角、闪耀面和非闪耀面这四个参数检测精度方面分析了双刀刻槽的槽形精度,实现从实际应用的角度验证了激光衍射测量技术刀具位姿检测方法的精确性与实用性。通过上述刀具位姿检测对比试验研究与主副双刀错刃机械刻划试验研究,本文最终获得了较为精准的刀具位姿非接触式检测方法,为后续进一步深入研究主副双刀错刃机械刻划工艺奠定了基础。(本文来源于《长春理工大学》期刊2019-06-01）
宋楠楠[5]（2019）在《视觉SLAM中位姿约束下的闭环检测算法研究》一文中研究指出随着移动机器人在人们日常生活中的广泛应用,视觉SLAM技术作为其中的关键技术之一,逐步成为近年来研究的热点。基于视觉的闭环检测作为视觉SLAM的重要组成部分,目的是识别机器人之前访问过的地方,从而修正行驶过程中不断累积的位姿误差,得到更精确的机器人位姿估计。单纯依赖视觉信息实现闭环检测,在相似场景或重复外观环境下容易产生感知歧义,从而造成误匹配;在环境光照变化较大情况下,容易错失闭环地点。针对这两个问题,本课题提出的算法采用一种对光照鲁棒的描述子实现闭环检测,解决光照变化较大环境下闭环丢失问题;将里程计的位姿信息和视觉闭环检测过程相结合,提出了位姿约束下的视觉闭环检测方法,解决感知歧义的问题。论文主要从叁个方面进行了介绍。首先,针对光照变化条件下特征的不稳定性,对全局和局部描述子进行了介绍,针对采用的光照鲁棒全局描述符DIRD进行了详细描述,包括图像的滤波、归一化、量化过程及描述子的构建。之后介绍了图像之间相似性的计算方法并通过实验显示了描述子的构成。其次,介绍了相机位姿估计的方法及误差估计过程,为下一步的视觉闭环检测提供约束位姿。本文采用基于滤波方法的MSCKF(Multi-State Constraint Kalman Filter)算法实现图像和惯导信息融合的相机位姿估计,阐述其实现的过程并在实际数据集上进行了实验,分析了算法估计的位置误差和姿态误差,为下一步位姿约束算法实现奠定基础。第叁,系统地研究了视觉闭环检测与位姿约束之间的关系,提出一种位姿约束下的DIRD的闭环检测系统框架。算法采用提供的位姿约束确定闭环候选区域,采用DIRD算子实现闭环检测,同时根据位置约束排除感知歧义造成的误匹配。算法在KITTI数据集上进行了验证,以Precision-Recall曲线做为评价标准,对本文闭环检测算法的准确性以及实时性进行评估与分析,实验结果表明了本文所提出的闭环检测方法有较好的可行性和有效性,不仅提高了闭环检测的效率和准确性,同时具有很好的鲁棒性。(本文来源于《石家庄铁道大学》期刊2019-06-01）
徐永辉[6]（2019）在《基于视觉的复杂工况下装填系统位姿检测研究》一文中研究指出移动港(Mobile Harbor简称MH)是近些年由KAIST提出的一种新型的海上货物转移系统,该系统能够在一定程度波浪及大风的海上实现货物的交接作业,目前已经在海平面上搬运集装箱等货物方面得到了应用。但在这种特殊的条件下,要想实现特定货物与特定位置的精准对接,对由于海浪引起的一些自由度方向的运动的补偿尤为重要。圆孔特征作为生活中常见的特征之一,研究运用视觉的方式获取非可控目标船只圆孔的位姿,需要对针对圆特征的视觉算法、多自由度控制、工业相机的参数标定、运动预测等相关技术进行验证,必要时还可加以辅助特征辅助识别。这对海上针对孔、洞类圆特征目标的货物交接,具有非常大的研究意义。首先,要将现实世界坐标下的目标与工业相机内的坐标形成准确的对应关系,需要对相机进行标定。本文通过简单的单目测距实验对比了棋盘标定法、圆形标定法及运用MATLAB标定工具箱的标定准确度,从中选取最优的标定方法,并加以改进,完成对相机的标定。其次,针对所识别的目标为一个圆,而空间中圆在成像平面中往往以椭圆的形式出现的问题,研究了以霍夫变换为主的投票类算法以及以最小二乘法为主的最优算法。通过仿真了解了两类算法的优缺点,并结合各自的优缺点,提出了一种改进的椭圆拟合算法,以投票法确定椭圆的圆心,在此基础上以最小二乘法完成对椭圆的拟合,验证了算法的可行性。然后,在椭圆成功被拟合的基础之上,研究空间中圆特征的投影模型,找到空间中圆的位置与成像平面拟合椭圆之间的关系,建立了空间圆的投影锥模型;并针对圆的二义性问题,提出利用帧间法消除圆的二义性问题;同时,针对动态处理过程中,由于数据传输过程中会产生的时间差,对EKF、UKF及PF叁种针对非线性运动的预测滤波算法进行了对比,并从中选取最适合本课题场景的跟踪算法。最后,在理论分析和仿真的基础之上,通过实验,验证算法的可行性及测量的准确性。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
李响[7]（2019）在《浅海水下目标物检测与位姿估计方法研究》一文中研究指出海洋作为地球物种起源的摇篮,占据着地表面70.8%的空间,是维护地球生物多样性的重要保障。随着世界人口数目的不断增长以及内陆可利用资源的日益匮乏,人类意识到海洋内蕴藏的丰富生物种类及矿藏种类将成为未来人类生存资源的保障。目前海洋受到的污染非常严重,海上的垃圾、漂浮物等不断增加,并且数量已经远超海洋的净化能力。由于人体的生理特征不适合于长时间的海洋环境作业,因此,浅海水下的打捞设备应运而生。但目前打捞设备效率低下,自动化程度不高,因此,本文通过计算机视觉对基于浅海水下环境的目标物检测与位姿估计进行了研究。首先,针对水下悬浮物对光散射导致的水中雾化问题,基于陆上暗通道先验的去雾算法,提出了一种基于水下环境的背景光估计方法,融合了暗通道先验估计系数和在水下衰减较弱的蓝、绿通道系数,实现了对水下图像的复原;针对光在水中严重衰减导致的图像对比度下降、颜色失真和细节模糊等问题,对直方图均衡化和拉普拉斯锐化两种算法进行了融合,提出了一种自适应增强算法,使对不同环境的图像得到合理的增强。同时对处理后的图像进行了客观质量评价。其次,针对水的折射造成的位置偏移问题,基于Snell定律建立了水下双目相机成像模型,提出了一种以固有深度为先验的深度矫正方法,完成了对水下位姿的矫正及实验验证;面对基于特征点的普适性匹配算法在水下环境的识别率低、匹配速度慢等一系列问题,本文应用了一种基于识别码的目标物检测,并提出了一种应用于空间曲面的水下识别码识别算法,通过优化大大提高了识别速度,通过实验验证了算法可行性;针对水下成像质量差,点估计和线估计无法满足精度要求的问题,将RANSAC点云分割和ICP点云配准的方法应用到水下位姿估计。通过光学式运动捕捉系统建立了评价标准,对双目相机位姿估计精度进行了评价。最后,搭建实验平台,模拟水下环境条件,通过实验验证了水下图像处理和目标物检测与位姿估计方法的有效性。基于识别码对水下各算法处理后的图像进行目标检测,验证了水下图像处理算法的必要性和优越性;通过室外目标物检测与位姿估计实验验证了目标物检测与位姿估计算法的可行性及识别率。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
单春艳[8]（2019）在《面向井下无人机自主导航的位姿估计与障碍物检测技术研究》一文中研究指出煤炭是我国国民经济发展的重要能源,煤炭开采也因此备受关注。但由于矿井本身构造复杂,井下地质环境多样,人工作业往往效率低下且事故频发。随着信息技术的不断发展,无人机将逐步代替人力,在未来少人或无人井下作业中发挥重要作用。本文以井下无人机自主导航为研究对象,针对井下巷道的特殊环境,以单目视觉传感器为基础,对导航中涉及的位姿估计、障碍物检测和路径规划等关键技术进行了研究。具体研究成果如下:(1)针对井下无人机自主导航中涉及的位姿估计问题,提出了一种基于单目视觉的井下无人机人工路标辅助位姿估计方法。以相同形制的反光标识牌作为人工路标,通过视觉注意机制对其进行快速识别。利用机载单目摄像机中心点与邻近反光标识牌及其投影点之间的几何关系,推断出无人机的位姿。仿真结果表明,本文提出的位姿估计方法可以满足矿井巷道中无人机位姿估计对精度和实时性的要求,且具有更高的算法效率。(2)针对井下无人机自主导航中涉及的障碍物检测问题,提出了一种基于单目视觉的井下无人机障碍物检测方法。首先,为了改善矿井图像低对比度和模糊的问题,提出了一种基于极值抑制和中值的加权均值滤波算法,并结合CLAHE算法对图像增强。其次,提出一种基于形态学处理的全局阈值二值化与局部阈值二值化取交集的方法,将障碍物从背景中分离出来,并利用Suzuki轮廓跟踪法提取障碍物轮廓。最后,根据障碍物形状特征参数,使用最小外接矩形精确定位障碍物区域。仿真结果表明,采用本文所提出的障碍物检测算法,得到的障碍物轮廓清晰且识别结果正确,能够满足井下无人机障碍物检测的要求。(3)针对井下无人机自主导航中涉及的路径规划问题,提出了一种基于单目视觉具有动态避障能力的井下无人机路径规划方法。首先,结合基于四叉树的ORB算法与叁角测量法对巷道中的障碍物定位。其次,提出一种基于尺度Huber函数的高斯牛顿法对障碍物定位结果进行优化,并通过混合栅格法和构型空间法对巷道环境建模。最后,基于优化后的障碍物定位信息以及巷道环境模型,使用A*算法实现路径规划。仿真结果表明,采用本文所提出的路径规划算法,可以成功绕开前方障碍物,安全到达目的地,满足井下无人机进行最优路径规划的要求。上述工作为后续井下无人机自主导航系统的实际开发与飞行测试提供了一定技术基础,也为其他特殊场景下无人机自主导航系统的设计提供了一定研究参考。(本文来源于《北京交通大学》期刊2019-05-30）
周彪[9]（2019）在《基于卷积神经网络的机器人抓取位姿自主检测算法研究》一文中研究指出机器人抓取是应用最为广泛的机器人作业任务,也是机器人操作中最具挑战性的技术之一。当前成熟的机器人抓取系统多数针对结构化操作环境,且依赖事先获取的抓取对象模型规划抓取过程,抓取目标形状、姿态、大小、颜色等特征单一且应用场景相对固定,缺乏灵活性与鲁棒性。为适应非结构化环境下未知目标抓取的应用需求,首先需要攻克未知目标抓取位姿的自主检测问题。本文针对未知目标物体的自主抓取位姿检测展开研究,提出了基于卷积神经网络的机器人抓取位姿自主检测算法,并进行了实验验证,主要内容包括:研究了基于RGB-D图像的机器人抓取位姿表示方法,将机器人叁维空间抓取位姿检测问题转换为二维图像检测问题。研究二维图像上的有向矩形框表示方法表示机器人叁维空间抓取位姿,并提出通过限定抓取方向为物体表面法线方向的方式,结合RGB-D图像数据,将该有向矩形框参数唯一映射到机器人叁维空间抓取位姿参数。提出了一种基于滑动窗检测的抓取位姿检测算法,抓取位姿检测准确率较同类型算法有所提高。基于卷积神经网络模型设计了一个抓取位姿抓取置信度判别模型,使用滑动窗算法生成的候选抓取位姿进行可抓取置信度判定并排序,得到最优抓取位姿。该算法在康奈尔抓取数据集上达到了91.3%的抓取检测准确率。提出了一种基于深度残差网络的抓取位姿检测算法,在兼顾抓取位姿检测成功率的同时,显着地提升了抓取位姿检测速度。使用基于深度残差网络的卷积神经网络模型端到端的学习RGB-D图像数据和最优抓取位姿映射关系,通过数据扩增和迁移学习技术加速学习过程,避免数据过拟合问题。该算法在康奈尔数据集上的抓取检测准确率达到了90.1%,检测速度相比滑动窗类算法的15秒/帧提高到了0.37秒/帧。搭建了基于Kinect深度相机和UR5机器人的抓取位姿检测算法验证实验平台,分别面向熟悉目标物体和未知目标物体进行了抓取验证实验。实验结果表明抓取位姿检测算法的抓取位姿检测准确率和抓取成功率均达到了较优水平,机器人自主抓取过程灵巧且鲁棒。(本文来源于《华中科技大学》期刊2019-05-15）
顾成劼,杨赟,杜正春,杨建国[10]（2019）在《基于自适应拟合的小型元件位姿高精度检测算法》一文中研究指出针对小型元件在生产过程中精度要求高的难点,以一种典型的小型元件,发火元件的自动化焊接流程为例,对流程中最重要的视觉检测步骤,提出了发火元件的亚像素轮廓自适应拟合算法。在算法中,首先利用感兴趣区域提取、高斯滤波、Otsu阈值分割、Freeman轮廓跟踪,进行图像预处理;其次利用Zernike矩对跟踪编码的轮廓进行亚像素化,提高轮廓检测精度;最后根据亚像素化后的轮廓,进行自适应轮廓拟合,从而实现发火元件位姿的自动检测。对上述算法,在发火元件测试平台上验证,实验得到最大定位误差9.37μm,平均误差5.96μm;转角误差0.006°,满足焊接检测的要求。(本文来源于《机械设计与研究》期刊2019年02期）
位姿检测论文开题报告
（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：
针对桥梁底部病害人工检测的作业难题,介绍了桥梁检测机器人的工作原理,结合桥梁的结构化特征和视觉检测拍摄参数约束,研究了桥梁检测机器人作业规划与位姿优化方法。首先,提出一种以最佳拍摄模型约束的桥梁检测机器人拍摄作业位姿规划方法。在最佳拍摄规划方法的基础上,针对小箱梁桥梁和T型梁桥梁底部的褶皱结构,研究了以安全拍摄模型为约束的拍摄位姿优化方法,设计了结合拍摄偏角和拍摄距离的权重函数,推导了优化算法公式并给出了收敛证明。通过对不同拍摄参数的配置,进行了针对空心板桥梁的拍摄作业位姿规划方法仿真;针对小箱梁桥梁的结构,在位姿规划仿真结果基础上进行了位姿优化方法的仿真。最后以研制的桥梁检测机器人为对象,进行了现场测试与验证,仿真和实验结果均表明,该规划和优化方法符合桥梁拍摄检测的要求,具有很好的鲁棒性和实时性。
（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。
位姿检测论文参考文献
[1].王才东,董祥升,陈志宏,陈响元,刘洁.基于双目视觉的机械零件位姿检测系统研究[J].机电工程.2019
[2].刘理,王耀南,张辉,万智,贾林.桥梁检测机器人作业规划与位姿优化方法研究[J].仪器仪表学报.2019
[3].宁志雄.泊车AGV的车辆位姿检测系统设计[D].哈尔滨工业大学.2019
[4].郭丰杰.主副双刀机械刻划刀具的位姿检测与试验[D].长春理工大学.2019
[5].宋楠楠.视觉SLAM中位姿约束下的闭环检测算法研究[D].石家庄铁道大学.2019
[6].徐永辉.基于视觉的复杂工况下装填系统位姿检测研究[D].哈尔滨工业大学.2019
[7].李响.浅海水下目标物检测与位姿估计方法研究[D].哈尔滨工业大学.2019
[8].单春艳.面向井下无人机自主导航的位姿估计与障碍物检测技术研究[D].北京交通大学.2019
[9].周彪.基于卷积神经网络的机器人抓取位姿自主检测算法研究[D].华中科技大学.2019
[10].顾成劼,杨赟,杜正春,杨建国.基于自适应拟合的小型元件位姿高精度检测算法[J].机械设计与研究.2019