基于机器视觉的动态多目标识别

提出了一种基于机器视觉的实时动态多目标识别的方法.该方法首先根据前后帧之间像素的变化,分割出运动目标和样本图像,然后使用Gabor滤波器提取图像的特征,得到特征向量.最后使用Fisher判别准则分类识别,将得到的分类识别结果自动标注在输出图像中,并且将其连续输出,便能获得已经识别完成的输出视频.实验结果表明,在多个动态目标的情况下,综合运用Gabor特征与帧间差分法的动态目标识别方法能准确检测到动态目标区域,并能准确分类、识别和标注.     

机器视觉及其应用

介绍了机器视觉的研究内容 ,比较了机器视觉与人类视觉的差异 ,分析了机器视觉研究状况 ,并对机器视觉今后的发展方向做了展望 ,最后阐述了机器视觉的应用     

基于机器视觉的表面缺陷检测研究综述

表面缺陷是工业产品生产中不可避免的问题,如果不及时发现并处理,将会影响产品的表观质量及性能,导致企业生产效益下降。基于机器视觉的表面缺陷检测方法在一定程度上克服了传统人工检测方法的检测效率低、误检及漏检率高的问题,在现代化的工业生产中得到了广泛的应用。本文归纳总结了近年来机器视觉表面缺陷检测领域的研究成果,分析了国内外缺陷检测技术的研究现状,阐述了机器视觉缺陷检测系统的组成及工作原理,综述了视觉缺陷检测所涉及到的相关理论和应用方法,比较了主流机器视觉检测方法的优缺点,并指出了现有机器视觉缺陷检测技术存在的问题,对以后的发展趋势进行了展望。     

机器视觉心理与分辨率锥体的应用

通过目标识别问题提出了机器视觉心理的概念，以及由此理论进行指导的工程实践应用，对于其典型应用之一的分辨率锥体技术用于目标识别进行了详尽的讨论，并对机器视觉心理理论的发展进行了预测     

基于机器视觉和深度学习的车辆碰撞预警算法研究

车辆行驶中,常因跟车过近引发碰撞事故,针对这一问题,研究提出一种基于机器视觉和深度学习的车辆碰撞预警算法。首先,利用图像处理方法对车道线进行检测,根据不同车速设置不同范围的安全区域。再利用深度学习卷积神经网络对视野中车辆目标进行检测,当目标侵入安全区域时发出碰撞预警提示。实验结果表明,文章算法能有效地对潜在碰撞威胁进行预警,对碰撞威胁检测的查准率和查全率有着较好的表现。将其应用在车辆驾驶中可有效地提高行车安全,具有实际应用价值。     

基于机器视觉的首饰识别

为了实现首饰的自动识别,设计了一套基于机器视觉的首饰识别系统,并提出相应的算法。采用8种首饰作为试验样本,利用G+R分量和的颜色阈值分割法,并用27×27的模板对二值化图像进行滤波,采用2×2窗口内像素灰度值之和并结合阈值的边缘提取方法。提取面积特征和图像形心到边缘的距离特征。对面积判断其大小在设定数值范围内,对距离特征采用互相关算法处理。实验结果表明,该方法的识别准确率达100%,识别一个首饰所用时间约3秒,满足在实际中应用的要求。     

基于机器视觉的目标跟随六足机器人

针对智能机器人控制领域的机器视觉中的目标跟踪问题与机器人运动控制方法研究,设计实现了一款基于机器视觉的目标跟随六足机器人,该系统的机器视觉目标跟踪算法为TLD(tracking-learning-detection)算法,采用stm32嵌入式处理器驱动32路舵机控制板控制机器人运动,并设计实现了一种小型自动火控装置用于锁定目标后的定位打击.该系统融合了六足机器人运动学和机器视觉目标跟踪技术,对六足机器人步态进行研究,根据目标视觉导航,精确锁定目标,对目标进行瞄准打击做出了详细的设计实现工作.     

基于激光点标定和机器视觉的门窗洞尺寸测量

在房屋验收中,门窗洞尺寸测量是非常重要的一个环节,目前在工程实践中主要是用卷尺和激光测距仪人工测量门窗洞的尺寸。但人工测量存在测量速度慢、测量结果易受人为因素干扰、局部测量数据代替整体测量结果等问题。针对目前人工测量存在的不足,提出了一种基于激光点标定的视觉测量方法,通过计算两个激光点间的实际距离和图上距离的比值,计算得到每个像素点相对应的实际尺寸,之后通过图像处理算法得出门窗洞的图上尺寸,计算出门窗洞的实际尺寸。该方法可以实现在不同视距下对门窗洞尺寸进行测量。针对测量时实际拍摄的图像,将模板匹配算法和边缘检测算法融合,先采用模板匹配的方法识别激光点和门窗洞上方两个顶点的位置,然后采用基于大津算法的Canny算子识别门窗洞的边缘,再用霍夫变换检测出门窗洞边缘直线解析式,最终计算出门窗洞四条边的长度。在不同视距下对同一个门窗洞进行多组实验,测量出来的结果与实际尺寸的平均误差为2.62 mm,最大误差小于5 mm,实验结果表明该测量方法可用于不同视距下的门窗洞的测量。     

基于机器视觉汽车扶手箱卡簧装配质量检测系统的研究

给出了一种基于机器视觉的全自动汽车扶手箱卡簧装配质量检测系统。利用由工业摄像机和光源组成的视觉系统采集汽车扶手箱装配部位的结构图像并对其进行分析处理。通过对图像进行去除噪声、模板匹配定位、目标区域图像分割等过程得到待检测部件的相对位置信息。运用软件来测量各个区域特征间的位置关系和面积大小并与标准值进行比较来判断装配质量的好坏,从而实现汽车扶手箱卡簧装配质量检测过程的完全自动化操作。     

基于机器视觉的零件自动装配系统

针对工业装配生产线的削刀架自动装配问题，基于机器视觉技术，构建了一套在线机器视觉系统．采用特征值方法识别零件，并通过质心法结合特征点及最小二阶矩进行定位．利用带有透镜径向一阶畸变的小孔摄像机模型，采用径向排列约束（RAC）2步标定法对摄像机进行了标定，并在线验证．实验结果表明，该方法可获得很好的识别效果，识别零件正确率100％，系统工作时间约300ms，满足装配作业的实时性和精度要求．     

基于机器视觉的桥梁裂缝检测应用及发展综述

桥梁裂缝是影响桥梁服役性能的关键因素之一,裂缝检测对桥梁养护至关重要。目前大部分检测为人工检测,检测人员通过目视检查裂缝,手动记录裂缝,检测的时间成本高昂。基于机器视觉的桥梁裂缝检测系统利用桥梁表面图像进行裂缝识别,近年来借助人工智能技术使裂缝自动化识别的精度和效率大大提升。详细介绍了基于机器视觉的桥梁裂缝检测系统及其应用,总结了该技术在桥梁裂缝检测中的优势及改进方向。     

基于边缘特征的运动目标提取与跟踪

运用聚类准则，提出了一种获取二值边缘图的自动门限法，研究了序列图像中目标跟踪窗的自适应调整，并在此基础上进行了复杂背景中运动目标匹配跟踪试验，试验结果表明，本方法提高了复杂背景中运动目标跟踪的能力，可作为常规跟踪方法的补充，以达到稳定跟踪。     

基于神经网络结构搜索的目标识别方法

针对目标识别需求,对基于神经网络的深度学习方法展开研究。由于深度学习模型中包含了对数据的先验假设,因此人工设计神经网络需要领域内专家丰富的先验知识,且具有劳动密集与时间成本高的缺点。为了获得超越专家个人经验、表现更好的网络,采用一种可微神经结构搜索的高效结构搜索方法,将搜索空间放宽为连续的空间,然后通过梯度下降来优化体系结构的验证集性能,从而找到面向目标识别的最优神经网络结构。仿真实验结果表明,将基于神经网络结构搜索的目标识别方法应用于"低慢小"类目标识别是可行的。     

基于小波模板匹配的目标跟踪

在目标跟踪数学模型的基础上,分析了小波变换在目标跟踪中的技术优势。为将目标跟踪流程中分步实现目标分离、目标特征提取和目标识别的方法并行化,给出了对小波域中系数空间矩阵进行分层匹配目标跟踪算法。在自行设计的基于DSP(DigitalSignalProcesor)的嵌入式跟踪系统中给出该算法快速实现方法。结果表明,在100MHz系统时钟情况下,模板窗口为128×96时,在搜索范围为256×192的跟踪窗口内,可实现实时的跟踪处理。     

基于机器视觉的除草机器人杂草识别

根据杂草颜色特征,提出了新的图像分割算法,在RGB空间直接将杂草从土壤背帚中分割出来。首先顺序搜索图像中每一个像素点,如果当前像素RGB值中G〉R且G〉嚣,则将该像素值置1（杂草）,否则为0（背景）,从而完成图像分割。然后采用8邻域消除孤立点,并确定杂草区域位置。利用VisualC＋＋开发了除草机器人杂草识别软件,设计了除草机器人结构模型。试验表明,该分割算法实时性好,可有效识别出杂草,并能够适应户外自然先变化。除草机器人机械臂能够准确定位,完成除草动作。     

基于机器视觉的露天矿司机驾驶疲劳监测

为监测露天矿司机驾驶疲劳状态,利用AdaBoost算法快速实时露天矿司机脸部跟踪检测,基于模板匹配算法和改进型SNAKE算法提取司机眼睛特征,运用眼睛累计闭合持续时间占某特定时间的百分率(PERCLOS)算法判断司机是否处于驾驶疲劳状态,有效地实现了基于机器视觉的、车载的、实时的、非接触的、无干扰的露天矿司机驾驶疲劳状态监测系统.经应用验证了系统可行性,并对保护人员生命,提高矿山经济效益具有重要的意义.     

面向LED芯片检测与分选的机器视觉定位系统的开发

LED芯片定位是进行芯片检测、划片、扩晶、固晶及判断芯片电气特性、芯片管脚是否达到要求,能否成功分选LED芯片质量的关键一环.针对这一问题,首先根据定位系统的结构原理,对LED芯片高精度定位系统进行了方案设计并构建出其硬件结构.其次分析研究了定位系统的视觉部分,并运用图像处理中的模板匹配算法,解决了LED芯片的精确识别与可靠定位.然后对定位系统的运动控制滑台部分进行设计,通过运动控制卡发脉冲操作驱动器控制直线伺服电机运动,并采用直线光栅检测技术进行位置反馈,从而实现滑台伺服系统X轴、Y轴、Z轴和θ角等方向上的精确定位.最后对定位系统的视觉软件、运动控制软件等部分进行设计,其中视觉软件采用VB6.0开发操作界面、图像处理软件Halcon10.0进行识别和定位,运动控制软件进行滑台的运动控制,从而获得LED芯片在晶圆上的精确位置.分别采用机器视觉、滑台伺服控制、光栅检测反馈和高精度图像模板匹配技术,研制出LED芯片高精度定位的自动化检测系统.实验测试结果表明,其图像定位精度误差小于1μm,滑台定位精度误差4μm,整体定位系统定位精度小于5μm,定位速度大于5粒/秒LED芯片.因此,该系统不但能够满足定位系统的科研需求,也能推广应用到生产中去,为芯片级高精度定位系统开辟了新的方法.     

视觉动态目标识别研究进展

近年来,基于计算机视觉的动态目标识别的研究和应用逐渐成为热点问题,通过介绍国内外基于计算机视觉的动态目标检测、确认、定位等领域的研究进展,展望目标识别的发展趋势.首先介绍目标识别过程中的典型方法,然后对基于计算机视觉的动态目标识别算法进行分类,接着对各种方法中采用的不同算法技术进行阐述,并分别介绍了各类别中具有代表性的算法及其优缺点,最后就动态目标识别领域的研究难点及发展趋势进行了简要论述.     

机器视觉在无人机巡线中的应用综述

输电线路的稳定是保证电力稳定供给的重要因素之一。输电设备的工作环境较为恶劣,在工作期间不可避免会出现损坏,可能会威胁电力系统的正常运行。为了保证电力系统的稳定运行,必须定期对输电线路进行检修。随着无人机技术和图像处理技术的发展,基于机器视觉的无人机巡线技术已成为输电线路最热门的一种巡检方式。以机器视觉技术为主体,概述了无人机巡线技术及其视觉系统的图像处理算法研究现状。