CCD摄像机内外部参数快速准确的标定方法

导出了一种ＣＣＤ摄像机的成像模型，给出了一种基于这种模型的ＣＣＤ摄像机内部、外部参数标定方法，该方法的特点是无需迭代，且精度高。     

全景视频摄像机的非参数化几何校正与拼接

提出了一种新的多相机全景视频拼接几何校正拼接方法。先用全景视频摄像机组采集标准标定场的稀疏特征点阵,利用自适应网格细分技术把采集的图像和标定场坐标细分到像素级对应,则全景视频的几何校正和拼接可以通过直接映射得到。在摄像机阵列相对位置固定时,可以一次校正多次使用。本文方法避免了普通拼接方法的特征点检测、匹配优化等参数求解过程,尤其是采用具有较大畸变的广角镜头和相邻相机视场重叠较少时更能体现出其优越性,并可以很容易地迁移到类似的应用中。通过一个原型系统,验证了本文方法的有效性。     

计算机视觉摄影测量的数学模型

计算机视觉摄影测量模型是通过计算机视觉进行事故现场测量系统设计的基础,根据摄像机成像基本关系,建立了描述空间点及其二维成像间的摄影测量数据模型考虑了成像系统的对称性镜头畸变误差,建立了线性摄测数学模型,通过试验分析了模型的理论精度和标定精度。     

农业生产中机器视觉技术的应用研究

机器视觉是一种快速,一致且客观的检查技术,已扩展到许多不同的行业。它的速度和准确性为自动化,无损且具有低成本效益的技术一种技术,为生产领域提供了另一种选择,可满足日益增长的生产和质量要求。这种检查方法已发现在农业中的应用,包括蔬菜、玉米、农产品等农产品的检查和分级。外皮缺陷的存在是农作物价格中最有影响力的因素之一,因为大多数消费者都将品质与良好的外观联系在一起,并且完全没有外部缺陷。但是,缺陷要比颜色,形状和尺寸要检查和分级困难得多。本文介绍了一些检测技术。这些技术包括基于二维和三维(3D)信息的图像处理方法,以及高光谱和多光谱成像。多摄像机组合成像系统的开发将确保计算机视觉技术继续满足这个竞争激烈且充满挑战的农贸行业所需的准确性和质量要求。本文通过对机器视觉技术进行分析,总结出该技术的一些运用现状以及还存在的问题,并提供解决方案,以期对我国农业生产具有促进作用。     

鸭梨品质检测计算机视觉系统研究

本系统在虚拟仪器的基础上,对鸭梨进行了利用机器视觉技术检测外部品质的试验研究.本系统可以对鸭梨的果面缺陷、颜色、尺寸和形状进行全面的检测.在此基础上,可对鸭梨进行精确的分级.     

广角镜头的摄像机非线性标定技术

在路面检测的计算机视觉系统中,采用了线结构光照明和摄像机采集外界三维信息。为了实现在大范围内的测量,摄像机采用了广角镜头摄像,同时也引入了比较大的图像畸变。为了精确标定摄像机,采用比较接近实际情况的几何模型,并采用非线性迭代解方程的方法对摄像机进行标定,求解摄像机的内外参数。实验精度可以达到0.1mm。该方法简洁实用,可以采用这种方法在实际当中对系统进行标定。     

广角镜头的摄像机非线性标定技术

在路面检测的计算机视觉系统中,采用了线结构光照明和摄像机采集外界三维信息。为了实现在大范围内的测量,摄像机采用了广角镜头摄像,同时也引入了比较大的图像畸变。为了精确标定摄像机,采用比较接近实际情况的几何模型,并采用非线性迭代解方程的方法对摄像机进行标定,求解摄像机的内外参数。实验精度可以达到0.1mm。该方法简洁实用,可以采用这种方法在实际当中对系统进行标定。     

基于计算机视觉的小麦叶面积测量

运用计算机视觉技术对目标作物小麦的侧拍、俯拍图像进行识别处理,计算出相应叶片所占面积大小,从多变量因素对其测量分析,与叶真实面积大小进行比较,分析建立关系模型。结果表明,小麦植株的侧拍、俯拍面积与叶真实面积之间存在回归关系,且相关性较高,R~2值达到0.91。且经过验证,测量结果较准确,说明此回归模型可行。     

计算机视觉摄影测量模型的标定算法

计算机视觉摄影测量模型的求解效率和精度是采用摄像机进行测量的关键。为对所建立的摄影测量模型进行高效求解,根据正交变换的基本原理,提出了基于吉文斯变换的标定模型解算方法。利用该算法对模型进行了标定计算,获得了较高的标定和测量精度。     

计算机视觉技术识别水果缺陷的一种新方法

利用计算机视觉技术识别水果表面缺陷，提出了分割缺陷和识别缺陷的新方法。该方法考虑了水果的形状特点，使不同灰度级的缺陷一次分割成功。在识别过程中利用水果的三维空间特征，实现了缺陷与果梗、花萼的区分。试验结果表明，该方法检测速度快，正确率高，能够满足计算机视觉进行在线检测的要求。     

计算机视觉技术在水产养殖中的应用

介绍了计算机视觉技术的概念及其系统组成,综述了计算机视觉技术在鱼种及形状识别、鱼只计数、鱼体尺寸和重量测量、投饵监控和鱼的行为监测中的应用。     

基于CCD拼接的航空相机小波自动调焦方法研究

为精确地进行航空相机调焦,获取高清晰度的航空影像,结合CCD拼接的特点,提出一种新的航空相机调焦方法,便于航空成像设备进行自动调焦。考虑人类视觉系统的特点设置权值,利用图像的小波分解系数构造清晰度评价函数;分析小波基函数的性质,对不同频率成分的影像进行清晰度评价,从而使评价函数对图像的变化具有适应性,通过比较得出了利用symlet2小波进行3层分解获得的评价函数的效果最佳。为了提高清晰度评价函数的灵敏度,选取了细节丰富的区域作为评价区域,详细地阐述了航空相机利用CCD拼接结构的特点进行调焦的算法实现过程。试验证明,该方法获得的评价函数比传统的小波方法灵敏度高,可以满足航空相机的需要,大大提高了地物目标的识别和提取的精度。     

计算机视觉系统在工业机器人上的应用

 工业机器人目前在工业生产中有着广泛的应用,在操作人员的引导下可以完成许多示教内容,但机器人缺乏对外界信息变化的足够感知能力,不能对已改变的工作环境做出相应的调整,进而影响加工的精度和质量,因此,给机器人添加一套视觉系统,使机器人能够对外部环境的变化做出相应的调整,提高机器人的灵活性和适应性,对机器人的广泛应用有着重要的意义。本试验通过介绍计算机视觉系统的工作原理和系统组成,研究开发了三自由度机器人,增加了一套视觉系统,实现了对物体的识别、跟踪以及一些其他的操作如：夹持、搬运等,并结合机器人控制卡,使得工业机器人能够很快地识别和跟踪目标物体,从而提高了工业机器人的适应性和灵活性。     

脐橙外部品质计算机视觉检测技术初步研究

根据脐橙图像的特点和分级标准,运用计算机视觉和神经网络算法对脐橙进行自动检测与分级。采用中值滤波和线性低通滤波技术对原始脐橙图像进行平滑、去噪,在对脐橙图像像素点颜色信息统计的基础上,通过设置蓝色分量、色调、饱和度的阈值,从图像中快速准确的分割出果实图像;确定果实横径、果形、表面缺陷率、色泽与着色率为脐橙外部品质分级的特征参数;通过BP神经网络建立了特征参数与脐橙等级之间的关系模型,试验结果表明,其预测准确率达到85％。