基于OpenCV的双目立体视觉测距

双目立体视觉测距原理就是利用两台摄像机从两个视点获取目标点在不同视角下形成的图像坐标,利用成像几何模型计算同名像点图像坐标偏差,来获取目标点的三维坐标,从而实现距离测量,它在高速公路安全车距测量上有着极大的应用前景。当前的测距技术有主动测距法和被动测距法,论文采用的是基于OpenCV的被动测距法,得到摄像机标定的参数和立体匹配的对应特征点后,该测距算法较容易实现。经过实验验证,该算法在一定测量范围内达到精度要求。     

多光谱辐射测温数据处理技术研究

分别用BP神经网络和支持向量机(SVM)两种方法建立相应的网络模型对多光谱辐射测温的测量数据进行处理以得到真实温度。用合适的训练样本分别对两种方法建立的模型进行训练,收敛之后用验证样本测试其精度。结果表明用支持向量机处理多光谱辐射测温数据是可以满足实际要求的,与BP神经网络相比精度更高,而且由于支持向量机对训练样本需求较小,进一步增加了工程可行性。     

基于双目视觉系统的摄像机标定技术的研究

摄像机标定技术的研究是计算机视觉领域的重要研究内容之一,其研究成果直接影响着视觉系统的精度。本文系统归纳了现有的各种摄像机标定方法,详细分析了各种标定算法的原理和特点。最后,总结分析了摄像机标定技术目前存在的主要问题和提出了今后发展的方向。     

摄像机标定精度的比较研究

本文针对摄像机标定精度,对三种经典标定方法进行了对比研究,阐述了各种标定方法的优缺点,指出了各种标定方法的适用场合。仿真实验结果验证了三种标定方法在图像坐标噪声、世界坐标噪声、图像数据数量三方面对标定误差的影响,这对研究摄像机标定精度和应用具有一定的参考意义。     

基于视觉测量和距离误差的机器人几何参数标定

在各种应用中,为提高机器人操作臂的绝对定位精度,标定是必要的步骤.所采用的运动学模型和误差测量方法是机器人标定关键的影响条件.本标定中仅以机器人常备的手眼视觉提供测量信息,在这里基于单目视觉的标定中,使用传统的方法除了要涉及测量系统坐标系与机器人基础坐标系间的变换,还要解决摄像机坐标系和机器人末端坐标系的手眼变换关系求解,引入的测量误差和计算误差将很大影响标定结果.本文采用距离误差定义的标定模型,可以直接避免坐标转换带来的误差.此外,针对传统DH参数的不足之处,本文采用修正的DH模型(MDH)作为机器人的运动学模型.最后采用以上两者结合的方法对A460机器人进行实际的参数标定及补偿.     

计算机视觉摄像机标定技术及其应用研究

计算机视觉摄像机标定技术是计算机视觉研究中最为关键的技术之一。本文深入分析了现有计算机视觉摄像机标定技术取得的各种研究成果及各种方法的特点,提出了提高标定精度的方法和应用中根据测试要求选择相应技术的方法和策略。     

基于HALCON软件的单摄像机标定方法研究

摄像机标定是计算机视觉技术的重要研究内容,本文基于HALCON软件对单摄像机的标定方法进行了研究.文中首先对摄像机模型作了简要的介绍,然后详细阐述了HALCON软件中关于摄像机标定的一些函数,最后给出了示例程序.     

基于双目视觉的相对物体的姿态测量

随着计算机视觉以及图像处理技术的发展,视觉测量技术越来越受到人们的关注.建立物体相对姿态测量系统,使用两个相机在不同角度拍摄同一个物体上的编码标志点,采用张氏标定法对两个相机的空间位置关系进行标定;对摄像机采集到的图像进行去噪、滤波;左右两个相机采集下来的图像进行编码标志点的匹配,得到物体上粘贴的编码标志点的三维坐标,通四元数法计算物体间的相对空间姿态(欧拉角以及平移量);通过实验表明,该测量系统结构简单,计算量小,测量精度高.     

基于相容粗糙集的BP神经网络湿地覆被信息提取——以双台子河口湿地为例

BP神经网络因具有自学习、自适应、大规模并行处理等特点而广泛应用于遥感影像分类中,但是该方法训练时容易陷入局部极小值,且收敛速度较慢,针对这些不足提出一种基于相容粗糙集的BP神经网络分类方法。本文以双台子河口湿地为研究对象,以Landsat-8 OLI影像为数据基础,利用相容粗糙集理论对样本数据集进行预处理,将得到的数据作为新的训练样本,在Matlab软件平台下建立BP神经网络的湿地覆被分类模型,进行湿地覆被信息提取,将分类结果与单纯的BP神经网络以及粗糙集样本属性约简预处理的分类结果进行比较分析。结果表明,基于相容粗糙集的BP神经网络分类方法可以剔除训练样本中的噪声数据,提高网络的训练成功率,缩短网络的收敛时间,分类效果较好,其总体精度达到91.25%,Kappa系数为0.8969,比单纯的BP神经网络分类结果高7.92%和0.0926,比粗糙集样本属性约简预处理方法的分类结果高3.03%和0.0357,是一种有效的湿地覆被分类方法。     

基于相容粗糙集的BP神经网络湿地覆被信息提取——以双台子河口湿地为例

BP神经网络因具有自学习、自适应、大规模并行处理等特点而广泛应用于遥感影像分类中,但是该方法训练时容易陷入局部极小值,且收敛速度较慢,针对这些不足提出一种基于相容粗糙集的BP神经网络分类方法。本文以双台子河口湿地为研究对象,以Landsat-8 OLI影像为数据基础,利用相容粗糙集理论对样本数据集进行预处理,将得到的数据作为新的训练样本,在Matlab软件平台下建立BP神经网络的湿地覆被分类模型,进行湿地覆被信息提取,将分类结果与单纯的BP神经网络以及粗糙集样本属性约简预处理的分类结果进行比较分析。结果表明,基于相容粗糙集的BP神经网络分类方法可以剔除训练样本中的噪声数据,提高网络的训练成功率,缩短网络的收敛时间,分类效果较好,其总体精度达到91.25%,Kappa系数为0.8969,比单纯的BP神经网络分类结果高7.92%和0.0926,比粗糙集样本属性约简预处理方法的分类结果高3.03%和0.0357,是一种有效的湿地覆被分类方法。     

三维图像人物运动形态重构技术

针对传统三维图像重构方法无法确定人物运动形态三维位置,重构过程效率低,精度低等弊端,提出一种基于自标定的三维图像人物运动形态重构技术,通过不同位置的两台摄像机移动或旋转拍摄同一场景,得到三维图像对。使摄像机平面标志点的坐标和其成像对应点符合齐次转换关系式,依据单应性矩阵的特性获取两个约束条件,获取相机内参数与外参数,完成初步估计后,对空间三维测量点进行塑造。通过投影矩阵求出空间点三维坐标,为了避免成像畸变,成像极线需满足一定的约束条件,对像素点是否处于摄像机定位模块坐标中进行判断,通过三维图像重构精度评价函数对得到结果进行评价。仿真实验结果表明,所提方法具有很高的精度和效率。     

一种三维测量系统光源标定的方法

三维测量系统应用广泛,对测量系统光源进行精确标定有利于提高三维测量系统的精度。本文通过对摄像机和所用高反射球标定,用T-S模型对近场点光源位置进行标定,用棋盘格标定主光轴,最后用得到的光源信息对平板灰度值图像进行模拟,通过与真实图像的对比验证结果准确性。     

小波神经网络用于机载火控系统故障诊断研究

研究了基于小波变换预处理的小波神经网络算法并用于机载火控系统的故障诊断。这种方法能够有效提取故障信号特征,从而减少小波网络训练时输入层和隐层节点的个数,减小网络的规模,降低计算的复杂度,加快了训练速度。最后对此方法的性能进行了仿真比较,结果表明此方法能够对机载火控系统电路的故障进行有效诊断和定位,收敛速度较快。     

基于BP神经网络的我国外汇储备规模预测

本文基于MATLAB6.5平台编程,运用非线性BP神经网络对我国外汇储备规模进行预测分析.以我国历年外汇储备数据为训练样本,进行网络训练与检验.结果表明,BP弄中经网络具有良好的预测性能.同时发现了我国外汇储备存在超常规增长,并在文章最后提出了相关的政策和建议.     

基于BP神经网络的发动机故障诊断算法研究

为提高发动机故障诊断的准确度和诊断效率,本文开展一种基于BP神经网络的发动机故障诊断算法研究,研究过程为首先设计实验方案,并对实验数据进行采集;其次利用训练样本对发动机故障网络对进行训练,确定最佳的BP神经网络方案为11-11-8结构,采用LM算法的BP神经网络,最终利用训练后的神经网络进行故障诊断,诊断正确率达到94%。     

基于BP神经网络的电力系统负荷预报

研究了基于BP网络在中电力负荷预测中的应用,通过神经网络对训练样本的学习,自动提取影响中长期电力负荷的诸多因素。从训练速度、预测误差等方面分析对比了两种神经网络预测能力,仿真和实例数据表明了两种神经网络在中长期电力负荷预测方面的可行性和良好效果。     

基于Hopfield的脱机手写数字识别理论及算法

脱机手写数字识别在很多领域具有广泛的应用前景,国内外学者对此做了大量的研究工作,提出了很多预处理和模式识别的算法,大大提高了手写数字的识别精度。为了提高手写数字识别的精度,本文将Hopfield神经网络应用于脱机手写数字识别分析中,Hopfield神经网络的“能量函数”的能量在网络运行过程中,具有不断地减少最后趋于稳定的平衡状态的特性,而且网络一旦建立即可自动运行,无需训练。脱机手写数字的识别过程分为两步：训练阶段,识别阶段。在训练阶段,提取训练样本集的代数特征,建立网络模型,以输八向量为目标向量,保存网络连接权值和闺值以及代数特征;在识别阶段,将待识别数字特征送入网络运行,待网络运行到平衡状态后,将输出结果与数字特征库的向量进行比较,距离最小者即为待识别的数字。     

一种基于立方体的摄像机内参数标定方法

摄像机标定方法是计算机视觉的重要内容之一。提出了一种基于立方体的标定方法。该方法的模型为立方体,从3个或多个不同的方位摄取图像,由直径的正交关系获得3组正交灭点,从而线性的求出摄像机的5个内参数。模拟图像和真实图像实验表明,文章的自标定方法有较好的灵活性和较高的鲁棒性。     

基于蚁群算法的ACO-BP神经网络性能研究

BP神经网络是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一,存在收敛速度慢、易陷入局部最优等问题。将蚁群算法与BP神经网络相结合,在一定程度上克服了训练网络时间长、精度不高的问题,并与GA-BP神经网络对比分析,展示了ACO-BP神经网络的性能优势。     

BP神经网络的量子学习及应用

在神经网络的训练过程当中,引入量子遗传算法,结合BP梯度下降反传训练方法构造神经网络的量子优化算法.利用量子运算的高效并行性,对神经网络实行量子编码,用量子门旋转来代替网络进化时交叉、变异等更新操作,使得网络训练收敛精度高、收敛速度快、同时避免陷入局部最优的缺点.最后提出了一种基于量子神经网络的预测方法,仿真结果表明,基于量子遗传算法的神经网络,训练次数,误差精度以及预测能力都明显优于BP神经网络.