基于力和视觉的机械手未知平面内曲线跟踪

针对工业机械手对未知平面内轨迹的跟踪和恒定接触力控制,给出了一种视觉和力觉混合的伺服控制策略。采用基于双目立体视觉eye-to-hand配置下的图像视觉伺服方法,构建PID控制器,实现对机械手在平行于平面方向上的运动控制。采用力传感器感知末端执行器与环境之间的接触力,采用PI控制器,实现了对末端执行器在垂直方向上的运动控制。在MATLAB环境中,利用机器人工具箱进行仿真实验,实现了对圆形曲线的跟踪控制,实验结果验证了方法的有效性。     

创新无止境

新年的第一缕霞光从东方冉冉升起,我们辞别了硕果累累的2012年,迎来了充满希望的2013年、值此元旦佳节,适逢本刊创刊50周年,《华北民兵》全体同仁谨向全区官兵、民兵预备役人员致以节日的问候!向长期关心支持《华北民兵》的军地各级领导、广大读者表示衷心的感谢!     

深度视觉语音生成研究进展与展望

为了进一步推进深度学习技术驱动的视觉语音生成相关科学问题的研究进展,阐述了视觉语音生成的研究意义与基本定义,并深入剖析了该领域面临的难点与挑战;在此基础上,介绍了目前视觉语音生成研究的现状与发展水平,基于生成框架的区别对近期主流方法进行了梳理、归类和评述;最后探讨视觉语音生成研究潜在的问题和可能的研究方向。     

基于连续图像消影点的视觉定位算法研究

将消影点作为视觉定位的描述特征具有独特优势,针对消影点容易受到环境因素影响的问题,提出一种基于图像梯度场的消影点提取算法。利用优化的检测算法提取直线特征,对直线段筛选后估计消影点,并利用精度因子得到有效消影点,根据计算机视觉中的多视图几何实现视觉陀螺仪和视觉里程计。实验结果表明,通过过滤不可靠的消影点能够提高定位精度,视觉陀螺仪整体准确度优于惯性导航,部分数据点视觉里程计准确度优于惯性导航。     

自行高炮火控系统动态精度模拟中的视觉测量方法

身管指向测量是实现自行高炮火控系统精度闭环测试中的一个难点,提出了一种基于计算机视觉技术的自行高炮身管指向动态测量方法。首先分析了身管及标志物位置关系,然后提出了基于九步旋转的身管指向角解算方法,最后针对实际中初始高低角解算不稳定的问题,提出了多幅图像联合寻优求解的方法。实验结果表明:所提方法高低角测量精度可达2 mil,基本满足实际要求。     

双目视觉测径仪的单CCD实现

利用双目视觉原理进行直径测量,通常需要2个CCD相机,2个相机间的空间相对位置不易确定,从而影响测量结果的精度.用1个CCD相机来实现双目视觉测径,不仅可以节省1个昂贵的相机,而且可以使空间位置比较容易确定.文中给出了测量原理及最终直径的求解方法.     

基于结构相似度的SAR干扰效果评估方法

传统的合成孔径雷达(SAR)图像质量评价指标没有考虑像素点间的相关性和人眼视觉系统感知特性,导致主客观不一致的现象时有发生。提出了一种主客观相结合评估方法,该方法不仅巧妙地利用了结构相似度(SSIM)作为主客观评价的连接纽带,而且结合局部方差相似度与图像高频信息相对应的特点,通过非线性合并得到了结构相似度的修正模型。仿真结果表明,该方法较之传统评估手段具有明显的优势,不仅能够更好地反映出干扰对图像细节的影响,而且能够与人类视觉系统保持高度一致,进一步提升了整套评估系统的效率和准确率。     

视觉惯性SLAM研究进展

近年来视觉惯性SLAM是机器人及计算机视觉领域中的研究热点问题,在无人驾驶、增强现实、三维重建等领域有着广泛的应用.简述了视觉惯性SLAM的关键技术,并从统一的贝叶斯框架出发介绍了后端的两种形式——滤波和优化.对几个代表性视觉惯性SLAM系统进行深入对比分析,讨论了近年研究热点与发展趋势,并做出总结与展望.     

反无人机视觉检测与跟踪技术进展分析

为应对无人机“黑飞”“滥飞”等对国防和公共安全造成的巨大威胁,反无人机技术研究成为当前迫切的现实需求。首先,对比分析雷达、无线电、声音、机器视觉4类典型的反无人机检测技术;其次,重点针对反无人机的视觉检测与跟踪技术,从目标检测、无人机识别、无人机跟踪等角度,详细分析视觉检测与跟踪关键技术的优势与不足,以及各项技术在反无人机检测跟踪中的应用情况及改进策略;最后,探讨应用中较为突出的检测精度、跟踪遮挡、实时性、数据集收集标准、多技术融合5个方面问题和发展趋势,为相关技术研究提供参考。     

无人机保距跟踪中的视觉跟踪算法研究

针对固定翼无人机对地面目标进行保距跟踪过程中不能稳定获取目标图像的问题,设计了一种提高视觉目标跟踪稳定性的算法。该算法基于核相关滤波算法,提出了线性旋转子空间的概念,用于估计平面外旋转后的目标图像,在跟踪的过程中通过跟踪效果判断是否对线性旋转子空间进行校正。这种更新机制提高了在相对位置不断变化的情况下视觉跟踪的稳定性和准确性,有效地降低了跟踪漂移的程度。算法在无人机跟踪视角的视觉跟踪数据集中进行了测试,结果显示在跟踪的准确性和鲁棒性上明显好于当前主流跟踪算法。并使用固定翼无人机进行了实机飞行,验证了算法的可行性。