一种鲁棒的基于全景视觉的足球机器人目标识别方法

由于光照的变化和全景视觉的畸变,全自主足球机器人对目标识别不稳定且有效性差,为此提出了1种基于Gabor滤波器和支持向量机(SVM)的全自主足球机器人目标识别方法。首先根据颜色特征和面积、长宽比等简单形状特征提取候选目标,候选目标中包含实际的目标和与目标颜色相近且通过上述简单形状特征判断仍无法消除的干扰。将候选目标与Gabor滤波器作卷积来提取特征向量,将特征向量输入SVM进行分类,识别出实际的目标。在机器人MT-R的足球目标识别中对该方法进行了实验,实验表明该种方法具有较好的识别精度,且满足足球机器人的实时性要求。     

一种光照变化条件下的自适用权重局部立体匹配算法

基于Census变换的局部立体匹配算法,对于光照变换具有较高的鲁棒性,但在图像内视差不连续区域存在匹配误差,导致前景膨胀现象。本文提出一种新的在RGB空间基于稀疏Census变换的自适应权重的局部立体匹配算法。通过在RGB 3个彩色通道分别进行稀疏Census变换,根据颜色距离和空间距离,计算在局部窗口中各个像素的权重,从而进行聚合。实验结果表明,该算法能够有效消除前景膨胀现象,提高了对视差不连续区域的匹配准确度,同时提高了光照变换的鲁棒性。     

二次滤波法提取图象边缘信息方法及其应用

提出噪声图象边缘信息提取的一种实用方法。该方法以锐化处理结果为基础,二次滤波完成图象预处理。研究表明,单纯对噪声图象进行锐化处理,只可增加视觉感观效果,不会使边缘提取效果增强;必须对锐化结果再次进行滤波处理后,才可获得满意的边缘信息。     

基于色度平面的自适应颜色聚类

本文的目标是寻找具有更高灵活性和自适应性的颜色聚类方法。在分析了多种颜色聚类方法的基础上 ,提出了 2种无监督的二维色度平面颜色聚类方法 :基于密度的三角化方法和遗传算法优化方法 ,并通过实验对 2种方法进行了比对分析。结果表明 ,基于密度的三角化方法具有很好的边界拟合效果 ,而遗传算法优化对于复杂的数据集和解决干扰噪声有更好的效果。     

多参数帆船运动监测系统研究

本文根据帆船运动操作各部分的实际需要,寻找航向角、帆角、船速之间的定量关系,设计并实现了一套参数帆船运动监测系统。利用多传感器的有效数据融合,实现了相对于现在国内帆船运动数据测量的更高准确度的要求。通过在帆船搭建系统,进行多次出海训练采集有关运动数据,并MATLAB方法进行数据分析,实现了在某一风流条件下,帆角速度变化数据图和航向角速度变化数据图,为更好指导帆船训练比赛提供数据依据。