超声波探伤视频检测及系统实现——计算机视觉技术在焊缝缺陷检测中的应用（3）

为了实现一种基于计算机视觉的钢结构特种焊缝无损检测与缺陷信号识别系统,采用摄像装置获取模拟/数字式的超声波探伤设备显示屏幕上的视频数据,通过图像分割差分阈值算法抽取出波形图像,通过计量静态波的个数来自动确定是否进行动态波形的分析,然后系统自动对回波生成包络线为实现焊缝缺陷的定位、定量和定性评定分析提供数据,利用计算机的存储功能记录整个测量过程的波形数据,并将整个测量过程中的波形变化情况用三维图像立体视觉的表示出来;最后根据存储在计算机中的波形分析专家知识表、检测中自动生成的包络线和三维波形变化图像进行数据融合以及综合分析判断,实现钢结构特种焊缝无损检测与缺陷信号自动识别。     

无死角的全方位视觉传感器的设计

在对全景实时处理要求下,全方位视觉传感器(ODVS)是一种快速、可靠的视觉信息采集途径,为了克服目前ODVS技术还存在着死角的问题,探讨了一种具有平均角分辨率的ODVS的二次折反射的成像原理,根据该成像原理设计了这种新型的ODVS的结构和折反射镜面,利用4阶Runge-Kutta算法求得了镜面曲面的数字解,然后根据组合镜头的设计方法将ODVS与广角镜头集成在一起来获取原ODVS技术所存在的死角视频图像.实验结果表明,本研究所设计的ODVS能实现真正意义上的全方位监控,在全方位视频智能监控、动态图像理解、计算机视觉等领域具有重要的应用价值.     

双目全方位视觉传感器及其极线校正方法

为了扩大双目立体视觉的视场范围, 提高双目立体匹配的速度和准确度, 设计了一种双目全 方位视觉传感器(ODVS)立体视觉成像系统, 提出了一种基于竖直线的极线校正算法.将两个结构 相同的ODVS 以上下同轴同向的方式进行组合, 得到全景立体视觉空间, 分析了双目ODVS 的成 像特性, 实现了一种无需任何专门的标定设备、仅利用场景中与ODVS 成像平面垂直的竖直直线 (如门框、窗框, 墙角线等)来校正其极线的算法.实验结果表明, 该算法对双目立体全景视觉成像系 统是一种有效的极线校正方法.     

浙江大学举办1989年杭州国际流体传动与控制学术讨论会(简称89’ICFP)

89’ICFP收到了24个国家和地区305篇论文。论文集共选编了180篇,大会宣读120篇,共分控制技术,液压元件,液压系统,气动,流体动力传动控制中的计算机技术,模拟、仿真和辨识、监视,可靠性和故障诊断,液压测试,噪声和振动,污染等十个专题。     

多任务分段紧凑特征的车辆检索方法

目的 随着公共安全领域中大规模图像监控及视频数据的增长以及智能交通的发展,车辆检索有着极其重要的应用价值。针对已有车辆检索中自动化和智能化水平低、难以获取精确的检索结果等问题,提出一种多任务分段紧凑特征的车辆检索方法,有效利用车辆基本信息的多样性和关联性实现实时检索。方法 首先,利用相关任务之间的联系提高检索精度和细化图像特征,因此构造了一种多任务深度卷积网络分段学习车辆不同属性的哈希码,将图像语义和图像表示相结合,并采用最小化图像编码使学习到的车辆的不同属性特征更具有鲁棒性;然后,选用特征金字塔网络提取车辆图像的实例特征并利用局部敏感哈希再排序方法对提取到的特征进行检索;最后,针对无法获取查询车辆目标图像的特殊情况,采用跨模态辅助检索方法进行检索。结果 提出的检索方法在3个公开数据集上均优于目前主流的检索方法,其中在CompCars数据集上检索精度达到0.966,在VehicleID数据集上检索精度提升至0.862。结论 本文提出的多任务分段紧凑特征的车辆检索方法既能得到最小化图像编码及图像实例特征,还可在无法获取目标检索图像信息时进行跨模态检索,通过实验对比验证了方法的有效性。     

基于主动式全景视觉的移动机器人障碍物检测

针对现有的移动机器人视觉系统计算资源消耗大、实时性能欠佳、检测范围受限等问题,提出一种基于主动式全景视觉传感器(AODVS)的移动机器人障碍物检测方法。首先,将单视点的全方位视觉传感器(ODVS)和由配置在1个平面上的4个红色线激光组合而成的面激光发生器进行集成,通过主动全景视觉对移动机器人周边障碍物进行检测;其次,移动机器人中的全景智能感知模块根据面激光发生器投射到周边障碍物上的激光信息,通过视觉处理方法解析出移动机器人周边障碍物的距离和方位等信息;最后,基于上述信息采用一种全方位避障策略,实现移动机器人的快速避障。实验结果表明,基于AODVS的障碍物检测方法能在实现快速高效避障的同时,降低对移动机器人的计算资源的要求。     

基于机器视觉的轻量级驾驶辅助系统

为了解决计算机视觉应用中数据量大、算法复杂的问题,根据道路结构特征和车辆行为特征,采用单个摄像头作为传感器,实现了一种轻量级的安全辅助驾驶系统。首先采用改进的边缘提取算法和车道线检测算法对摄像机内外参数进行离线标定;接着根据标定结果在二维平面图像上采用标识出实际空间距离的多窗口划分方法,并按不同的车间距将不同窗口划分为不同安全系数的区域,以赋予道路视觉检测的几何先验知识;当区域中出现障碍物时发出相应警示信息进行安全驾驶辅助,能为智能辅助驾驶提供轻量级的视觉检测平台。以便携式计算机和固定在车内的摄像头作为实验装置,在城市道路上进行车载实验。系统在车载实验中能够快速地提取车辆两侧的车道线,并利用离线标定的结果快速生成不同安全系数的警示区域,其中车辆在车道内正常行驶时的误检率和漏检率很小,可以忽略不计。与传统的驾驶辅助系统相比,本系统计算量大大降低,检测流程得到简化,可实现轻量级的车道和车辆检测,为系统在嵌入式系统上的实现奠定基础。     

适用于管道内形貌检测的3D全景视觉传感器

管道内部缺陷种类繁多、检测困难且自动化程度低,针对这些问题,提出了一种适用于管道形貌检测的3D全景视觉检测方法。首先设计了一种获取管道内部全景颜色纹理信息的全景视觉传感器(ODVS),然后设计了一种能快速并高精度获得管道内壁深度信息的主动式全景视觉传感器(ASODVS),接着将这两种ODVS进行紧凑小型化设计,通过软件将全景3D测量数据与全景颜色纹理数据的快速融合,在对管道内功能性缺陷和结构性缺陷进行全方位自动分析和评估的同时实现管道内部三维建模。实验结果表明,所设计的ASODVS+ODVS能实时获取地下管道内部颜色纹理和几何信息的全景图像,配置在管道机器人上能在狭长管道内边行走、边检测、边识别和边重构。     

基于ASODVS的全景相机运动估计及管网3D重构技术

针对地下管网的空间三维测量、三维形貌重构难等问题,提出了一种基于主动式全方位视觉传感器(ASODVS)的相机运动估计及管网3D重构解决方案。通过携带有ASODVS的管道机器人进入管道内部,实时获取管道内壁纹理全景图像和全景激光扫描图像;首先对全景激光扫描图像处理解析出投射在管道内壁上的激光中心点,通过计算得到管道横截面的点云数据;另一方面,对全景纹理图像进行处理,首先利用快速鲁棒性特征(SURF)算法快速提取特征点并进行匹配,然后采用随机抽样一致性(RANSAC)算法去除误匹配点,接着利用全景相机的极几何原理估计相机运动位姿,并利用光束法平差(BA)进行优化,最后利用相机运动位姿将相机坐标系下的点云坐标实时转换到世界坐标系下,完成对地下管网的三维重构。实验结果表明,所提出的方案能够精确估计相机运动位姿,实时对管道内部进行三维重构,实现了管道检测机器人边行走、边采集数据、边检测分析处理、边三维建模的设计目标。     

基于全方位视觉的快速实时人体检测

针对目前在大范围内难以快速地实现人体目标检测的问题,提出了一种基于全方位传感器（ODVS）的快速检测人体的理论与方法．在人体建模上,首先将人体简化为矩形,针对人体在不同区域半径,通过ODVS标定来建立不同形状大小的人体矩形模型;最后,时前景运动目标对象进行面积属性与形状属性的判断,对于在区域半径中不符合标定的矩形模型的前景运动目标区域,作垂直方向的投影以及人脸肤色的二次综合判断,从而实现快速的人体检测．提出的人体检测的方案可方便的实现在大监控领域中检测是否有人、有多少人以及在什么方位,为全方位的捕捉人体信息、提高人体检测精度提供了一种新手段。