嵌入式视觉实时跟踪系统

在差分得到的二值图像基础上，采用快速搜索算法确定运动物体，并用光流场方法跟踪运动目标。作者选择TMS320作为视觉跟踪系统的硬件平台，采用摄像机获取场景图像，通过软件捕捉场景图像中的运动物体，识别物体运动的方向和距离，实现了视觉实时跟踪功能。在此基础上，完成了分立器件构成的嵌入式视觉实时跟踪系统的设计，对于视觉技术的实际应用具有一定工程意义。     

基于深度学习的智能辅助驾驶系统设计

本文提出一种基于机器视觉和深度学习的智能辅助驾驶系统。软件系统主要在阿里云服务器上运行,利用云端服务器实现对深度学习卷积神经网络的训练和对几种马路上常见障碍物的检测识别,并采用双目视觉,根据视觉差,计算出障碍物与车辆的距离。硬件系统采用嵌入式ARM9作为中央控制单元,搭载Linux系统,协调4G无线通信模块、摄像头采集模块和智能语音播报模块进行运作。实现前端图像的采集压缩、与云服务器的通信以及将障碍物种类和距离播报的功能。本系统使用前端硬件在马路上采集障碍物图像发送到服务器的caffe框架上,在训练好的卷积神经网络上进行测试,结果表明该系统能实时准确地将车辆周围信息以语音的方式播报给驾驶者。     

基于图像处理的清扫机器人视觉系统

清扫机器人是通过采集的图像对物体进行识别,并将必要的资料传给机器人手臂,进而移动手臂抓取目标物。为了实现机器人的视觉系统就要对采集的图片进行数字处理,然后用直方图修整法进行图像增强,再利用改进了的矩不变法进行图像分割,最后进行特征提取来获得需要的图像。该系统对一些实用的图像处理方法进行了有效的综合,使其形成了功能较全面的机器人视觉图像处理系统。     

基于局域网技术的篮球训练姿势智能监控系统设计

为提高篮球训练效果,设计了基于局域网技术的篮球训练姿势智能监控系统。首先采用无线传感器网络采集篮球训练姿势的图像信息,再采用灰色轮廓线标记对采集到的图像信息实施三维融合,得到视觉成像模型,根据视觉成像结果及像素差分特征量判断篮球训练姿势的有效性。然后分析图像的特征并对其进行自动聚合匹配,结合局部边缘信息融合过程求解动态信息的特征,并结合三维姿态分布特征量和边缘信息熵,构建智能监控输出优化模型,实现在智能嵌入式环境下的篮球训练姿势智能监控系统软件开发设计。仿真结果表明,该系统的人机交互性能较好、稳定性较强。     

基于体视显微镜的立体视觉测量系统

该文基于体视显微镜(SLM),根据双目视觉原理,构建了显微立体视觉测量系统;通过图像采集、系统标定、图像预处理、图像匹配、物体重建等步骤实现微观物体的立体重构和测量。系统采用改进的DLT(direct linear transformation)方法;在图像匹配过程中,依据被测量物体不同的特征,采用了基于特征的匹配和基于图割的全局匹配2种方式。该统实现了微型物体的立体重建及尺寸测量功能。     

嵌入式图像检测的一种解决方案及应用前景

首先介绍了目前图像检测的发展状况以及灵活性不足的情况,然后提出了一种解决方案:利用嵌入式Linux系统通过USB摄像头获取图像,将采集的图像通过具有GPRS无线上网功能的嵌入式系统经Socket编程传输到服务器,服务器将采集的图像进行识别,并返回识别结果。实验结果表明本系统灵活、可靠、稳定。最后介绍了该解决方案的应用前景。     

嵌入式实时人脸识别系统设计

为实现视频监控系统的网络化和智能化,以ARM为硬件平台结合机器视觉库OpenCV设计一种嵌入式实时人脸检测系统。该系统由嵌入式平台采集USB摄像头数据,通过网络将图像传输至PC主机,从而实现实时监控;系统以QT构建交互界面,采用OpenCV人脸Haar特征进行人脸区域检测,Eigenfaces算法进行人脸识别。结果显示:该系统运行稳,成本低,可以实现网络实时人脸检测与识别,识别率高。     

嵌入式机器视觉测控一体机的研究与开发

提出了一种基于PC机组态软件的嵌入式机器视觉测控一体机的设计方法,并研发出样机.该一体机采用CCD板型相机进行图像采集,利用FPGA的FIFO和DSP的PDT技术进行图像传输;以DSP作为图像处理核心,实现图像预处理、特征提取和智能识别;基于Modbus/TCP协议实现了以太网通信,并通过三层视觉工具库实现了PC机组态软件.该一体机已通过工业级测试,并应用于工业现场.稳定性、可靠性和实时性有保证,可广泛应用于工业监测和控制领域.     

基于计算机视觉的静态场智能监控系统

本文介绍了一种基于计算机视觉的静态场智能监控系统,用于重要区域的智能视频监控领域。该系统将数字图像处理技术、智能模式识别技术及视频监控技术进行了融合,通过监控现场摄像机分时采集若干帧的视频图像,以此建立场景边缘模型,通过计算机视觉的自适应识别算法分析被监控现场的实时图像资料,并根据相应模式处理被监控现场的异常状况,从而实现重要区域的智能监控。     

基于嵌入式Linux系统的条码识别器的设计与实现

研制一款基于异构多核的图像型条码识读器,集成了光源、镜头、CCD图像采集、FPGA逻辑管理、ARM处理器、读码算法和通信等功能的嵌入式图像处理系统。通过图像采集装置采集复杂背景下的条码图像,然后利用嵌入式的机器视觉处理技术进行任意方向的多个条码区域自动定位和识别,具体包括图像预处理(含去噪、图像分割)、条码定位、条码旋转、条码解析等过程,有效提高条码读取效率。     

基于改进VGG-19的井下视觉指纹匹配定位方法

针对传统矿井电磁波测距定位存在依赖通信链路的问题,提出了一种基于改进的卷积神经网络VGG-19的井下定位方法．根据基于视觉图像进行识别的原理,将基于深度学习的计算机视觉技术应用于井下定位．不同间隔点位置图像的特征不尽相同,所以对井下的场景进行不同间隔的划分,在所取的间隔点处采集数据集,建立图像信息指纹库;将不同间隔位置点图像进行相应的标记分类,然后用迁移学习的方法将获得的数据集用改进的VGG-19网络进行训练,获得识别分类模型;运用识别分类模型可对不同位置实时图像进行识别,获得采集图像的设备位置数据,从而实现定位．所述定位方法得到的识别分类模型可在嵌入式系统设备运行,定位过程无须通信网络支持,极大简化了系统的复杂性,完全适应矿井灾后恶劣条件,可用于救援机器人等移动装置的井下定位,具有实时性、稳定性、抗干扰性,且有很好的定位准确率．     

一种基于BoW物体识别模型的视觉导航方法

针对复杂的室内环境,提出一种新的动态环境下的移动机器人视觉导航方法.该方法以室内常见物体作为自然路标,通过单目视觉建立识别模型来认知环境中的各种物体.首先对室内常见物体建立图像库,并对库中的大量图像采集SIFT特征;然后通过BoW模型来描述各幅图像,针对每类物体利用线性支持向量机(SVM)训练出物体识别模型;最后借助交互的手绘地图描述室内环境,移动机器人从中获得辅助路径以及自然路标的大概位置,从而完成导航任务.通过大量实验,从自然路标变化、目的区域变化、手绘地图偏差等多角度验证该方法的鲁棒性.实验结果表明,该导航方法操作简单高效,并具有人机交互性强、动态环境下适应能力高的优点.     

基于视觉SLAM的物体实例识别与语义地图构建

针对目前面向语义同步定位与地图构建(SLAM)研究大多需要已知三维对象模型作为先验知识,或者只对有限的几种物体的类别进行语义分割,而没有区分对象的个体的问题,结合目前先进的基于深度学习的实例分割算法和视觉SLAM算法提出了一种面向实例个体的物体识别和语义地图构建方法,使得机器人不仅获得了面向导航的环境几何信息,而且掌握了面向物体个体的属性和位置信息.该方法利用由视觉SLAM算法获得的图像帧间几何一致性约束来促进连续图像帧中物体匹配与识别结果,提高物体实例识别的精度,同时结合实例识别结果完成语义建图的任务.最后实现了基于视觉SLAM算法的物体实例识别与语义地图构建系统,并在ICL-NUIM数据集上进行实验,实验结果表明该系统能够基本完整地识别场景中的各种物体并生成环境的语义地图,验证了本方法的有效性.     

基于双目立体视觉的目标识别与定位

为从不同角度识别目标物体以及解决左右两幅图像中目标轮廓中心不匹配的问题, 将SURF(Speeded Up Robust Features)算法与GrabCut 算法相结合, 离线采集目标物体不同角度的图像, 生成目标模板图片库。利用SURF 算法完成目标物体的识别; 利用SURF 算法自动初始化GrabCut 算法, 实现目标轮廓的提取; 利用基于灰度相关的区域匹配算法完成目标轮廓中心点的匹配, 结合三维重建原理实现目标定位。实验结果表明, 该方法可以成功识别目标物体并对目标物体进行准确定位。     

3D成像技术在智能手机交互设计中的应用研究

目前大部分智能手机在图像采集技术上依然停留在感光、像素等二维水平,但由于二维图像本身包含的信息有限,无法全面展现真实空间环境的位置关系及空间物体的深度信息,很大程度上阻碍了人类对客观世界的感知。利用移动智能终端内置摄像头、传感器件实现对真实环境光学信号的采集及物体运动过程的捕捉,借助与之匹配的操作软件进行数据分析运算,并结合实时获取的位置和方向等综合信息绘制真实世界的3D模型,使得物体的三维轮廓、物理特性将能被充分识别,最终实现在智能终端的显示。3D成像技术在实现对二维像素采集的同时完成了像素景深的叠加,实现了智能三维定位,有效推动了面部识别、机器视觉检测、大数据智能采集等技术的发展。     

基于计算机视觉的博物馆导览系统

为了利用计算机视觉技术对当前拍摄物体进行识别并获取相关信息,设计和实现了两种视觉系统框架:系统一通过智能手机上传图像帧的方式在服务器端对博物馆内物体进行识别;系统二在智能手机端对区域内物体进行实时识别。实验证明两种方法充分利用了智能手机和服务器端各自的软硬件资源,达到实用效果。前者充分利用了服务器端庞大的处理能力和较高的存储能力,支持大规模物体的识别;后者能有效减少网络通信流量,减轻服务器负载,支持小规模的物体识别。     

基于Mask R-CNN的物体识别和定位

为了让机器人能识别物体类别、探测物体形状、判断物体距离,提出一种基于Mask R-CNN模型的双目视觉的物体识别和定位方法。该方法利用Mask R-CNN处理双目图像,对每张图像进行物体识别和形状分割,然后利用神经网络特征对双目图像中的相同目标进行匹配。以物体形状为依据,使用最近点搜索算法估计视差并计算距离。实验结果表明,该方法能够以准实时的速度进行物体的识别和定位,与传统的依赖计算全局视差图的方法相比,在速度和精度上都有提高。     

基于掌纹静脉识别的考试门禁管理系统研究与设计

为确保考生身份识别的唯一性和准确性,设计了嵌入式生物特征识别的考试门禁控制管理系统。选用双COMS USB摄像头进行考生生物特征采集,运用ARM Cortex-A8嵌入式平台设计Linux驱动运用程序,通过Qt/Emmbedded图形界面实现人机友好交互。该系统同时采集考生的掌纹及皮下静脉生物特征,具有快速精准识别身份以及功能拓展性强等特点。应用于智能考核系统的门禁控制与管理,为人工智能考核系统配置高安全级别的智能化考生身份验证。该系统还可以作为门禁应用于出入控制、单位智能考勤、楼宇智能化管理的解决方案,在"物联网智能化控制与管理"领域也具有很广阔的市场前景。     

一种嵌入式车牌识别系统的设计与实现

智能交通系统(ITS)已成为当前交通管理发展的主要方向,而汽车牌照识别(VLPR)技术则是智能交通系统的核心。研究了基于DSP的车牌识别系统的设计与实现。该系统主要通过摄像头采集汽车车牌图像,经过DSP核心处理器对图像进行处理,识别出车牌号,并通过LCD显示。经过调试运行,该系统实现了车牌识别的功能,可运用于工程实践。     

嵌入式图像采集系统的硬件设计

结合足球机器人视觉系统介绍了实现嵌入式图像采集与处理系统的一些方法，设计了基于FPGA／CPLD和DSP的嵌入式图像采集与处理系统，包括CCD摄像头、SAA7111A、AL422B、EPM7128及TMS320VC5402，对系统各个组成模块间的时序电路逻辑进行了较详细的分析和方案设计．