导航 : EXPO21XX> 机器人21XX> H25:AIIT计算机视觉色雷斯民主大学
色雷斯民主大学
视频播放
加载播放器
  • 提供配置文件
  • 机器人感知系统组的主要范围是执行和促进应用问题研究,这些问题在机器人学、计算机视觉学、多式集成学、机理学、图像分析理解学、质量控制学、视觉监视学和智能感知网络领域出现组使用工具拓展科学前端和对应研究领域如下:
    • 人工视觉(包括机器视觉、认知视觉和机器人视觉)
    • 智能系统(如Fuzzy系统人工神经网络)
    • 传感器数据合并
    • 模式识别
产品组合

  • 研究题目

    • 认知视觉

    • 认知科学是对思想和智能的跨学科研究,包括哲学、心理学、人工智能、神经科学、语言学和人类学试图理解思想和操作至少回溯古希腊人,当时普拉图和亚里士多德等哲学家试图解释人类知识的性质。思想研究仍然是哲学领域,直到十九世纪实验心理学开发

      认知科学知识源出于上世纪50年代中期,当时数位领域研究者开始开发思想理论,基础复杂表达和计算程序组织起源于1970年代中期,当时成立了认知科学学会,杂志认知科学启动自那以来,北美、欧洲、亚洲和澳大利亚的60多所大学已建立认知科学课程,许多其他大学已建立认知科学课程

      视觉图像和其他类型图像在人类思维中起着重要作用插图表达式捕捉视觉空间信息比长口语描述多得多可用形式完全适合视觉表达式的计算程序包括检查、查找、缩放、旋转和变换此类操作对生成图片表达法应用域的图解和解释非常有用

      希腊德累斯民主大学生产管理工程系对认知视觉进行了认真研究。研究的结果是构建差分图、特征图和深度图,并生成算法负责提取复杂背景中的光流和估计运动

    • 图像稳定化

    • 数字图像稳定化进程补偿框架方位在图像序列中的意外波动图像稳定技术由两个连续单元组成第一组是运动估计单元,下一组是运动补偿或校正单元运动估计阶段提取全运动向量,由两个主要构件组成:缩进相机运动和免用相机精确估计很重要,因为补偿单元纠正估计向量,这意味着任何可能的错误都会影响最终输出

      数字稳定保留自动机摄像头运动,同时平滑视频输出几乎任何已获取图像序列都受噪声和不受欢迎的摄像头紧张症影响视应用而定,这些意外波动是由粗糙地形和手摇等引起的图像稳定化势在必行,因为视觉在许多应用中发挥着关键作用,包括自动定位、映射和导航图像序列输出应免噪声并保持畅通以便提取有用结果图像稳定化取决于应用以摄像头安装主动servo机制为例,意外振荡多为旋转电机,稳定由servo电机实施,这些电机分别补偿平板机和倾斜摄像头运动技术被称为光学稳定使用电子硬件时稳定化指电子稳定化最后,当只采用纯图像处理技术时,稳定化被称为数字图像稳定化过程保存拟相机运动,同时通过数字图像处理消除不必要的噪声和运动效果分安全分安全分安全以多种方式执行,或实时或非实时,或预处理或后处理

    • 立体视觉

    • 立体通信问题对机器视觉领域非常重要关乎点匹配或 任何其他原语相匹配 相片同场假设标定立体装配匹配点居对应水平线差值计算为二分之一投向二分之一时点距离所有图像点差值由差分映射组成立体通信问题解决后 深度布景可以估计

      3D重建、虚拟现实、机器人导航、同时定位映射和许多其他制作、安全、防御、探索和娱乐方面都关心这个问题。

      问题通常使用软件实现硬件解决另一方面,许多任务需要实时性能而不使用PC结果是硬件实现优化算法FPGAs进化使他们向这个方向选择有吸引力

    • 对象识别

    • 过去十年中模式识别任务蓬勃发展并成为计算机视觉中最受欢迎任务之一丰富的研究侧重于建设视觉系统,这些系统能识别乱乱环境中的物体通常地说,识别场景对象是计算机视觉场中最古老任务之一,它仍然是最具挑战性的任务之一。每一种模式识别技术都直接与解密自然环境中所含信息相关过去几年来,为建设新视觉系统作出了显著努力,这些系统能够识别乱乱环境中的物体。

      此外,强调基于本地房地产外观特征的识别系统本地邻里数据分别使用高效检测器和描述器识别整理兴趣定位检测器背后的主要思想是查找点或区域并存独特信息点或区中数据区别于本地邻里其他人检测器效率显然依赖它尽可能多可辨别区域在迭代过程定位的能力

      反之,描述者以歧视方式整理从检测器收集的信息本地采样特征描述转换成高维特征向量换句话说,局部物体位于场景由描述符表示设置逻辑一致性描述符实现最终对象表示最后,在过去十年中,介绍了一些重要技术,例如SIFT和SERFS

  • 受资助项目内部研究

    • 下游

    • INFRA项目基本目标是研发个人数字支持系统新技术,作为综合安全应急管理系统的一部分,支持关键基础设施发生各种危机时的第一响应者

      项目具体目标归为以下类别:
      通信目标包括研发互操作无线通信系统,使优先响应者在进入地铁隧道和加厚混凝土墙楼时拥有可靠的通信工具

      优先响应器目标需要研发强健室内定位导航系统,基础为3个定位传感器(惯性传感器、无线传感器和视频传感器)、优先响应器自定义视频注解系统、实时识别辐射接触和危险材料传感器以及气体泄漏和隐火检测应用

      标准化目标包括欧洲级通信应用框架标准化建议研发,INFRA建议

      示范目标,即显示INFRA标准有效性、通信和开发响应器应用

      DUTH负责下列密钥任务:
      • 实现可靠实时室内映射基于惯性传感器
      • 在现有802.11Wi-Fi网络的基础上实现可靠的实时室内映射
      • 可视自闭数据聚合室内映射

    • Acroboter系统

    • 项目旨在开发全新机器人运动技术,可在家里和/或工作场所环境中有效使用,自主或与人密切合作操纵小对象更多机器人可帮助人居室者按口令或提供辅助
      f0运动或训练新型移动机器人设计时,可快速移动室内环境任向
      整个系统划分成数子系统:1移动平台取决于锚点单元置入2号机房天花板类似钟表结构对应摇动单元 挂在线上3必要的垂直运动由结扎机制提供,4爬虫单元5视觉系统由四角安装的四摄像头组成,一个安装在CU上

      DUTH负责AcROBETER视觉系统VS工作,后者则必须提供关键视觉信息

      • 平台位置3D工作空间
      • 平台轨迹中可能对象/缺陷表层

      总体目标是充分完成高要求操作任务VS还负责三项直接影响到项目总体效率的任务:

      • 估计SU房间里的姿势
      • 重建平台三维工作环境
      • 识别现场发现对象

    • 援救者

    • 通过安全移动机电支持炸弹处理改善紧急风险管理

      RESCUER项目侧重于:(a)开发智能机电紧急风险管理工具;(b)相关信息和通信技术测试将在爆炸物处置、简易爆炸装置处置和民防援救任务假设中进行

      RESCUER输出将包括风险管理指南,这将扩展可能的干预范围,超出当前限制范围

      RESCUER系统将包括多功能工具,两件同时工作机器人臂带强抓器,智能传感器用于军械搜索识别,人检测和评估环境将安装在自主车辆上高级信息和通信设施将改善应急风险管理详细目标如下:
      • 开发应急风险管理监测咨询系统与IEDD/EOD和紧急风险管理现有数据库系统之间的接口工具
      • 提高风险管理水平,使用新型机电智能处理炸弹和援救操作技术 IT技术管理援救任务
      • 提议、开发并改进IEDD/EOD和援救作业的风险管理
      • 应用并综合先进智能遥感技术检测爆炸物、化学、生物和放射性材料以及人体
      • 开发高级援救规划法和人机接口技术安全IEDD/EOD和援救作业
      • 设计、构建并测试双臂智能机电系统,称为RESCUER,以安全移动支持IEDD/EOD、援救操作和应急风险管理

      DUTH负责下列密钥任务:

      • 实现4d.o.f立体头
      • 实时无线传输和回播视频流出立体视觉系统
      • 实时电话操作4d.o.f立体镜头
      • 实时电子图像稳定

    • View查找器

    • 视觉和ChemiresistorEquaped网络连通查找机器人

      遇有火灾或其他危机紧急事件时,需要但费时预设条件可能延迟实际救援作业,即确定人类应急工作者是否可以安全地进入地面。
      VEW-FINDER项目的目标是开发机器人,其主要任务是收集资料机器人配有传感器检测化学物的存在,并并行收集图像数据并传送到高级基站

      DUTH向项目提供最新立体算法以便用于:

      • 自主机器人导航
      • 难易避免#
      • 3D场景地图生成

      DUTH还提供立体视频信号压缩和无线流