垂直/倾斜型交错狭缝光栅对立体显示效果的影响

利用传统狭缝光栅实现的自由立体显示器,存在着串扰严重、莫尔条纹明显、可视区域较小、在水平和竖直方向上光损失不平衡等缺陷.针对这些问题,本文就狭缝光栅的倾斜角度、狭缝宽度、狭缝错开距离等光栅关键参数对立体显示莫尔条纹、串扰、可视区域的影响展开研究,分析了交错狭缝光栅设计方案,优化设计了两种狭缝光栅立体显示器件,分别采用了垂直交错狭缝光栅和倾斜交错狭缝光栅.以4视点的自由立体显示器为例,以像素半高度将相邻的两段狭缝错开.实验测试结果表明,当倾角θ为12.2°,错开距离分别为0.0537mm和0.0302mm时,垂直/倾斜交错光栅均能有效减少莫尔条纹的发生.对比发现,倾斜交错光栅的串扰仅增加1.57%,但可视区域增加了17.9%,且在水平和竖直方向上光损失率匹配度较高,立体显示效果明显改善.

基于神经网络与卡尔曼滤波的手部实时追踪方法

针对传统的手部跟踪算法存在实时性差、识别精度低、易受环境影响等问题,提出了一种基于神经网络与卡尔曼滤波的手部实时追踪方法。该方法首先通过神经网络对视频中出现的检测目标进行定位,接着用卡尔曼滤波对目标运动进行估计,将估计的结果与下一帧图像中检测到的目标进行比对;然后对检测到的目标进行跟踪,将手部运动的轨迹实时显示。实验结果表明,该方法能够对多个手部目标实时进行追踪,并在手部运动过程中出现交叉和形变的情况下还能保持跟踪,其平均处理帧数为21.212 f/s,追踪正确率为94.88%,基本满足手部跟踪的稳定可靠、高实时性、高鲁棒性等要求。

融合注意力机制的移动端人像分割网络

现有的移动端人像分割网络存在分割精度差、分割边缘模糊等问题。为此,提出了一种融合注意力机制的轻量化人像分割网络。首先,利用MobileNetV2网络提取图像特征。然后对注意力模块NLNet(Non-local neural networks)进行轻量化处理,随后将优化过的注意力模块嵌入到四层解码网络中。利用融合注意力机制的解码网络自适应地学习有效特征,最后通过SoftMax层得到人像分割结果图。同时改进了损失函数,引入多损失函数(Multi-Loss),使网络更容易收敛。解码网络融合注意力机制的方式使得轻量化网络可以在语义分割任务上取得较好的效果。实验结果表明,模型在550张自采集的人像测试集上达到了92.29%的交并比(MeanIOU),单张图片在Inter(R)Core i5 CPU上的分割时间为0.74 s。与传统的人像分割网络相比,研究网络的分割精度和分割速度优势明显,适合应用于移动端设备。

基于自相关性和模版匹配的TFT缺陷电路重构算法

在TFT的制程中会造成许多不可避免的工艺缺陷,需要逐个判断其对TFT电路所造成的影响,这种缺陷检查方式需要大量人力且速度慢、精度低,因此,将人工识别替换成计算机自动化识别就显得尤为重要。自动识别中的一个关键部分就是将TFT电路进行定位。针对因缺陷颜色、形状、位置、大小不固定等原因导致现有图像处理算法无法准确定位出TFT电路位置的问题,本文提出基于自相关性和模版匹配的TFT电路图像重构算法。首先,对全自动光学检测(AOI)相机采集的缺陷图片进行区域提取,估算出偏角并校正图像;根据边缘图像的灰度垂直响应的自相关估计函数来估算电路的重复周期,再由周期灰度均值来确定一组的电路纵贯线位置,利用TFT电路周期特征重构出其余纵贯线;通过角模版匹配算法重构TFT电路硅岛部分。实验结果表明,本文提出的算法能够重构出被缺陷遮挡、图片模糊、电路缺失等情况下的电路,定位准确率达96%以上。基本满足TFT缺陷自动化识别中的电路定位要求。

基于双目立体视觉的指针式仪表判读算法

针对当采集设备的光轴偏离仪表中心时,指针在表盘图像上的投影位置将偏离实际位置,造成读数误差的问题,提出了一种基于双目立体视觉的指针式仪表判读算法。使用标定的双目相机采集指针式仪表图像,通过立体校正使得左右图像在水平方向上对齐。基于阈值分割和Hough变换识别左图指针针尖和仪表盘平面目标点的像素坐标,对针尖位置进行初定位,并利用灰度匹配算法提取右图对应点。利用双目测距原理计算目标点的三维坐标,并构建仪表平面,将针尖垂直投影在该平面上实现指针针尖的重定位,并输出识别读数。实验结果表明:该算法具有较强的稳定性和适用性,相比于基于Hough变换的指针读数识别算法的结果,所提算法降低了约64%的误差。