多特征和SVM相融合的三维物体识别方法

研究三维物体识别问题,摄像机从不同角度拍摄三维物体,获取的三维物体图像变化比较大,传统方法采用单一特征或简单多特征难以正确描述三维物体,导致三维物体识别的准确率较低.为了提高三维物体识别准确率,提出一种多特征和支持向量机相融合的三维物体识别方法.首先分别提取三维物体的颜色特征、纹理特征和不变矩特征,然后采用主成分分析消除各特征间的冗余信息,最后采用支持向量机建立三维物体识别模型.采用三维物体图像数据库COIL-100进行测试实验,结果表明,相对于传统识别方法,改进方法不仅提高了三维物体识别准确率,同时加快识别速度,为三维物体识别提供了一种新的识别方法.     

基于三角剖分和纹理映射的物体表面重建算法

提出一种简便的物体表面重建算法,该算法用立体匹配获得的物体表面三维特征点和原匹配图像来重建物体的真实表面,主要步骤是:将物体表面三维特征点集映射到某个平面上,在此平面上完成三角剖分,将剖分的结果映射回物体表面,用空间三角片来表示物体的几何模型,最后在OpenGL环境下将物体原匹配图像贴到几何模型上,这样就真实地重建了物体表面.最后给出了重建物体真实表面的所需条件.     

基于三维激光扫描的物体重构建模

物体拍摄环境具有测量数据量大、物体外轮廓信息复杂等特点,采用当前方法能够获得物体精确的三维点云数据,但缺乏颜色和纹理信息,导致物体重构精度不高,真实感较差;为此,提出一种基于三维激光扫描的物体重构建模方法;该方法通过三维激光扫描技术获取物体点云数据,采用显式的欧拉积分方法对物体整个三维曲面进行平滑,依据三角生长法进行物体三维空间三角划分,将物体网格顶点向球面进行映射,由此构造物体三角网格模型,通过迭代最近点算法对物体非同步点云数据初步匹配结果进行精确配准,利用最近点搜索算法将经多视图立体视觉算法优化后的物体颜色信息和三维点云数据坐标相融合;实验结果表明,所提方法可以快速精确地建立物体三维重构模型,验证了所提方法的可行性。     

3D Studio中的变形技术

变形是指将一种物体转变为另一种物体的一种技术实现手段,它广泛地用于广告传媒中,是一种很具创造性的表现手法。 设置一个变形的步骤,必须先创建一个初始物体,及相应要变形的目标物体。初始物体是需要真正渲染的,目标物体通常隐藏起来,仅仅作为初始物体变形行为的结果模板。作为变形实现的必须条件,就是要求源物体与目标物体应有相同数量的节点,并且要求第一节点匹配。在Shaper中,命令Modify/Segment/Refine便可以使节点数达到一致,     

基于全局Gist特征和局部碎片特征的物体检测研究

提出了一种新的基于全局gist特征和局部碎片特征的物体检测方法。当物体较小或者场景比较复杂时,物体局部碎片特征存在一定的二义性,检测器经常在一些语义错误的位置输出不合理的检测结果。提取场景的全局特征并学习出物体位置和尺度的概率分布,有助于提高物体检测的准确率。我们首先提取场景的全局gist特征并预测出物体的可能出现位置和尺度,然后利用物体的局部碎片特征检测物体,并降低异常位置的检测得分。在Label Me数据集上的实验表明,结合全局Gist特征和局部碎片特征进行物体检测,可以有效地减少语义错误的检测输出,提高物体检测的准确率。     

SolidWorks Simulation图解应用教程(一)

一、线性静态分析 当载荷作用于物体表面上时,物体发生变形,载荷的作用将传到整个物体.外部载荷会引起内力和反作用力,使物体进入平衡状态.     

室内智能移动机器人规则物体识别与抓取

规则物体的识别与抓取往往比非规则物体的识别与抓取更加有规律性,因此本文以规则的圆形、长方形物体为例,对圆提出圆形度这种度量方法,对长方形基于角点检测,提出计算各个角点之间夹角,结合HSV模型对图像进行分割,提高物体识别度。为了使单目机器人更准确的抓取物体,需要比较准确的知道目标物体相对于机器人的位置信息,结合地平面约束测距模型算法计算圆形物体的具体世界坐标。在Visual Studio2010,Pioneer3-AT机器人平台上实验表明,基于圆形度的物体识别方法能够比较快速准确的识别圆形物体,进而准确抓取。     

基于CCD的物体表面温度场分布测量

介绍了一种利用CCD摄像机测量物体表面温度场分布的方法,建立了温度与物体表面辐射能之间关系和物体表面辐射能与CCD信号强度之间的关系,利用黑体炉对CCD信号强度和物体表面温度值进行标定,这样CCD摄像机采集到的图像的亮度值分布实际上就是物体表面的温度值分布,结合图像处理技术获得物体表面的温度分布。     

脚本系统问题解决方案

物体脚本可能相互抢占CPU时间片:虚拟世界的脚本并不一定全由官方开发,你无法控制用户写出"死循环"脚本,或把带有这样脚本的物体带到其他土地模拟器(sims)上去使用。每个物体都在"想"问题,你不能因为一个物体"想"的太久,其他物体就没时间"想"了。这就要求我们有一套控制每个物体脚本运行时间的机制,在CPU资源不足的情况下给每个物体分配相     

ProMIS:概率图采样图像增广驱动的弱监督物体检测方法

目的 弱监督物体检测是一种仅利用图像类别标签训练物体检测器的技术。近年来弱监督物体检测器的精度不断提高,但在如何提升检出物体的完整性、如何从多个同类物体中区分出单一个体的问题上仍面临极大挑战。围绕上述问题,提出了基于物体布局后验概率图进行多物体图像增广的弱监督物体检测方法ProMIS（probability-based multi-object image synthesis）。方法 将检出物体存储到物体候选池,并将候选池中的物体插入到输入图像中,构造带有伪边界框标注的增广图像,进而利用增广后的图像训练弱监督物体检测器。该方法包含图像增广与弱监督物体检测两个相互作用的模块。图像增广模块将候选池中的物体插入一幅输入图像,该过程通过后验概率的估计与采样对插入物体的类别、位置和尺度进行约束,以保证增广图像的合理性;弱监督物体检测模块利用增广后的多物体图像、对应的类别标签、物体伪边界框标签训练物体检测器,并将原始输入图像上检到的高置信度物体储存到物体候选池中。训练过程中,为了避免过拟合,本文在基线算法的基础上增加一个并行的检测分支,即基于增广边界框的检测分支,该分支利用增广得到的伪边界框标注进行训练,原有基线算法的检测分支仍使用图像标签进行训练。测试时,本文方法仅使用基于增广边界框的检测分支产生检测结果。本文提出的增广策略和检测器的分支结构在不同弱监督物体检测器上均适用。结果 在Pascal VOC（pattern analysis, statistical modeling and computational learning visual object classes）2007和Pascal VOC 2012数据集上,将该方法嵌入到多种现有的弱监督物体检测器中,平均精度均值（mean average precision,mAP）平均获得了2.9%和4.2%的提升。结论 本文证明了采用弱监督物体检测伪边界框标签生成的增广图像包含丰富信息,能够辅助弱监督检测器学习物体部件、整体以及多物体簇之间的区别。     

我国物联网标准形成 未来实现智能家电

什么是"物联网"? 又名"传感网",通过装置在各类物体上的电子标签(RFID)、传感器、二维码等,经过接口与无线网络相连,从而给物体赋予智能,可以实现人与物体的沟通和对话,也可以实现物体与物体互相间的沟通和对话.     

图形生成过程中遮挡问题的解决方法

在利用计算机进行图形生成的过程中,遇到的主要问题是遮挡问题。物体由于自身的遮挡使得我们看不见其背面;物体之间的相互遮挡使得离我们较近的物体遮挡住离我们较远的物体,较远物体的局部或全部由于遮挡而不被我们所见。下面结合自已的实践介绍一下遮挡问题的解决方法。 一、物体背面的剔除 在图形生成过程中,物体的背面由于被物体自身遮挡使得它们不被看见。为了提高图形生成的速度,物体的背面应该被剔除,也就是说计算机在画该物体时,只画可以看见的正面,不画不可见的背面。下面谈一下物体背面剔除的方法。 为了剔除物体的背面,对于一个不是凸体的物体,我们可以把它切割成若干个凸体(若物体内任意两点的连线完全位于该物体内,那么,该物体称为凸体)。通过先剔除凸体的背面,再解决凸体之间的相互遮挡就能实现物体背面的剔除。     

基于均值漂移和边缘检测的轮廓跟踪算法

实时的轮廓跟踪算法可以为视频监控系统提供物体的轮廓信息以供对物体类别、物体行为等进行识别.提出一种基于均值漂移和边缘检测的轮廓跟踪算法.方法中,首先利用均值漂移算法跟踪得到目标物体的中心位置,同时用高斯统计模型进行背景更新,从前景图像和背景图像中分别得到具有相同位置和大小的前景矩形区域和背景矩形区域,然后用背景分割的方法得到目标物体区域,再对目标物体区域进行边缘检测就得到了目标物体的轮廓,进而实现了对目标物体的轮廓跟踪.实验表明,可以实时、准确、稳定地对目标物体进行轮廓跟踪.     

虚拟场景视点与动态物体交互控制

提出了一种动态物体与视点位置的检测技术,实现了虚拟场景中动态物体的有序运动。建立视点与动态物体之间的运动轨迹向量和动态物体的交互方式,根据两轨迹向量计算两者的位置关系赋予动态物体不同的交互方法来实现虚拟场景中动态物体的有序运动。文章中给出了此方法的具体算法。     

基于机器视觉的图像识别方法研究

本文介绍了一种采用Blob算法实现图像识别的方法,在此基础上提出识别规定形状物体的方法,利用不变矩、图形的面积和周长的比值来识别物体的形状,从而从多个规则物体中识别出规定形状的物体,同时利用该算法还能够给出所识别物体的位置信息。实验结果表明,该图像识别算法能够满足实际要求,物体识别准确率达到100%。     

基于物体逻辑状态推理的未知物体视觉分割

为提高机器人的视觉感知能力,提出了一种新颖的基于物体逻辑状态推理的未知物体视觉分割方法.在语义层定义物体逻辑状态空间,根据机器人抓取动作反馈对物体逻辑状态进行推理.在数据层利用RGB-D摄像头采集生成场景3维着色点云,基于物体放置于支撑平面的假设,对所有可能的物体点进行空间聚类和分割,得到初始未知物体集并生成物体初始逻辑状态表示.当物体逻辑状态发生变化时,根据设定规则结合点集运算对物体点云进行重新分割,物体点云集的变化又用于指导物体逻辑状态空间的更新.在7自由度移动机械手系统上,进行了真实积木模拟环境下未知物体的视觉分割与抓取实验,实验结果证实本文方法可以有效提升机器人的视觉感知能力.     

一种室内动态场景下RGB-D SLAM的前端优化方法

针对动态物体会导致位姿估计误差过大的问题,提出一种适用于动态场景下的RGB-D SLAM算法。首先,将目标检测的结果根据物体是否具有自主移动能力划分为动态物体与潜在动态物体,并使用大津法在对应的深度图中完成检测框内区域的前、背景分割;然后,结合检测框的位置坐标与深度信息确定潜在动态物体与动态物体在三维空间内是否关联,初步筛选出具有一定运动概率的潜在动态物体;最后,通过运动一致性检测算法来最终确定是否将潜在动态物体作为动态物体处理。实验部分选用公开的TUM数据集,结果表明,该算法在保持实时性的同时具有较高的定位精度和鲁棒性。     

网络虚拟环境中两运动物体安全避障互寻相遇的一种算法及实现

文章提出了一种在网络虚拟环境中两运动物体安全避障互寻相遇的方法。已知两个运动物体的初始位置,通过碰撞检测算法、相互寻找算法以及相遇判定算法,判断两物体是否相遇,模拟两物体移动的路线,准确定位两物体的相遇地点并记录互寻路线图。该算法能够准确定位两运动物体相遇的位置,确定安全避障后相遇的路线。     

一种光学式运动捕捉系统下的物体运动数据捕捉方法研究

多相机视觉运动捕捉系统能通过捕捉标记点的空间坐标来获得运动物体的运动学参数,文中提出了一种基于多相机运动捕捉系统下的通用物体运动数据捕捉方法;首先根据3个标记点组成固定模型获取物体运动过程中对应标记点的瞬时坐标,然后通过向量法求解出被测物体在运动过程中各采集点对应的物体位姿,然后通过卡尔曼滤波方法消除运动捕捉过程中的系统和环境误差的影响,获得平滑的物体位姿运动轨迹,并根据滤波数据计算出物体在各采集点对应的速度、加速度、角速度、角加速度;最后基于协作机器人进行物体的运动数据捕捉实验,验证了所提出物体运动数据捕捉方法的正确性。     

水下物体位移探测器

此装置的原理是通过在物体周围的水中建立电场,然后测量该物体在此电场中的电位来测量水中物体的运动状态。将电源连接到物体周围水中的两个电极,在物体周围建立起电场,电流通过围绕物体周围的水在两电极间传输。