基于R-CNN的精准型智能送药小车开发系统

2020年开始,疫情肆虐,对人们的身体健康造成了巨大危害。在公共场所中,人与人之间的近距离接触加剧了病毒传播的风险。特别是在医院中,医护人员和住院患者感染后,不仅会削弱医护力量,还会威胁更多患者的身体健康。因此,设计了一款精准型智能送药小车,为医院住院部护士站提供病房药物配送服务。该小车基于STM32F407ZGT6核心板搭建,利用OpenMV进行房间号的精准识别;通过基于深度学习的目标检测算法,利用R-CNN进行模型训练,大大提高了OpenMV的识别精准度;经过实际训练和测试,该小车的最终识别精准度可达99.2%。

基于单目摄像机的光学立体标定技术

为了构建一种基于单摄像机的三维视觉系统,提出了重构光学标定点三维坐标、计算重构误差和优化标定参数的方法。通过移动高精度位移平台,构建三维视觉系统,计算左右摄像机位的初始参数,引入质心坐标法计算两摄像机位间的旋转平移矩阵,利用最优三角剖分法重构光学标定点的三维坐标,计算并最小化重构误差,对标定参数进行优化。实验表明:重构误差直接反映了三维重建的效率,该方法的精度和鲁棒性得到了显著的提高;实物外形测量的误差从0.1123 mm减小到0.0191 mm,标准差从0.1838减小到0.1275。该方法适合应用于三维视觉系统标定质量的评估。

单摄像机立体视觉测量系统的高精度变焦标定技术

针对现有用于光学测量的双目变焦系统标定方法难度大、测量精度受限于两摄像机内参一致性等问题。提出一种基于单摄像机的平行双目立体视觉系统实现及其高精度变焦标定方法。方法基于三角测量原理采集图像,利用高精度位移台驱动单摄像机进行平移以保证基线精度;求解离散焦距下的预标定结果并利用BP神经网络模型对其进行拟合,以实现任意焦距下系统内外参数动态估计。实验结果表明,系统预标定的重投影误差小于0.1664 pixel,变焦后图像畸变校正平均误差为0.0982 pixel,立体视觉测量尺寸绝对误差小于0.05mm。方法能弥补传统变焦标定方法的不足,消除双目内参不一致引入的误差,提高视觉系统的测量精度。