计算机视觉技术在无人机上的应用

计算机能力的提高与计算机视觉技术的快速,使无人机从最初的军事领域扩展到其它行业,得到了广泛应用。通过查阅文献,对无人机及计算视觉技术的起源与发展进行全面回顾,总结近年来计算机视觉技术结合无人机在农业、电力、交通、环保、救援、娱乐等领域的相关应用,对相关的调查数据进行分析统计并以图表的形式展现。通过数据可以清楚发现计算机视觉与无人机的结合在未来还有很大上升空间。     

基于计算机视觉的答题卡识别系统设计与实现

考试阅卷是一项繁重的重复性劳动。为了减轻教师的阅卷负担,本文采用计算机视觉技术,设计开发了单机版和B/S架构的客观考试题的答题卡识别系统。教师只需要使用普通USB摄像头对具有标准答案的答题卡进行标定,然后依次拍照待阅试卷,系统即可记录、输出成绩并做出简要分析。     

基于OpenCV计算机视觉库的人脸检测的研究

安全领域中高科技图形图像设备的普及所产生的海量信息带来了系统利用率低、有效信息提取困难的问题,而视频图像识别分析技术则可以解决这个问题,因此渐渐被广泛应用于这类系统中。本文使用一个相对比较成熟的开源计算机视觉库OpenCV,通过对输入图片的分析来实现简单人脸识别技术,并就计算机视觉的一些基本特点进行分析。     

基于开源计算机视觉库OPENCV在VC中的应用

讨论了OpenCV(Open Source ComputerVision Library)相对于现有的计算机视觉软件包所具有的优势,描述了OpenCV的特点、环境配置和数据定义及表示方法,OpenCV成为一种源码开放、包含丰富的高级数学计算函数、图像处理函数和计算机视觉函数、不断更新和平台无关性的计算机视觉软件包.给一个实例说明它的部分特性.     

计算机视觉视域下物体抓取识别算法研究

物体抓取识别是计算机视觉技术的重要研究领域。运用深度学习理论从行为识别、物体识别以及立体匹配等方面着手实现对目标物体的种类和个数识别,通过数据集分析、网络结构建模形成了物体抓取的识别算法。     

基于RoboMaster竞技赛中机器人视觉识别定位系统的研究

针对RoboMaster竞技赛规则,设计一款具有自主识别与定位视觉系统的移动机器人,用于识别敌方机器人特定目标,从而实现精确定位与打击。系统采用基于C++语言的OpenCV相关算法,运算平台搭建多线程任务并发执行框架来提高系统运算效率,对识别目标的视觉元素、颜色特征及目标形态进行循环二值化阈值滤波算法,获得目标的精确特征参数;使用PnP目标解算方法对特征信息定位的准确性和实时性进行优化,定位数据经串口通信发送给STM32控制系统处理。这些措施有效地提高了比赛中对敌方机器人的特定目标识别定位的精确性与实时性。实验结果表明,采用综合二值化滤波算法的定位技术有效提高了匹配精度,满足了移动机器人快速识别与定位的需求。     

基于OpenCV的物体图像边缘缺陷识别研究

为了实现物体图像的边缘缺陷识别,拟合绘制出完整的物体轮廓,并应用于太赫兹安检仪的图像处理过程中,基于OpenCV视觉库与C++语言,对采集的原始图像首先进行二值化、空洞填充与形态学预处理操作,然后分别采取边缘识别法、角点检测法与轮廓坐标记录法,初步进行人体边缘轮廓的提取,最后采用迭代算法筛选出符合预先设定的阈值坐标,拟...     

基于深度学习的无人机目标识别算法研究

目前无人机已经广泛应用于各行各业,但传统无人机识别方法存在成本高、识别率低、适应性差等问题导致无人机进入禁飞区域的事件时有发生,严重影响我国空域安全。针对无人机识别过程中存在的不足,提出基于深度学习的无人机识别算法,通过对LeNet-5模型进行改进,以无人机图像样本集作为网络模型训练和测试对象,构建无人机特征识别模型。模拟实验中,当网络模型学习率为0.1时,在经过150次迭代后,深度学习模型目标识别率为96.95%,经典LeNet-5模型识别率为91.18%。实验结果表明,基于深度学习的识别算法能够有效提高对无人机的目标识别率。     

基于深度学习的机器人目标识别实验教学设计与改革

设计了一个自追踪摄像头云台控制机器人实验。文章从人体的检测定位及云台控制方面阐述了系统的设计思路,利用机器视觉技术得到了人体目标在视角中的坐标,又对舵机进行了目标控制。追踪目标的过程最终以Mobile Net-SSD网络模型为基础,通过深度可分离的整合设计,改善了现有整合网络的复杂参数问题,从而优化了网络结构。后期将引导学生从改进本实验模型结构和图像预处理等方面提高最终算法的检测速度、检测准确率、识别准确率等。该实验设计涉及学科较为综合,功能扩展性好,实用性强,是机器人教学、机器学习实践与嵌入式系统相融合的创新实验项目。     

计算机视觉技术在高速公路监控系统中的应用

以车牌识别系统为例阐述了交通图像监控在具体应用中的情况和实现方法,展望了计算机视觉技术在高速公路监控系统应用中的发展方向。     

高速公路路面识别技术研究

根据高速公路路面的基本特征,通过分道线特征点投影位置的计算,提取出了比较完整的当前车道分道线特征点。建立道路边缘灰度模型,采用Gabor变换多分辨率的特点,对图像按方向进行滤波处理,实现道路边缘线检测和拟合。实验结果表明,所讨论的方法在工程实践中有实际应用价值。     

基于计算机视觉检测技术的零件在线测量

随着计算机技术和光电技术的发展,已经出现了一种新的检测技术——基于计算机视觉的检测技术,利用CCD摄像机作为图像传感器,综合运用图像处理等技术进行非接触测量的方法,被广泛地应用于零件尺寸的精密测量中。本文以面阵CCD为传感器,研究了零件在线测量的方法,实现了零件尺寸的图像边缘亚像素定位测量,对面阵CCD在高精度测量方面的应用作了进一步的探索和研究,为面阵CCD在复杂零件尺寸高精度测量的实现打下了基础。     

基于计算机视觉技术的苹果分选检测研究

苹果的大小和缺陷是苹果分级的重要指标,文章简要介绍了国内外利用计算机视觉技术进行苹果分选的研究状况,设计了基于计算机视觉的对苹果分选的检测系统,提出了一种在运动状态下检测苹果大小和缺陷的R通道方法,并对检测系统进行了试验,结果显示,该算法可达到实际应用的要求。     

基于特征融合的复杂场景多目标跟踪算法研究

在复杂地物类型背景条件下,多目标跟踪算法通常表现出目标识别与跟踪能力较差问题,特别在被其它地物遮挡后目标跟踪丢失更严重。提出一种改进的基于多源特征提取与特征融合的多目标跟踪算法。为提高目标在复杂背景下的空间分辨力,充分利用对异类物体判别能力较强的高层特征和针对同类不同物体判别能力较强的浅层特征,提高复杂背景下地物目标的识别能力。同时,为了解决物体被遮挡后导致跟踪算法丢失目标问题,利用滤波器获得追踪目标的空间尺度大小,提高跟踪算法的准确性与可靠性。实验表明,多目标跟踪算法识别目标的准确性可达87.5%,误差在[±2.31%]左右,具有良好的尺度估计效果。     

无人机航迹规划与状态追踪系统

针对小型无人机控制的复杂性,设计了一套地面站综合控制系统。该系统具有航向的监测与控制、航迹的规划与显示、任务信息的接收与执行等功能,可以实现小型无人机的超视距控制和任务信息的回传与追踪。实验表明,系统可实现64bit数据帧间隔50ms收发与间隔1 000ms显示数据更新,满足实际应用需求。     

一种基于计算机视觉的车辆速度检测方法

提出了一种基于计算机视觉的车辆速度检测方法 ,通过对图像中提取的车辆和场景信息分析来有效地检测车辆速度 ,只需要 2台CCDTV摄像机可完成双向四车道高速公路或城市道路上车辆的速度检测 .实验结果表明 :车辆速度检测的正确率达 92 % ,并具有满意的实时特性     

基于双摄像头的计算机立体视觉开发平台

计算机立体视觉模拟人眼功能,具有探测范围宽、目标信息完整等优势,是近年来的一个研究热点。设计了一个基于双CMOS摄像模块和MCU的计算机立体视觉开发平台,提供实时的计算机视觉相关编程接口,用户可以方便地进行图像编程而不必关心底层数据的读取。该软件还实现了基于竞争机制的双目测距算法,在PC机上模拟了立体视觉测距的功能,为以后要进行的视觉测距硬件设计打下基础。     

基于机器视觉技术的物体表面缺陷检测

本文对物体表面缺陷进行研究和检测.而检测的方法是采用LED环形灯光直接暗视场正面照明方式来提取插座面板划痕图像.具体过程是使用动态阈值分割图像,并采用放射变换、区域特征处理及连通区域提取等技术来检测出插座面板划痕.     

基于机器视觉的日用瓷表面缺陷检测

为了检测釉面陶瓷表面的斑点、划痕、崩角等常见缺陷,提出了一种采用同轴光照方式和CCD为图像获取工具的数字图像实时在线检测系统.该系统根据地方企业生产的白釉面陶瓷的特点,通过边界提取和图像形态学闭运算获得图片的ROI（感兴趣区域）,再与经过分离中值滤波算法处理过的ROI进行对比,从而确定陶瓷的缺陷信息.实验表明：该方法不像传统的神经网络和SVM算法需要建模,所以检测速度较快,且准确度高,检测效率超过3个熟练工人,可以满足当地企业生产陶瓷种类多且外形不定的检测要求.     

基于机器视觉和MATLAB/GUI的柚子外观尺寸检测系统

介绍了一种基于机器视觉技术的柚子外观尺寸检测系统.利用CMOS摄像头采集柚子正立图像,通过数字图像处理技术获取柚子的纵径、横径、表面积及体积等外观尺寸参数.借鉴已有球状水果机器视觉检测误差理论,对检测数据进行修正,提高检测精度,并应用Matlab/GUI技术建立柚子外观尺寸测量系统界面.实验表明,检测系统具有较高的检测精度,可满足实际生产中柚子分级精度的要求,且人机交互界面友好,使用操作方便.