在小工件的三维测量任务中, 传统的接触式测量方法测量速度慢、效率低。非接触式测量方法能够实现快速测量, 提高测量效率。然而目前的非接触式测量设备便携性差且价格昂贵。鉴于此, 基于线结构光视觉测量原理, 设计了一套单目便携式测量系统, 利用一个CCD摄像头和一个线激光投射器组成测量系统。在被测工件下面放置一个网格平面靶标, 通过霍夫变换提取网格线, 对网格线进行排序与求交点获得带标签的网格点, 使用带标签的网格点计算出相机坐标系到网格坐标系的转换矩阵以实现点云拼接, 从而得到被测工件表面的完整点云数据。实验表明, 该方法能够实现小工件的快速非接触式三维测量, 测量误差在1 mm以内。
激光扫描 系统标定 光条提取 网格靶标 点云拼接 laser scanning system calibration strip extraction grid target point cloud splicing
现有的手持式激光扫描仪在使用过程中多使用定位标志点,会遮盖部分数据。针对此问题,基于单应矩阵和霍夫直线提取提出了一种新的线结构光点云数据拼接方法,可以避免在扫描过程中粘贴标志点。实验结果证明,该方法能准确得到目标三维点云数据,拼接误差小于1 mm。
激光扫描仪 线结构光 扫描 数据拼接 点云 laser scanner linear-structured light scanning data splicing point cloud
针对存在随机运动障碍的复杂动态环境, 提出了一种改进的机器人路径规划新方法。对于随机运动障碍, 综合考虑机器人与障碍物的相对位置及相对速度, 设计一种新的动态障碍避碰规则, 使机器人安全地避开障碍, 并避免大量迂回路径; 对于匀变速运动目标, 采用改进的人工势场法, 引入相对速度及加速度因素, 使机器人能追上目标并保持同步运动。基于Matlab的仿真实验验证了所提方法的有效性。
移动机器人 路径规划 动态避障 随机运动障碍 mobile robot path planning dynamic obstacle avoidance random moving obstacle
在基于图像识别技术的教学录播系统中,通常需要对发言学生进行自动识别和定位,以便摄像机给出该学生的特写。针对该问题提出了一种基于多特征融合的室内学生头部检测算法。该算法首先对头发的颜色特征设定阈值二值化图像来得到头部的候选区域,然后融合人体头发区域的形状特征以及头发下方脸部的肤色特征确定全体学生头部区域。当发言学生起立后,可通过头部轮廓中心点在视频图像竖直方向的坐标变化判断该学生。应用该算法对课堂多个角度的视频图像进行处理,实验结果表明该算法能有效检测出学生头部区域。
多特征融合 头部检测 轮廓提取 教学录播系统 multi-feature fusion head detection system contour extraction teaching recording and broadcasting