基于改进YOLOv5的轨道交通障碍物检测算法

针对复杂的轨道交通背景下障碍物检测精度低和检测速度慢的问题,提出了一种改进YOLOv5的目标检测网络模型.首先,采用基于注意力机制的轻量级Transformer主干EMO来替换YOLOv5原有backbone中的部分模块,保证轻量化的同时,还能够提高模型的准确性和稳定性;其次,使用Focal-EIoU来替换YOLOv5中的CIoU损失函数,以解决CIoU引起的训练效率低、收敛速度慢等问题;最后使用轻量化上采样算子CARAFE来替换YOLOv5算法中原有的上采样层,在没有引入过多参数和计算量的情况下具有更大的感受野,提高了检测精度和检测速度.实验结果表明,该方法相较于原始的YOLOv5网络模型平均精确度提升了11.1%,准确率提升了13%,召回率提升了11.4%,检测速度达到了60.7 fps.所提出的方法在目标检测任务中表现出了较好的性能,有效增强了轨道交通背景下目标检测模型的检测性能.     

基于机器视觉的障碍物危险层次划分系统

针对传统的障碍物危险层次划分时出现的过量周期、纬度灾难的问题,该系统采用对称性的FIR滤波器,这种方式利用对称性优化滤波器系数只需要N/2个乘法和N个加法,可以生成自适应的障碍物数据,缩短滤波器响应的时间;在维度灾难的问题中,该系统采用主成分分析的方式实现降维,在考虑障碍物的危险程度、距离、运动状态等多种特征参数的情况...     

基于无人机视觉的船舶靠泊距离感知研究

为解决船舶靠泊过程中视野受限问题,实现靠泊距离的可视化,提出了一种基于无人机视觉的靠泊距离感知方法。首先,利用无人机采集船舶靠泊视频,在YOLOv8分割模型的基础上加入EMA注意力机制,实现对船舶边缘的精细化分割;接下来,通过区域生长算法和霍夫直线检测方法提取泊位线;最后,利用最近距离求解模型,将船舶和泊位转换到三维世界坐标系中,并搜索船舶与泊位间的最近距离。实验结果表明,加入EMA注意力机制后的算法对船舶分割的精度可达到92.3%,船舶与泊位间最近距离的误差小于0.1 m。该方法不仅可以监控靠泊船舶周围的环境,而且能够实现船舶与泊位间距离的可视化,在靠泊操作中具有很好的应用前景。     

Y型管接头组对焊接间隙视觉检测方法研究

针对目前Y型管接头组对焊接间隙人工检测误差较大的问题,提出了一种基于改进Canny算法的Y型管接头组对焊接间隙视觉检测方法。该方法首先对Y型管接头间隙图像进行多尺度细节增强处理,减少滤波导致图像细节信息缺失的影响;其次,利用Otsu最大类间方差法进行阈值选择,降低了人工选取阈值带来的缺陷;最后设计了一种提取特征点计算间隙量的算法,实现了对Y型管接头间隙的测量。实验结果表明,本文使用的方法能够准确、直接检测出Y型管接头组对的间隙量,满足了实际生产中管接头间隙质量检测的要求。     

泊车中小型障碍物检测技术研究

障碍物检测技术作为自动驾驶辅助系统的重要部分,障碍物种类繁多难以面面俱到。 因此提出一种基于全景环视系统的在汽车泊车时检测小型障碍物的方法。 首先利用透视变换及图像拼接技术将 4 个方向的实时画面映射到全景环视图;并提出了一种对地面特征点的检测模型,可准确地以车位线直角交点作为特征点提取并匹配出来;分别在两帧中得到地面特征点后,通过 SVD 分解法计算自车运动估计并得到前一帧的模拟当前帧,消除了动态背景;最后提出了一种基于颜色分割的检测高于地面区域的方法,由此判定是否属于障碍物部分。 为验证该算法可行性,在停车场中放置各种小型障碍物进行试验,3 段视频序列中共计 864 个障碍物,平均召回率为 94. 7%,平均误识率为 7. 3%。 试验结果表明,该算法可有效检测停车场中的小型障碍物,并具备一定的准确性与健壮性。     

基于路侧激光雷达的障碍物目标检测方法

针对现有障碍物检测方法在复杂道路场景下存在地面分割欠精准、计算量大以及不同距离下的目标聚类困难问题,提出了一种基于路侧激光雷达的障碍物检测方法。在地平面分割方面,提出基于圆柱坐标系的改进扇形栅格模型以及最低点代表法优化种子点的选取,采用多地平面模型并通过随机采样一致性算法(RANSAC)实现地面拟合及分割。在障碍物聚类方面,构建KDTree加速聚类过程,提出划分区域及阈值自适应的方式改进欧氏聚类算法。实验结果表明,该方法在4种典型道路场景下对地面点的分割准确率均达到86%以上,且针对不同距离下的障碍物目标聚类准确率提升明显。     

基于固态激光雷达的道路边沿与障碍物检测

为了有效获取前方道路信息,应用于低成本的固态激光雷达,提出一种道路边沿与障碍物检测方法。首先对原始点云数据进行地面滤波处理,提取地面与非地面点云数据;根据地面点云数据中路沿高度突变的特征,提出了一种动态滑动窗口的方法提取路沿特征点,后使用随机抽样一致算法(random sample consensus, RANSAC)进行路沿直线拟合;将路沿内障碍物点云作为感兴趣区域(region of interest, ROI),在z轴方向上对障碍物点云数据进行安全高度为H直通滤波处理,最后使用欧氏聚类算法完成了对路沿内障碍物的检测。通过在校园内实际采集数据与处理实验,验证了该方法的可行性。     

基于非球面检测的磁力微动间隙控制技术研究

在非球面检测中,为了能很好的控制参考波面的变化,需要对参考镜的位置进行微移动,针对此问题,研究了一种磁动式微动间隙调节结构,该结构以3个通电电磁线圈为驱动力,直线导轨为运动平台,通过电磁力驱动使参考镜的位置进行微小的变化,结构简单、方便,可以实现波面的位置控制,通过实验验证了该结构设计的正确性和可行性。     

基于机器视觉的挡圈检测系统研究

介绍了一种基于机器视觉的挡圈检测系统。根据挡圈检测系统所要求的精确、实时、快速的特点,设计了系统的图像处理和识别的方法。利用CMOS照相机获取图像,转换灰度图像后,进行图像滤波,将获取的图像中的噪声去除掉,通过二值化将待检测挡圈图像与背景区分开,进行边缘检测,最后通过图像识别完成对挡圈的检测。实验结果表明,该系统所使用的方法检测速度快、精确度高,能够满足挡圈检测系统的性能要求。     

基于视觉检测的间歇性接地故障研究

线路发生间歇性接地故障时接地电流较小,并且具有瞬间性的特点。针对瞬时接地电流会导致接地电阻温度升高的特点,提出对主变接地电阻等装置以200ms的采样频率进行非接触视觉检测以及监控瞬时温升,获取接地电阻的表面、室内外、油枕油位等温度数据,利用检测得到的大量数据通过BP神经网络来优化诊断结果,从而改善系统检测的滞后性,达到快速判断并处理故障。基于数据驱动的数学模型,对间歇性接地故障进行预警和告警,并通过实验验证了该方案的可行性与有效性。     

基于视觉的完整性检测技术应用研究

本文针对某企业电气附件类产品的成品完整性检测面临的问题,研究了视觉检测技术在自动化生产环节中的应用,同时结合已经实施的案例说明了如何在产品检测环节应用视觉技术进行产品完整性检测,并利用机械手剔除不合格品。     

基于视觉感知的全参考图像质量评价算法

针对传统图像质量评价算法不能有效反映图像的视觉感知质量,存在主观一致性较差的问题,提出了一种基于视觉感知的全参考图像质量评价算法。利用人眼对于图像边缘极为敏感的视觉系统感知特性,构造区域掩膜按感知重要性对图像进行分割,经方向性对比度敏感函数滤波后加权,构造出一个与人眼主观感受相一致的客观图像质量评价指标。基于CSIQ数据库进行了大量的实验并与其他算法进行比较,实验结果表明,本文算法对于多种类型失真图像的评价结果均具有较高的主观一致性,能准确反映人眼的视觉感知质量,尤其是针对JPEG2000压缩失真,性能大幅优于其他算法。     

基于YOLOv4优化的轻量级无人机障碍物检测方法

无人机平台内存小、计算资源有限。针对经典检测方法的网络结构复杂、检测速度慢等问题,提出一种基于轻量化的实时检测方法。首先,将轻量化模型MobileNetv3代替CSPDarknet53作为主干网络并融合有效通道注意力机制从而减小模型内存占用。其次,引入残差结构融合模块RFM,增强网络的特征提取能力。为了进一步提高障碍物检测的泛化能力和算法的收敛速度,采用Control Distance-IOU损失函数替换CIOU损失函数进行网络训练。实验结果表明,在与原模型检测效果基本相同的情况下,改进后的模型内存占比减少了80%仅39.5M,FPS提高了168%达到49.21帧/s。     

基于改进YOLOv5s的道路障碍物检测算法

道路障碍物检测是自动驾驶环境感知的重要内容。针对当前道路障碍物检测算法精度有待提升等问题,提出改进YOLOv5s的道路障碍物检测算法。首先引入改进坐标注意力模块,过滤多尺度特征图的无效信息,强化关注感兴趣区域。其次使用增强降采样模块缓解融合网络下采样过程的重要信息丢失,增强特征鲁棒性。最后优化算法回归损失,明智的梯度增益分配策略,提升了普通质量锚框损失贡献度。试验结果显示,改进模型在数据集上的平均精度均值较原YOLOv5s提高了4.2%,达到了78.6%,同时也优于Faster R-CNN、YOLOX、YOLOv7等算法。所提算法具有42帧/s的检测速度,满足实时检测的要求。本研究提出的改进算法能够有效提高道路障碍物检测精度,具有实际应用潜力。     

基于NLM的电能表视觉检测方法的研究

目前感应式电能表在我国仍占据相当的市场,传统的人工抄表方式工作繁琐、效率低下,已经逐步被远程抄表方式代替。远程抄表装置系统中的视觉检测包含图像采集、处理、识别。本研究在图像处理阶段用非局部均值滤波(NLM)代替传统Canny算法的高斯滤波进行图像预处理,并于非极大值抑制阶段部分做了相应优化。最后对实际电能表进行试验测试,取得了较好的效果,可以更好地显示电能表数据信息。     

基于机器视觉的输电线舞动检测方法研究

输电线受风力等自然条件作用会发生舞动,针对这一问题,运用了一种基于机器视觉的输电线舞动检测方案。该方案在对图像预处理后,使用了一种结合背景差法和自适应阈值分割法的新方法来提取输电线目标的特征值,经透视变换校正特征值后,最终插值重建出输电线舞动曲线。多个工况下的传感器数据与重建曲线对应位置数据对比表明,该方法可以有效提取特征值,并最终直观地呈现整条输电线路的垂直舞动情况,实现了误差小于50mm的输电线目标垂直运动检测。     

基于机器视觉的图像边缘检测算法研究

提出机器视觉的方式弥补传统缺陷检测的弊端.针对目标图像模糊退化,采用中值滤波技术降噪的同时保护边缘信息;采用大津法算法进行阈值搜索;并进行直方图均衡化调整图像对比度.采用改进的Canny算子对传送带撕裂进行边缘识别提取,增加裂纹目标的可识别性.构建改进的T2FNN样本训练模型,将传送带裂纹图像的特征参数输入训练模型中,...     

基于机器视觉维氏硬度检测技术研究

维氏硬度测试是一种精度高、应用范围广的硬度测量方法,但人工操作测量误差高、局限性大。本研究基于机器视觉的方法,搭建维氏硬度测试平台,通过采集压痕图像并对其进行处理、运算得出被测物硬度值。实验验证了其可行性。     

基于双目视觉的运动目标检测算法研究

运动目标检测是实现目标识别与跟踪的基础,它是计算机视觉研究领域的重要组成部分。鉴于传统的运动目标检测算法容易受到噪声、光照及外部环境影响,导致难以准确检测到运动目标的缺点,提出了基于视差的目标检测方法和基于灰度的目标检测方法相结合的算法进行运动目标检测。该方法是将两种算法检测出的前景目标相交部分作为运动目标,克服了双目视觉在目标检测中难以准确的获得目标轮廓,单目视觉容易受环境变化影响的缺点,可以在环境光线发生变化时、物体被照射产生阴影时、目标发生遮挡时准确检测出运动目标,从而提高目标检测的稳定性。