Kinect深度摄像机在振动测量中的应用

由于目前大多数振动测量方法效率低、成本高,研究将Kinect深度摄像机应用于测量物体表面任一点的实时振动信息。实验对比了Kinect摄像机和Bumblebee2双目摄像机在不同频率下测得的数据,分析两种方法测得数据精度和测量效率,表明了Kinect深度摄像机在振动测量中的优势。

深度学习在天然气管线可移动式摄像机挖掘机检测中的应用

天然气管道是将天然气从生产地运输到消费地的重要通道,对于国家的能源安全和经济发展具有非常重要的意义。为了确保天然气管道施工过程中的安全,本文提出了一种基于深度学习的YOLOv3天然气管线附近可移动式摄像机挖掘机检测算法。该算法采用了卷积神经网络Darknet-53进行挖掘机的目标检测,能够有效地提高施工安全性和效率。实验结果表明,本文提出的YOLOv3的天然气管线可移动式摄像机挖掘机检测算法在识别挖掘机的准确性和速度方面表现出较好的性能,准确度高达93.6%。该算法能够对天然气管线附近的施工挖掘机进行实时监测和告警提醒,避免了挖掘机施工对天然气管道造成的潜在风险,从而提高了施工现场的安全性和效率。

基于卷积神经网络的摄像机姿态感知系统设计

该文设计一种基于卷积神经网络的摄像机姿态感知系统,运用深度学习方法结合传感器技术,获取摄像机实时姿态数据,特别是摄像机运动过程中的姿态数据。系统采用孪生卷积神经网络,通过摄像机采集的环境图像对孪生卷积神经网络进行训练获得摄像机姿态感知模型,在使用时通过将摄像机采集的视频图像输入摄像机姿态感知模型获得摄像机的位姿数据。系统解决可转动式摄像机的实时姿态感知问题,可在公共安全、工厂、交通和矿山等领域广泛推广应用。

改进联合双边上采样滤波的Kinect深度图像增强算法研究

Kinect深度摄像机可以实时获取到稠密深度图像,但该RGB-D相机获取的初始三维点云数据量庞大,其深度图像饱受无效像素、噪声和边缘不匹配等因素影响,直接对其进行操作会降低后续摄像机追踪以及配准的精度。因此,提出了一种有效提高Kinect深度图像质量的基于快速联合双边上采样滤波的深度图像增强算法。利用其对应的彩色图像,采用区域生长方法检测并去除深度值错误的像素;为了准确估计无效像素的值,采用联合双边滤波器对孔洞进行填充;利用传统高斯核函数的分离特性,并通过将其更换为快速高斯变换函数实现计算的复杂度的降低,并且有效地降低了深度图像的噪声。实验结果表明,提出的方法通过成功地填充孔洞,消除了不匹配的边缘,降低了噪声,显著提高了深度图像的质量,并且降低了运行时间。

无标定摄像机手眼系统平移下的目标深度估计

在基于图像的视觉伺服手眼系统中,往往需要通过估计获得目标的深度信息。为此,提出了通过控制装有摄像机的机械手进行纯平移运动,从获取图像序列特征点的变化来估计目标深度的新方法。首先利用四次纯平移运动,离线计算手眼关系的旋转矩阵;在线阶段,利用该旋转矩阵将机械手平移转换为摄像机平移,再结合平移前后图像极点不变的特性,实现目标深度实时估计。与以往方法不同,新方法无需进行摄像机参数标定,并对图像匹配噪声和手眼系统运动误差具有一定的鲁棒性。

基于双目会聚型立体摄像机的目标深度测量

目标物体的三维测量是双目立体视觉的一项重要任务。基于视差的平行摄像机模型是最常见的用于三维重建的双目摄像机模型。一般双目立体摄像机不是严格平行的,所以采用上述方式进行三维重建时需要进行极线校正。提出了一种新的用于三维测量的双目摄像机模型,该模型针对一般常见的非平行的会聚立体摄像机模型。采用该模型进行目标物体的三维测距时,根据摄像机标定得到的相对外参,即可快速得到目标物体的深度信息。同时,本文从分辨率的角度对提出的深度测量方法进行了精度分析。实验结果验证了提出方法的有效性和可靠性。

一种基于深度卷积神经网络的摄像机覆盖质量评价算法

随着视频监控系统的大规模普及,视频监控系统的效用评价成为一个重要的研究课题.当前视频监控系统评价只考虑了摄像机的覆盖率,缺少对摄像机覆盖质量的量化评价.该文提出了一种基于深度卷积神经网络的监控摄像机覆盖质量评价算法.将摄像机覆盖质量评价问题转化为对摄像机所采集视频帧的质量评价问题,探讨了基于视频帧的摄像机覆盖质量等级的分级策略,标注了一个摄像机视频帧质量等级数据集;设计了一种新颖的多维标签赋值方法,利用深度卷积网络学习鲁棒的视频帧表示,进一步基于支持向量回归机(SVR)学习视频质量回归函数,从而实现对摄像机覆盖质量的鲁棒估计.实验结果表明:该算法能够准确地对监控摄像机的覆盖质量进行自动评测,有效监测了摄像机监控质量的实时变化.

基于kinect摄像机的多运动目标实时跟踪

多运动目标跟踪是视频监控中的关键问题,在目标相互运动发生遮挡时,采用二维摄像头监控容易丢失信息而造成跟踪失败.本文采用kinect摄像机获取目标的RGB图像及深度图像,并分别获取基于RGB图像信息的目标颜色模型和基于深度信息的目标三维空间模型,在视频帧间将颜色、空间模型分别匹配得到目标帧间匹配度,通过Mahalanobis距离算法实现多目标匹配,从而得到多目标识别跟踪结果.实验表明,在RGB-D数据集及拍摄的视频序列上均取得了较好的跟踪结果,实现了kinect三维视觉下的实时多目标的跟踪.

基于Kinect深度图像的人体重心估算方法研究

为了改善现有测量人体重心的设备价格昂贵和不便携带等问题,提出了一种用Kinect深度相机快速估算人体重心的方法。该方法利用分段法与松井秀治模型,结合Kinect获取的骨骼信息,将人体划分为15节段,根据节段质量、近远端坐标和重心半径系数计算出各个节段的重心,然后结合力矩合成法估算出人体总重心。最后,通过机器学习算法模型对重心数据进行了修正。Kinect与三维测力台的对比实验结果表明,该方法在测量大幅度动作的人体重心中有着更好的准确性,Kinect较传统设备价格低廉,易于推广使用,可作为一种站立平衡评估工具。

基于深度学习的摄像头回程差检测方法研究

本文研究了深度学习在球机摄像机回程差检测中的应用。通过设计和训练深度学习模型,旨在提高回程差检测的准确性和效率。深度学习在球机摄像机回程差检测中具有优越的性能。本文的研究为解决球机摄像机回程差检测问题提供了新的有效方法。

基于摄像机跟踪和深度信息的三维合成

阐述一种新的基于摄像机跟踪和深度信息的三维合成技术。此技术将2D视频源转为3D视频,然后提取3D视频源的深度信息,再将摄像机跟踪和视频深度信息有机结合起来,使得3D视频和3D物件在三维场景中有机融合,进而获得更加真实自然的三维合成效果。

基于惯性传感器和Kinect摄像机的OFCM图像匹配算法

提出了一种基于图像三维信息及摄像机运动参数的图像匹配算法,用于解决智能监控系统中图像匹配实时性差、鲁棒性低等问题。该算法分别利用惯性传感器和Kinect摄像机估计出摄像机的运动外参矩阵和图像的深度信息,再根据射影几何原理,结合当前帧图像的像素坐标计算出该像素点在下帧图像的像素坐标,从而完成图像匹配。利用该算法对实际采集的图像序列进行了分析与处理,并从配准精度、鲁棒性和实时性方面与经典匹配算法KLT进行对比。实验结果表明:该算法极大地降低了计算量和计算时间,不仅能满足智能监控系统对图像匹配精度和稳定性的要求,更能满足系统实时性的要求。

基于YOLOv7的摄像机检测追踪系统设计与应用

人工智能技术的发展为广播电视行业注入了新的活力,为广播电视事业的发展带来了新的机遇。在演播现场,通过摄像机检测追踪系统,可检测摄像机的位置并进行识别跟踪,从而提升制播系统的工作效率。采用YOLOv7模型对摄像机进行检测,首先采集各种型号摄像机以及视频数据,使用LabelImg软件标注数据,通过Mosaic数据增强技术对数据集进行处理;其次进行检测模型训练,在测试集上评估该模型的精确率和召回率等指标。最后,实验结果验证了该设计可以实现对演播现场摄像机的检测追踪。

激光雷达和摄像机联合标定应用于室内场景深度图像的提取方法

本文基于被动测距传感器,采用riegl公司的3D激光扫描仪,通过与摄像机的联合标定,获取场景深度图像,并进行了RGB图像与深度图像的标定误差分析处理。

基于自适应互信息的红外/深度双摄像机时空配准

红外、深度摄像机构成的双摄像机系统应用广泛,摄像机间的空间配准和时序配准影响着图像信息的整合。空间配准方面,利用不同材料的不同辐射率设计了标定板,解决了传统标定板无法标定红外、深度摄像机的问题。时序配准方面,利用搜索窗口解决了红外摄像机非一致性校正的问题;采用动态改变搜索窗口大小的方法消除了图像序列累积时间偏差;利用求取互信息的方法得到时序配准的红外、深度图像。通过实验验证了本文方法的有效性。

基于深度学习的全景摄像机图像矫正方法研究

本文针对基于深度学习的全景摄像机图像矫正方法进行了综述。阐述了全景相机图像校正和深度学习模型的基本结构,总结了国内外全景相机图像校正技术的研究现状和应用。基于4台400万像素高清鹰眼全景摄像机的全景拼接,通过光学畸变校正对图像校正,建立了现实中真实情境位置与全景相机成像点位置的关系模型,根据实验和实际测得的数据计算出摄像机图形模型参数。建立全景相机图像与规划点图像之间的几何模型,根据摄像机标定模型的图形空间投影变换关系,通过拟合估计矫正参数。根据图像平方拼接算法的原理和过程,建立了虚拟扫描场景的近似等效成像几何模型,生成高精度的远程过程调用参数,实现全景场景拼接校正。

两种摄像机链篦机台车侧板裂缝识别比较分析

烧结环节中链篦机台车的侧板由于受到挤压或因温差较大工作环境而产生的裂缝影响球团烧结质量,严重时影响生产.分别采用千眼狼5F04高速相机与imx600y相机拍摄获取链篦机台车侧板裂缝图像并进行标注.使用基于Deeplab V3+的神经网络模型对两种拍摄的侧板裂缝图像数据训练,并对训练数据实验结果对比分析.实验结果表明,使用千眼狼5F04拍摄的图像数据训练的MIoU指标比imx600y高出9.61%,台车侧板裂缝检测也是千眼狼5F04效果更好.为链篦机侧板裂缝的精准检测识别使用摄像机型号提供参考依据.

基于Kinect相机的深度图像空洞修复算法

针对Kinect相机采集的原始深度图存在大面积空洞,采用快速进行法(FMM)修复算法存在图像边缘失真等问题,提出一种改进FMM的深度图像空洞修复算法。首先,对原始深度图像进行阈值处理,生成掩码图像以确定待修复区域;然后,采用改进FMM算法,引入置信度因子并使用固定尺度的目标块替换原先修复邻域,根据非零像素点占比选择不同的修复算法;当置信度较低时,根据图像特征连续性确定候选块搜索邻域,通过相似性度量函数获取最佳匹配块;最后,将最佳匹配块的中心像素值替换至待修复点,迭代至空洞完全修复。实验结果表明:与传统FMM算法相比,改进FMM算法的峰值信噪比提升了11.79%,避免了图像边缘失真等问题,可以有效地对Kinect相机采集深度图像过程中产生的空洞完成修复。

关于电视摄像机使用清晰度概念的探讨

目前，社会上用“清晰度”一词作为衡量摄像机分解力的厂商、从业人员较为普遍。由于缺乏行业标准的知识， 加上一些产品资料的不规范， 导致本来有规可循的术语被搁置一边，而非标准用词却广为流传。本刊发表此文意在引起业内人士的重视。