论自动扶梯乘客危险行为识别与预警——以双目深度图像研究为例

文章以双目深度图像技术为背景,完成了深度神经与双目算法的融合,以判断乘梯人员的危险行为,形成有效的预警联动,保障人们乘梯安全。预警联动体系构建完成,通过实践运行发现:此系统能够针对乘客多种危险行为进行识别,同时在危险行为识别完成时,联动预警。识别的危险行为包括:乘梯人员逆行、滞留、站立不稳等,以此可保障联动预警系统的识别全面性,切实维护乘梯人员安全,减少电梯事故发生。

基于深度双目视觉处理的智能采摘机器人设计

针对采摘机器人对果蔬的位置定位不够准确、无法准确避障,导致采摘效率较低的问题基于深度双目视觉处理对智能采摘机器人进行了设计。智能采摘机器人的主要组成包括PLC控制器、视觉系统、移动平台、导航系统、机械臂、通信系统和电源。为了对采摘机器人的机械臂进行最优路径规划并避障,通过对采集的图像进行预处理后,利用双目视觉系统对果蔬进行精准定位,然后采用哈夫变换直线检测的方法进行最优路径的设计和选择,最终确定最优采摘路径。对采摘机器人进行运动轨迹精度试验和采摘试验,结果表明:采摘机器人对果蔬的采摘成功率较高,可以满足果农对于采摘机器人的要求。

基于双目深度图像的自动扶梯乘客危险行为识别与预警系统

基于双目深度视觉传感器,设计了一种融合双目立体匹配算法和深度神经网络模型的方法,针对乘客危险行为识别与预警的需求,构建了一套可应用于自动扶梯场景的乘客危险行为识别与预警系统。实验结果表明,该系统能有效识别乘客摔倒、逆行、探头、出入口滞留以及携带婴儿车和大件行李等多种危险行为,并能自动预警。

基于色差原理与双目测距技术的红花识别与定位方法

为了在图像中识别和提取红花并获得物理空间下的位置信息,提出一种基于色差原理与双目测距技术的红花识别与定位方法。首先,通过双目深度相机采集红花图像;然后利用改进的色差分割法将红花从背景中分割出来,求出红花区域轮廓二维重心点坐标;最后利用双目深度相机,根据二维轮廓重心点坐标,获取该坐标点下红花距离相机深度以及三维坐标信息,再通过坐标系之间的转换将其传递给机械臂,完成采摘工作。试验表明,在纵向Z方向,深度值在300~900 mm范围内,最大绝对误差为8.62 mm,最大相对误差为0.95%;在左右X方向,最大绝对误差为3.95 mm,最大相对误差为4.05%;在上下Y方向,最大绝对误差为2.95 mm,最大相对误差为3.37%,测量精度可靠准确,满足采摘需求。

基于YOLO的浮体运动测量技术

为解决进行海洋浮体运动测量时测量速度与测量精度无法同时保障的问题,通过将YOLO目标检测算法与双目深度相机相结合,提出了一种基于机器视觉的浮体运动测量系统,通过振动台实验与波浪水槽进行了验证实验.结果表明:该系统可准确稳定地实时追踪与测量快速运动浮体的空间位置,并且适用于真实的波浪运动环境.研究成果为海洋工程实践中的浮体测量问题提供了更加优良的解决方案,进而有助于提升海上人工作业的安全性.

视觉深度估计与点云建图研究进展

即时定位导航(SLAM)是无人驾驶和机器人实现自主移动的关键技术。目前广泛应用于SLAM技术中的激光雷达传感器存在成本高昂、激光点云空间分辨率低及难以获得精确的语义信息等一系列问题。视觉传感器可以有效避免上述问题,但是在深度预测和建图等方面需要更复杂的算法。近年来,随着处理器算力的提升、数据集的丰富和新机器视觉算法的出现,视觉深度预测和建图算法的精度和效率都有了明显提升。本文对现有视觉深度预测与视觉建图方法进行了总结,从视觉数据的采集和算法设计等方面进行分类阐述,最后针对应用场景和未来发展方向进行了分析。

基于视觉的三维目标检测算法研究综述

基于视觉的目标检测是环境感知系统的重要组成,一直以来是计算机视觉、机器人等相关领域的研究热点。三维目标检测是在二维目标检测的基础上,增加目标尺寸、深度、姿态等信息的估计。相比于二维目标检测,三维目标检测在准确性、实时性等方面仍有较大的提升空间。系统总结了基于视觉的三维目标检测方法,调研了现有的基于单目视觉、双目、深度相机的三维目标检测方法,并依据室内外场景进行了分类。此外,在KITTI、SUN RGBD等数据集上对最新的三维目标检测算法进行了对比分析,并针对目前算法中存在的难点和问题,讨论了未来的研究方向。