基于双传感器的激光视觉三维测量系统设计

为了提高对目标物体的三维测量能力,提出一种基于双传感器的激光视觉三维测量系统,构建激光视觉三维测量的图像采集模型,对采集的激光视觉三维图像采用边缘轮廓检测方法进行测量物体的轮廓线检测,采用双传感器进行图像的视觉特征采样,利用帧扫描技术进行激光视觉三维视觉特征提取,采用Fraunhofer圆孔衍射方法进行激光视觉的三维特征标定,根据衍射的孔径进行图像边缘融合处理,采用最大似然估计方法进行激光视觉三维参数联合估计,根据双传感器的信息融合结果实现激光视觉三维准确测量。结合嵌入式的ADSP-BF537实现激光视觉三维测量系统的硬件设计。测试结果表明,采用该方法进行激光视觉三维测量的准确度较高,测量误差较小,测量过程的抗干扰性较好。

基于结构光三维视觉的螺旋输送器谷粒体积的测量方法

[目的]针对螺旋输送器在输送谷粒的过程中需要在线测量物料输送量的问题,选择合适的在线测量方法,实现螺旋输送器输送谷粒体积的在线测量。[方法]选择常用的螺旋输送器,应用激光三角法构建结构光三维视觉测量系统;通过试验参数标定法建立物长与像素偏移值的关系;在对结构光图像进行预处理的基础上,通过阈值判定法获取谷粒流轮廓;分别用图像处理法与几何解析法对螺旋叶片裸露情况进行判定,对断裂的谷粒流轮廓运用最小二乘法进行拟合;基于梯形微元积分求和法,分别建立谷粒流截面计算模型与体积计算模型。[结果]螺旋输送器填充率在45%以上,转速在26.3～46.0r·min^(-1),输送3种不同体积谷粒时,谷粒流体积测量平均误差小于5%,重复试验变异系数小于0.024,均方根误差小于0.969。当测量体积为11.6 L,螺旋输送器转速为32.8 r·min^(-1)时,图像处理法的最小误差为1.73%,几何解析法最小误差为1.97%。[结论]采用结构光三维视觉测量系统,应用梯形微元积分求和法建立谷粒流体积计算模型,可以实现螺旋输送器输送谷粒体积的在线测量。

双传感器激光视觉测量系统的校准

构建了由2个结构光传感器组成的激光视觉三维测量系统,建立了测量系统的数学模型。提出了一种基于未知运动的平面靶标获得测量系统全部参数的现场校准方法。实验表明,传感器校准后的三维坐标精度为0.011、0.008和0.115mm,所提出的校准方法无需依赖专门的三维测量设备,操作简单,促进了双传感器激光视觉测量系统的工程化三维测量应用。

深度学习车型识别在联网收费系统中应用浅析

本文阐述了双视频流三维深度学习车型识别系统设计方案,介绍了系统的工作原理、前端设计、主要设备选型及设计参考,着重讲述了深度学习车型识别系统所实现的功能及特色应用,并结合技术发展趋势,展望标准化、多功能、稳定性高、实用性好的深度学习车型识别技术在未来的联网收费、车辆联网、治安防控等领域的规模化应用所带来的经济价值和社会效益。

无人机技术在水利行业中的应用

无人机低空对地观测技术具有成本低、分辨率高、机动灵活等优点,是当前水利信息动态监测和基础数据采集的重要手段。该技术涵盖了视频采集和摄影测量2个部分。视频采集技术主要应用于灾害应急调查,而摄影测量主要面向基础测绘和三维建模。无人机倾斜摄影测量是一项新的对地观测技术,它基于多视角的三维重建理论,是计算机视觉与摄影测量相结合的产物。