车辆尾灯灯语的检测与识别

针对有效利用车辆灯语信息的问题,提出了一种基于图像的车辆尾灯灯语的检测识别新方法.该方法首先利用颜色、对称性特征在图像中检测出车辆尾灯对,并对车辆尾灯进行连续的跟踪.然后使用参数优化的最小二乘支持向量机(Least Squares Support Vector Machines,简称LS-SVM)对得到的车尾灯状态进行分类判别.最后结合状态历史信息,综合推断出各前方车辆当前灯语含义.以实车拍摄的白天道路视频进行实验,可以看到由识别出的灯语信息能够准确判断出前方车辆刹车、转向、灯不亮,表明该检测识别方法有效.     

一种基于机器视觉识别交通灯的方法

本文介绍了一种基于机器视觉识别交通灯的方法。将采集到的道路交通灯图像通过计算相似度定位出交通灯所在的区域,然后采取相应的颜色空间和识别算法,包括：图像分解、颜色空间的变换、颜色识别、图像分割等,来判断交通灯的颜色及其显示的数字。     

基于一种新的目标识别的边缘爬行算法

针对机器人目标识别的实时性、快速性和鲁棒性特点,依据物体边缘大部分区域的方向缓变原理,提出了一种基于记忆的边缘爬行改进算法.爬行搜索方法的一个明显缺点是"爬虫"容易掉进"陷阱",即围绕某个局部小区域重复爬行.记忆搜索方法则有效克服了爬行搜索方法容易掉进"局部陷阱"的不足.在边缘爬行的同时,通过标号将颜色相近的不同物体分割出来.实验结果表明,与传统方法比较,该方法的边缘线更加完整、清晰,而且缩短了处理图像的时间,使目标识别的实时性和鲁棒性得到了优化.     

就驾驶辅助与立体视觉识别的若干思考

智能车辆的日益普及,引发驾车人对车辆主动安全的需求。本文着重写出了笔者就驾驶辅助与立体视觉识别的若干思考。     

基于机器视觉的轻量级驾驶辅助系统

为了解决计算机视觉应用中数据量大、算法复杂的问题,根据道路结构特征和车辆行为特征,采用单个摄像头作为传感器,实现了一种轻量级的安全辅助驾驶系统。首先采用改进的边缘提取算法和车道线检测算法对摄像机内外参数进行离线标定;接着根据标定结果在二维平面图像上采用标识出实际空间距离的多窗口划分方法,并按不同的车间距将不同窗口划分为不同安全系数的区域,以赋予道路视觉检测的几何先验知识;当区域中出现障碍物时发出相应警示信息进行安全驾驶辅助,能为智能辅助驾驶提供轻量级的视觉检测平台。以便携式计算机和固定在车内的摄像头作为实验装置,在城市道路上进行车载实验。系统在车载实验中能够快速地提取车辆两侧的车道线,并利用离线标定的结果快速生成不同安全系数的警示区域,其中车辆在车道内正常行驶时的误检率和漏检率很小,可以忽略不计。与传统的驾驶辅助系统相比,本系统计算量大大降低,检测流程得到简化,可实现轻量级的车道和车辆检测,为系统在嵌入式系统上的实现奠定基础。     

车辆辅助驾驶系统中基于计算机视觉的行人检测研究综述

基于计算机视觉的行人检测由于其在车辆辅助驾驶系统中的重要应用价值成为当前计算机视觉和智能车辆领域最为活跃的研究课题之一. 其核心是利用安装在运动车辆上的摄像机检测行人,从而估计出潜在的危险以便采取策略保护行人.本文在对这一问题存在的困难进行分析的基础上,对相关文献进行综述. 基于视觉的行人检测系统一般包括两个模块：感兴趣区分割和目标识别,本文介绍了这两个模块所采用的一些典型方法,分析了每种方法的原理和优缺点. 最后对性能评估和未来的研究方向等一系列关键问题给予了介绍.     

基于机器视觉应用的电力设备识别技术研究

电力行业作为社会与经济建设中的中流砥柱,推动电力行业高质量发展就成为助力社会经济发展的主要因素.电力系统是否能够安全、稳定的运行,直接关系到国民经济的发展.各种电力设备在日常运行的过程中极为容易受到各种因素的干扰,一旦电力设备发生故障,极为容易影响电力系统整体的稳定性.对于当前复杂的电力系统来说,如果仍旧沿用传统人工巡...     

基于CIE YU'V'的瓷砖颜色色差检测技术

为实现瓷砖颜色分级的自动检测,提出一种基于CIE YU'V'空间的色差计算方法.该方法将数据从RGB颜色空间转换CIE YU'V'均匀颜色空间,利用U'、V'分量计算标准瓷砖与被测瓷砖的色差.通过对总体平均色差和小区域窗口色差进行分析,确定瓷砖颜色等级.该方法对颜色匀度及缺陷具有一定的检测效果.     

基于机器视觉技术优化的车辆间距提醒与智能换道辅助驾驶设计

为了提高智能驾驶汽车的安全性能,提出了一种基于改进Canny算法的智能换道辅助驾驶模型。对改进后的Canny算法进行性能对比实验发现,改进后的算法平均峰值信噪比为28.36 dB,高于传统Canny算法。在智能换道辅助驾驶模型的仿真分析中发现,该模型控制的智能汽车的最大侧向加速度0.04 m/s²。上述结果说明改进Canny算法具有较好的图像识别性能,且基于机器视觉优化技术的智能换道辅助驾驶模型的平稳性和安全性较高。故可利用研究提出的方法改善目前智能驾驶汽车安全性不足的问题,从而降低交通事故的发生率。     

基于Sobel算子数字图像的边缘检测

数字图像的边缘检测是图像分割、目标区域识别、区域形状提取等图像分析领域中十分重要的基础。图像理解和分析的第一步往往就是边缘检测，目前它已成为机器视觉研究领域最活跃的课题之一，在工程应用中占有十分重要的地位。文中用已在VC中实现图像的边缘检测方法来对其加以分析。目的是在给出图像的边缘检测实现的基础上，提高图像边缘检测的效果，试验表明此方法能有效地提高图像的边缘检测效果。     

基于CIE LAB的标签检测技术

为实现羽毛球标签是否合格的自动检测,提出一种基于CIE 1976 LAB空间的色差计算方法。该方法通过从RGB颜色空间转换到CIE LAB颜色空间上,利用球头底胶与各种标签的正表面颜色的相异,由A、B分量计算它们之间的色差,与设定的阈值进行比较,计算出未贴正的区域,以此判断出标签是否合格。该方法对于标签自动检测具有较好的效果。     

基于机器视觉的多铆钉自动检测算法研究

为了克服传统人工铆钉检测工效低、精度不易控制等弊端,提出了一种基于机器视觉的多铆钉非接触式自动检测算法。采用改进的OTSU算法对采集到的铆钉图像进行分割,有效地减少了污点区域的误划分。为解决铆钉方位的随机性对检测过程造成的影响,采用最小外接矩形法定位铆钉轮廓主轴,克服了复杂工业环境中的不确定因素。通过计算铆钉轮廓各点在两侧支撑区间内曲率的方法识别轮廓特征点,有效减少了噪声在曲率计算中的权重,并提高了识别精度。实验表明:该系统检测精度高,且误检率低,能满足铆钉生产在线检测的要求。     

具有颜色识别功能的类人机器人设计

针对传统类人机器人在控制系统实时性和视觉识别方面的不足,以S3C6410作为主控芯片,设计了具有视觉识别功能的类人机器人控制系统,通过改进和简化视频识别算法取得了良好的目标识别效果。实验表明,基于本控制系统设计而成的类人机器人实时性好,目标识别准确,通过调整运动路径能够快速找到目标。     

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。     

基于机器视觉的成熟番茄自动识别技术

为实现番茄收获机械自动化,提出了利用计算机视觉代替人眼对成熟番茄进行自动识别的方法。首先对番茄图像进行了各种去除噪声方法的比较,提出用HSI颜色系统的H色调分量作为识别的颜色特征参数。利用最大方差自动取阈法及数学形态运算等构成的识别算法对采集的番茄图像进行自动识别,采用Matlab软件平台来构建算法。为验证自动识别方法的可行性,用CCD摄像头组成的图像采集系统对不同光线条件下的番茄图像进行了识别。试验证明,该算法及程序设计能够较快的识别出自然光下的成熟番茄,满足自动收获的需要。     

基于视觉检测技术的微文字识别系统设计

介绍了一种基于视觉检测技术的微型汉字识别系统的设计，配合语音装置可以实现自动朗读功能；该系统通过前端的单片微型摄像头对字进行图像采集，然后由DSP处理器进行图像分析和汉字识别，最后通过语音合成芯片进行朗读。整个系统体积小，价格也能被接受，并具有多种用途。     

基于颜色规格化的交通标志识别

采用神经网络群构成的分类器解决实景交通标志识别问题时,识别率普遍较低.分析可知,颜色复杂性造成的颜色失真是影响识别率的主要因素.遵循"简化复杂问题、基于颜色信息、采用智能方法"的基本思路,提出了一种新的解决方案:先通过颜色规格化方法将交通标志中复杂的颜色信息简化为5种基本颜色,然后再利用两级智能分类器实现分类.采用BP网络实现了颜色规格化;实验表明,这种方法具有很好的鲁棒性.     

道路交通标志识别的研究现状及展望

十几年来,道路交通标志识别的研究工作已经取得了一定成果,但还存在一些不足之处,主要有：识别对象单一,样本数少;处理方法比较单一,智能方法少;偏重于理论的多,面向应用的少;大多数实验对象都是标准图,针对实景图的少;以灰度图为研究对象的多,针对彩色图的少。机器识别面临的主要难点是：道路交通标志的背景相当复杂,颜色失真极为严重并存在不同程度的几何失真;彩色图像处理的理论和技术尚不成熟。“简化复杂问题、改进传统方法、基于颜色信息、采用智能方法”将是今后的一个重要发展方向。     

口腔病灶的机器视觉检测与识别

机器视觉逐渐得到广泛的关注与应用。采用机器视觉技术,根据口腔病灶的轮廓、颜色及纹理特征,来分类识别口腔疾病类型。建立了口腔病灶的机器视觉检测与识别流程,该方法应用最大类间方差阈值分割法完成图像与背景的分割;用高斯拉普拉斯算子进行病灶图像的边缘检测;用灰度共生矩阵等进行特征量提取,研究并讨论了并行处理算法,利用SVM支持向量机对口腔病灶进行检测与分类,取得了良好的效果。