基于计算机视觉技术的车辆远程控制技术研究

随着信息技术的发展,车辆远程控制成为了学术界的前瞻性研究。此次研究在合理利用计算机视觉技术的基础上,结合模糊PID控制智能算法建立了车辆远程控制系统,以期实现对车辆装置的实时监控,能够在危险状况发生时通过远程控制中心操控车辆。实验中,以履带车辆作为研究对象,对其相关参数进行了设计,以达到验证该控制系统有效性的目的。研究表明,无论是在直线行驶作业下还是曲线行驶作业下,相较于基于模糊PID控制算法的车辆控制系统,PID车辆控制系统均调节震荡大、调节时间长;而基于BP神经网络算法的车辆控制系统也存在诸多问题;因而基于模糊PID控制算法的车辆控制系统调控精度较高,适用性较强。此次研究对车辆远程控制研究具有一定的指导价值。     

基于计算机视觉的车辆辅助导航定位方法

为了将大型车辆准确地将大型车辆停放到某一位置,论文提出了一种基于计算机视觉的车辆辅助导航定位方式.通过隔行累加基础上的Hough变换检测出导航标尺的位置,分析了车辆导航定位所需的信息量,并根据导航标尺给驾驶员实时提供角度和位置信息.试验表明,该方法不仅结构简单,便于硬件实现,而且实时性好.     

基于物联网视觉的大型拥堵车辆调度系统设计

针对道路拥堵车辆调度问题,设计了一种基于物联网视觉的大型拥堵车辆调度系统,分析了系统的总体结构,给出了系统的ZigBee协调器模块、车载传感器节点、图像采集处理模块以及无线传输模块的硬件结构,详细介绍了拥堵车辆调度算法流程,并给出了车辆调度最佳路径算法代码,实现了大型拥堵车辆的有效调度;实验结果说明,所设计系统可获取有效的交通车辆拥堵图像,实现交通拥堵的高效调度.     

计算机视觉技术在车辆跟踪中的应用

智能交通监控是计算机视觉技术的重要应用之一。对行驶中的车辆进行自动跟踪,能够得到车辆的动态信息,为交通部门提供重要依据。Mean—Shift跟踪算法和基于PPM质心迭代跟踪算法对运动目标的跟踪具有很好的效果,应用两种算法对运动车辆进行跟踪,并对两种算法在车辆跟踪过程中稳定性、精度和实时性上做了对比分析。     

基于多层级联视觉显著性模型的肇事车辆锁定方法

肇事车辆的锁定是智能交通系统中一个十分重要的问题,因此针对肇事车辆的锁定,提出了一种基于多层级联视觉注意模型的肇事车辆匹配方法.在模型的每一层中,基于传统视觉注意模型的思想,通过生成显著图的方式提取车辆的一个显著性特征,如颜色、车标,并将其与肇事车辆进行匹配,过滤掉特征不相似的车辆,经过多次显著性特征提取和匹配,最终获得唯一的肇事车辆.实验结果表明,该模型可以准确地从车辆数据库中锁定肇事车辆,且对光照变化和噪声有较强的鲁棒性.     

基于模糊视觉技术的车辆监控系统设计

当前的车辆监测系统进行大型车辆监控的过程中,容易受到环境不可控因素的影响,造成监控过程形式单一,对车辆细节识别准确度较低;提出基于模糊视觉技术的大型车辆监控系统设计方法;系统由硬件和软件这两部分构成;硬件部分以FPGA为控制核心进行了设计,重点对交通图像的采集模块、缓存模块、摄像机方案、监视器方案和嵌入式处理器方案进行阐述;软件部分首先对图像进行预处理消除图像中的噪声.引入车辆细节模糊视觉特征识别模型表示外界随机因素的干扰,根据模型的输出结果计算车辆细节特征的像素密度,能够对车辆的细节状态进行准确识别;实验结果表明,利用设计的监控系统对大型车辆进行监控,能够有效提高监控的准确率,具有较强的稳定性。     

基于双目立体视觉的番茄识别与定位技术

根据颜色特征利用阈值自动设定的方法对图像进行分割,自动、快速识别红色番茄;采用形心匹配取代常规的特征点选择和匹配方法,对双目立体成像测距公式进行了修正,经过验证,当工作距离小于500mm时,距离误差可以控制在±10mm以内。     

基于计算机视觉技术的手势识别方法

基于计算机视觉技术设计手势识别算法。采集手势图像并进行预处理,进行图像分割和特征提取,与已建立的手势模型库进行匹配,得到最终识别结果。实验证明该设计的手势识别系统能够识别基础的人机交互手势,识别准确率高,稳定性好。     

基于计算机视觉的前方车辆检测与测距系统设计

随着我国私家车数量的增多,公路行驶道路安全成为社会关注的主要问题.而前方车辆距离检测系统的搭建,能够完成前方车辆检测与智能汽车导航工作.探讨了计算机视觉的前方车辆检测与测距系统设计,通过分析基于前方车身底部阴影的检测算法,阐述了前方车辆检测与测距系统的设计与应用.     

基于主动视觉的车辆实时检测

针对高速公路环境下车辆检测问题,分别对车前方的车辆和车旁超车车辆设计了基于主动视觉的车辆实时检测算法.算法首先通过标志线检测算法获得高速公路上的标志线信息,在标志线信息的引导下在低分辨率图像中通过车辆底部阴影特征搜索感兴趣区域,然后在感兴趣区域进行高分辨率图像处理,利用前方车辆的后视图灰度对称性特征和边缘特征完成前方车辆的快速检测;对于车旁超车车辆,算法在相邻车道设置检测窗口,通过检测窗口内的纹理变化信息,检测车旁超车车辆;最后利用消失点的信息进行车辆确认.实验表明,算法能快速准确地检测到公路上的车辆,具有较好鲁棒性和实时性,能够满足系统的实时性要求.     

基于视觉识别的机动车辆智能驾驶系统

将机器人视觉原理运用于对机动车辆智能驾驶的研究中,通过识别高速公路车道线的变化,使得车辆能够实现自动驾驶。由CMOS图像传感器摄取道路图像,采用小波处理、线性递推估计、波门跟踪滤波和二次拟合抽取车道线信息,从而得到行驶控制误差;控制命令通过串行232口发送到单片机上,驱动步进电机带动游戏杆转动来仿真实际的自动驾驶过程;获得了很好的实验结果。     

基于单目计算机视觉的目标跟踪与识别方法讨论

通过实验,对几种常用的图像处理方法在单目计算机视觉下进行目标的跟踪与识别,并进行对比,总结出各方法在不同场景中的处理效果,并提出了相应的使用建议。     

嵌入式机器视觉实时定位与测量的方法

本文提出了一种嵌入式机器视觉实时定位与测量相结合的测控方法。根据视觉测控系统中的定位与测量问题,利用点集、Hough变换和最小二乘等方法,解决了图像处理理论算法运算量大、工业检测实时性与准确性低等问题。测试结果表明,该方法检测工件的准确性高(基于公差),检测时间≤2.0ms/次。     

计算机视觉技术的车型识别应用研究

针对目前立体停车库主要采用传统的传感器入库检测系统来识别车辆信息,存在施工周期长、器件损坏率较高,维护成本较高的问题,提出了一种应用计算机视觉技术的车型识别解决方案.应用卷积神经网络框架Caffe,基于Caf-feNet模型,通过fine-tuning模型优化以及参数优化,最终得到了一个性能较优异的识别模型.实验结果表明,该模型可克服输入图片背景复杂多变,目标被遮挡的情况,对轿车车型识别这一问题鲁棒性好,具有一定的可行性及应用价值.     

工业视觉中多元件同时定位的方法及研究

介绍了视觉系统在工业上常见的应用流程和技术手段,飞行取像是工业视觉中常常采用的取像方法,该方法对图像获取和处理的速度提出了很高的要求;为解决速度问题,提出了通过一幅图像获取多个元件位置的方法,并给出了算法,最后对各种误差源对视觉定位带来的影响进行了详细的分析,为视觉系统的矫正提供了指导方向;实际应用表明,该方法能大大提高视觉定位的速度和效率.     

计算机视觉下的车辆目标检测算法综述

车辆目标检测是基于计算机视觉的目标检测领域的一个重要应用领域,近年来随着深度学习在图像分类方面取得的巨大进展,机器视觉技术结合深度学习方法的车辆目标检测算法逐渐成为该领域的研究重点和热点。介绍了基于机器视觉的车辆目标检测的任务、难点与发展现状,以及深度学习方法中几种具有代表性的卷积神经网络模型,通过这些网络模型衍生出的two stage、one stage车辆目标检测算法和用于模型训练的相关数据集与检测效果评价标准,对其存在的问题及未来可能的发展方向进行了讨论。     

基于计算机视觉高速智能车辆的道路识别

论文研究了基于计算机视觉高速智能车辆的道路识别。通过对JLUIV-4智能高速车辆系统采集的图像进行中值滤波、边缘增强、最优阈值二值化,获得良好的梯度图像。根据道路特征采用Hough变换识别出道路边界。使用感兴趣区域,减少图像处理时间和提高道路识别的可靠性。JLUIV-4的高速导航实验表明,该算法具有良好的实时性、可靠性和鲁棒性。     

基于双目视觉与目标识别拟合的三维屏幕定位方法

为解决针对三维立体屏幕的定位问题,提出了基于双目视觉与目标识别、拟合的屏幕定位算法。首先利用边缘检测算法提取屏幕轮廓,获取屏幕在二维图像中的位置;其次利用双目视觉算法对识别出的屏幕进行深度数据采集,利用最小二乘法对采集的屏幕空间数据进行空间拟合得到屏幕的空间方程;最后计算屏幕顶点在三维空间中的位置从而确定屏幕范围,至此完成在三维空间中对屏幕的定位。实验结果表明,该方法计算得到的屏幕位置具有较高准确度。     

基于计算机视觉的人脸检测与识别综述

人脸检测与识别是当前图像处理、模式识别和计算机视觉领域内的一个热门研究课题,在回顾人脸检测与识别技术发展历程的基础上,对人脸检测与识别的多种相关技术作了介绍与评论,着重讨论了检测定位方法与识别算法,比较了各种方法的优缺点,最后介绍了此技术的发展趋势。