基于RBF神经网络的双目立体视觉系统的研发

在摄像机标定的过程中,由于深度信息的丢失,摄像机镜头的畸变以及图像处理时的误差等因素影响,最终影响系统标定的准确度.本论文采用RBF神经网络的训练方法,开发出一套双目视觉系统,以匹配点在左右图像的坐标为网络的四路输入,通过网络得到三路输出,性能指标为网络的三路输出和该对应点在世界坐标系坐标差值的均方值;并根据梯度下降法来调整隐含神经元与输出神经元之间的连接权值,节点基宽参数与中心矢量,直到性能指标达到预定值,使其和激发函数共同组成具有投影矩阵功能的系统,完成双目视觉系统的标定.最后对系统进行精度分析.     

基于阻滞增长神经网络的双目视觉标定方法

针对传统相机标定方法存在的精度不高和反向传播(BP)神经网络训练结果对初始权重和阈值的敏感性等问题,利用模拟生物界种群规模动态平衡的阻滞增长机制,构建阻滞增长神经网络,对BP神经网络的初始权重和阈值进行优化,消除了初始权重和阈值随机性对神经网络计算结果的影响.设计了比较实验,以验证阻滞增长神经网络的优越性.针对实验过程...     

基于遗传BP神经网络的双目相机手眼标定研究

为了提高固定双目相机手眼标定精度,文章提出了一种利用遗传算法优化的反向传播(back-propagation,BP)神经网络的手眼系统标定方法。分别将靶标在相机坐标系与机械臂坐标系下的坐标作为输入量与输出量建立BP神经网络标定模型,并针对BP神经网络模型存在易陷入局部极小值、收敛速度慢的缺点,引入遗传算法来优化BP神经网络的初始权值和阈值。实验结果表明:与BP神经网络模型和传统的多元线性回归拟合模型相比,经遗传算法优化后的BP神经网络模型能显著降低标定误差,加快收敛速度;遗传BP神经网络模型样本预测结果与实测值之间的距离平均误差为1.712 6 mm,优于BP神经网络模型的平均误差2.400 2 mm和线性回归模型的平均误差3.377 1 mm。     

基于改进型神经网络的双目摄像机标定

摄像机标定是机器视觉中最重要的环节之一,传统标定方法运算量大、计算复杂,非常繁琐。为解决标定存在的若干问题,提出基于改进神经网络的双目视觉摄像机标定方法。通过对双目摄像机有效模型分析,建立空间点图像坐标与世界坐标非线性映射关系,同时引入自适应学习算法,实现隐层神经元的自适应选取,并且在创建网络模型前对样本数据进行归一化处理,提前终止策略,使网络泛化能力得到极大改善。通过与经典标定方法进行比较,表明基于改进型神经网络标定方法能获得较好的双目标定精度。     

双目立体视觉系统的摄像机标定技术

摄像机标定是立体视觉的第一阶段,也是极其重要的阶段。本文用张正友平面标定方法对双目立体视觉系统进行标定,获取了其结构参数。实验表明,标定结果有较高精度。     

基于双目视觉的原木材积自动检测系统

根据原木材积检测的特点,针对传统人工检尺存在的主要问题,基于双目视觉理论,设计了一种由CCD摄像机、单片机和上位机图像处理软件组成的自动化测量系统.选用HYC-600摄像机组建双目视觉前端,并给出了单片机信号采集处理板、光电编码器和光电开关等关键技术的设计方法,完成了双目标定、Bouquet校正、三维重构和各功能模块的软件开发.实验结果表明:该检测系统能有效克服人工检尺的缺点,成本低、精度高、可靠性强、安装使用方便.     

基于双目立体视觉系统的测量研究

为了实现摄像机与目标物体之间距离的信息,由双目测量原理,采取结合OpenCV与Matlab的方式,设计出一套关于双目测距的立体视觉系统;系统首先对双目摄像机的内外参数进行标定,从黑白格组成的标定板中获得角点信息,使用亚像素角点检测法对角点坐标信息进行更精确检测,在黑白格组成的标定板分别距离双目摄像机300、400、500、600、700mm处获取不同位置的标定图像,经过张正友标定法最终可以得到双目摄像机所需内外参数;其次通过BM(Block Matching)立体匹配算法在VS2017坏境与opencv3.4.7库配合下完成了摄像机的立体校正、立体匹配进而得到视差图;最后在实验中使用了双目摄像头,并编写了代码通过鼠标点击所得到的视差图获取对应的世界坐标来实现物距的测量;实验结果表明:被测物距离摄像头光心500~700mm这一范围时,实测距离和实际距离相对误差百分比在0.171% ~0.192%之间,且实测距离在2 950mm内实验误差小于5%满足实验精度要求。     

基于双目立体视觉的智能抓娃娃机仿真系统标定

本文针对智能抓娃娃机仿真系统的双目标定部分进行研究和实验。分析了双目摄像机标定方法和原理,本文使用原点阵列标定板,采用双目横向方式拍摄采集标定板,利用VC和OpenCV进行双目标定实验,实验结果表明重投影误差不超过0.4像素,标定精度较高,可以满足双目标定系统的实用性。     

基于BP神经网络-模糊控制的机器人无标定视觉伺服技术

针对机器人无标定视觉伺服技术中图像雅可比矩阵在线估计存在计算复杂的问题,提出了一种结合BP神经网络和模糊控制策略的机器人控制技术。本文以多自由度智能调节系统为例,提出其视觉伺服控制架构,根据工业场景数据集训练BP神经网络,采用本文所提算法进行法兰对中实验,帮助解决核电站蒸汽发生器人孔螺栓咬死问题。在方法层面,首先,利用BP神经网络建立图像特征信息与机器人多自由度运动之间的映射关系,之后,提出模糊控制方法根据图像特征偏差进行机器人位姿的精确调整。实验结果表明,本文提出的算法能够有效应用于无标定视觉伺服控制,最终法兰平均对中误差在±1mm内,平均耗时43秒,满足应用需求,具有较高的工作效率。     

基于共面圆的双目立体视觉分步标定法

计算机视觉中,在对景物进行定量分析或对物体进行精确定位时,都需要进行摄像机标定,即准确确定摄像机的内外参数.为了快速、有效地进行摄像机的标定,针对常用的带有一阶径向畸变的小孔摄像机模型,提出了一种简单有效的分步标定方法.先用预标定法得到左右摄像机主点坐标参数,然后再用TSAI两步法获得左右摄像机的内外参数,最后以左摄像机光心为世界坐标系原点,通过坐标转换关系,进而得到双目视觉的各种标定参数.该方法实验要求低,不需要移动摄像机.通过实验,验证了该方法能够准确、有效地求出各标定参数.     

基于BP神经网络的课堂教学质量评价系统

课堂教学质量在很大程度上决定了学校的教育质量,其评价体系的构建成为教学督导工作的重要环节。本文将BP神经网络用于课堂教学质量评价中,以重庆工商大学的教学督导专家评教情况为例,构建了课堂教学质量评价模型。通过MATLAB仿真,结果表明该评价模型可以克服人为的主观因素,并且得到满意的评价结果。为学校构建科学合理的内部质量保障体系提供了一种新方法。     

基于BP神经网络的政府投资工程委托代建风险分析与评价

代建制是目前各地正在探索的一种新型建设管理模式，它能有效地实现投资、建设、管理、使用职能四者分离的目标．本文对政府投资工程实施代建制的风险来源进行了分析，建立了三层前馈神经网络模型，根据BP算法调整其权值和阀值，进行系统训练并结合输入数据，最终得到风险估计系数，以输出值作为决策依据，为政府投资工程的风险分析提供了一种结合现代算法的新思路．     

BP神经网络在字符识别中的设计改进

BP网络模型是最早被提出来的人工神经网络模型之一,它是一种简单而且非常有效的算法.在数字字符识别系统中,为了克服BP神经网络的易陷入局部极小、收敛速度慢等缺点,本文对传统的BP算法进行了多方面的改进,使得算法更加有效.     

基于遗传神经网络的科研项目经费预算方法

针对科研经费预算准确性与实用性无法兼顾的难题,提出基于遗传神经网络的科研项目经费预算方法.分析了科研项目经费构成及影响预算的关键因素,建立了影响因素的量化表达式,将量化结果作为输入,项目经费预算结果作为输出,利用遗传算法优化BP(Back Propagation)神经网络的权值和阈值,通过训练遗传神经网络预测模型建立输入与输出之间的非线性关系.运用预算实例对预测方法进行了有效性验证.仿真结果表明该方法有较高的预测准确性.     

一种优化 BP 神经网络训练样本的方法

BP神经网络训练样本的选取对网络的泛化能力有较大的影响,特别,怎样从高维大样本数据中选取合适训练样本是一个难点。本文运用因子分析法对大样本数据进行预处理,再利用分析所得的公因子进行聚类分析,这样既可以降低指标的维数,也可以减少样本的数量。实验证明,该方法简化了网络结构、加快了网络的收敛速度,对提高网络的泛化能力有一定的帮助。     

基于遗传算法-BP神经网络的径向式导叶多级泵水力性能优化

针对径向式导叶多级泵内部流动状态复杂多变而导致其水力性能曲线难以精确测量的技术难题,采用遗传算法(ge-netic algorithm,GA)迭代优化反向传播(back propagation,BP)神经网络的权值与阈值,构建了基于GA-BP神经网络的径向式导叶多级泵水力性能预测模型,以MD500-57型径向式导叶多级泵为研究对象,建立了输入层为13个神经元、隐含层为10个神经元、输出层为2个神经元的GA-BP神经网络,采用正交试验方法设计了试验参数的正交试验方案,运用数值模拟计算方法对正交试验方案进行求解,获得了试验参数的训练样本,并对神经网络进行训练与测试,计算了过流部件关键几何参数的最优组合方案.试验结果表明:优化后该多级泵在设计工况下扬程增加了2.4 m,效率提高了3.34％,且高效区范围变宽.     

BP神经网络在水轮机综合特性曲线中的应用

介绍了利用BP人工神经网络进行水轮机综合特性曲线数据处理的方法。这种方法无须建立具体的函数关系表达式,即可将已知离散数据进行拟合,从而提高了水轮机综合特性曲线数据处理的工作效率。     

基于BP神经网络的股线力学性能数值预报

基于股线的参数，建立了S形函数连接的BP神经网络模型。采用Levenberg-Marquardt优化算法，用MATLAB6．1进行仿真，对股线的拉伸力学性能进行了预报。预报结果与实验结果吻合良好。     

我国体育人口增长预测模型研究

运用文献调查、逻辑分析、类比分析等研究方法对体育人口增长预测模型的构建进行研究,其目的是通过构建体育人口增长预测模型,准确地预测我国未来体育人口的增长,为相关决策部门制定健身政策提供理论参考。文章阐述了体育人口的特点以及神经网络的基本原理,论述了运用BP神经网络进行体育人口增长预测的可行性,建立了基于BP神经网络体育人口增长预测模型,补充了体育人口增长预测理论研究的空白,对我国未来准确预测体育人口增长具有一定现实意义。