基于标记点的直升机旋翼动态三维测量方法

为快速方便地获取直升机旋翼动态三维坐标,提出了一种基于编码标记点和立体视觉的旋翼动态三维测量方法,该方法首先采用平面标定法及Bouguet校正算法实现立体标定和图像校正;其次,依据标记点形状和灰度特征,采用图像二值化和连通域标记等方法检测并定位编码标记点的中心,确定标记点像素坐标;然后,采用邻域扫描法对编码点进行解码,得到标记点的码值,并依据码值实现左右视图中同名标记点匹配;最后,利用投影方程求出标记点三维坐标,实现直升机旋翼动态三维测量。仿真实验结果表明该方法精度高,实际测量误差不超过0.3mm,可满足旋翼动态三维测量的要求。

赣南脐橙果园土壤全氮和有机质近红外漫反射光谱检测

选取赣南脐橙果园土壤作为研究对象,探讨在4 000～7 500cm-1范围内的光谱分析土壤全氮和有机质的可行性。采集的近红外光谱采用多元散射校正、一阶微分、二阶微分、七点平滑等多种预处理对比分析,分别建立了有机质和全氮含量偏最小二乘模型。实验得出全氮预测模型在4 000～7 500cm-1范围内采用七点平滑(SG)进行预处理模型较为理想,校正集相关系数(rc)为0.802,校正均方根误差(RMSEC)为2.754,预测集相关系数(rp)为0.715,预测均方根误差(RMSEP)为3.077;有机质预测模型在4 000～7 500cm-1范围内采用标准正态变量变换(SNV)预处理模型较为理想,rc为0.848,RMSEC为0.128,rp为0.790,RMSEP为0.152。研究表明近红外漫反射光谱可快速用于赣南脐橙果园的土壤中全氮和有机质含量的快速检测。

果园运输机钢丝绳损伤机理的扫描电镜研究

针对山地果园牵引式双轨运输机用钢丝绳在使用过程中失效机理尚不明确,本文以钢丝绳接触结构与运行参数为研究对象,搭建模拟钢丝绳实际运行的绕卷试验平台;通过绕卷试验获取报废钢丝绳样品,探究结构与运行参数对钢丝绳损伤形式的影响及断丝规律;应用扫描电子显微镜对钢丝断口进行宏观及微观组织观察,探究钢丝的断裂机理。试验结果表明:钢丝绳钢丝断裂主要集中在外层丝,钢丝断裂是在塑性变形与磨损的共同影响下达到疲劳断裂的;钢丝绳股与股接触丝间的微动磨损相对于外层丝的磨损较轻微,不是主要损伤形式。本研究可为用于山地果园运输机及其它用途的钢丝绳的维护与保养和运输机的安全性能优化提供参考。

果园运输机钢丝绳损伤试验平台设计与试验

在阐述山地果园牵引式双轨运输机用钢丝绳动力学与接触力学模型的基础上,搭建了基于PLC模拟钢丝绳实际运行的绕卷试验平台,设计了试验平台的变频调速系统与控制系统,并安装和调试了张紧力自动调节装置;搭建了一套基于漏磁法的钢丝绳断丝与磨损检测平台,进行了钢丝绳探伤仪断丝与磨损可靠性试验。在拉力传感器标定与调节装置性能测试试验中,推拉力计的拉力输出值与注水质量呈线性关系,且试验张紧力偏差浮动范围为-130~85 N,结果满足试验要求。钢丝绳断丝与磨损检测试验结果表明,在模拟断丝数依次为10、20、30根的情况下,试验绳10次重复试验检测的断丝数与实际值相同,说明检测平台可精确检测钢丝绳断丝数及断丝位置;但是,通过探伤仪检测的模拟磨损情况与实际值偏差较大,无法对钢丝绳磨损进行准确的检测。

基于区域相似信息的自适应运动目标检测算法

当视频监控中存在动态背景干扰、鬼影现象和静止目标时,ViBe算法的检测性能较差。针对该问题,提出一种改进的ViBe算法。通过Otsu算法得到图像的动态阈值,提高算法在动态背景中的抗干扰能力,同时结合区域相似度判断鬼影、拖影或静止目标区域,自适应地对不同类别区域像素进行更新抑制。实验结果表明,改进算法在动态背景中表现出良好的鲁棒性,能够有效抑制鬼影以及静止目标产生的拖影,在保证实时性的前提下较原算法检测精度和综合评价指标F值分别提高0.309和0.2,具有更好的检测效果和检测性能。

基于改进ViBe算法的运动目标检测研究

ViBe算法是一种高效的像素级视频背景建模或前景检测算法。针对传统ViBe算法中存在的"死区"现象以及阴影干扰问题,提出了结合感知哈希算法和基于图像RGB色彩信息的高斯拉普拉斯差分算法的改进ViBe算法,实现了对"死区"的抑制,消除了运动目标阴影,完成了对视场范围内运动目标的检测。实验表明,相较于传统ViBe算法在视频的1315帧才能完成对"死区"的抑制,改进后的ViBe算法仅需15帧就完成了对"死区"的抑制,消除了运动阴影的干扰,并测试了算法的鲁棒性和实时性,并取得良好的效果。

一种级联两阶段分类的行人检测方法

行人头肩部位检测是计算机视觉领域的难点,针对传统行人头肩检测过程中误检率高的问题,提出两阶段HOG特征结合ORB特征的头肩检测算法。首先在特征提取阶段,基于AdaBoost级联分类算法训练HOG特征生成第1阶段头肩检测器,检测出行人头肩部位的＂候选区域＂;接着,使用SVM分类算法训练ORB特征生成第2阶段头肩检测器,对＂候选区域＂进行第2次检测。测试结果表明,相比与传统HOG特征准确率提升10%,两阶段检测算法头肩检测准确率达到了85.60%,有效提高了视频中行人头肩检测的准确性。