视觉导航温室机器人路径识别算法与实验

为解决农业机器人温室环境下路径识别实时性较差等问题,以大棚环境下番茄种植为背景,在Lab色彩空间下进行处理,将番茄植株从土壤、地膜等复杂背景下识别出来,通过形态学运算对图像进行降噪处理,利用分水岭算法进行图像分割进而转化为二值图像,根据植物位置获得导航离散点,进而通过Hough变换得到导航路径。为此,设计了一种基于机器视觉的温室机器人,并进行实时图像处理实验。实验表明,该方法在温室环境下能够大幅降低自然光和温室薄膜对图像分割的影响,道路信息提取正确率达到95.7%,基于机器人对连续动态图像分析,该路径识别方法具有较好的适应性和实用性。     

基于无人驾驶配送实验平台的封闭园区内动态环境视觉SLAM研究

针对动态环境下SLAM算法定位信息精度不足、建图偏移严重问题,本研究基于无人驾驶配送实验平台提出一种面向封闭园区内动态环境的视觉SLAM系统。该系统以ORB＿SLAM2为框架,添加了基于人体关键点提取的行为识别线程。在输入图像ORB特征点提取的同时,通过HRNet网络进行人体关键点的提取,通过30帧图像内容进行行为识别,判断图像中人体的行为状态是否为运动,并以此为依据筛选并剔除动态特征点,最后通过静态特征点进行位姿估计。实验结果表明,在TUM数据集动态子序列下,与ORB＿SLAM2、DS＿SLAM相比,本研究所提算法在系统精度与速度上达到平衡,有效提高了位姿估计的准确性。     

基于手势识别技术的3D虚拟交互系统

系统以英特尔凌动处理器嵌入式平台为核心,运用手势识别、多目视觉立体定位、电机控制及3D建模等多种算法和技术,构建了一个真实人与虚拟世界进行实时交互的浸入式环境。一方面以图像处理算法为核心,进行基于肤色模糊识别和多智能体协作思想的图像分割,实现了基于形状特征的手势识别算法;另一方面采用了3dsmax辅助建模的方法,实现了手的骨骼模型这种复杂物体的建模,结合Direct3D开发3D虚拟环境系统,采用DirectSound产生环境的声音。通过对虚拟手的控制实现人与虚拟环境中三维物体的交互操作,如抓取、移动物体等动作。随着3D场景和动作的切换,伴随发出不同的声音。测试表明,该系统的手势识别成功率达到80%,人机交互较为生动、直观和真实。     

基于Kinect的3D医学影像辅助诊疗系统研究

基于Kinect的3D医学影像辅助诊疗系统在VTK(Visualization Toolkit)的基础上对二维DICOM序列医学影像进行了三维重建。利用Kinect设备作为3D影像控制器,摆脱了传统交互设备(鼠标、键盘) 操控3D影像的局限性、带菌性,医生可以在真实的3D空间进行无菌操作。利用Kinect对用户手掌进行跟踪,记录并分析不同动作的数据变化特征,重复记录并分析多人数据,验证特征的准确性。对伸展或并拢双手动作用最小二乘法进行线性拟合,即通过数据模型匹配来识别用户行为。在识别出正确的指令后,对响应程度值进行转换,最终确定3D医学影像变化,进而实现在无接触性操作情况下,用户能在真实3D空间对三维重建后的医学影像进行无菌控制。实验结果表明,所设计的方案能准确识别用户行为,且图像变换效果符合大多数用户的自然习惯。     

基于几何模型的鱼眼图像校正

在虚拟现实,机器人导航及视觉监控等领域,需要使用具有较大视角的鱼眼摄像机,这样得到的图像被称为鱼眼图像。鱼眼图像存在严重的变形和失真。本研究利用平面,柱面和球面经纬网格3种几何模型分别进行鱼眼图像校正,实现了真实场景的还原,并对校正结果进行分析和比较。     

基于探索性分析的荔枝串与结果母枝图像识别

为解决荔枝收获机器人对采摘目标的识别与定位的关键问题,荔枝串、荔枝果与结果母枝各部位的识别成为采摘机器人视觉系统的研究重点。首先,对采集荔枝图像的感兴趣区域进行荔枝串、荔枝果与结果母枝的图像分类并给出了荔枝各部位分类识别的图像分割策略;然后,采用探索性实验分析的方法获取了识别各类光照条件与各类颜色的荔枝串的固定阈值为0.502 0,0.530 0,0.510 8及0.533 2、0.501 0、0.520 8,并利用所获取固定阈值进行荔枝串的识别;最后,以不同光照条件的荔枝图像90幅进行荔枝各部位分类识别的实验验证,荔枝串与荔枝果的平均识别率为91.67%,结果母枝的平均识别率为86.67%。实验结果表明:基于探索性分析方法识别荔枝各部位图像分割策略与识别各类荔枝串的固定阈值的设定是有效、可行的。     

人体屈体角度图像识别关键技术研究

随着社会的发展,人体图像识别的应用也越来越广泛,并出现了很多关于人体图像识别的新方法。研究人体屈体角度识别的实现方法,结合人体图像处理的一般流程,对人体屈体角度图像识别算法的预处理、人体图像分割、特征提取和特征判断匹配等步骤进行阐述,介绍了其中的关键技术——人体图像分割和特征点提取,并对现有算法的优缺点进行分析,以期为相关研究提供参考。     

基于3D卷积神经网络的人体行为识别方法

为了提高视频中人体行为识别的准确率,更好地利用视频中的原始信息,提取出更具有代表性的特征,提出一种基于3D卷积神经网络的人体行为识别方法。该方法构建了一个深层三维卷积神经网络模型,使用三维卷积核进行卷积操作,提取视频中人体行为的时域和空域特征,通过多层卷积操作对底层特征进行再组合,得到抽象的高维特征。在KTH数据集上的实验结果表明,该方法有较好的识别效果。     

茶叶嫩芽图像自动分割方法的研究

以茶叶嫩芽图像为研究对象,利用图像处理技术实现了茶叶嫩芽自动分割。该算法首先选取不同颜色模型下茶叶分割图像,其次采用最大类间阈值法对图像进行二值分割,最后通过数学形态学处理和逻辑操作实现嫩芽彩色分割。实验表明,基于R-B色差的茶叶嫩芽分割方法不仅能够有效地识别嫩芽区域,而且算法鲁棒性较强。     

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。     

融合个体识别的3D点云语义分割方法研究

3D点云能清晰、直观、准确地反映真实场景,其中卷积神经网络、随机森林分类器等都是用于3D点云语义分割的主要研究方法,均取得了良好的实验结果。但是到目前为止,在复杂丰富的3D实景中如何实现分割的多通道化还有很大的研究空间。基于此首先介绍了一种精巧、简单的3D点云语义分割框架,然后提出了一种通过学习语义感知的点级个体嵌入方法,将属于同一个体的语义特征融合在一起,使得每个3D点的语义预测更精确,同时实验结果也说明了这种融合个体识别的语义分割方法是可行的有效的,在精度上较PointNet++结构提高了3. 9个百分点,在速度上处理同样4096个点云数据的速度比先进的SGPN结构快约4倍。     

基于JSeg和显著性检测的服装图像分割方法

针对服装图像分割问题,提出将JSeg算法应用于图像显著性区域的分割算法,利用人脸检测辅助判别背景区域与人体着装区域。通过网络商城实际图像样本实验,验证了方法的有效性,可为服装结构和特征提取,以及可视化检索提供参考借鉴。     

验证码字符图像分割技术研究

验证码字符图像分割质量很大程度上决定机器能否正确识别出验证码。针对验证码字符图像分割策略不同,通过研究投影分割法、连通域分割法、最短路径分割法3种验证码字符图像分割技术,分别探讨其特点和应用范围,给出了Web验证码3种分割技术的综合应用方法。     

基于计算机视觉的动物跛脚行为识别

为了识别出动物正常行走和跛脚行走,利用步态能量图特征描述和降维思想,提出一种基于计算机视觉的动物跛脚行为识别方法。以猪为研究对象,首先通过图像预处理获得目标猪二值图像,并进行步态周期检测和图像归一化处理。然后合成猪的步态能量图(PGEI),利用二维主成分分析（2DPCA）方法对其降维。最后使用最近邻分类器识别出猪的跛脚行为。通过猪的步态数据库进行试验,最终识别率达到93.25%,说明该方法可以有效识别出猪的跛脚行为。该研究为采用计算机视觉技术识别动物的异常步态和跛脚行为提供了一种新思路。     

基于深度图像的行人目标检测及轮廓提取算法研究

在对Kinect采集到的图像进行预处理后,为了实现行人运动目标检测,需要对行人目标进行特征识别,然后将识别分割的区域作为行人目标的备选区域。通过改进的自适应高斯混合模型的背景建模对预处理后的深度图像进行行人目标分割,分离出有用信息,然后利用Freeman链码方法提取连通域轮廓,作为行人目标的人体头部区域,便于后续对行人目标的跟踪与统计研究。试验表明,最终得到的结果达到了预期目标,算法准确性与鲁棒性很好。     

基于自动编码器与概率神经网络的人体运动行为识别方法

为了准确而快速地识别出图像中人体的某种行为特征,提出了一种全新的三层自动编码器与PNN概率神经网络结合的网络模型。把人体行为的关键帧从包含10种人体行为的视频库中提取出来,用背景减除法提取人体轮廓图并进行二值化图像处理,根据时间序列叠加轮廓图,组成含有10个特征轮廓的数据库,随后将特征轮廓数据在自动编码器中编码,编好码的特征数据随即进入概率神经网络进行训练学习。将训练好的神经网络对这10种人体行为进行准确识别。实验结果表明,经过自动编码器处理后的人体特征进行PNN神经网络识别,比单纯用BP神经网络识别准确率提高5%以上,由此证明该方法有效可行。     

基于异构多处理器和深度学习算法的篮球运动图像目标检测

篮球高难度动作识别技术的分析主要是识别和分析篮球运动员在视频中的身体行为.视频识别的目的是提高篮球训练水平.然而,传统的运动目标识别受到场景、动态背景和技术的限制,不能达到预期的效果.因此,本文开发了一种基于深度卷积神经网络的大数据运动目标检测系统,其主要用于篮球运动图像检测.其使用卷积神经网络的高分辨能力来提取图像,以执行计算预处理来识别视频流中的每个人体运动的图像.然后,采用基于Bi-LSTM模型的骨骼识别算法对人体关键点进行检测.最后,开发了一个目标检测系统来重建每个运动.通过选取五组可能导致运动损伤的高难度动作进行实验,结果表明该目标检测系统可以有效提高篮球动作目标识别的准确性,并有助于减少运动员伤病.     

茄子采摘机器人目标识别与测距方法

采用基于亮度的阈值分割算法对G-B灰度图像进行分割,采用4连通像素标记法对果实目标进行标记,提取质心、面积、外接矩形、切断点等特征。采用平面标定方法,建立摄像机矫正数学模型,利用Matlab多次标定计算完成双目视觉系统进行自标定。根据图像分割结果,选取质心为匹配基元,采用极线约束、视差梯度约束的算法来实现果实目标的匹配。根据相似三角形原理,计算茄子果实深度信息。结果表明,测量距离300~600 mm范围内,茄子深度信息的误差基本上在±15mm以内,平均用时0.26 s。基于双目视觉的茄子采摘机器人识别与定位方法原理简单,智能性好,适应面广,能够满足采摘机器人目标识别和定位的要求。     

基于多任务学习的高光谱图像语义分割算法

针对高光谱图像语义分割中空间信息利用不充分的问题,提出了一种基于多任务学习的语义分割算法,分别为语义分割及基于遥感指数的图像重建任务.网络主要由3D卷积和2D卷积组成,通过主成分分析(principal component analysis,PCA)来减少冗余信息,通过不同任务的重要程度优化两者的损失函数权重.2个特征...     

油气管道检测机器人避障运动控制算法研究

针对油气管道专用检测机器人运动控制系统进行研究。在深入分析管道内机器人运动特性的基础上,利用基于模糊控制与神经网络控制的环境自学习网络方法对环境信息进行学习判断。利用模糊神经网络方法对管道机器人的运行轨迹进行自学习跟随,同时解决了管道机器人障碍物识别与规避的问题。仿真结果表明,该方法能够实现管道机器人的环境识别、路径跟随与障碍物识别等功能,符合管道检测的实用要求,具有较高的实际应用价值。