基于颜色形状识别和PnP算法的单目视觉轨道边坡位移检测方法

针对现有的轨道边坡位移检测技术,提出了一种基于颜色特征形状识别和PnP算法相结合的单目视觉检测方法。以待测区域内的标志物为检测对象,采用图像处理与识别技术,提取出目标特征;利用单目摄像头找到图像中的目标标志物;根据PnP算法估算出标志物的位姿,由相机的映射关系计算出目标标志物到单目摄像头的距离,通过对比标志物变化前后的距离,从而得到轨道边坡的位移变化,最终实现对轨道边坡位移的实时检测,提高测量效率。测试结果表明,目标距离在1000—5200 mm内,检测位移误差范围在2%左右。     

基于单目视觉的单图标定算法

为了满足现代工业生产中精度要求高、操作快捷的要求,提出基于单目视觉的单图标定算法。通过采集一张棋盘格标定板图像,精确提取棋盘格角点坐标,使用仿射变换得到像素坐标系和世界坐标系的仿射变换矩阵,分析Halcon仿射变换矩阵和张氏标定法相机模型的对应关系,得到详细的相机内参,再对图像进行畸变矫正,得到像素当量。多次Halcon实验结果表明,提出的算法与其他方法相比,操作更加快捷,标定结果标准差可控制在0.02 mm 以内,能够满足现代工业生产需要。     

基于神经网络的PNN算法在交通标志检测中的应用

交通标志检测技术是实现智能交通系统的关键.查阅诸多文献,文章阐述模式识别的概念,并且给出计算机模式识别的抽象过程.通过对现有交通标志检测框架进行研究,根据交通标志设计之规则,结合概率神经网络,设计了一种基于多层决策树的PNN分类算法模型,并对神经元高斯函数的参数进行改进,最终建立交通标志检测的算法流程.通过实验,对60个交通标志进行晴天、多云以及阴雨三种天气背景下的检测.最后整理实验数据,通过建立图表进行分析和比较,证明该分类器能够实现交通标志检测的功能,达到预期的检测效果.最后,分析了该算法模型还存在的不足之处,也指出了将来研究的方向.     

一种基于SIFT算法的单目视觉里程计设计

很多先进的机器视觉和图像处理技术应用于单目视觉里程计设计中,其中包括特征点提取技术、特征点匹配技术、运动参数估计等。影响里程计精确定位的关键因素之一为图像特征点提取与匹配。介绍了一种可行的单目视觉里程计设计方法,通过特征提取、特征匹配以及运动估计得出运动方向和距离等信息。     

基于单目视觉的空中书写系统原型设计

提出一种新的人机交互方法并设计了系统原型,通过单个摄像头跟踪人手在空中的运动轨迹,生成相应的字符图像,再结合特征提取和分类器算法识别所写字符。实验结果表明,该系统能够实现实时手部跟踪和手写识别的功能,其设计思想可用于虚拟现实、沉浸式游戏等应用领域。     

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SSD的道路前方车辆检测

目标检测是计算机视觉领域重要的研究方向,应用于无人驾驶、机器人、行人检测等领域。然而,高检测准确率、鲁棒性等对目标检测方法提出了严苛要求。针对SSD对不同场景下检测准确率较低的问题,提出了一种改进的基于残差网络的SSD目标检测模型,以提升对不同场景的检测精度。对比研究了不同算法在MIT数据集和真实交通场景下的检测能力。实验结果表明,该方法的车辆目标检测准确率为96.72%,耗时短,鲁棒性高,有一定的泛化能力,为未来智能辅助驾驶系统提供了一种全新思路。     

基于LabVIEW的单目视觉灌装桶口自动检测与定位

灌装桶口的自动检测和定位是自动灌装系统的重要环节,因此求取灌装桶口圆心的三维坐标为控制伺服机构的运动提供了必要前提。以LabVIEW为软件开发平台及其NI Vision Assistant和IMAQ Vision模块,通过相机的标定、图像采集处理、图像的预处理、特征点空间坐标计算,最终得到桶口同心的三维坐标。实验表明,该方法可行、稳定、得到了预期的效果。     

基于机器视觉的车辆距离测量系统设计

为实现车距测量实时性与准确性的要求,机器视觉被引入到车距测量中,设计了具有实用性的单目视觉的车辆距离测量系统。该系统首先对采集到的图像利用小波变换进行去噪与增强,再通过Hough与模糊集论对车道线进行提取作为定位车辆的参考线以减少车辆定位的搜索时间,通过路面灰度值与基于窗口能量的方法准确定位车辆,最后根据针孔成像原理建立实际三维图像空间与摄像机二维图像的映射关系,计算出前面车辆的实际距离值。结果表明,当实际车辆距离小于70 m时,测距绝对误差小于2 m,相对误差不超过5%,测距时间小于0.25 s。     

基于视觉的道路图像识别技术研究

道路图像识别技术在智能车辆、辅助驾驶、移动机器人等领域中得到了广泛应用,基于视觉的道路图像识别技术已成为众多学者研究的课题。介绍了几种不同的道路识别技术,并着重对基于特征的方法进了阐述,提出了基于区域特征的分水岭算法及改进方法,然后就道路图像的边缘检测进行了分析,最后给出了该领域的研究方向和发展趋势。     

Mobile robot localization and navigation system based on monocular vision

A system for mobile robot localization and navigation was presented.With the proposed system,the robot can be located and navigated by a single landmark in a single image.And the navigation mode may be following-track,teaching and playback,or programming.The basic idea is that the system computes the differences between the expected and the recognized position at each time and then controls the robot in a direction to reduce those differences.To minimize the robot sensor equipment,only one omnidirectional camera was used.Experiments in disturbing environments show that the presented algorithm is robust and easy to implement,without camera rectification.The rootmean-square error(RMSE) of localization is 1.4,cm,and the navigation error in teaching and playback is within 10,cm.     

基于机器视觉的车道标志线检测研究

针对车辆辅助驾驶或自主驾驶中的车道保持问题, 研究了基于视觉的车道标志线实时检测方法. 介绍了系统组成、工作原理和车道模型, 并着重讨论了车道图像的检测算法. 其主要思想是在图像上选取几个合适的处理区域, 通过对每个处理区域进行适当的预处理、边缘检测和霍夫变换等过程来提取车道描述特征. 试验结果表明, 该方法具有实时性好、识别可靠性高等特点, 在一定程度上能为后续的辅助驾驶或自主驾驶提供决策依据.     

基于机器视觉的软包锂电池表面缺陷检测

针对软包锂电池表面缺陷检测,基于机器视觉技术提出了一种改进的自动检测方法。 对图像进行预处理后,将Canny 算子检测法和Close_Edges 算子检测法相结合,分割出软包锂电池表面的缺陷?最后以最小外接矩形法计算出划痕的长度和宽度,以累加法计算出针孔的直径。 实验结果表明该方法能够有效分割出软包锂电池表面的划痕和针孔,缺陷尺寸计算的误差低于5%。     

基于车辆轮廓对称与车牌定位信息融合的车辆检测方案(英文)

为了有效地定位交通监控图像中的车辆区域,提出了一种基于车辆轮廓对称和车牌定位信息融合的车辆检测方法. 该方法首先检测图像中的车辆轮廓竖直对称轴,然后以车辆轮廓对称轴位置为基准检测车牌水平和竖直对称轴,最后根据车牌横纵对称轴和车辆轮廓图像的水平、竖直投影进行车辆区域定位. 以450 张 15 类车型的图片为测试集进行了基于对称特征融合的车辆区域检测,并与基于车辆边缘、车牌、车辆纹理特征和车辆图像 Gabor 特征的 4 种方法进行了对比,实验结果表明基于车辆轮廓对称与车牌对称特征融合的车辆区域检测方法最优,其检测率和检测时间分别为 90. 7%和 125 ms.     

基于视觉与IMU的跟踪机器人研究

针对普通轮式机器人在运动和控制等方面的限制,设计并实现了轮式滑动转向移动机器人,该机器人具有结构简化、运动灵活、可靠性高、可控性好等特点.基于EKF实现单目视觉和IMU数据融合,运用SURF实现被跟踪对象特征的检测与匹配,结合垂直线等环境特征获取Range/Depth信息以及被跟踪对象及道路转弯信息.实验表明:该系统及相关算法有较强的实时性和鲁棒性.     

Training a neural network for moment based image edge detection

Edge detection is a crucial step to computer vision. Currently, there is not a single edge detector that has both efficiency and reliability. Traditional differential filter-based algorithms have the advantage of theoretical strictness, but require excessive post-processing. This paper introduces a neural network edge detector that takes advantage of moments features. It functions as a neural pattern classifier that directly estimates the posterior probability from the training data set. Two subsystems can be distinguished and different kinds of learning rules are used. For the end-user, it works as a black box that directly transforms raw images into the edge maps so no complicated postprocessing is required. Tests on both simulated and real images showed the proposed neural network edge detector is superior to traditional operators.     

基于毫米波雷达和计算机视觉联用的障碍物自动检测系统实验平台设计

针对人工智能课程实验要求,结合轨道交通障碍物检测实际工程问题,开发了一种基于毫米波雷达和计算机视觉联用的障碍物自动检测系统实验教学平台.该实验平台由数据采集模块、信息处理模块和预警显示模块组成,涉及图像处理技术、目标检测技术、网络模型部署等.实验结果表明,该系统具有良好的有效性、实时性、鲁棒性以及小目标检测能力,可以满...     

智能车辆的交叉口数字信号灯检测与识别

为了保证智能车辆在交叉口内的诱导行驶,提出了一种交叉口信号灯检测与识别方法．首先利用Hough变换检测交叉口内的停车线,然后采用颜色空间变换检测红、黄、绿三色信号灯,最后建立自联想存储器以识别切分出来的信号灯时间字符．通过20个实际交叉口场景测试数据验证,采用所提出的方法,停车线检测正确率达90％,信号灯检测正确率为85％,在信号灯字符正确分割出来的基础上,字符的识别率达97％．结果表明提出的方法能够十分有效地进行数字信号灯的检测,并具有足够的鲁棒性识别“破损”及带噪声的字符．     

基于机器视觉的木材径级测量系统设计

针对人工测量木材径级效率低、存在主观误差等问题,基于机器视觉技术开发了一个木材径级自动测量系统。利用Opencv设计算法流程,采用背景减法、均值滤波、固定阈值分割得到木材径向截面轮廓的二值图像,再利用边缘检测和椭圆拟合算法拟合轮廓的椭圆,将椭圆短轴像素点数转换为木材直径。利用C#编写人机交互界面显示木材直径的测量结果并将分类结果传输给下位机。经过实验验证,该系统的软件算法流程能够准确测量木材直径,得到的测量绝对误差在0.8 cm以内,单根测量平均时间为0.895 s,有效提高了木材径级测量的效率,为实现木材径级的自动化分拣提供支撑。