基于机器视觉的条烟在线分类方法

针对条烟在线分类过程中条烟外表面类间差异性小、图像低照度现象所造成的分类精度低、耗时长的问题,提出一种基于机器视觉的条烟在线分类方法。该方法通过线扫描式视觉传感器,搭配同轴线光源采集条烟视觉图像,预处理采用改进的CLAHE算法,基于HSI色彩空间中的亮度分量I,使用亮度分量直方图峰值和均方差量化裁剪参数,自适应增强低照度图像亮度。分类使用ConvNeXt为主干网络,提出特征融合模块,将浅层纹理特征与深层特征进行二次融合,增加局部细节信息,提高条烟分类的准确性;随后提出block加速模块,在block中加入SimAM无参注意力机制并使用结构重参数化,以优化模型并增快推理速度。实验表明,算法的鲁棒性强,分类精确度达到99.99%,能够满足条烟在线分类的要求。

A novel virtual four-ocular stereo vision system based on single camera for measuring insect motion parameters

A novel virtual four-ocular stereo measurement system based on single high speed camera is proposed for measuring double beating wings of a high speed flapping insect. The principle of virtual monocular system consisting of a few planar mirrors and a single high speed camera is introduced. The stereo vision measurement principle based on optic triangulation is explained. The wing kinematics parameters are measured. Results show that this virtual stereo system not only decreases system cost extremely but also is effective to insect motion measurement.

光场相机成像模型及参数标定方法综述

光场相机成像模型与参数标定方法是拓展光场应用的理论基础和关键环节,已成为计算光场领域的研究热点。不同于传统相机的成像原理,光场相机通过新颖的光学系统将场景中的光线按照某种给定关系与图像传感器像元进行对应,实现对三维空间中光线位置和角度信息的采样与记录,可通过计算摄影学恢复场景的三维结构。利用微透镜阵列分析了光场相机标定的成像模型和参数化模型,比较了不同物理参数设置对光场采样结果的影响;分析了光场相机的光线提取与校正方法、参数标定模型、误差定义与精度度量等主要问题,对光场相机参数标定方法进行了归纳和总结。

一种高精度的非迭代位姿估计方法

针对增量式运动结构恢复中相机内参数未标定情况下位姿估计问题,提出一种高精度的非迭代位姿求解方法。根据针孔成像模型,构建了相机内参数未标定位姿估计问题描述方程,使用单位四元数对旋转矩阵进行参数化,并根据四重轴对称现象对旋转矩阵进行分解,通过最小二乘原理构建目标函数后,利用一阶最优化条件建立了关于旋转矩阵参数的二元多项式方程组,使用Gr9bner基求解该方程组得到旋转参数的闭合解,进而获得相机的位姿参数和焦距。该算法的计算复杂度为O(n),实验验证了其有效性、高精度和高数值稳定性。