交叉路口摄像头视觉目标标定及误差校正仿真

针对当前摄像头视觉目标标定及误差校正方法存在的标定误差大和校正结果不准确的问题,提出一种交叉路口摄像头视觉目标标定及误差校正方法。通过非正交变形项、图像主点坐标、切向畸变参量、径向畸变参量和有效焦距等补偿修正项,得到交叉路口摄像头视觉目标标定模型,利用标定模型对交叉路口的摄像头视觉目标进行标定。通过标定摄像头的误差参数,对标定特征点的误差进行校正,采用非线性优化算法得到畸变参数和线性参数的最优解,根据最优解建立摄像头视觉目标标定误差校正模型,完成摄像头视觉目标标定的误差校正。仿真结果表明,所提方法得到的标定结果误差小,校正后的结果与实际结果的拟合程度高,验证所提方法可以准确的对摄像头视觉目标进行标定。

基于SIFT特征的Mean Shift目标标定算法

提出一种基于尺度恒定特征转换(SIFT)的偏移均值向量(Mean Shift)算法,用于视频监控场景中的目标标定。SIFT特征可以实现不同帧图像之间的匹配,Mean Shift算法可以通过色彩直方图进行相邻帧图像的相似度搜索。用期望最大化(EM)机制来评价这两种度量方法之间的概率分布,由此获得相似区域的最大可能性估计。即使这两种机制中的一种不稳定,那么这种相互支撑的跟踪机制也能使跟踪性能保持不变。实验表明本文提出的SIFT-Mean Shift策略改善了经典Mean Shift和SIFT跟踪方法在复杂场景下的性能。

利用改进DBSCAN算法的管制雷达目标标定方法

为探究基于眼动数据的管制雷达目标标定方法,利用雷达管制模拟机、眼动仪等搭建实验平台,召集8名管制学员参加模拟航空管制实验并收集眼动数据。使用具有噪声的基于密度的聚类算法(DBSACN,density-based spatial clustering of applications with noise)处理注视点数据过程中,主观输入的参数会导致无法很好完成聚类,笔者提出基于K-最邻近算法和变密度阈值设定法,从自适应选取邻域值和变密度阈值设计两方面对DBSCAN算法进行改进,并实现了算法的自适应运行。对改进过程中采用拟合分布密度函数极值点结合放大系数确定邻域值的方法进行验证,发现对不同雷达目标误差仅为8.6%和10%,表明改进方法具有一定的适用性。通过比对不同航空器目标兴趣区的提取结果,发现提出的管制雷达目标标定方法具有一定的准确性和普适性。

机器人抓取视觉传感目标精确定位方法

机器人抓取目标时,正确完成任务的前提是可以精准检测到目标位置,当距离目标较远时,以信号传感为基础的定位精度和稳定性会受到影响。为解决上述问题,提出基于视觉传感器的机器人抓取目标精确定位方法。利用视觉传感器获取目标图像,并标定目标位姿。采取直线段检测方法提取目标位姿特征,将提取的特征输入到改进粒子群算法的支持向量机回归模型中,输出定位结果。利用回归误差补偿模型对定位结果补偿,完成机器人抓取目标精确定位。实验结果显示,利用视觉传感器后,机器人抓取目标的定位时间为35 s、与实际位置的接近程度高于81%、置信度高于92%,由此可知机器人抓取视觉传感目标定位效果较好。

监管场所视频标注技术的研究与应用

针对监管场所的视频监控现状及趋势分析,研究视频标注的智能化应用。结合视频标注的背景技术进行分析,系统性的进行视频标注技术的研究,通过智能视频标注模型的建立、模型的实现和模型的迭代,系统性的实现了智能视频标注技术的应用。智能视频标注技术可有效帮助管理人员提高工作效能,推进智慧监管业务的深化发展。

计算机视觉下的激光杀虫系统

为满足消费者健康饮食的需求,对蔬菜面临的病虫害问题,结合计算机视觉,设计了激光杀虫系统。系统通过摄像头采集图像,计算机端接收采集图像,对图像数据显示与处理,检测目标点以及标定目标点坐标,通过控制云台对准目标点,完成系统杀虫功能。与传统的使用杀虫剂或者人工方式杀虫相比,在不造成环境污染的前提下,大大提高了生产效率,降低了人力成本。