基于机器视觉的车道标志线实时检测研究

本文研究了基于机器视觉的车道标志线实时检测问题。在讨论了各种车道模型的基础上,提出了一种基于分段切换的车道模型,并且简单论述了车道图像的检测算法,并进一步对试验效果进行了讨论与分析。试验结果表明,该基于分段切换车道模型的车道识别算法,能够很好地匹配各种形状道路,并具有较好的实时性。     

基于机器视觉的快速车道线识别

为了克服已有车道线识别算法运算复杂、速度较慢以及鲁棒性欠缺等不足之处, 提出一种新的快速车道线识别算法, 首先通过对图像的灰度变化分析, 得出车道线轮廓像素, 然后运用B-Spline曲线拟合车道线轮廓, 得到最终的识别效果图。实验表明, 该算法在速度和识别率上都能取得优异的表现。在嵌入式平台上, 该算法取得了12 fps的速度, 符合智能驾驶的实际需求。     

机器视觉在车道标志线实时检测中的应用

研究了基于机器视觉的车道标志线实时检测问题.讨论了车道标志线的描述方法,详细论述了车道图像的检测算法,并对实验效果进行了讨论与分析.结果表明,该检测方法具有较好的实时性和识别可靠性.     

基于机器视觉的民航旅客身份智能识别系统

针对常规旅客身份识别系统识别正确率较低的问题,引入机器视觉技术,以民航为例,提出一种全新的旅客身份智能识别系统。系统采用浏览器/服务器（Browser/Server,B/S）硬件架构,通过高性能摄像机抓取旅客人脸画面。首先,应用高斯滤波方法对民航旅客原始人脸图像进行线性平滑滤波处理,以减小图像内的噪声像素;其次,利用相似度融合技术实现旅客三维人脸智能识别;最后,进行对比分析。测试结果表明,系统识别正确率均在95%以上,具有较好的识别效果。     

基于机器视觉的车道线检测研究进展综述

针对车道线检测技术在车道偏离预警、自动泊车和车道变换等各种辅助驾驶系统中的重要作用,国内外专家学者对车道线检测技术做了较多的研究,但是近年来少见有关于车道线检测的综述,因此本文主要阐述了近几年国内外机器视觉的车道线检测研究进展。首先简单介绍了机器视觉的车道线检测的基本流程;其次重点阐述了基于特征、基于模型和基于深度学习三种典型方法的基本检测原理和研究现状,并对比三种典型研究方法;最后,提出了机器视觉的车道线检测方法主要存在的问题,并针对问题提出未来的发展方向。     

基于启发式搜索的车道线识别算法研究

在车道边界识别中,边界点的提取是关键,常用的边界点提取方法因对噪声的抑制能力不强产生较多噪声点,从而影响识别效果。提出一种边界点启发式搜索算法,根据梯形匹配模型、车道线灰度变化特征和实际车道宽度约束,确定搜索的起始点,从起始点根据度量代价准则函数搜索车道边界点。采用直线道路模型结合Hough变换来拟合车道边界。实验表明,该算法实时性好、可靠性强、鲁棒性高。     

结合机器视觉的车道偏离识别算法研究

首先确定车道偏离检测的目标区域,然后利用数字图像处理技术及多种算法进行处理,将推算出的左右车道线夹角作为判别车辆是否偏离车道行驶的预警依据。实验结果表明,该算法具有较好的稳定性和一定的应用价值。     

基于机器视觉的车道偏离预警系统的实现

目前高速公路上由于车道偏离而导致的交通事故造成了巨大的损失,从而使得车道偏离预警系统的研究成为了社会的一大热点.本文基于DSP计算和FPGA计算,构造出一套基于视觉的车道偏离预警系统.本文给出了系统的框架结构以及硬件实现方式,并基于所提出的系统详细研究了视觉系统中大容量数据的传输、存储和处理等问题.最后,基于构造的系统,通过一系列典型的视觉处理算法和应用于车道跑偏决策的软件算法,验证了系统的可行性.     

基于机器视觉的智能交通监控系统研究

随着社会经济的迅速发展,我国机动车数量不断增长,导致交通问题日益严重,实施有效的交通监控对于解决日益增长的交通问题具有积极意义。然而,目前大多数的交通监控系统存在系统维护复杂、成本高、计算量大等缺点,本文针对上述缺点设计并实现了基于机器视觉交通监控系统。文中首先介绍基于机器视觉交通监控系统的相关研究背景,其次分析了与机器视觉交通监控系统相关的技术,重点介绍了基于机器视觉交通监控系统的设计方法。在系统中,用户能够灵活的设定动态目标检测和跟踪算法,对系统的广泛应用奠定了基础。     

基于机器视觉的智能导盲眼镜设计

提出一种基于机器视觉的智能导盲眼镜系统的设计方案。采用三星公司Cortex-A8架构的S5PV210作为中央处理器,搭载Linux系统,配备双目采集、GPS定位、语音播报、GSM短信、语音通话、无线传输六大核心功能模块搭建智能导盲眼镜系统的硬件平台,结合深度学习算法在远程云服务器上完成了对目标场景的智能识别,最后以语音的形式实时对盲人的行走作出准确引导。系统测试结果表明,该智能导盲眼镜系统在测试环境下不仅能对盲人出行正确导航,还具有一定的目标识别能力,能帮助盲人进行简易物品归类。该系统还兼有GPS定位、语音通话、GSM短信等多项辅助功能。     

基于计算机视觉高速智能车辆的道路识别

论文研究了基于计算机视觉高速智能车辆的道路识别。通过对JLUIV-4智能高速车辆系统采集的图像进行中值滤波、边缘增强、最优阈值二值化,获得良好的梯度图像。根据道路特征采用Hough变换识别出道路边界。使用感兴趣区域,减少图像处理时间和提高道路识别的可靠性。JLUIV-4的高速导航实验表明,该算法具有良好的实时性、可靠性和鲁棒性。     

基于机器视觉的非特定物体的智能抓取系统的研究

针对传统机械臂局限于按既定流程对固定位姿的特定物体进行机械化抓取,设计了一种基于机器视觉的非特定物体的智能抓取系统;系统通过特定的卷积神经网络对深度相机采集到的图像进行目标定位,并在图像上预测出一个该目标的可靠抓取位置,系统进一步将抓取位置信息反馈给机械臂,机械臂根据该信息完成对目标物体的抓取操作;系统基于机器人操作系统,硬件之间通过机器人操作系统的话题机制传递必要信息;最终经多次实验结果表明,通过改进的快速搜索随机树运动规划算法,桌面型机械臂能够根据神经网络模型反馈的的标记位置对不同位姿的非特定物体进行实时有效的抓取,在一定程度上提高了机械臂的自主能力,弥补了传统机械臂的不足.     

基于机器视觉的铁路调车信号识别研究

提出一种基于改进的霍夫（Hough）变换的调车信号灯识别算法。该算法利用信号灯图案的几何性质简化了计算,可以应用于快速变化的实时图像序列。对现场获取的图像序列的处理验证了本算法的有效性。     

基于机器视觉的电视测角仪弹标识别系统

弹标的精确提取在电视测角仪制导的过程中起着至关重要的作用,近年来机器视觉技术的迅速发展为弹标的识别提供了一种新的思路;首先建立了弹标识别系统的框架,依次对采集图像进行图像预处理、图像分割、弹标判定、弹标计算,最终得到了弹标在数字图像中的坐标;研究比较了各环节图像处理算法,并通过实验结果对算法进行选定.根据弹标的特征提出了弹标判定的步骤和依据;实验结果表明,弹标识别系统能精确、有效地提取出弹标信号.     

基于机器视觉的颗粒物包装袋识别与摆正系统

在颗粒物包装袋生产线末端环节过程中,包装袋易出现歪斜、折叠问题,影响包装效果,增加加工成本.设计了基于机器视觉的颗粒物包装袋识别与摆正系统,该系统采用CCD图像传感器获取颗粒包装袋图像,通过上位机对该图像的边缘和点特征进行提取,识别颗粒物包装袋偏斜角度及偏移方向,下位机通过串口读取上位机处理所得包装袋偏移信息,并将此信息转换为摆正电机的步数及方向,以及控制吸盘装置吸起包装袋,根据转换的结果对摆正电机的运转和机械臂的转动同时控制.最后,成功研制了颗粒物包装袋识别与摆正系统样机并进行了试验,结果证实了基于机器视觉的颗粒物包装袋识别与摆正系统的有效性.     

基于DSP机器视觉的矩形类物体识别研究

针对机器人控制对视觉的实时性要求,设计了一种基于TMS320C6416图像处理平台的嵌入式机器人视觉系统.本系统以VC 6.0为平台来开发控制DSP的操作界面,通过该操作界面控制DSP对矩形类物体图像的采集、处理和识别,后DSP把识别的结果传送给主机,为机器人手臂的轨迹规划提供目标物体信息.文中给出了系统的硬件设计方案和软件实现过程.     

基于机器视觉的枸杞枝条识别方法研究

目标枝条的识别定位是实现枸杞果实自动化采摘的前提,为了实现枸杞的自动采摘,提出了一种新的能实现首端定位的枝条识别方法。首先,通过对枸杞枝条特征进行分析,实现了枝条轮廓和直径等特征的提取。然后,对部分非合理性间断的枝条进行了修复;对于果实将枝条首端完全遮挡的情况,采取最小二乘法拟合实现了枝条识别。最后,提出了质心差值法来获取枝条的首端坐标,从而实现了整条枝条的识别和定位。通过用VC编程进行识别算法的实验验证,实验结果表明该算法能较好地实现对枸杞枝条的识别和定位。     

基于机器视觉技术的压缩机编码识别系统设计

应用IMAQ Vision工具包和LabVIEW开发了压缩机编码识别机器视觉系统.介绍了系统的结构,讨论了编码图像处理和OCR的方法.测试结果表明,系统具有良好的性能.