摘要：介绍了一种使用计算机视觉技术进行苹果外形识别的方法 ,用傅立叶描述子提取苹果的形状特征 ,设计 3层前向神经网络形状进行识别 ,使用遗传算法和BP算法相结合的混合算法进行神经网络权矢量和神经元阈值的学习。试验结果表明该方法具有 80 %以上的正确率。

摘要：为提高智能服务机器人的服务质量及智能化水平,基于机器人技术中间件(robot technology middleware,RTM),对室内环境下的机器人定点物体传送任务及其相关技术进行了深入研究.首先,为了提高系统的稳定性及开发效率,建立功能模块集,并结合模糊树图与DS(Dempster-Shafer)证据理论实现模块的粒度划分;对于机器人定点物体传送过程中所面临的即时定位与地图创建问题,采用Rao-Blackwellized粒子滤波算法完成底层栅格地图的创建,进而构造动态精简式混合地图,并利用记忆循迹规则实现机器人定点导航;通过改进的显著性区域提取算法实现对空间物体坐标的提取,并利用智能机械臂平台完成对物体的抓取及传送任务.以机器人移动平台和UR5机械臂为基础对设计系统进行实际测试,结果验证了所提分散控制方法的有效性和可行性.

摘要：光流运动估计是计算机视觉领域的一个重要的研究领域,为了抑制噪声对光流场估计的影响,并实现大位移光流场求解,建立了基于全局与局部相结合的CLG-TV变分光流估计模型,并提出求解方法。将LK局部光流算法融合到TV-L1模型中,并利用各项异性扩散和双边滤波技术,扩展后模型在保持TV-L1模型优势的基础上,具有更加鲁棒的抗噪性能,且能有效解决大位移问题;在求解过程中,利用结构纹理分解方法和由粗到精金字塔方法,提高光流计算的精度。实验结果表明:本算法误差AAE和AEPE均有所减小,该算法在精度提高的同时加快了收敛速度;进一步,通过对实际大位移图像序列求解,验证了算法能有效区分动态目标和静态背景的能力,并且能较好反映物体的运动信息。本文提出的CLG-TV模型能够提高光流估计精度,并能有效解决光流计算的大位移问题。

摘要：为了实现复杂环境下移动机器人目标跟踪,提出多特征分块匹配的跟踪算法。该算法对目标区域进行分块,利用颜色、深度特征对各块图像进行特征匹配,实现目标的精确定位。在跟踪过程中,根据块图像中颜色和深度的相似度大小,及时更新目标模型和子块权重,提高跟踪的准确性。利用扩展卡尔曼滤波(Extend Kalman Filter,EKF)提取目标运动特征,当目标被完全遮挡时,根据其先验估计预测目标位置,以提高算法的鲁棒性。实验结果表明,该算法对目标快速移动、光照变化、遮挡问题具有较强鲁棒性,算法跟踪速度达132frame/s,满足跟踪实时性要求。