基于OBE理念的“自动控制原理”实验教学方法

为了提高当代大学生的动手能力和创新意识,提出一种基于OBE理念的“自动控制原理”实验教学方法。在内容方面,保留了教学大纲要求的所有实验项目,另外增加一个实践项目。在形式方面,采用多平台综合实验模式,即首先在THBCC-1型实验平台完成两个实验项目,培养学生的基础操作能力;然后用Multisim仿真完成三个实验项目,提高学生用专业软件解决工程实际问题的能力;最后用现场总线控制系统完成开放性实验,锻炼学生的创新思维能力。经过教学实践检验,改革后,学生的课程平均成绩、学科竞赛获奖以及毕业生的质量都有显著的提升,达到了预期的效果。

基于高斯金字塔的运动目标检测

针对自然环境下运动目标检测背景动态变化问题,提出一种新的基于高斯金字塔模型的背景差分算法。首先将图像序列进行多尺度分解,得到不同分辨率下的当前帧和背景帧;然后,在不同分辨率下采用高低双阈值进行背景差分运算,得到双阈值产生的2帧前景图像,阈值根据环境自动获取;最后,将各层差分图像自顶向下融合检测感兴趣的运动目标,并在HSV空间中去除阴影。背景模型的初始化和更新方法基于2种假设:一是背景点出现的概率较大;二是距离当前帧越近的点越能真实地描述背景。研究结果表明:该算法能有效地应用于动态背景环境下,可以克服光照变化及阴影的影响。多个标准图像序列的测试证明了该算法具有较高的准确性、鲁棒性和自适应性,时间复杂度低,可以运用于实时检测系统中。

一种适应相机抖动的运动目标检测方法

针对自然环境下运动目标检测时相机抖动问题,该文提出一种背景自适应方案。首先用Harris算子检测背景帧和当前帧感兴趣区域的角点,并在小范围内采用相关法和松弛法获取若干稳定的匹配点对。然后通过匹配点对的偏移量来估计相机的抖动参数,恢复出与当前帧匹配的背景帧。最后使用基于多分辨率金字塔模型的背景差分算法来检测运动目标,去除环境中的动态背景噪声和图像模糊引入的较小的相机偏移量估计误差。用公共测试图像的相机抖动序列对该算法进行了验证,并与当前较为先进的算法定性和定量地进行了比较,实验结果表明,该算法可以有效地解决自然环境下相机抖动问题,检测效果评价参数优于当前的算法。

自然场景下运动目标检测与阴影剔除方法

针对自然场景下运动目标检测中投射阴影使前景掩模检测精度低的问题,提出一种基于双阈值多分辨率的运动目标检测和多属性阴影剔除方法(MRPS)。首先根据不同分辨率下点的颜色属性,用双阈值混合高斯模型来检测运动掩模,用计算颜色模型来克服光照变化和轻度阴影的影响;然后根据阴影的光学属性,确定运动掩模中的潜在阴影区域,根据该区域外轮廓的位置属性对其分类;最后通过分析边缘属性恢复与阴影相连的目标背光区域,保留运动掩模中真实的运动目标区域。用公共测试图像的shadow序列对该方法进行了验证,并与狄利克雷过程(DPGMM)方法进行了比较,结果表明,该方法获取的前景掩模能更加有效地克服投射阴影的影响,前景检测精度提高了7.08%。

基于四目系统的真实场景三维建模

为实现敦煌莫高窟文化遗产数字化保护,设计了一套基于四目系统的真实场景三维建模方法。针对双目立体视觉系统特征点匹配精度不高的问题,构建了一种四目立体视觉系统,并设计了与之相适应的高精度立体匹配策略,运用四目系统的冗余设计和自检验功能,可以获得高精度的空间点云数据。针对Delaunay三角化结果中不相关目标的错误连接问题,增加三角形边长分别在图像坐标系和世界坐标系中的约束条件,抑制错误三角形,该条件可根据点云数据分布特征自适应获取。该系统已被运用到莫高窟第172窟的三维重建中。结果表明:该系统可以重建多目标、深度变化大的复杂场景,172窟的有效点云为41 649点,三维建模时间约为0.5h。

基于序列图像的运动目标检测

针对动态环境下运动目标检测中噪声多、目标检测不完整等情况,提出了一种基于金字塔多分辨率模型的运动目标检测方法,在低分辨率下获取目标的区域,在高分辨率下获取目标的细节。对于复杂的环境,还提出了运用高低双阈值替代传统的单阈值进行图像差分运算的方案,阈值可以根据图像自动分析得到。该方法首先将当前帧和背景帧进行尺度变换,得到不同分辨率下的图像组,然后在不同尺度下得到高低阈值差分图像,最后从高层向低层进行有效融合,得到噪声少的完整目标图像。实验表明,该方法提取运动目标的精度比较高,单目标达到0.802,多目标达到0.615,尤其是在复杂的动态环境下,优势比较明显。

基于混合差分法的运动目标检测

为了提高背景重建速度和目标检测精度,提出了基于混合差分的运动目标检测方法。采用一种基于统计模型的区域像素级背景重建方法。结合帧差分法对于环境的适应性和背景差分法目标检测的准确性。首先用帧差分法得到目标最大的可能区域,在该区域进行像素级背景重建。然后用背景差分精确提取目标区域。既克服了单纯帧差分对于目标运动速度的限制,又缩小了背景差分的区域,使运动目标检测的时间复杂度迅速降低。通过实验,验证了该方法在检测精度和速度上的优势,可以应用于视频监控和目标跟踪领域。

下雪天气条件下的运动目标检测

针对下雪天气条件下高精度的运动目标检测,本文在GMM算法基础上进行改进,首先采用多分辨率、高低阈值的思想对其进行优化,克服下雪天动态背景噪声的影响;然后运用计算颜色模型,抑制运动目标产生的弱阴影和光照变化;最后在各目标最小约束矩形内进行空洞修补,填充由于阴影过度抑制和被雪覆盖目标表面丢失的运动掩模。实验结果表明:改进算法7项指标都优于GMM算法,与当前较优秀的FTSG算法相比,7项指标中有4项超越,2项接近。

基于模糊集理论的运动目标检测

针对复杂自然环境下运动目标检测中噪声多、目标检测不完整等问题,提出一种改进的基于模糊集理论的解决方法。使用金字塔多分辨率模型进行背景差分获取初步的前景掩膜,将当前帧的颜色、时间、空间、位置4种特征用模糊集表示,形成模糊向量集合簇,用模糊数学理论结合这4个向量的特征,得到每个像素点对前景的隶属度,从而检测运动目标。该方法不仅能有效地检测较完整运动目标,也可以克服自然环境下微小运动背景的影响。实验结果显示:该方法前景的识别率为0.717 4,错误率为0.011 8,能适应自然环境下动态背景的影响。

一种数字水准仪编解码技术的研究

鉴于数字水准测量时,线阵CCD采集信号使视场和分辨率受视距大范围变化的制约,水准仪编解码困难,提出一套新的编解码方案,采用混合编码,基于面阵CCD接收器,利用二维信号的优越性,解决视距太小不能满足条码样本数与视距太大图像分辨率低的矛盾,研究水准测量的技术核心问题,并通过算法优化,达到实时在线测量的要求。测试结果表明,测量范围为2m～10m时,测量绝对误差在-1mm～1mm之间,证明了所提出的编解码方法的正确性与可行性。

一种目标空间运动分析系统

针对运动目标空间定位问题,将立体视觉技术与单视频序列下的运动目标检测相结合,设计了一种目标空间运动分析系统,实现目标的空间定位,扩展了单视频序列运动目标检测课题的应用范围。针对从单目向多目过渡过程中面临的问题,从硬件上提出了相应的解决方案,将立体镜头与高速相机相结合,克服了芯片一致性、相机同步、运动拖影等影响。由于立体像对源于同一帧图像,所以可以直接使用传统单序列运动目标检测方法获取运动掩模。使用该空间运动分析系统在光照充足的室外条件下进行单一目标的自由落体和斜坡运动2组实验,实验结果表明:该系统运行稳定,实现了运动目标的空间位置分析功能,1m范围内,定位绝对误差小于0.01m。

基于四目立体视觉的三维全自动建模

为保护并传承敦煌莫高窟世界文化遗产,研究基于四目立体视觉系统的三维全自动建模技术。由于提取的点云数量较大,导致自动建模过程中,点云的三角构网步骤无法顺利进行,因此着重研究点云的精简算法。将包围盒算法与点云的曲率特征相结合,提出一种点云精简算法,即改进的包围盒法。实验结果表明,该方法对点云的采样精度高于原始包围盒法,点云精简率可达93.6%,点云数据精简后三维建模效率大大提高,生成的三维模型精度较高。

三维模型的空间匹配与拼接

为获得敦煌莫高窟第172窟的全景三维模型,实现文化遗产数字化保护,提出一种三维模型的空间匹配与拼接方法。首先通过基于四目立体视觉系统的复杂场景三维重建方法,获取单一场景的三维模型;然后以场景真实三维点云数据的对应图像坐标为约束条件,进行高精度特征点匹配;最后以两对同名点在相邻两场景中的空间距离应该一致为条件,保留匹配精度高的点,用于计算旋转矩阵和平移矩阵,进行三维模型间的空间拼接。实验结果表明:与传统拼接方法相比,本文的模型拼接处无明显错位现象,视觉效果更好,传统方法与本方法的匹配误差分别为0.008 2和0.001 6,拼接精度得到显著改善。

基于四目系统的复杂表面高精度密集空间点云获取方法

在敦煌莫高窟文化遗产数字化保护中,针对基于立体视觉的方法对目标进行三维重建时,复杂表面缺乏特征点,难以获取高密度和高精度空间三维点云的问题,提出了一种基于投影和四目立体视觉的方法。首先,采用投影仪向目标投射黑白棋盘格,并检测角点;然后通过软件细分,将棋盘格在横向和纵向分别平移9次,将棋盘格角点数扩展81倍;最后,用基于四目立体视觉系统的匹配策略,短基距系统用来立体匹配,长基距系统用来计算空间坐标,获取均匀、高密度和高精度的三维点云。实验结果表明:与传统的Harris算子相比较,所提方法获取的三维点云数据能更准确地描述目标的三维结构,点数在数量级上有提高。精度方面,所获取三维点云空间坐标的绝对误差小于1 cm,相对误差小于10%。

一种基于仿射不变区域约束的立体匹配算法

针对现有立体匹配算法匹配速度的不足,提出一种基于区域约束的快速立体匹配算法。选取4对稳定的特征点作为初始匹配点对,在左右图像中分别构建四边形,然后将四边形划分成4个三角形,以每个三角形对为待匹配区域,利用仿射不变性进行区域内特征点匹配。获得特征点匹配对后,再以每个特征点为中心进行开窗,利用传统的基于灰度信息的方法进行精度验证。实验表明,该算法在保证一定精度的情况下能获得较高的匹配速度,可满足实时性要求。

基于双椭圆变化参数的香蕉形状描述方法

为实现香蕉外部形状的描述,提出一种基于双椭圆变化参数的香蕉形状描述方法。首先通过图像预处理获得对象物体的二值化图像,结合开源计算机视觉库(OPENCV)提供的库函数cv.fit Ellipse进行二维点集的椭圆曲线拟合,并筛选出外接椭圆轮廓作为初始轮廓;然后在此基础上构造可变参数的外接椭圆和内接椭圆,以双椭圆叠合面积的大小为准则进行香蕉形状的拟合描述;最后提取描述香蕉形状的双椭圆参数作为特征参数,并运用该类参数对其他类型果蔬形状进行描述,判断该类特征参数的有效性。试验结果表明,所提出的方法简便易行,在AMD FX6300处理器平台上运算速度约0.1 s。算法采用C++语言编写,能够应用于水果分类包装自动化生产线。

一种三维点云聚类算法的研究

在重构曲面之前,需要对点云数据进行聚类处理,以保证后续3D重建工作准确、高效地进行。基于采用传统的聚类方法处理立体视觉形成的海量数据所存在的计算与存储瓶颈问题,提出一种新型的聚类算法,即基于包围盒的密度聚类算法。它首先利用包围盒算法对给定的海量点云进行过分聚类,然后对每个过分簇求中心,用中心点代替过分簇,最后在过分簇的级别上进行基于密度的聚类来完成对整体的聚类。结果显示该方法能够有效地实现海量点云的聚类,突破计算瓶颈。它实现了原始点云的大量删减,简化率高达96.75%,并最终在过分簇的级别上将原始点云分为5类。

基于OpenCV的运动目标检测软件实现

OpenCV是一种基于开源发行的跨平台计算机视觉库,应用范围非常广。从运动目标检测角度出发,介绍了基本背景差分法检测运动目标的一般流程和当前经典的混合高斯模型(GMM)。采用基于OpenCV的方法软件实现GMM算法,提取运动目标,对该算法进行了评价。

基于形状拟合与颜色模糊评判的香蕉识别

针对大小椭圆形状拟合不能准确识别较直香蕉的局限,提出一种与RGB分量模糊评判相结合的识别方法,实现了香蕉更准确有效的识别。对香蕉进行目标特征提取,用大小椭圆进行轮廓拟合,对于不能准确识别的较直香蕉,再结合已建立的RGB模糊综合评判模型进行识别分类。实验结果表明,该方法识别准确度较高。

基于四旋翼机的全景视频监控系统软件实现

利用海康威视网络摄像机SDK开发包,以微软VC2010-MFC框架为软件的基础架构,配合Open CV图像处理库中的拼接类,设计基于四旋翼机的全景视频监控系统软件。该软件可在局域网下进行视频监控,在监控的过程中可采集视频图像和照片并实时传输回地面端,对采集的图像进行实时拼接处理,实现全景视频监控。