基于机器视觉的工件特征识别与分类方法研究

机器视觉是计算机科学与人工智能研究领域的一项重要内容,主要通过计算机应用技术来模拟人的视觉功能,对从图像中提取的信息进行分析和处理,以达到实际检测和控制的效果。本文主要对基于机器视觉的工件特征识别与分类方法进行了分析和研究,以期帮助人们更好地了解机器视觉分类识别技术。     

骨架关节点跟踪的人体行为识别方法

基于彩色图像的运动检测和分割方法难以获取完整的人体骨架,并且只能提取关节点的二维坐标信息,而Kinect传感器能通过捕获深度图像来重建完整的人体骨架关节点三维模型,提高了骨架关节点模型的表示精度。本文通过Kinect的骨架跟踪模块对人体的骨架关节点模型进行提取;然后,提出一种坐标转换方法得到人体骨架关节点的三维坐标表示,利用k均值聚类将关节点坐标量化为符号序列;最后,建立离散隐马尔可夫模型来进行人体行为识别。通过自建的数据集进行实验,实验结果表明:本方法能取得94%的识别率。     

对比度熵流仿生导航算法研究

飞行昆虫能够在复杂的自然环境中实现精确的导航,因此研究并借鉴飞行昆虫的导航机理,有助于开发更为高效的导航系统。飞行昆虫(以蜜蜂为代表)的视觉导航实验表明,飞行昆虫是基于图像信息流实现导航的。图像熵可以表征图像信息,为了更好地表征图像的纹理特征及空间分布,提出了对比度熵图的概念及其构造方法。借鉴光流算法及其应用于运动参数估计的思路,再结合卡尔曼滤波对结果进行优化,可得到对比度熵流仿生导航算法。实验表明,对比度熵图的导航算法比灰度熵图的导航算法有更好的导航性能。     

基于Kinect骨骼信息的手势识别

为了提高手势识别的精度和鲁棒性,设计了一套基于Kinect获取的骨骼信息的手势识别算法。该算法首先检测手势的起始点与结束点,然后在截取的图像中提取手势特征,最后用距离加权动态时间规整算法计算测试样本与模板的相似度,得出手势识别结果。通过对常用鼠标手势进行测试表明:本方法可以取得较高识别率,而且不受光照条件影响。     

融合IMU的视觉SLAM系统研究

基于特征点法的视觉SLAM系统在运行的过程中,运动过大,环境特征过少都会影响SLAM系统的运行效果。针对这个问题,提出了一种融合IMU的视觉SLAM系统。首先,提取关键点,并结合PNP与G2O方法估计相机的最优位姿,并构建地图。然后,统计当前帧关键点数量,若特征点足够少,特征点法无法估计相机的位姿变化,则结合陀螺仪与轮式里程计估计位姿;最后,如果特征点数量增加,提取关键特征,结合PNP与G2O的方法估计相机位姿的变化。通过实验可以看出融合IMU的视觉SLAM系统,可以准确的估计相机相机的位姿变化。     

基于Hough变换提取跑道方法研究

本文对应用于无人机的视觉导航的跑道检测的方法进行了研究。对视觉导航系统中的图像处理及位置姿态解算进行了分析和研究。基于直线检测进行跑道识别;利用经典Hough变换提取跑道图像特征;采用最小二乘法对检测出的跑道边缘直线进行拟合并得出其在图像坐标系中的直线方程。     

一种基于模糊特征的火灾烟雾实时识别算法

提出一种基于烟雾模糊特征的火灾烟雾实时判别算法,利用二维小波变换分析背景边缘能量信息来判定图像中烟雾区域。先用背景差分法提取前景图像,确定火灾疑似区域,再利用小波分析方法提取烟雾背景模糊特征,最后通过分块判别的方法实现烟雾图像的识别。实验结果证明,该算法通过提取烟雾预判别区域,大大降低了计算量,实现了实时烟雾图像识别,增强了算法的应用效果。     

低照度室内烟雾的计算机视觉检测方法

为实现低照度室内火灾的早期预警,提出一种计算机视觉检测方法。通过摄像头获取图像,采用自适应中值滤波对图像进行去噪,采用直方图均衡化进行增强,并采用基于改进学习率的混合高斯模型提取烟雾区域,对所提取烟雾的纹理特征、运动方向特征以及面积特征进行融合,采用基于支持向量机的识别算法对烟雾与干扰物进行分类检测。实验结果表明,该算法可以有效区分烟雾与干扰物,有较高的识别率与鲁棒性。     

基于Kinect的室内空间三维地图构建与优化研究

搭建精确的三维地图是机器人应用的重点问题,采用机器人自身所具有的传感器对未知环境开展三维地图创建,实现自身的定位与实时导航等,已经成为人们所研究的热点方向。文章针对三维地图创建时具有的鲁棒性与实时性不足等问题,设计一种基于图像特征点的三维地图创建模式。首先,分析Kinect获取的RGB数据,进行误匹配数据的删除,降低系统匹配算法的迭代次数,利用Kinect深度数据得到对应特征点具有的位置与姿态。其次,通过ICP算法迭代得到刚体变换矩阵具有的精确配准操作,获取室内真实场景之下具有的三维地图。最后,引入基于TORO图优化算法的检测模式,开展具体的仿真,分析其有效性。     

基于激光雷达通信的地面特征识别技术

针对现有地面特征识别技术易受天气和辐射源干扰的局限,本文提出一种基于激光雷达通信的地面特征识别方案,以快速准确识别与定出地面的位置。其中,二维激光雷达被用作识别系统的传感器部分来实时获取通过道路场景的扫描数据,结合步进电机的速度信息将所有的截面数据进行空间重组,还原出道路场景的真实情况。在此基础上,运用计算机视觉技术将三维点云图转化成二维灰度图像,并借助霍夫变换进行直线检测,实现识别地面特征的目的。路测实验表明,方案性能可靠、检测准确,可以快速分析处理不同环境条件下的道路场景图像。