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。     

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。     

木质材料表面粗糙度计算机视觉检测技术的研究

本文阐述了目前国内外现有测量技术的研究现状,提出计算机视觉检测技术是一种适宜的新兴的测量技术,并对其进行了初步的研究。结果表明:具有非接触、高速度和三维测量等优点并与触针式轮廓法具有明显的数据相关性。进一步完善后该方法可用于木质材料表面粗糙度的分类和在线实时测量中。     

基于计算机视觉的立木枝干直径自动测量方法

立木枝干直径是智能型立木整枝机器人工作的重要工作参数.该文提出了一种基于计算机视觉原理的立木枝干自动测量方法.该方法利用已知大小的标定尺简化无线性畸变CCD摄像机标定过程.首先,将标定尺与被测立木紧贴在一起并通过CCD摄像机获取它们的图像;其次,从图像中通过二次模板匹配方法检测标定尺并统计标定尺像素数;然后,计算出图像每一个像素代表的实际尺寸;第四,通过立木枝杈点检测分离出树干和树枝;最后,将统计立木枝干直径的像素数与每一个像素代表的实际尺寸相乘就可以很容易地计算立木枝干直径.该文测量了12组立木枝干的直径,平均绝对误差为0.67 cm,平均相对误差为1.9%.实验结果表明,计算机视觉的立木枝干直径自动测量方法能够比较精确地解决智能型立木整枝机器人中的立木枝干自动测量问题,但是该方法在进行复杂背景立木枝干直径测量时精度需要进一步提高.      

基于计算机视觉的立木树干曲率自动测量方法

树干曲率的自动测量是智能立木整枝机作业的重要步骤.该文针对立木图像的特点,提出了一种基于计算机视觉的立木树干曲率自动测量方法.该方法包含4个主要步骤:利用阈值分割对树干图像进行提取,得到图像的粗分割;在中值滤波的基础上,利用拉普拉斯算子对图像进行边缘位置点的检测,从而得到准确而连续的边缘;利用数学形态学方法对树干边缘进行细化处理;以道格拉斯-普克法提取树干曲线上的特征点,对其进行曲线拟合并求得树干曲率.实验结果表明,该方法能比较准确地识别树干的弯曲度.      

刨花板施胶效果计算机视觉分析方法

讨论了目前国内外现有刨花板施胶效果研究的现状，提出计算机视觉分析方法。探讨了系统的构成原理，图象的处理与特征量的采集，建立了全新的刨花施胶果表征参数。结果表明：该方法是一种自动化程度高，速度快，精度高的刨花施花胶效果分析新技术，能客观，全面地分析与测量刨花的施胶效果，更好地达到控制整个刨花板生产工艺流程的目的。     

农业领域中的计算机视觉研究

计算机视觉技术在农业各领域中的应用研究发展非常迅速，本文回顾了计算机视觉技术近年来在国内外农业中的发展情况，从四个方面进行综述。最后概述我国现阶段计算机视觉技术在农业中的应用主要存在的问题及发展前景。     

基于计算机视觉的油菜叶面积计算方法研究

介绍了利用计算机视觉技术测量油菜叶面积的原理和方法,并以纸重法为标准对比分析了传统直尺法与此方法在油菜三种类型叶片叶面积测量中的优劣性。结果表明,计算机视觉法在精度上明显高于直尺法,尤其在无柄叶测量中此方法的测量平均相对误差为3.09%,低于直尺法的10.49%,进一步根据标准测量值对直尺法测量无柄叶时的系数进行校正,发现系数选择0.75更为合适。     

基于计算机视觉的杜鹃自动分级方法

随着我国花卉产业的蓬勃发展,花卉的自动化生产已经成为了必然趋势。提出了基于计算机视觉的杜鹃分级方法,对杜鹃的侧视图、俯视图进行图像分割,通过分析计算,得到株高、冠径、花盖度、花朵分布均匀度4项关键指标。对60盆杜鹃的分级试验结果表明,综合分级正确率达96.7%,其中株高的平均测量误差为5mm,冠径的平均测量误差为7mm,而对花盖度及均匀度的分级正确率分别达98.3%和96.7%,并可测出准确的分级参数,用于杜鹃的培育分析。该分级方法准确,实时性高,为杜鹃自动化分级提供了有效的途径。     

基于计算机视觉的水稻三维重建方法

利用多幅多角度的拍摄方法对二维图像进行采集,通过数字化处理得到单株水稻各视角侧面投影及轮廓图像。然后使用基于计算机视觉的三维重建方法,构造单株水稻的可视立体包络,从而得到单株水稻的三维立体像素模型。使用移动立方体算法对单株水稻立体像素模型进行外围表面重建,最后得到单株水稻三维重建模型。     

计算机视觉测量中CCD摄像机参数的校正

在分析摄像测量坐标系的基础上，根据坐标变换的基本原理，建立了立体视觉中使用的ＣＣＤ摄像机几何模型，确定了校正系数和像距的分析与测量方法，并通过试验测得了校正系数，强调了影响校正系数测量的主要参数。     

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。     

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。     

计算机视觉在水产养殖与生产领域的应用

介绍了计算机视觉技术的概念及其基本组成,同时简单介绍了图像预处理的几种常见方法,综述了计算机视觉技术在水产养殖业的几种应用:鱼类对背景色选择习性、鱼类行为监控、鱼类游速监控、鱼类体色变化研究、投饵监控、鱼种辨别、鱼苗计数和鱼体称重等。     

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。     

计算机视觉技术在玉米生产管理中的应用

计算机视觉技术已经广泛应用于农业生产领域。对计算机视觉技术在玉米种子质量检验、玉米品种的识别、玉米粒形的检测、玉米田间杂草的识别等方面的应用做了介绍。     

基于计算机视觉的红枣叶片病害严重度估测方法

对红枣叶片病害严重度的精准评估是采取有效防治的关键,而传统的评估方法费时费力。该研究以病斑严重度不同导致的颜色特征差异为依据,提出了一种基于计算机视觉的红枣叶片病害严重度估测方法。对叶片病斑图像预处理后,提取基于R、G、B颜色空间的8个特征向量作为模型的输入变量,以正常、轻微、一般和严重作为模型的输出,利用GA-BP神经网络建立了红枣叶片病害严重度的估测模型。实验结果表明,模型可实现对红枣叶片病害严重度的快速识别,识别精度达到了87%以上。     

基于计算机视觉的大米外观品质检测

提出了利用计算机视觉系统代替人眼对黄粒米、粒型等大米外观品质参数进行自动检测的方法，以适应农业工程中的自动化的要求。为了验证检测方法的可行性，采用了MATLAB软件开发平台来构造基于计算机视觉的大米外观品质检测算法。在对不同的大米图像处理的基础上，完成了对大米的黄粒米、粒型等的测定。实验结果表明，本算法及程序设计是有效可靠的。