基于四元数局部排序二值模式特征的行人识别

行人特征提取是行人识别中关键步骤之一。传统的做法是分别从彩色图像的每个颜色通道（即R、G、B通道）中提取特征描述子（如方向梯度直方图（HOG）、局部二值模式（LBP）等）,最后合并成一个特征向量。传统方法不足之处在于难以兼顾不同颜色通道之间的关联信息。为此,采用四元局部排序二值模式(QLRBP)运算方法从彩色图像中提取局部特征描述子。与传统方法不同的是,该方法是一种整体的方法,是在彩色图像的四元数表示空间而非3个颜色通道中分别提取LBP特征。首先,将从车载摄像头中采集的彩色图像通过四元数转换获得其四元数表示;然后,对四元数空间中图像进行CTQ变换,并计算变换后的图像相位;最后,在每个四元数相位上进行LBP运算,并生成行人彩色图像的局部特征描述子。QLRBP能够同时处理所有的颜色通道,因此能够同时包含三通道之间的关系。在行人判定方法上,本文首先提取所有正负样本的QLRBP特征,并使用K-最近邻(K-NN)算法训练分类器。在INRIA数据库上测试表明,QLRBP描述子对于彩色行人的检测比其他常用的特征描述子（如HOG特征,LBP特征）具有更高的精确度,性能接近当前先进的行人识别方法。     

基于HIL和机器视觉的汽车仪表测试平台

针对人工进行汽车仪表测试时低效率的现状,提出一种有效的检测方法,结合了硬件在环(HIL)和机器视觉技术。已开发的系统能在实时环境下模拟车辆行为,并通过一个智能摄像机进行视觉检测,用上位机控制整个操作流程,进而实现汽车整车的自动化检测。文中介绍了模型仿真和图像处理两部分,并在实验室环境下对指示灯状态、指针状态和字符显示等功能进行了验证,实验证明了检测结果的正确性和稳定性。该系统具有较大的实用价值。     

面向道路场景语义分割的移动窗口变换神经网络设计

道路场景语义分割是自动驾驶环境感知的一项重要任务。近年来,变换神经网络(Transformer)在计算机视觉领域开始应用并取得了很好的效果。针对复杂场景图像语义分割精度低、细小目标识别能力不足等问题,本文提出了一种基于移动窗口Transformer的多尺度特征融合的道路场景语义分割算法。该网络采用编码-解码结构,编码器使用改进后的移动窗口Transformer特征提取器对道路场景图像进行特征提取,解码器由注意力融合模块和特征金字塔网络构成,充分融合多尺度的语义特征。在Cityscapes城市道路场景数据集上进行验证测试,实验结果表明,与多种现有的语义分割算法进行对比,本文方法在分割精度方面有较大的提升。     

单片机多参数检测系统

本文介绍以8031单片机为主体研制的一台智能化的多参数检测仪器,该仪器能够同时测量二路温度,流量和重量,并自动打印曲线。从而改善了传统的干燥试验机性能。     

实时双目立体视觉系统的实现

依据双目立体视觉原理,对双目立体视觉系统的设计与实现展开研究,介绍了双目立体视觉系统的组成,并对系统涉及的主要关键技术进行了探讨。结合相关的硬件设备,利用VS2012软件开发平台实现了双目立体视觉系统。该系统可实时地进行图像采集、边缘检测、立体匹配等功能,同时由于采用3种确认算法,最大限度地去除错误匹配,得到良好的视差图。     

基于立体视觉和光流的障碍物探测方法

车辆在行驶过程中必须能够检测和躲避障碍物,为减少交通事故的发生提出了一种用双目立体视觉和光流相结合方法。立体视觉通过基于相关性的边缘索引算法来获取可靠的视差值,通过基于梯度的光流算法分析连续图像序列获取光流场。为融合立体视觉和光流,分析得到运动目标的精确位置信息,运动方向和轨迹的第一步。     

单片机多参数检测系统的研制

本文介绍以8031单片机为主体研制的一台智能化多参数检测仪器的硬件和软件设计思想。     

基于主动轮廓模型的行人边缘检测应用研究

应用主动轮廓模型对道路现场的行人轮廓和障碍物进行精确轮廓的提取,为基于视觉的辅助驾驶系统中的潜在障碍物分类提供一个有效的手段。首先讨论主动轮廓模型,然后分别应用GVF-Snake模型和level set模型对行人轮廓边缘进行提取实验,并对实验结果进行分析。     

智能汽车激光雷达和相机数据融合系统标定

智能汽车采用激光雷达和相机的数据融合实现对环境的感知,针对数据融合中不同传感器坐标系的联合标定问题提出了特征点法和棋盘格法两种标定方法。特征点法采用专门设计的标定模板,提取若干对激光雷达和图像对应点,建立约束方程组,采用最小二乘法求解结果。棋盘格法采用张正友标定法获取相机的内部参数,利用棋盘格平面在两个坐标系的一致性,建立约束方程组,采用线性方法求解两个坐标系的外部参数初始解,再用非线性优化方法进一步优化。利用两种方法得到的标定结果将激光雷达点投影到图像上并比较其对准精度。实验表明,两种方法都可以获取各传感器坐标系之间的位置关系,其投影对准误差分别为特征点法3.03像素和棋盘格法2.33像素。