基于无人机成像的棉田判别与面积估测

准确测量棉花种植面积和空间分布,对棉花产业发展有重要意义。无人机近地面成像因其空间分辨率高、成本低、周期短和可重复性强等特点,在土地和作物信息监测等方面逐步得到应用。本文提出采用无人机成像的方式进行棉田种植面积估测,首先采用无人机搭载可见光相机,对棉田及周边地区进行成像,并计算图像植被指数和纹理等共36项特征;其次通过主成分分析算法综合分析各个类型特征的优势并筛选有效特征,再采用最大似然分类法识别棉田;最后计算棉田面积,棉田面积总误差为0.51%,其中脱叶棉田面积误差为0.72%,未脱叶棉田面积误差为0.32%。上述结果表明:该方法可有效判别棉田像素点并计算棉田面积,可为收获期棉田面积测量和空间分布分析提供参考。     

基于机器视觉和激光测距的输电线故障定位

结合定位技术和激光测距技术,提出了一种基于机器视觉的电力巡线故障定位新方法.通过无人机搭载可见光相机进行巡线拍摄,将航拍图像实时传回地面站进行处理.采用数学形态学的图像处理方法和模式识别方法进行故障检测与识别.通过惯性测量系统进行初步定位,得到无人机的经纬度坐标.利用无人机机载激光测距模块,测量故障点到无人机的距离来修正坐标.最后,经过空间大地坐标系和空间直角坐标系的变换,以及两个空间直角坐标系的基准转换,计算出了故障点的准确位置,并且很大程度地提高了定位的准确性,其空间直角坐标测量精度可达0.11m.     

海战场的目标检测与识别

针对海战场图像信息的目标检测与识别,提出了一种适于海战场区域特征的遥感图像目标检测与识别方法．研究采用线性滤波器将图像划分为若干个空间尺度,并对不同空间尺度的图像,根据生物视觉生理特性的原理,提取图像中目标的视觉显著性特征,此特征包含目标不同于其周围区域的程度和空间分布状态．根据分析提取的目标空间特征信息,使用支持向量机对视觉显著性特征图像进行分类,实现目标信息提取,并通过Dempster-Shafer证据理论的分析方法判断目标的相关信息及其置信度,达到识别目标的目的．实验结果表明：此方法能以高可靠性和高精确度检测出海战场图像信息中的目标,获取目标相关信息．     

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.     

基于序贯相似度的AGV图像配准方法

在视觉引导AGV技术中,符号识别是关键。为实现AGV对地面符号快速、准确的识别,当AGV视觉系统获得的地面符号图像时,首先利用统计特征区域的黑点数来筛选模板,然后采用基于模板匹配的图像配准算法对筛选后的模板进行匹配,完成识别。经过仿真实验证明,该算法的匹配率普遍达到90%以上,基本满足了AGV模板识别、定位的需要,并且计算量较小、计算时间较短。     

基于云台相机的四旋翼无人机跟踪控制系统

针对四旋翼无人机跟拍过程中视角固定,易丢失目标的问题,设计了一种基于云台相机的四旋翼无人机跟踪控制系统。首先,使用云台相机对地面移动目标进行拍摄,通过对目标的颜色特征和形状特征进行检测识别,使用核相关滤波( KCF: Kernel Correlation Filter) 方法进行视觉跟踪,得到地面移动目标在图像坐标系的位置。然后,通过建立针孔模型,解算出在云台相机带有俯仰角时的无人机与地面目标的相对位置关系。最后,设计了离散串级比例-积分-微分( PID: Proportion-Integral-Differential) 踪控制器,实现对无人机的位移控制,使四旋翼无人机可对地面移动目标进行稳定跟踪。同时设计了串级比例-微分( PD: Proportion-Differential) 控制器以实现云台相机的视角跟踪,增大了无人机的跟踪范围,降低了丢失目标的风险。实验结果表明,所设计的四旋翼无人机跟踪控制系统可实现对地面移动目标的稳定跟踪。     

基于序贯相似度的AGV图像配准算法

在视觉引导AGV技术中,符号识别是关键。为实现AGV对地面符号快速、准确的识别,当AGV视觉系统获得的地面符号图像时,首先利用统计特征区域的黑点数来筛选模板,然后采用基于模板匹配的图像配准算法对筛选后的模板进行匹配,完成识别。经过仿真实验证明,该算法的匹配率普遍达到90%以上,基本满足了AGV模板识别、定位的需要,并且计算量较小、计算时间较短。     

基于SIFT算法的无人机烟株图像快速拼接方法

无人机由于受到飞行高度及携带相机焦距的限制,拍摄的图像范围很小,单个图像难以反映实际采集情况,为了获取拍摄区域全景图像,需将多个遥感图像进行拼接。传统的图像拼接算法具有计算量大、拼接耗时等缺点,无法满足无人机图像拼接的实时性要求。本文提出了一种基于SIFT特征向量的烟株遥感图像拼接方法,该方法在对无人机图像畸变进行预处理的基础上,利用相位相关算法确定图像重叠区域并检测该区域特征点,构建特征向量图来进行特征点匹配,最后根据两幅图像中相应特征点的坐标关系,采用RANSAC算法计算最优匹配变换矩阵。按照上述方法对获取的烟株图像进行拼接,结果表明:该方法快速有效,较传统SIFT拼接算法在速度上提高了49.8%。     

热态重轨表面缺陷机器视觉检测的关键技术

针对目前热态重轨表面缺陷检测速度慢、精度低的问题,提出一种基于机器视觉的热态重轨表面缺陷检测系统。利用多线阵CCD摄像机采集图像,根据重轨几何特征及其缺陷高频区域特性,对重轨进行了六视角拍摄,然后在图像工作站中进行各种图像处理。系统采用改进的Hough变换提取特征缺陷,针对SVM算法训练速度慢的特点,利用模糊Kohonen神经网络对重轨表面缺陷进行分类。采用上述机器视觉检测关键技术对热态重轨表面进行缺陷识别,提高了检测速度,且正确率在85%以上。     

基于机器视觉的油田仪表示数自动识别方法

传统的以指针定位为基础进行仪表示数识别主要通过人眼确定指针位置,导致识别结果误差较大。因此,该研究将机器视觉应用在自动识别中,设计一种新的油田仪表示数识别方法。针对CCD摄像机拍摄的油田仪表图像,进行光照均衡、图像校正和图像分割处理,再通过Faster-RCNN网络结构检测并提取仪表示数图像的目标识别区域。运用机器视觉算法获取仪表刻度数值信息,并精准定位仪表指针位置。根据指针与最小刻度线夹角,自动识别出当前仪表示数。实验结果表明：所提方法的示数识别结果最大绝对误差仅为0.01 MPa,可满足油田仪表示数识别精度要求。     

可变视场下的火灾探测算法

针对火灾发生初期由火焰面积小、特征不够明显且易受干扰等因素所导致的火焰识别困难的问题,提出一种可变视场下小面积火焰快速探测方法.该方法利用旋转云台实现小面积火焰疑似区域的大监控范围跟踪和视野中央聚焦;通过镜头变焦处理对小面积火焰进行自动放大,提高火焰区域“多分辨”视觉识别特征的显著性;采用自适应区域增长算法对火焰图像进行识别,有效完成火焰疑似区域分割;通过建立的信任度概率模型,将疑似概率作为火焰判定的量化参数,用于火焰区域的最终确定,从而在识别算法和图像获取硬件设备两方面改善火焰探测系统的工作效率.实验结果表明,火焰成像质量得到明显改善,火焰特征识别速度得以明显加快,小火焰检测精度显著提升,可广泛应用于火灾早期以及远距离火焰检测与预警.     

基于改进Cascade R-CNN的两阶段销钉缺陷检测模型

无人机在输电线路巡检过程中会拍摄大量图片,自动识别无人机拍摄图片中存在的部件缺陷是无人机巡检的重要环节.其中销钉的缺陷由于目标较小且需要依赖上下文信息才能正确判断,识别难度较大.针对上述问题,提出了一种两阶段的销钉缺陷检测模型.首先使用Faster R-CNN (regin convolutional neural networks)模型提取出原始图像中的连接部位,再对提取出的每个连接部位进行缺陷识别.缺陷识别模型使用改进的Cascade R-CNN,该模型使用层级残差卷积模块代替骨干网络中的3×3卷积并使用路径聚合特征金字塔(PAFPN)代替原始网络中的特征金字塔结构,能够有效提取图片中的多尺度特征和上下文信息.最后将级联检测器的最后一级替换为double-head检测器,减少模型误报.实验结果表明,模型对销钉缺失及销钉脱出两类缺陷的平均识别精度能够达到81.2％,与原始的Cascade R-CNN相比提升了7.8％.     

计算机视觉的液压气动控制液位的识别

针对传统的超声液位检测技术进行液压气动控制液位识别受到多层介质传播损失因素的影响,导致识别的精度不高的问题,提出一种基于计算机视觉的液压气动控制液位识别技术,对采集的液压气动控制液位标记视觉图像进行模板特征匹配,进行液位视觉图像的信息增强和边缘轮廓检测处理,结合气动控制液位成像区域特征分割方法实现液位标记线分割,实现液位视觉识别。仿真结果表明,采用该方法进行液压气动控制液位识别的精准度较高,抗介质传播损伤的干扰性较好。     

基于机器视觉的BGA芯片缺陷检测及其MATLAB实现

文章应用机器视觉技术,采集回流之前的球栅阵列(BGA)芯片图像,对图像进行预处理后,运用点分析方法对图像中各个焊球区域进行标记,通过计算获得焊球数目以及各个焊球位置、大小等特征信息,建立判断标准并依次序对这些信息进行比对,从而判断芯片合格与否,并对不合格芯片判断其缺陷类型;研究采用MATLAB完成图像预处理以及具体的检测程序编写;实验结果证明,此方法可以正确识别缺陷类型,在检测速度以及可靠性方面有很好的保证.     

视觉测量图像处理关键算法的研究

本篇文章介绍了一种测量图像处理的方法,在摄影进行图像摄影测量中,采用边缘特征、区域特征以及灰度特征等处理方式进行视觉测量图像的处理有效关键的计算方法进行研究,并且具有一定的实时性、自动性以及精准性的特点,可以较好的满足高精准度的视觉测量图像的关键算法。     

基于分区域特征提取的单张图像天气识别

针对单张图像的传统天气识别方法准确率较低,以及对天空区域不明显的图像具有识别局限性的问题,提出基于分区域特征提取的天气识别方法;在含有晴天、多云、阴天、雾天4种天气的数据集中,对图像进行天际线分割,并识别天空区域与地面区域;分别提取图像中天空区域、地面区域和图像整体的纹理特征、形状特征及颜色特征,并利用随机森林分类模型进行训练和测试。结果表明,该方法对于单张图像天气识别的准确率为92.6%,可以准确地识别图像天气,具有较强的实用性和普适性。     

足球机器人视觉系统中彩色目标分割方法

足球机器人(MiroSot系列)仅依赖于其视觉系统获得比赛场上的信息.视觉系统对获取的小车顶部标志块的彩色图像进行处理,以识别小车信息.作者试验了3种彩色标志块的设置,并在第1种方案的基础上研究了一种快速彩色目标分割方法,即根据足球机器人视觉系统所处理的视频图像中,待识别的目标区域(前景)面积远小于其他区域(背景)的面积,运用一种基于全局扫描的快速算法,1次分割出所有感兴趣的目标,缩减了系统中目标识别时间,从而使系统能进行一些额外的图像预处理操作,在提高系统识别速度的同时,提高识别精度.     

鱼眼图像识别技术在太阳跟踪系统中的应用

通过对鱼眼镜头拍摄的全景天空图像HIS颜色模型的处理,采用球面模式实现对鱼眼图像的平面快速转换,提取符合太阳区域的轮廓形状特征、面积特征以及动态偏移特征的高亮度光斑区域,计算太阳区域重心实现对太阳位置的精确定位.     

一种基于对比度增强的图像显著性检测方法

在视觉注意机制下,图像显著性表现为人眼对图像中部分区域的重视程度,但采用频率调谐(frequency tuning,FT)算法进行图像显著性检测时,出现显著区域亮度不均匀、细节信息不明显等问题。针对上述问题,提出一种基于对比度增强的图像显著性检测方法。该方法将输入图像进行全分辨率对比度增强处理,通过高斯带通滤波器筛选出显著性区域,然后将Lab颜色空间分解成3个特征通道并做归一化处理,利用各通道的能量占比进行动态权值融合得到最终显著图。结果表明,该方法提高了目标轮廓及内部细节信息的清晰度,明显地突出显著区域,更易于目标的检测与识别。