共查询到10条相似文献，搜索用时 62 毫秒
1.
场地标定关系到机器人在场地中的正常运作.本文研究了中型组足球机器人的场地标定系统,应用基于颜色的阈值分割法,对采集的图像通过阈值分割来确定HSI图像中场上信息的颜色阈值,实现了对绿色场地、橙色足球、白色标志线、黑色障碍物的标定.实际运行达到预期效果,证明了该方法的有效性. 相似文献
2.
以垃圾车智能识别垃圾桶颜色和导航任务为应用背景,设计了一种能依据视觉自主识别目标颜色并进行追踪导航的四轮小车.首先通过OpenMV视觉集成模块中的阈值编辑器离线标定目标颜色的阈值.在此基础上,小车通过OpenMV的CamShift算法,基于标定的颜色阈值在每帧图像中搜寻和识别目标色块,并通过串口向小车的主控单片机Arduino UNO发送目标色块的中心横坐标位置信息,使得小车能够根据色块中心点的位置偏差控制电机转向、前进和停止,从而实现小车对颜色目标的自动识别、跟踪导航以及避障等功能.实验结果表明,小车能够准确识别出红、绿、蓝、灰4种色块并运动到目标附近自动停车,满足了垃圾小车自动识别垃圾桶颜色的任务需要. 相似文献
3.
《实验室研究与探索》2015,(9):54-57
采用基于亮度的阈值分割算法对G-B灰度图像进行分割,采用4连通像素标记法对果实目标进行标记,提取质心、面积、外接矩形、切断点等特征。采用平面标定方法,建立摄像机矫正数学模型,利用Matlab多次标定计算完成双目视觉系统进行自标定。根据图像分割结果,选取质心为匹配基元,采用极线约束、视差梯度约束的算法来实现果实目标的匹配。根据相似三角形原理,计算茄子果实深度信息。结果表明,测量距离300~600 mm范围内,茄子深度信息的误差基本上在±15mm以内,平均用时0.26 s。基于双目视觉的茄子采摘机器人识别与定位方法原理简单,智能性好,适应面广,能够满足采摘机器人目标识别和定位的要求。 相似文献
4.
《实验室研究与探索》2016,(12):156-159
通过引入NAO机器人教学平台,设计一个让NAO完成拾取物品并丢弃至垃圾桶的任务,可以让学生循序渐进的掌握相关技术。该平台根据机器人运动学理论实现了对NAO机器人手臂的精确控制,再基于Open CV视觉库完成了对色标柱的识别与定位,实现了NAO机器人手臂完整的抓取和丢弃动作。经过实践发现,这种教学模式能够激发学生学习机器人运动学、图像处理、自动控制等专业知识的兴趣,教学实验案例有助于培养学生的创新意识,并让学生用编程解决问题的能力获得全面提高。 相似文献
5.
针对目标和背景在同一平面的图像，提出一种双阈值分割方法获取图像由目标过渡到背景的边缘区域，并将提取的边缘区域平均梯度用于图像清晰度的评价，评价效果较好． 相似文献
6.
针对智能停车库中的泊车机器人视觉系统研究需求,提出一种基于双目视觉的泊车机器人障碍物识别系统。通过双目摄像头进行图像采集,利用张正友棋盘标定法进行双目相机标定;采用Bouguet进行立体校正,将高斯滤波与拉普拉斯算子相结合进行图像预处理;采用YOLO卷积神经网络对目标障碍物进行快速识别;利用区域匹配算法进行立体匹配并生成目标障碍物视差图;通过成像点和目标障碍物的立体几何关系计算得到目标障碍物的深度信息。实验结果表明,该系统具有良好的实时性和较高精度,障碍物识别时间平均为0.0901s,在2 600mm具有最佳测距精度,可为泊车机器人自动泊车提供保障。 相似文献
7.
8.
作者提出了一种基于CIE LUV彩色空间的边缘检测算法,首先通过非线性同等组滤波器进行平滑和去噪预处理,接着利用改进的各向同性边缘检测器和快速熵阈值技术自动确定图像边界,并考虑了像素与其八领域像素的颜色距离进一步精确定位图像的边缘.实验证明该算法能较好的得到彩色图像的边缘. 相似文献
9.
由于传统SURF匹配算法选取大量不符合预期的特征点,增加了后期匹配运算时间,导致不能满足工业级应用快速性的要求。提出一种改进的SURF算法,首先对摄像头获取的目标图像进行均值滤波处理,然后选择合理阈值、运用Canny算子对获取的目标图像进行边缘检测,再通过Hessian矩阵获取图像局部最值,并利用SURF算法对边缘图像进行匹配。仿真结果表明,该SURF算法在应用于工业机器人目标识别匹配时,既能减少匹配时间,又可以提高匹配准确度。 相似文献
10.
为解决荔枝收获机器人对采摘目标的识别与定位的关键问题,荔枝串、荔枝果与结果母枝各部位的识别成为采摘机器人视觉系统的研究重点。首先,对采集荔枝图像的感兴趣区域进行荔枝串、荔枝果与结果母枝的图像分类并给出了荔枝各部位分类识别的图像分割策略;然后,采用探索性实验分析的方法获取了识别各类光照条件与各类颜色的荔枝串的固定阈值为0.502 0,0.530 0,0.510 8及0.533 2、0.501 0、0.520 8,并利用所获取固定阈值进行荔枝串的识别;最后,以不同光照条件的荔枝图像90幅进行荔枝各部位分类识别的实验验证,荔枝串与荔枝果的平均识别率为91.67%,结果母枝的平均识别率为86.67%。实验结果表明:基于探索性分析方法识别荔枝各部位图像分割策略与识别各类荔枝串的固定阈值的设定是有效、可行的。 相似文献