基于机器视觉的智能小车道路识别系统设计

本设计是在以MC9S12XS128为主控芯片的基础上完成的,包括自制的系统板部分、数字CCD摄像机部分、车速传感器部分、加速度传感器部分、驱动电机及转向舵机控制部分;本车采用数字CCD传感器寻迹,以脉宽调制控制方式(PWM)控制电机和舵机。软件是在CodeWarrior 3.1的基础上用C语言编写的,车辆纵向控制采用数字增量式PID控制算法,横向控制采用拟人控制算法。     

基于视觉识别技术的移动式樱桃采摘机器人设计

为了降低樱桃采摘过程中的破碎率,提高采摘效率,设计一种新的基于视觉识别技术的移动式樱桃采摘机器人。将TI公司的32位数字处理器芯片TMS320F2812作为核心处理器设计移动式樱桃采摘机器人,本文给出硬件总体方案,并且通过SAA7105完成对视频图像的编码操作。软件设计主要包括樱桃的定位、机器人手眼标定和机器人路线规划。依据目标上多个点的三维位置信息对樱桃球模型进行重建,通过最小二乘法求出樱桃质心位置,实现樱桃的定位。将樱桃在机器人坐标系中的定位简化成求解摄像机坐标系和机器人坐标之间的映射矩阵,通过映射矩阵实现机器人手眼标定。考虑到樱桃的采摘要求,通过分段路径规划对机器人的运动进行控制。实验结果表明,所设计机器人图像处理性能强、定位精度高,在保证采摘精度的同时,有很高的采摘效率。     

基于机器视觉的交通标志识别系统设计

以MATLAB的Simulink和计算机视觉工具箱为基础,分析了其在交通标志识别中的应用。交通标志识别系统采用Simulink模块进行搭建。系统由视频输入、检测识别和视频显示模块构成。视频输入模块对采集视频中的视频帧进行颜色空间转换,检测识别模块通过函数编写来实现当前图像与模板库标志对比来识别交通标志。为验证系统的有效性,通过对行车记录仪视频进行实验,实验结果表明,系统可以对交通标志进行有效识别,实时性和鲁棒性较好。     

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。     

基于机器视觉的水果分拣系统

近年来我国的水果产量增长迅猛,以往人工分拣的形式已经很难满足现代农业生产的需求.为了提高水果的分拣效率,达到现代农业生产的需求,提出以机器视觉代替人工对水果进行分拣.本系统以托盘传送装置为水果硬件部分,配合CCD面阵工业相机获取图像并传送至预先编写的图像处理程序中.在程序中对所获水果图像进行预处理、特征提取.将提取的特征值作为输入通过神经网络分类,预计分拣正确率在98%左右.     

基于机器视觉的答题卡识别系统设计

为降低成本与实现答题卡的自动化识别,设计了基于机器视觉的答题卡识别系统,对图像提取、区域划分及识别算法分别进行研究。通过形态学操作、轮廓检测、仿射变换等技术,实现对答题卡图像的提取;基于最大矩形框检测算法,实现答题卡的区域划分;利用透明通道(Alpha通道)对标准答案与待识别答案填涂区域进行抠图,将处理后的图像匹配叠加;利用叠加图像的RGBA颜色空间特性、同步头的灰度投影结果与指针算法共同完成答题卡的识别。试验结果表明,系统的使用与维护成本低、操作方便且具有较好识别效果。     

基于立体视觉匹配的采摘机器人目标定位方法

为了解决采摘机器人目标定位偏差大的缺陷,提出基于立体视觉匹配的采摘机器人目标定位方法。引入立体视觉模型获取目标图像,采用线性平滑滤波模板消除目标图像的噪声;应用Bouguet算法立体校正左、右图像对;应用Sobel算子检测采摘目标边缘,确定目标的采摘中心点,通过立体匹配确定左、右图像中采摘目标的对应关系,完成采摘中心点的正确匹配,实现采摘机器人目标精准定位。测试结果显示,应用提出方法获得的采摘中心点匹配精度更高,采摘机器人目标定位误差最小值为1.0%,降低了目标定位偏差,应用性能较佳。     

城市企业视觉识别设计发展研究

通过对城市企业视觉形象设计情况的调查研究,做出具体的解决方法即加大重视视觉识别设计发展力度、努力提高设计人员综合素质,并对视觉识别设计的各个要素做出具体实施思路。     

城市企业视觉识别设计发展研究

通过对城市企业视觉形象设计情况的调查研究.做出具体的解决方法即加大重视视觉识别设计发展力度、努力提高设计人员综合素质,并时视觉识别设计的各个要素做出具体实施思路.     

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.     

基于改进YOLOv5s的辣椒采摘机器人识别定位方法

为了准确研究辣椒采摘机器人受不同作业场景影响的规律,利用获取的采摘目标信息构建基于改进YOLOv5s的辣椒采摘识别定位模型.基于光照强度、光照角度、枝叶遮挡和果实重叠等场景建立图像数据库,引入双向特征金字塔网络改进YOLOv5s的特征融合网络进行深层次特征提取,以增强网络的信息表达能力,提高检测精度.探讨不同场景对该模型检测精度P、检出率R和平均精度均值(mean average precision, MAP)的影响规律.结果表明：改进后YOLOv5s模型对辣椒的检测精度高达95.6%,较YOLOv4、YOLOv3、YOLOv2及Faster R-CNN模型分别提高了6.1%,9.3%,44.4%,8.2%;光照角度处于正面90°时的检测效果最佳,MAP达97.3%;模型在白天强光和傍晚弱光场景下的鲁棒性好,MAP值高于90%;模型在枝叶遮挡场景下比果实重叠时的检测精度高;辣椒距离相机坐标系的空间坐标测量值取0.2 m时的误差仅为1 mm,满足辣椒采摘定位精度需求.     

基于深度数据的手势识别研究进展

手势是人机交互的重要手段之一。基于视觉的手势识别具有非接触式交互的特点,在人工智能领域得到越来越广泛的应用。然而,受到传统二维光学摄像头的限制,采集到的手势图像质量极易受到光照和杂散背景的影响,这给手势的提取带来了重大挑战,严重制约了基于视觉的手势识别的实用化进程。近年来,深度摄像技术的兴起,为解决上述问题带来了新的机遇。在深度数据的辅助下,基于视觉的手势识别新方法层出不穷,识别的准确度不断提升,有力地促进了基于视觉的手势识别系统的实用化进程。在此背景下,从数据的角度出发,分深度数据的获取、常用手势数据集和基于深度数据的识别方法 3个方面介绍目前基于深度数据的手势识别研究的最新进展,并对其未来发展做了进一步的展望。     

网站中的视觉识别设计

在信息量极大丰富的网络世界里,如何吸引浏览者的注意力,除了内容是一个重要的因素外,网站的外观也同样起着举足轻重的作用。对网站规划并建立一套完整的视觉识别系统,不断强化网站的品牌形象,从而获得浏览者的认同,是增强网站视觉识别、强化印象留存的一个重要手段。     

基于计算机视觉的登机桥全自动接机系统设计

目前登机桥主要是有专业人员手动控制完成靠接飞机舱门,或者是在飞机舱门附近增加反射装置来实现舱门的自动识别和定位。为了实现不需要对舱门进行改造的登机桥全自动靠接功能,采用计算机视觉对飞机舱门进行识别和定位,通过数字图像处理提取飞机舱门信息并用双目视觉测量出登机桥与舱门的相对位置,生成运动控制指令。结果表明,系统的运行误差不超过20mm,符合登机桥靠接规范和要求。     

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。     

基于机器视觉的烟箱包装带识别定位算法

为了提高烟箱拆包的效率,提出了一种基于机器视觉的烟箱包装带识别与定位算法.首先将采集到的RGB颜色空间的彩色图像转换为OHTA颜色空间中的灰度图像,通过采用复合动态阈值法在变化光线强度下将箱体与背景分割开;然后用BLOB滤波算法滤除图像中的噪声,沿箱体主轴利用剪切点搜索算法识别并定位了各条包装带的剪切位置.利用开发的智能烟草拆箱机器人系统,进行了大量的试验,结果表明:系统在光照强度为150～400 lx范围内,能对白、黑,灰、紫、青、黄、绿、蓝、咖啡色等9种颜色的包装带进行识别、定位,最大误差为7 mm,检测时间最长190 ms,满足实用要求.     

基于机器视觉的钨矿初选系统设计

针对目前我国钨产业开发中存在的人力资源耗费大,产品纯度和生产效率低,矿产资源浪费等原因。见于目前机器视觉技术在行业检测中的广泛应用,提出将机器视觉技术应用到我国钨产业开发中来。本文从系统的设计,系统开发过程中用到的图像分割、定位、边缘检测等技术方面v做简单介绍。     

基于计算机视觉的混凝土裂缝识别

为降低对结构表面进行裂缝识别的经济和时间成本,而采用计算机视觉技术、使用消费级照相机对裂缝图片进行处理,识别裂缝区域和测量裂缝宽度,包括图像模糊、图像增强、形态学运算、图像畸变校准、连通域标记、孤立点消除、裂缝碎片拼接等.对提取出的裂缝区域,统计裂缝发展方向,计算其对应的裂缝长度及宽度.通过钢筋混凝土梁静力加载试验,对梁表面裂缝进行拍摄,在实验室条件下得知裂缝宽度误差在0.1 mm左右.     

基于计算机视觉的稻谷品种识别技术的研究

稻谷品种目前均由人工检测,工作量巨大,而且检测结果主观性强,一致性差。研究出用计算机视觉技术代替人眼对稻谷进行品种识别,提出把图像的颜色特征和形状特征结合起来进行稻谷品种识别的方法,通过贝叶斯决策方法建立识别分类器,识别正确率达到88．3％以上。