基于机器视觉的工矿现场粉尘实时监测

针对传统粉尘监测方法实时性差、覆盖面不全的问题,提出了2种基于机器视觉的工矿现场粉尘实时监测系统设计方案,即基于单目视觉的粉尘监测系统和基于双目视觉的粉尘监测系统。基于单目视觉的粉尘监测系统采用帧差法、腐蚀膨胀算法等实现对视场内粉尘目标的快速识别;基于双目视觉的粉尘监测系统在单目视觉粉尘监测系统的基础上,利用标定靶,通过空间三维重建实现粉尘定位。实验结果表明,基于单目视觉的粉尘监测系统可以捕捉粉尘团生成的过程,实时处理速率为4帧/s;而基于双目视觉的粉尘监测系统可以进一步测量粉尘团位置信息,定位误差在10%以内。     

基于嵌入式视觉的子机器人入舱方法

提出一种基于嵌入式视觉的子机器人入舱方法, 用于子母式机器人系统中对子机器人的回收. 子机器人基于自身嵌入式平台捕获和处理入口处的引导标识图像, 根据局部颜色排布特征快速提取出标识中心, 利用最小二乘法拟合水平颜色交界线的成像斜率, 基于成像斜率-视偏角模型判别出子机器人航向与入口平面的法线关系, 从而进行运动决策使二者重合以完成入舱. 该方法无需摄像头标定和航迹测量即可准确入舱, 仿真实验验证了所提出方法的有效性.

     

基于双目视觉的智能跟踪行李车的设计

利用空间同一点在双摄像机画面上的视差,设计了一种基于双目视觉的智能跟踪行李车系统.采用CMOS摄像头搭建双目视觉系统,并用张正友法对主、从摄像头进行标定.通过对主、从视场内同一运动目标进行检测与匹配,并根据主、从视场中目标上同一点的视差计算出三维空间坐标,从而实现对目标的跟踪.采用模块化设计了系统硬件部分,并详细描述了目标识别算法和行李车运动控制策略.仿真结果表明,系统在单一背景下能较好地跟踪运动目标.     

基于RGB-D摄像头的实时手指跟踪与手势识别

近些年,基于视觉的手部跟踪与手势识别一直是人机交互和计算机视觉等领域的研究热点。传统方法主要是使用单目或多目RGB摄像头等设备获得手部位置、方向等信息,但RGB摄像头易受到复杂背景、光照变化、纹理的限制,导致其准确性、实时性和鲁棒性都较差。随着可获得场景深度信息的家用RGB-Depth(RGB-D)摄像头的发展和上市,可以利用深度信息较好地克服上述环境问题。首先定义了一个基于RGB-D摄像头的3D交互空间,根据深度信息将手部区域从复杂背景、多变的光照条件下进行分割;然后提出了一种基于深度摄像头的手指识别和跟踪方法,该方法基于手部轮廓对人手及手指进行识别和跟踪;最后通过对手指位置和轨迹的跟踪进行手势识别,从而实现人机交互。对提出的方法进行的实验验证了它的准确性、实时性和鲁棒性。     

基于LabVIEW机器视觉的微小位移动态测量

本文采用LabVIEW机器视觉平台开发设计基于USB摄像头的微小位移测量系统。使用LabVIEW软件平台编程控制USB摄像头．采集显微镜中放大物体前后移动的图像，通过计算物体图像移动像素点数来测量物体移动的微小位移。本测量系统摄像帧速为30帧/秒．可以实现微小位移的动态测量。     

面向大屏幕投影环境的场景漫游交互技术

为提高交互的自然性和降低认知负担,针对大屏幕投影环境提出一种无标识的基于人体空间定位和姿势识别的虚拟场景漫游交互方法.通过已标定的双摄像头实时检测运动人体前景,应用立体视觉方法定位人体空间位置,采用向量进行姿势表示和识别.基于行走隐喻将人体空间位置和姿势作为交互输入信号,借助有限状态机实现交互状态间转换.实现的原型系统表明,该方法可实现自然的虚拟场景漫游交互.     

视觉与GPS/IMU融合的智轨电车循迹控制研究

视觉识别技术易受地面标识污损、强光反射及视场角小等因素影响,而全球定位系统(GPS)则易受遮挡与电磁干扰等因素影响,使用任意单一定位方式均会出现循迹可用性不高的问题.对此,文章提出一种融合视觉与GPS组合惯导的容错控制方法.其首先基于图像识别方法对车道线进行识别,得到车辆与道路的几何关系参数后,设计PID控制器进行转向...     

基于人工智能视觉技术的智能家居系统设计研究

针对目前智能家居系统的低使用率,以及日常家居电器过载易发生火灾,且无法实时监测和预警等一系列问题,提出了一种基于人工智能视觉技术的智能家居监测预警系统.通过OpenCV与VS结合开发的家居电器监测与预警算法对采集到的家居电器图像进行一系列的处理,包括开闭运算等数学形态学的运算,对家居电器过载的图像特征进行阈值分割,结合...     

GIS母线舱位移形变监测与预警系统研究与设计

通过研究GIS母线舱位移形变的成因,提出GIS母线舱位移形变监测与预警系统的设计方法,采用各类传感器采集影响GIS母线舱位移形变的信息,并通过无线网络远传,控制中心进行数据的读取、存储、处理、告警等操作。该系统为GIS母线舱可靠运行提供预警和研究资料,具有重要的意义。     

钢板表面质量机器视觉检测系统设计

针对国内钢厂采用人工方法检查钢板表面缺陷存在可靠性差的问题,开发设计了基于机器视觉技术的带钢表面缺陷自动检测系统.系统通过摄像头采集带钢表面的图像,然后采用图像处理及模式识别算法对图像进行实时处理和分析,从而检测出钢扳表面缺陷,并对缺陷进行自动分类识别.实验结果表明,系统能够对带钢表面进行实时在线监测,并能正确识别常见的带钢表面缺陷.