基于双目视觉的树木图像测距方法

研究了双目视觉技术在智能对靶喷雾中的应用;试验中运用平行光轴的摄像机采集图像,通过寻找树木图像中特征点的方式将两幅图像进行匹配,解决相似性问题;再计算出目标树木到摄像头的距离及其误差,试验的平均偏差率在8%以内;运用该方法能达到智能喷雾中控制施药量的目的,提高精确智能对靶施药效率。     

一种面向无人机的阵列相机设计及其目标定位算法研究

双目视觉定位系统广泛应用于无人机视觉定位领域中,但鉴于普遍使用普通单双目相机,其视场角较小,可调焦距小,不能满足无人机对复杂飞行环境中目标的大视野定位的需求。为此,设计了一种面向无人机的阵列相机包含对应定位算法,无人机搭载其可获得更大视角,降低视觉盲区的影响。同时,为了提供更高的无人机视觉定位系统对空中小目标检测的精度,采用阵列相机技术以及对应定位算法,当僚机搜索待检测目标时,通过阵列相机技术先切换到合适的相机组,然后自动调节相机焦距,识别定位目标。实验表明,该设计可以让无人机更快地追踪到目标,并且目标在画面中成像更清晰,定位更精准。     

小礼贺新年

又望新年。每到这个时候,人们总会停下来盘点一年来的收获和不足,和亲朋好友一起分享其中的甜酸苦辣,给父母、给爱人、给孩子、给自己准备一份新年礼物,格外温馨。礼轻情意重,在精美的礼盒里,不仅是浓浓的孝心、衷心的感谢、默默的鼓励,更是对明天的希望!     

采摘机器人果实识别与定位研究——基于双目视觉和机器学习

分析了双目视觉系统的工作原理及视觉标定方法,利用YOLO V2卷积神经网络算法实现对目标果实的识别,并对目标果实的空间定位进行了深入研究,设计了一套基于双目视觉和机器学习的采摘机器人果实识别与定位系统。在多次实际定位实验中,橘子的深度定位误差最大值为1.06mm,证实了系统具有一定的准确性和稳定性。     

基于特征工程的大田作物行中心线识别方法

针对大田作物行特征复杂多样,传统作物行识别方法鲁棒性不足、参数调节困难等问题,该研究提出一种基于特征工程的大田作物行识别方法。以苗期棉花作物行冠层为识别对象,分析作物行冠层特点,以RGB图像和深度图像为数据来源,建立作物行冠层特征表达模型。运用特征降维方法提取作物行冠层的关键特征参数,降低运算量。基于支持向量机技术建立作物行冠层特征分割模型,提取作物行特征点。结合随机抽样一致算法和主成分分析技术建立作物行中心线检测方法。以包含不同光照、杂草、相机位姿的棉花作物行图像为测试数据,运用线性核、径向基核和多项式核的支持向量机分类器开展作物行冠层分割试验;对比分析典型Hough变换、最小二乘法和所建作物行中心线检测方法的性能。结果表明,径向基核分类器的分割精度和鲁棒性最优;所建作物行中心线检测方法的精度和速度最优,航向角偏差平均值为0.80°、标准差为0.73°;横向位置偏差平均值为0.90像素,标准差为0.76像素;中心线拟合时间平均值为55.74ms/f,标准差为4.31ms/f。研究成果可提高作物行识别模型的适应性,减少参数调节工作量,为导航系统提供准确的导航参数。     

如何挑选"傻瓜"相机?

购买“傻瓜”相机时，首先检查照相机外表有无磕碰损伤，是否受潮发霉，镜片有无划痕和较大气泡。然后要面向光源，像照镜子一样对着照相机，观察镜头玻璃反光映出的人像，影像越暗淡，说明镜片镀膜的增透效果     

基于CCD视觉系统的刀具磨损测量方法

为保证刀具磨损测量能够在指定的周期内完成,本文提出了一种测量不同刀具磨损参数的测量方法。该系统由光源照射工具、CCD相机、激光二极管(用于轮廓深度评估)、线性投影仪、抓拍器和PC机组成,通过在刀具表面投影激光光栅线来确定轮廓深度。利用本文提出的方法,无需使用非常复杂的测量系统,即可获得三维图像。与其他能测量二维轮廓的技术相比,它具有明显的优势。     

伊春阔叶红松林兽类的分布特征研究

2017年11月至2018年4月在伊春阔叶红松林采用红外相机监测法开展了该地区兽类分布特征的研究。共布设了相机56台,累计观察了6 608个捕获日,获得的照片总数5 167张,其中有效照片240张、有效视频资料232份、兽类独立照片66张。共拍摄到3科5种兽类,分别为鼬科(Mustelidae)的狗獾(Meles meles)、青鼬(Martes flavigula)、黄鼬(Mustela sibirica),松鼠科(Sciuridae)的松鼠(Sciurus vulgaris),鹿科(Cervidae)的西伯利亚狍(Capreolus pygargus)。西伯利亚狍的独立有效照片28张,松鼠10张,青鼬11张,黄鼬12张,狗獾5张。其中西伯利亚狍的相对丰富度最高。     

普通数码相机检校方法的研究

本文提出了数码相机的检校理论和方法,并利用数码相机对室内检校场进行检校方法的实验和验证.在对研究结果进行处理和分析的基础上,认为普通数码相机用于近景摄影测量过程中在满足一定的条件下,完全可以达到比较好的精度.     

基于计算机网络算法的智能采摘机器人设计

为了提高采摘机器人的路径规划能力,基于计算机网络算法设计了智能采摘系统。首先,采摘机器人采集农田图像时,基于PSPNet网络算法,设计改进型计算机网络算法,实现农田环境因素识别;其次,识别获得道路特征图,并进行图像处理,得到道路边缘,拾取道路两边缘中线离散点,进行引导线拟合;最后,采用双目视觉系统实现障碍物定位,进而建立路径规划函数,当路径规划函数取最小值时,道路规划最优。对引导线精度进行测试,结果表明：误差分布范围为-1.2%～5.3%。对障碍物测距进行测试,结果表明：机器人和行人之间的相对偏差分布区间为[-2.2%, 2.8%],和车辆之间的相对误差分布区间为[-2.9%, 3.4%]。