《基於跳蛛主次眼全向感知機理的視覺仿生構建研究》是依託中國科學院合肥物質科學研究院，由譚治英擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於跳蛛主次眼全向感知機理的視覺仿生構建研究
- 項目類別：青年科學基金項目
- 項目負責人：譚治英
- 依託單位：中國科學院合肥物質科學研究院
項目摘要,結題摘要,
項目摘要
目前視覺仿生技術的研究主要集中在單複眼結構與功能仿生，多目間的分布規律、相互關係與調控機理尚未得到驗證，一定程度上限制了視覺仿生系統套用性能的發揮。跳蛛視覺系統由多隻主次單透鏡眼構成，次眼快速識別大視角範圍內目標，然後通過主眼多層視網膜上所成圖像的散焦程度準確獲取目標位置，這種獨特的功能協同特性為提高視覺系統的整體性能提供了新的研究思路。本課題將深入研究跳蛛主次眼分布規律與功能協調機理，提出一種大視場分散式視覺結構，建立主次多相機實時聯合控制與決策並行處理模型，研究主眼多層視網膜成像原理，提出一種基於先驗角信息的散焦測距算法，並開展相關試驗驗證。本研究融合了生物、光學、控制和計算機科學等前沿理論，將研發一種新型分散式識別定位視覺系統，可廣泛用於軍事偵察、機器人導航等領域，為解決大視場角範圍內目標快速識別定位提供新方法。
結題摘要
通過視覺系統對場景目標物快速識別定位是機器人視覺研發的關鍵技術，本課題以此為背景以跳蛛視覺系統為仿生對象，依據跳蛛主眼單目散焦測距與次眼快速識別粗定位的機理，提出改進的圖像矩不變獲取場景深度信息的方法，相比於現有的散焦圖像深度信息獲取方法，其均方根誤差RMS由13.62mm降低到10.66mm，最大測量誤差由3.69%減低到2.79%。 在圖像分割的研究方面，提出一種新的基於泛洪思想的超像素分割方法。該方法與現有超像素分割方法相比具有一定競爭力。設計了一種基於超像素分割和譜聚類的無監督圖像分割方法，該分割方法具有較高的分割精度。針對graph-cuts算法存在分割錯誤率較高的缺點，提出了一種基於超像素分割和graph-cuts的互動式分割方法，設計基於超像素的能量函式模型，利用最大流最小割算法得到初步分割結果，根據超像素特徵最近鄰超像素的類別信息，修正能量函式區域項，疊代執行最大流最小割算法得到分割結果，該分割方法具有較低分割錯誤率。 場景中圓形物體是常見形狀之一，圓識別具有重要意義。本課題提出了一種基於方向約束的有序連續邊緣標記預分割算法，該算法具有較強抗噪性，可有效濾除噪聲邊緣的短小連通域，減少噪聲邊緣對後期處理的影響，與種子填充法相比計算效率提高了50%。提出一種基於圓面積相交因子的合併方法，可準確濾除圖像中直線和非圓曲線，完好保留圓弧邊緣，實現圓弧的準確檢測，並將圓檢測方法套用於軸承尺寸檢測中。 設計了兩自由度3D視覺感測器與機器人基坐標系的標定方法，針對具有兩自由度視覺裝置與機器人坐標轉移需求，給出了轉移矩陣解析解公式，可根據計算需求精確到任意精度。 利用小型攝像頭與旋轉電機搭建了多相機視覺系統，並將設計的算法套用到系統中，進行實驗驗證。採用多攝像頭搭建全景圖像採集平台，對場景進行圖像採集，實現了360度全面監控。本課題研製的多目視覺系統，可用於室內服務型機器人、安防巡檢機器人等進行場景內目標物識別定位。研究的算法既可用於機器人視覺也可用於工業視覺檢測。
