基于深度卷积神经网络的视觉里程计研究

视觉里程计利用视频信息来估计相机运动的位姿参数，实现对智能体的定位。传统视觉里程计方法需要特征提取、特征匹配/跟踪、外点剔除、运动估计、优化等流程，解算非常复杂，因此，提出了基于卷积神经网络的方法来实现端对端的单目视觉里程计。借助卷积神经网络对彩色图片自动学习提取图像帧间变化的全局特征，将用于分类的卷积神经网络转化为帧间时序特征网络，通过三层全连接层输出相机的帧间相对位姿参数。在KITTI数据集上的实验结果表明，提出的Deep-CNN-VO模型可以较准确地估计车辆的运动轨迹，证明了方法的可行性。在简化了复杂模型的基础上，与传统的视觉里程计系统相比，该模型的精度也有所提高。     

人工智能双目视觉闸机的可靠性分析

随着人工智能技术的迅猛发展,出入口控制系统(ACS)迎来新一轮的技术变革。根据人工智能双目视觉闸机的技术背景、应用结构,结合行业数据,对其可靠性指标的计算方法进行了分析和论证。     

煤矿地面轨道运输矿车自动避障技术研究

介绍了煤矿地面轨道运输矿车自动避障技术。首先介绍了基于雷达的矿车前方障碍物检测技术及其相关算法,然后详细介绍了基于机器视觉的矿车前方障碍物检测系统和常用的图像处理方法以及相关的算法,最后介绍了雷达和机器视觉融合的障碍物检测技术在煤矿地面轨道运输矿车自动避障过程中的应用。     

智能远距离激光切割控制系统设计与研究

随着人工智能技术的发展,机器视觉与传统工业的结合应用越来越广泛。在电力铁塔安装作业过程中,角钢预置孔位常出现错位,需要在高空实施切割打孔作业。因激光切割角钢效率较高,研制了一套适用于高空铁塔的扩孔切割设备可解决传统方法效率低的问题。通过视觉识别待切割孔,确定待切割路径,控制电机转动,完成激光切割作业。经过试验,所设计的控制系统能够满足激光扩孔切割要求。     

带式输送机煤流量自适应检测方法

针对现有带式输送机煤流量检测方法存在检测精度易受环境影响、实现过程复杂、信息提取耗时较长等问题,提出了一种基于机器视觉的带式输送机煤流量自适应检测方法。首先,采用基于小波变换的融合算法对带式输送机运输煤料原始图像进行增强处理,并采用OTSU算法将增强图像分割为胶带图像和煤料图像;然后,对煤料图像进行空洞填充、轮廓检测和面积计算等处理,获取煤料图像面积信息;最后,采用基于数学建模的煤流量检测算法,通过计算煤料瞬时体积获得煤流量检测值。试验结果表明,该方法平均检测时间约为30ms,检测结果与电子胶带秤测量结果的误差约为5%,满足带式输送机自动调速控制系统对煤流量检测实时性和准确性的要求。