前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇計(jì)算機(jī)視覺理論與方法范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

計(jì)算機(jī)視覺理論與方法范文第1篇

（1）課程內(nèi)容方面：工程應(yīng)用價值較小的內(nèi)容居多；具備工程應(yīng)用價值的方法，如基于結(jié)構(gòu)光的3D信息獲取，在課程內(nèi)容中卻極少出現(xiàn)。

（2）課程定位方面：現(xiàn)有課程體系中未能體現(xiàn)最新研究成果，而掌握世界最新工程應(yīng)用成果是卓越工程師的基本要求之一。

（3）教學(xué)形式方面：傳統(tǒng)計(jì)算機(jī)視覺課程側(cè)重基本原理，盡管范例教學(xué)被引入到課堂教學(xué)中，在一定程度上幫助學(xué)生理解，但卓越工程師培養(yǎng)目標(biāo)是培養(yǎng)學(xué)生解決實(shí)際工程問題的能力。針對卓越工程師培養(yǎng)目標(biāo)，以及目前計(jì)算機(jī)視覺課程中存在的問題，本文提出工程應(yīng)用導(dǎo)向型的課程內(nèi)容、面向最新成果的課程定位、理論實(shí)例化與工程實(shí)踐化的教學(xué)形式，以培養(yǎng)具有扎實(shí)理論基礎(chǔ)及工程實(shí)踐能力的卓越工程師。

1工程應(yīng)用導(dǎo)向型的課程內(nèi)容傳統(tǒng)計(jì)算機(jī)視覺課程圍繞Marr理論框架展開教學(xué)，其中部分原理僅在理想狀態(tài)或若干假設(shè)下成立，不能直接運(yùn)用到工程實(shí)踐中。近年來已具備工程應(yīng)用基礎(chǔ)的原理及方法，在傳統(tǒng)課程內(nèi)容中較少出現(xiàn)，如已在工業(yè)測量、視頻監(jiān)控、游戲娛樂等領(lǐng)域中應(yīng)用的主動式三維數(shù)據(jù)獲取方法等。我們對工程應(yīng)用價值高的課程內(nèi)容，增加課時，充分講解其原理及算法，并進(jìn)行工程實(shí)例分析；對工程應(yīng)用價值較低內(nèi)容，壓縮課時，以介紹方法原理為主。例如，在教授3D信息獲取部分時，課時主要投入到工程應(yīng)用價值較大的內(nèi)容，如立體視覺、運(yùn)動恢復(fù)結(jié)構(gòu)、基于結(jié)構(gòu)光的3D信息獲取等；而對于基于陰影的景物恢復(fù)等缺乏應(yīng)用基礎(chǔ)的內(nèi)容主要介紹其基本原理，并引導(dǎo)學(xué)生進(jìn)行其工程應(yīng)用的可行性分析，培養(yǎng)學(xué)生縝密的思維習(xí)慣，訓(xùn)練學(xué)生辯證的分析能力。

2面向最新成果的課程定位計(jì)算機(jī)視覺近十年來發(fā)展迅速，新方法和新理論層出不窮，在現(xiàn)有課程體系中未能得以體現(xiàn)。跟進(jìn)世界最新成果是卓越工程師的基本要求之一，因此計(jì)算機(jī)視覺課程定位應(yīng)當(dāng)面向國際最新成果。為實(shí)現(xiàn)這一目標(biāo)，我們主要從以下兩方面入手。

（1）選用涵蓋最新成果的教材。我們在教學(xué)中加入國際最新科研成果及應(yīng)用范例，在教材選取上采用2010年RichardSzeliski教授所著《Computervision:algorithmsandapplications》作為參考教材。該書是RichardSzeliski教授在多年MIT執(zhí)教經(jīng)驗(yàn)及微軟多年計(jì)算機(jī)視覺領(lǐng)域工作經(jīng)驗(yàn)基礎(chǔ)上所著，涵蓋計(jì)算機(jī)視覺領(lǐng)域的主要科研成果及應(yīng)用范例，參考文獻(xiàn)最新引用至2010年。這是目前最新的計(jì)算機(jī)視覺著作之一，條理清晰，深入淺出，特點(diǎn)在于對計(jì)算機(jī)視覺的基本原理介紹非常詳盡，算法應(yīng)用緊跟國際前沿。

（2）強(qiáng)化學(xué)生調(diào)研及自學(xué)能力?！笆谥贼~”，不如“授之以漁”。在教授學(xué)生的同時，更重要的是培養(yǎng)學(xué)生調(diào)研、跟蹤、學(xué)習(xí)并分析國際最新科研及工程應(yīng)用成果的能力。為強(qiáng)化學(xué)生的知識結(jié)構(gòu)，培養(yǎng)學(xué)生跟蹤國際前沿的能力，我們在教學(xué)中加入10%的課外學(xué)時，指導(dǎo)每位學(xué)生完成最近三年本領(lǐng)域的國際最新文獻(xiàn)調(diào)研及工程應(yīng)用新技術(shù)調(diào)研，并撰寫相關(guān)調(diào)研論文。同時，設(shè)置2學(xué)時課內(nèi)學(xué)時，讓每位學(xué)生介紹調(diào)研成果，并進(jìn)行課堂討論。在調(diào)研基礎(chǔ)上，選擇相關(guān)算法進(jìn)行了實(shí)驗(yàn)證明，進(jìn)一步強(qiáng)化學(xué)習(xí)成果。實(shí)踐證明，由于學(xué)生能夠根據(jù)自己的興趣，選擇本領(lǐng)域感興趣的課題進(jìn)行深入調(diào)研，極大地調(diào)動了學(xué)生的積極性，強(qiáng)化了學(xué)生調(diào)研、跟蹤、學(xué)習(xí)并分析國際最新科研及工程應(yīng)用成果的能力。

3工程實(shí)踐化的教學(xué)形式我們在教學(xué)中提出工程實(shí)踐化的教學(xué)形式，即以人類視覺功能為背景，由相應(yīng)工程實(shí)例引出相關(guān)理論，并最終將理論運(yùn)用到工程實(shí)例中的算法和方法傳授給學(xué)生。

計(jì)算機(jī)視覺理論與方法范文第2篇

 

1 計(jì)算機(jī)視覺定義

 

人類天生具有五感，視覺便是其中之一，而計(jì)算機(jī)視覺，就是讓計(jì)算機(jī)網(wǎng)絡(luò)能夠睜開眼看世界。讓計(jì)算機(jī)有一定的視覺能力，可以從各個方面幫助人們進(jìn)行監(jiān)督、檢驗(yàn)檢測。利用計(jì)算機(jī)視覺科學(xué)可以使工作變得更加簡便。計(jì)算機(jī)視覺主要應(yīng)用于對二維碼、條形碼、照片、視頻資料如片段等進(jìn)行智能處理。

 

2 計(jì)算機(jī)視覺研究在醫(yī)療、交通中的作用

 

隨著醫(yī)學(xué)成像技術(shù)的發(fā)展與進(jìn)步，圖像處理在醫(yī)學(xué)研究與臨床醫(yī)學(xué)中的應(yīng)用越來越廣泛。最常見的有癌細(xì)胞顯微圖像分割與識別、基于多特征融合的血紅細(xì)胞識別和乳腺癌細(xì)胞計(jì)算機(jī)的自動識別等。計(jì)算機(jī)視覺技術(shù)的迅猛發(fā)展，為醫(yī)療診斷帶來了很大的方便，同時促進(jìn)了臨床醫(yī)學(xué)的發(fā)展。另外，在各大綜合醫(yī)院慢慢發(fā)展起的體檢體系中，計(jì)算機(jī)視覺技術(shù)起到了決定性因素。隨著體檢的人數(shù)上升，對醫(yī)院體檢的管理、速度、準(zhǔn)確性都提出了更高的要求。視覺識別輕而易舉的解決了這個問題，只需要去識別體檢人員的身份證，就可以將體檢人員對號入座，檢查過的項(xiàng)目，沒有檢查的項(xiàng)目一目了然。理化指標(biāo)的檢驗(yàn)，只需要在采血試管或采尿瓶上粘貼與體檢者對應(yīng)的條形碼即可，利用視覺技術(shù)對號入座，方便而準(zhǔn)確的確定每一位體檢人員的血樣及尿樣。及提高了醫(yī)院的工作效率，又將錯誤率降到最低。

 

計(jì)算機(jī)視覺在交通上同樣得到了廣泛的應(yīng)用及發(fā)展。交通安全是交通運(yùn)輸中的重大問題，隨著近年來機(jī)動汽車數(shù)量的迅猛增長，交通事故的發(fā)生也隨之越來越頻繁，給人類社會帶來的危害也日趨嚴(yán)重，使很多的家庭失去親人，甚至家破人亡。全國一線城市例如：北京、上海、廣州、深圳等交通道路供需的矛盾日趨嚴(yán)重，交通安全、交通堵塞及環(huán)境污染已成為困擾我國交通領(lǐng)域的三大難題。基于圖像處理的計(jì)算機(jī)視覺技術(shù)是通過攝像機(jī)獲取場景圖像，并借助于計(jì)算機(jī)軟件構(gòu)建一個自動化或半自動化的圖像、視頻理解和分析系統(tǒng)，并提供及時準(zhǔn)確的圖像、視頻處理結(jié)果，以模仿人的視覺功能。主要功能如下：

 

一是基于計(jì)算機(jī)視覺技術(shù)的車輛牌照自動識別： 車輛牌照是車輛的唯一身份，對車輛牌照的有效檢測與識別在車輛違章檢測、停車場管理、不停車收費(fèi)、被盜車輛稽查等方面有著重要的應(yīng)用價值。盡管針對車牌識別技術(shù)的研究相對成熟，然而在實(shí)際的應(yīng)用場景中，受到天氣、光照、拍攝視角、車牌扭曲等因素的影響，車牌識別技術(shù)仍然有一定的改善空間。

 

二是基于計(jì)算機(jī)視覺技術(shù)的車輛檢測與流量統(tǒng)計(jì)：目前城市交通路口的紅路燈間隔時間是固定的，而不同路段、不同時間段交通流量是隨機(jī)變化的。若能根據(jù)各個交通路口的交通狀況輔以計(jì)算機(jī)進(jìn)行自動分析，并判斷與預(yù)測交通流量，無疑為交通警察出警，紅綠燈時間間隔的動態(tài)設(shè)置等提供技術(shù)支持。

 

三是基于計(jì)算機(jī)視覺技術(shù)的公交專用道路非法占道抓拍：公共交通是每個城市交通的重中之重，城市的公共交通為老百姓提供了便捷的出行方式。公共交通的發(fā)展，有利于城市的節(jié)能減排，有利于降低城市的空氣污染指數(shù)。由于城市公共交通具有運(yùn)量大、相對投資少、人均占有道路少等優(yōu)點(diǎn)，解決城市交通問題必須優(yōu)先發(fā)展城市公共交通。然而目前擁擠、緩慢的公交出行方式已成詬病，因此發(fā)展“快速公交”將是未來公交的一種運(yùn)行模式。道路暢通則是發(fā)展“快速公交”的前提，相應(yīng)地，公交專用車道的設(shè)定必不可少。為防止其他社會車輛的駛?cè)?，并對違規(guī)駛?cè)氲钠渌鐣`規(guī)車輛進(jìn)行抓拍與懲罰是保證公交車道公交車專駛的一種重要手段。因此在公交車前部裝置攝像頭并輔以其他處理設(shè)備，從而可以使得每一輛公交車成為了一個流動的監(jiān)控設(shè)備。

 

3 計(jì)算機(jī)視覺在條形碼檢測中的應(yīng)用

 

條形碼是將寬度不等的多個黑條和空白，按照一定的編碼規(guī)則排列，用以表達(dá)一組信息的圖形標(biāo)識符。在中國，由中國物品編碼中心賦予制造廠商代碼。那么最常見的計(jì)算機(jī)視覺應(yīng)用與條形碼檢測就是在超市中。超市中每樣產(chǎn)品都有自己的條形碼，當(dāng)人們選擇了自己需要的物品后，來到收銀臺進(jìn)行結(jié)賬，我們會看見收銀人員會用掃碼器對物品的條形碼進(jìn)行掃描，掃描后就會出現(xiàn)產(chǎn)品的信息及價錢。記錄以及掃描條形碼的技術(shù)就是計(jì)算機(jī)視覺技術(shù)。

 

4 計(jì)算機(jī)視覺重要技術(shù)——智能識別

 

近年來，基于生物特征的鑒別技術(shù)得到了廣泛重視，主要集中在對人臉、虹膜、指紋、聲音等特征上，這其中大多都與視覺信息有關(guān)。指紋、人臉功能已經(jīng)大范圍在生活中應(yīng)用，其中很多單位的打卡制度就是依據(jù)面部識別、指紋識別來實(shí)現(xiàn)的。社會飛速發(fā)展的今天，很多的單位都實(shí)行了上下班打卡制度，這一制度已經(jīng)被作為單位管理制度中的重要一條。購買的打卡機(jī)就是采用計(jì)算機(jī)視覺的重要技術(shù)——智能識別來實(shí)現(xiàn)的。利用打卡機(jī)的儲存功能，記錄每個職工的指紋或面部容貌，規(guī)定在某一個時間范圍內(nèi)對應(yīng)識別指紋或面部容貌，視為打卡。在上下班打卡的過程中，員工將面部或指紋對應(yīng)在打卡機(jī)的制定位置上，讓打卡機(jī)進(jìn)行識別，當(dāng)識別的結(jié)果與存儲結(jié)果相同時，打卡成功。這樣看起來十分簡單的打卡機(jī)可以使單位的工作有序化，制度化，而實(shí)現(xiàn)這個功能的技術(shù)就是計(jì)算機(jī)視覺技術(shù)中的重要技術(shù)之一：智能識別。

 

5 計(jì)算機(jī)視覺技術(shù)的發(fā)展過程及未來

 

計(jì)算機(jī)視覺技術(shù)研究經(jīng)歷了近40年的過程，20世紀(jì)50年代的統(tǒng)計(jì)模式識別、60年代的Roberts的三圍積木世界、70年代的Marr為代表的計(jì)算理論、80年代的主動視覺，但是仍然面臨許多的問題。主要由于計(jì)算機(jī)視覺是一個逆問題，視覺信息多種多樣，視覺知識的表達(dá)很困難，圖像數(shù)據(jù)量巨大，信息存儲于檢索困難，對生物學(xué)、神經(jīng)生物學(xué)等的研究有待深入。

 

計(jì)算機(jī)視覺技術(shù)的未來必定會朝著高科技發(fā)展，航空遙感測控地形地貌、電影特效制作、工業(yè)生產(chǎn)自動化檢測、醫(yī)學(xué)影像檢測，再到天文領(lǐng)域等，在這些科學(xué)領(lǐng)域中計(jì)算機(jī)視覺將無法取代，成為主流的技術(shù)之一。

 

作者簡介

計(jì)算機(jī)視覺理論與方法范文第3篇

關(guān)鍵詞：計(jì)算機(jī)；視覺技術(shù)；交通工程

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：1674-7712 （2014） 04-0000-01

一、引言

隨著科技的發(fā)展，計(jì)算機(jī)替代人的視覺與思維已經(jīng)成為現(xiàn)實(shí)，這也是計(jì)算機(jī)視覺的突出顯現(xiàn)。那么在物體圖像中識別物體并作進(jìn)一步處理，是客觀世界的主觀反應(yīng)。在數(shù)字化圖像中，我們可以探尋出較為固定的數(shù)字聯(lián)系，在物體特征搜集并處理時做到二次實(shí)現(xiàn)。這既是對物體特征的外在顯現(xiàn)與描繪，更是對其定量信息的標(biāo)定。從交通工程領(lǐng)域的角度來看，該種技術(shù)一般應(yīng)用在交管及安全方面。監(jiān)控交通流、識別車況及高速收費(fèi)都是屬于交通管理的范疇；而對交通重大事件的勘察及甄別則是交通安全所屬。在這個基礎(chǔ)上，筆者對計(jì)算機(jī)視覺系統(tǒng)的組成及原理進(jìn)行了分析，并形成視覺處理相關(guān)技術(shù)研究。

二、設(shè)計(jì)計(jì)算機(jī)視覺系統(tǒng)構(gòu)成

計(jì)算機(jī)視覺處理技術(shù)的應(yīng)用是建立在視覺系統(tǒng)的建立基礎(chǔ)上的。其內(nèi)部主要的構(gòu)成是計(jì)算機(jī)光源、光電轉(zhuǎn)換相關(guān)器件及圖像采集卡等元件。

（一）照明條件的設(shè)計(jì)。在測量物體的表征時，環(huán)境的創(chuàng)設(shè)是圖像分析處理的前提，其主要通過光線反射將影像投射到光電傳感器上。故而要想獲得清晰圖像離不開照明條件的選擇。在設(shè)計(jì)照明條件時，我們通常會視具體而不同處理，不過總的目標(biāo)是一定的，那就是要利于處理圖像及對其進(jìn)行提取分析。在照明條件的設(shè)定中，主動視覺系統(tǒng)結(jié)構(gòu)光是較為典型的范例。

（二）數(shù)據(jù)采集的處理。如今電耦合器件（CCD）中，攝像機(jī)及光電傳感器較為常見。它們輸出形成的影像均為模擬化的電子信號。在此基礎(chǔ)上，A模式與D模式的相互對接更能夠讓信號進(jìn)入計(jì)算機(jī)并達(dá)到數(shù)字處理標(biāo)準(zhǔn)，最后再量化入計(jì)算機(jī)系統(tǒng)處理范圍?？陀^物體色彩的不同，也就造就了色彩帶給人信息的差異。一般地黑白圖像是單色攝像機(jī)輸入的結(jié)果；彩色圖像則需要彩色相機(jī)來實(shí)現(xiàn)。其過程為：彩色模擬信號解碼為RGB單獨(dú)信號，并單獨(dú)A/D轉(zhuǎn)換，輸出后借助色彩查找表來顯示相應(yīng)色彩。每幅圖像一旦經(jīng)過數(shù)字處理就會形成點(diǎn)陣，并將n個信息濃縮于每點(diǎn)中。彩色獲得的圖像在16比特，而黑白所獲黑白灰圖像則僅有8比特。故而從信息采集量上來看，彩色的圖像采集分析更為繁復(fù)些。不過黑白跟灰度圖像也基本適應(yīng)于基礎(chǔ)信息的特征分析。相機(jī)數(shù)量及研究技法的角度，則有三個分類：“單目視覺”、“雙目”及“三目”立體視覺。

三、研究與應(yīng)用計(jì)算機(jī)視覺處理技術(shù)

從對圖像進(jìn)行編輯的過程可以看出，計(jì)算機(jī)視覺處理技術(shù)在物體成像及計(jì)算后會在灰度陣列中參雜無效信息群，使得信息存在遺失風(fēng)險。成像的噪聲在一定程度上也對獲取有效信息造成了干擾。故而，處理圖像必須要有前提地預(yù)設(shè)分析，還原圖像本相，從而消去噪音。邊緣增強(qiáng)在特定的圖像變化程度中，其起到的是對特征方法的削減?；诙祷?，分割圖像才能夠進(jìn)一步開展。對于物體的檢測多借助某個范圍來達(dá)到目的。識別和測算物體一般總是靠對特征的甄別來完成的。

四、分析處理三維物體技術(shù)

物體外輪擴(kuò)線及表面對應(yīng)位置的限定下，物體性質(zhì)的外在表現(xiàn)則是其形狀。三維物體從內(nèi)含性質(zhì)上來看也有體現(xiàn)，如通過其內(nèi)含性質(zhì)所變現(xiàn)出來的表層構(gòu)造及邊界劃定等等。故而在確定圖像特征方面，物體的三維形態(tài)是最常用的處理技術(shù)。檢測三維物體形狀及分析距離從計(jì)算機(jī)視覺技術(shù)角度來看，渠道很多，其原理主要是借助光源特性在圖像輸入時的顯現(xiàn)來實(shí)現(xiàn)的。其類別有主動與被動兩類。借助自然光照來對圖像獲取并挖掘深入信息的技術(shù)叫做被動測距；主動測距的光源條件則是利用人為設(shè)置的，其信息也是圖像在經(jīng)過測算分析時得到的。被動測距的主要用途體現(xiàn)在軍工業(yè)保密及限制環(huán)境中，而普通建筑行業(yè)則主要利用主動測距。特別是較小尺寸物體的測算，以及擁有抗干擾及其他非接觸測距環(huán)境。

（一）主動測距技術(shù)。主動測距，主要是指光源條件是在人為創(chuàng)設(shè)環(huán)境中滿足的，且從景物外像得到相關(guān)點(diǎn)化信息，可以適當(dāng)顯示圖像大概并進(jìn)行初步分析處理，以對計(jì)算適應(yīng)功率及信息測算程度形成水平提高。從技術(shù)種類上說，主動測距技術(shù)可分為雷達(dá)取像、幾何光學(xué)聚焦、圖像干擾及衍射等。除了結(jié)構(gòu)光法外的測量方法均為基于物理成像，并搜集所成圖像，并得到特殊物理特征圖像。從不同的研究環(huán)境到條件所涉，以結(jié)構(gòu)光法測量作為主要技術(shù)的工程需求較為普遍，其原理為：首先在光源的設(shè)計(jì)上由人為來進(jìn)行環(huán)境考慮測算，再從其中獲取較為全面的離散點(diǎn)化信息。在離散處理后，此類圖像已經(jīng)形成了較多的物體真是特征表象。在此基礎(chǔ)上，信息需要不斷簡化與甄別、壓縮。如果分析整個物體特征信息鏈，則后期主要體現(xiàn)在對于數(shù)據(jù)的簡化分析。如今人們已經(jīng)把研究的目光轉(zhuǎn)向了結(jié)構(gòu)光測量方法的應(yīng)用，體現(xiàn)在物體形狀檢測等方面。

（二）被動測距技術(shù)。被動測距，對光照條件的選擇具有局限性，其主要通過對于自然光的覆蓋得以實(shí)現(xiàn)。它在圖像原始信息處理及分析匹配方面技術(shù)指向較為突出。也通過此三維物體之形狀及周圍環(huán)境深度均被顯露。在圖像原始信息基礎(chǔ)上的應(yīng)用計(jì)算，其與結(jié)構(gòu)光等相比繁雜程度較高。分析物體三維特性，著重從立體視覺內(nèi)涵入手，適應(yīng)物體自身特點(diǎn)而存在。不過相對來說獲得圖像特征才是其適應(yīng)匹配的條件保障。點(diǎn)、線、區(qū)域及結(jié)構(gòu)紋理等是物象特征的主體形式。其中物特較為基礎(chǔ)與原始的特征是前兩個特征，同時它們也是其他相關(guān)表征的前提。計(jì)算機(jī)系統(tǒng)技術(shù)測量基本原理為對攝像機(jī)進(jìn)行構(gòu)建分析，并對其圖像表征進(jìn)行特征匹配，以得到圖像不同區(qū)間的視覺差異。

五、結(jié)束語

通過對計(jì)算機(jī)視覺技術(shù)的研究，悉知其主要的應(yīng)用領(lǐng)域及技術(shù)組成。在系統(tǒng)使用的基礎(chǔ)上深入設(shè)計(jì)，對系統(tǒng)主要構(gòu)成環(huán)節(jié)進(jìn)行分析。從而將三維復(fù)雜形態(tài)原理、算法及測量理論上升到實(shí)際應(yīng)用。隨著社會對于計(jì)算機(jī)的倚賴程度增加，相信該技術(shù)在建筑或者其他領(lǐng)域會有更加深入的研究及應(yīng)用。

參考文獻(xiàn)：

[1]段里仁.智能交通系境在我國道路空通管理中的應(yīng)用[J].北方工業(yè)時報，2012（06）.

[2]王豐元.計(jì)算機(jī)視覺在建筑區(qū)間的應(yīng)用實(shí)例分析[J].河北電力學(xué)報，2011（04）.

計(jì)算機(jī)視覺理論與方法范文第4篇

關(guān)鍵詞：計(jì)算機(jī)視覺；地圖匹配；SLAM；機(jī)器人導(dǎo)航；路徑規(guī)劃

1概述

計(jì)算機(jī)視覺在人工智能學(xué)科占據(jù)重要地位，為自主移動機(jī)器人視覺導(dǎo)航做了深厚的理論鋪墊。目前，機(jī)器人導(dǎo)航技術(shù)有很多種，傳感器導(dǎo)航技術(shù)如里程計(jì)、激光雷達(dá)、超聲波、紅外線、微波雷達(dá)、陀螺儀、指南針、速度、加速度計(jì)或觸覺等得到了普遍應(yīng)用，與上述非計(jì)算機(jī)視覺導(dǎo)航技術(shù)相比較，計(jì)算機(jī)視覺導(dǎo)航技術(shù)如人眼般具有靈敏度高且可捕獲的信息量大以及成本低等優(yōu)點(diǎn)。由于室內(nèi)相對室外空間比較狹小且內(nèi)部環(huán)境復(fù)雜，所以普通移動機(jī)器人在作業(yè)過程中，完成躲避眼前障礙物、自主導(dǎo)航以及為自身找出一條可行路徑等一系列操作會相對比較困難。計(jì)算機(jī)視覺導(dǎo)航技術(shù)可利用本身的攝像頭獲得室內(nèi)周圍的環(huán)境信息，實(shí)時對其周身的場景進(jìn)行快速反饋，對視野前方障礙物進(jìn)行快速識別和檢測，從而確定一條高效的可行的安全路徑。本文對計(jì)算機(jī)視覺導(dǎo)航技術(shù)進(jìn)行分類研究，主要分為3類：第一類是環(huán)境地圖事先已知，提前對外界環(huán)境特征進(jìn)行提取和處理，建立全局地圖，并將地圖信息存儲在機(jī)器人內(nèi)存數(shù)據(jù)庫中，在導(dǎo)航的時候?qū)崟r進(jìn)行地圖匹配；第二類是同時定位與地圖構(gòu)建，移動機(jī)器人在自身位置不確定的情況下根據(jù)自身的攝像頭獲取周圍未知環(huán)境信息，在作業(yè)時逐步構(gòu)建周圍的環(huán)境地圖，根據(jù)構(gòu)建的增量式地圖自主實(shí)時定位和導(dǎo)航；第三類是不依賴環(huán)境地圖，自主移動機(jī)器人不需要依賴任何的環(huán)境地圖，其在作業(yè)活動時的可行區(qū)域主要取決于攝像頭實(shí)時識別和檢測的環(huán)境相對信息。

2環(huán)境地圖的表示方法

目前，計(jì)算機(jī)視覺導(dǎo)航技術(shù)多采用柵格地圖、幾何地圖、拓?fù)涞貓D和混合地圖構(gòu)建環(huán)境地圖信息。

2.1柵格地圖

柵格地圖，將柵格圖像考慮為一矩形，均分為一系列柵格單元，將每個柵格單元賦予一個平均概率值，并利用傳感信息估計(jì)每個單元內(nèi)部內(nèi)存障礙物的概率。構(gòu)建柵格地圖的優(yōu)點(diǎn)是其地圖表達(dá)形式直觀，創(chuàng)建和維護(hù)比較容易；但當(dāng)劃分的柵格單元數(shù)量不斷增多時，實(shí)時性就會慢慢變差；當(dāng)劃分的柵格單元越大時，環(huán)境地圖的分辨率越低。

2.2幾何地圖

幾何地圖利用幾何特征如點(diǎn)、直線、平面等來構(gòu)成環(huán)境主要框架，需要知道這些特征在環(huán)境中信息的具置，所以幾何地圖通常使用其對應(yīng)的三維空間坐標(biāo)來表示。幾何地圖構(gòu)建過程相對簡單，保留了室內(nèi)環(huán)境的各種重要信息，是基于計(jì)算機(jī)視覺的定位與地圖構(gòu)建算法中最常用的一種表示方式。但是為了完成環(huán)境的建模需要標(biāo)記大量的特征，從而計(jì)算量也非常的大，降低了實(shí)時性，其重建的地圖也容易出現(xiàn)與全局不一致的情況。

2.3拓?fù)涞貓D

拓?fù)涞貓D用許多節(jié)點(diǎn)和連接這些節(jié)點(diǎn)的曲線來表示環(huán)境信息。其中，每個節(jié)點(diǎn)相對應(yīng)真實(shí)環(huán)境中的特征點(diǎn)（如門角、窗戶、椅子、桌子角及拐角等），而節(jié)點(diǎn)之間的曲線表示兩個節(jié)點(diǎn)對應(yīng)的地點(diǎn)是相聯(lián)通的。拓?fù)涞貓D把環(huán)境信息表上在一線圖上，不需要精確表示不同節(jié)點(diǎn)間的地理位置關(guān)系，圖像較為抽象，表示起來方便且簡單。機(jī)器人首先識別這些節(jié)點(diǎn)進(jìn)而根據(jù)識別的節(jié)點(diǎn)選擇節(jié)點(diǎn)與節(jié)點(diǎn)間的曲線作為可作業(yè)的路徑。

2.4混合地圖

混合地圖主要包括3種形式：柵格一幾何地圖、幾何一拓?fù)涞貓D以及柵格一拓?fù)涞貓D?；旌系貓D采用多種地圖表示，可結(jié)合多種地圖的優(yōu)勢，與單一的地圖表示相比更具有靈活性、準(zhǔn)確性和魯棒性，但其不同類別的地圖結(jié)合起來管理會比較復(fù)雜，難以協(xié)調(diào)，增加了地圖構(gòu)建的難度。文獻(xiàn)針對室內(nèi)環(huán)境所建立的模型分為全局拓?fù)浜途植繋缀伪硎霾糠?，整體環(huán)境通過拓?fù)涔?jié)點(diǎn)串連起來，維護(hù)了整體環(huán)境表述的全局一致性；而以每個拓?fù)涔?jié)點(diǎn)為核心所采用的幾何表述則可確保局部精確定位的實(shí)現(xiàn)，這樣建立的幾何一拓?fù)浠旌檄h(huán)境模型可將二者的優(yōu)勢都表現(xiàn)出來，使得移動機(jī)器人定位和地圖構(gòu)建同時進(jìn)行，實(shí)現(xiàn)容易。

3基于計(jì)算機(jī)視覺的室內(nèi)導(dǎo)航

基于計(jì)算機(jī)視覺的室內(nèi)導(dǎo)航技術(shù)可利用攝像頭捕獲機(jī)器人周圍環(huán)境的全部信息，對其周身的場景進(jìn)行反饋，對障礙物進(jìn)行快速識別和檢測，從而確定一條高效的可行的安全路徑。本文將計(jì)算機(jī)視覺室內(nèi)導(dǎo)航技術(shù)主要分為3類：第一類是環(huán)境地圖事先已知；第二類是定位與地圖構(gòu)建同時進(jìn)行；第三類是不依賴環(huán)境地圖。

3.1環(huán)境地圖事先已知

提前對外界環(huán)境特征進(jìn)行提取和處理，建立全局地圖，并將地圖信息存儲在機(jī)器人內(nèi)存數(shù)據(jù)庫中，在導(dǎo)航的時候?qū)崟r進(jìn)行地圖匹配，即預(yù)存環(huán)境地圖。在環(huán)境地圖事先已知的導(dǎo)航中，路標(biāo)信息保存在計(jì)算機(jī)內(nèi)存的數(shù)據(jù)庫中，視覺系統(tǒng)中心利用圖像特征直接或間接向移動機(jī)器人提供一系列路標(biāo)信息，一旦路標(biāo)被確定后，通過匹配觀察到的圖像和所期望圖像，機(jī)器人借助地圖實(shí)現(xiàn)自身精確定位和導(dǎo)航。該導(dǎo)航技術(shù)過程可分為以下步驟：

a）圖像獲?。簲z像頭獲取其周圍的視頻圖像；

b）路標(biāo)識別及檢測：利用相關(guān)圖像處理算法對圖像進(jìn)行一系列預(yù)處理如進(jìn)行邊緣檢測和提取、平滑、濾波、區(qū)域分割；

c）路標(biāo)匹配標(biāo)志：在觀察到的圖像和所期望圖像之間進(jìn)行匹配，搜索現(xiàn)有的路標(biāo)數(shù)據(jù)庫進(jìn)行標(biāo)志路標(biāo)；

d）位置計(jì)算：當(dāng)有特征點(diǎn)進(jìn)行匹配時，視覺系統(tǒng)會根據(jù)數(shù)據(jù)庫中的路標(biāo)位置進(jìn)行自身精確定位和導(dǎo)航。

在基于計(jì)算機(jī)視覺的地圖匹配定位過程中，主要有2種地圖匹配較為典型。

①已知起點(diǎn)，已知地圖。這種條件下的定位稱為局部定位，采用的是一種相對定位的方法，如圖1所示為其位姿估計(jì)過程，這種情況目前導(dǎo)航技術(shù)研究得最多。

②不知起點(diǎn)，已知地圖。這種條件下的定位稱為全局定位。當(dāng)機(jī)器人需要重置時，通常使用這種定位方法來檢索機(jī)器人的當(dāng)前位置（即姿態(tài)初始化）。常用的輔助方法是在環(huán)境中添加一些人造信標(biāo)，如無線收發(fā)器，幾何信標(biāo)，條碼技術(shù)，紅外或超聲波接收系統(tǒng)進(jìn)行位置識別，利用視覺系統(tǒng)識別自然標(biāo)志，自主定位。

3.2定位與地圖構(gòu)建同時進(jìn)行

不知起點(diǎn)，不知地圖。SLAM技術(shù)最早由Smith等人于1986年提出，移動機(jī)器人在自身位置不確定的情況下根據(jù)自身的攝像頭獲取周圍未知環(huán)境信息，在作業(yè)時逐步構(gòu)建周圍的環(huán)境地圖，根據(jù)構(gòu)建的增量式地圖自主實(shí)時定位和導(dǎo)航。在日后的導(dǎo)航研究中，混合地圖中的幾何一拓?fù)浠旌檄h(huán)境模型被得到廣泛應(yīng)用，主要用來解決SLAM問題。

2003年，在解決SLAM技術(shù)難題上，Arras等人采用基于Kalman濾波器和最鄰近（nearest neighbor）匹配策略的隨機(jī)地圖創(chuàng)建方法。下面是該算法步驟：

a）數(shù)據(jù)采集：首先初始化系統(tǒng)，從攝像頭傳感器采集距離數(shù)據(jù)；

b）狀態(tài)預(yù)測：視覺系統(tǒng)預(yù)測機(jī)器人運(yùn)動狀態(tài)，實(shí)時返回新位姿信息和協(xié)方差矩陣，預(yù)測地圖；

c）觀測：從原始捕獲的信息中提取主要特征信息并將此信息返回給局部地圖；

d）測量預(yù)測：預(yù)測機(jī)器人當(dāng)前位姿的全局地圖；

e）位置匹配：應(yīng)用最鄰近濾波器匹配局部地圖中的觀測點(diǎn)和預(yù)測點(diǎn)；

f）估計(jì)：使用擴(kuò)展Kalman濾波器更新地圖；

g）創(chuàng)建：將非相關(guān)的觀測點(diǎn)加入地圖，對機(jī)器人返回增量式地圖；

h）輸出地圖。

制約機(jī)器人視覺系統(tǒng)性能的重要因素是信息實(shí)時處理的計(jì)算復(fù)雜度和處理效率，SLAM算法需要在地圖密度與計(jì)算效率之間取得權(quán)衡。

3.3無環(huán)境地圖

在這類系統(tǒng)中，機(jī)器人不需要依賴任何的環(huán)境地圖信息，機(jī)器人的活動取決于其當(dāng)時識別和提取出來的環(huán)境信息，這些環(huán)境信息可能是桌子、椅子和門等，不需要知道這些環(huán)境元素的絕對位置。無環(huán)境地圖的導(dǎo)航技術(shù)典型的技術(shù)有3大類：基于光流的導(dǎo)航技術(shù)、基于外觀信息的導(dǎo)航技術(shù)、基于目標(biāo)識別的導(dǎo)航技術(shù)和基于目標(biāo)跟蹤的導(dǎo)航技術(shù)。

3.3.1基于光流的導(dǎo)航技術(shù)

光流是三維空間運(yùn)動物體在觀測成像面上的像素運(yùn)動的瞬時速度，也是圖像亮度的運(yùn)動信息描述。光流法計(jì)算最初是由Horn和Schunck于1981年提出的，其利用二維速度場與灰度，引入光流約束方程，得到光流計(jì)算的基本算法。光流計(jì)算基于物體移動的光學(xué)特性提出了2個假設(shè)：①運(yùn)動物體的灰度在很短的間隔時間內(nèi)保持不變；②給定鄰域內(nèi)的速度向量場變化是緩慢的。如Santos-Victor等人研發(fā)了一種基于光流的robee視覺系統(tǒng)，該系統(tǒng)模擬了蜜蜂的視覺行為。在robee視覺系統(tǒng)中，使用單獨(dú)的雙目視覺方法來模擬蜜蜂的中心反射（Centering Reflex）：當(dāng)機(jī)器人移動到走廊兩側(cè)的墻壁中心時，左眼捕獲場景的瞬時速度與右眼捕獲場景的瞬時速度是相同的，幾乎沒有差別，那么機(jī)器人就可以知道他們在走廊的中心。如果眼睛兩側(cè)的眼睛的瞬時變化速度不同，則機(jī)器人移動到較慢的速度。在自動機(jī)器人導(dǎo)航的實(shí)現(xiàn)中，基于這個想法是測量攝像機(jī)捕獲圖像場景瞬時速度差異。這種導(dǎo)航技術(shù)只能用于室內(nèi)單通道直走道導(dǎo)航，不能引導(dǎo)機(jī)器人改變方向，具有一定的局限性。

3.3.2基于外觀信息的導(dǎo)航技術(shù)

基于外觀的機(jī)器人導(dǎo)航方法，不需要構(gòu)建真實(shí)的地圖導(dǎo)航，機(jī)器人通過自身所攜帶的攝像頭和傳感器感知周圍目標(biāo)的外觀信息進(jìn)行自主定位和導(dǎo)航。其中，所述的外觀信息多為目標(biāo)信息的顏色、亮度、形狀、空間大小和物理紋路等。機(jī)器人在導(dǎo)航時存儲連續(xù)視頻幀的環(huán)境圖像信息，并將連續(xù)視頻幀與控制指令相關(guān)聯(lián)，從而再執(zhí)行指令規(guī)劃有效路徑到達(dá)目的地。

3.3.3基于目標(biāo)識別導(dǎo)航技術(shù)

為了達(dá)到目標(biāo)點(diǎn)或是識別目標(biāo)，機(jī)器人很多時候只能獲取少量的圖像信息。Kim等人提出了一種用符號代替導(dǎo)航各個位置的賦值方法。該賦值方法中，機(jī)器人執(zhí)行命令如“去窗邊”“去你后面的椅子旁”等。這樣，通過相關(guān)的符號命令，機(jī)器人自動識別并建立路標(biāo)，通過符號指令到達(dá)目標(biāo)點(diǎn)。例如“去你后面的椅子旁”，這樣的命令就是告訴機(jī)器人路標(biāo)是椅子、路徑向后。該導(dǎo)航技術(shù)的難點(diǎn)在于目標(biāo)是否可以準(zhǔn)確實(shí)時識別路標(biāo)。第一，識別大量不同類別的物體，室內(nèi)環(huán)境有許多不同類別的物體，需要將它們組織到一個在給定的容易搜索圖像數(shù)據(jù)結(jié)構(gòu)中去，起到容易識別是用什么度量來區(qū)分物體；第二，識別大量不同背景下的物體，一個合適的物體表達(dá)式有助于將圖像組織成片斷，而這些片斷來自于物體的種類且與物體無關(guān)的；第三，在抽象層次上識別物體，機(jī)器人可以不需要在看到一個具體的杯子之前便能知道它是一個杯子，相關(guān)程序能夠類似的物體進(jìn)行識別和區(qū)分。

3.3.4基于目標(biāo)跟蹤的導(dǎo)航技術(shù)

基于目標(biāo)跟蹤的導(dǎo)航技術(shù)，為機(jī)器人構(gòu)造一個虛擬地圖，機(jī)器人通過攝像頭獲取連續(xù)的視頻序定一個跟蹤的目標(biāo)，為了達(dá)到對目標(biāo)的精確定位和實(shí)時跟蹤，可以利用粒子濾波算法對需要跟蹤的目標(biāo)進(jìn)行建模?；诹Ｗ訛V波的目標(biāo)跟蹤主要包含四個階段，分別是初始化目標(biāo)區(qū)域，概率轉(zhuǎn)移，目標(biāo)區(qū)域權(quán)重計(jì)算，目標(biāo)區(qū)域重采樣。在機(jī)器人導(dǎo)航之前，通過視頻序列的當(dāng)前幾幀標(biāo)注機(jī)器人所需要跟蹤的目標(biāo)，在導(dǎo)航時，機(jī)器人通過連續(xù)的視頻幀感知周圍的待跟蹤目標(biāo)，同時對所需要跟蹤的目標(biāo)散播粒子，當(dāng)獲取的視頻幀對目標(biāo)區(qū)域重采樣后足以讓機(jī)器人確定所需要跟蹤的目標(biāo)時，機(jī)器人通過確定的目標(biāo)為自己規(guī)劃最有效的路徑到達(dá)目的地。獲取視頻序列目標(biāo)跟蹤是算機(jī)視覺領(lǐng)域中的重要分支，它在工業(yè)生產(chǎn)、交通導(dǎo)航、國防建設(shè)、航空導(dǎo)航等各個領(lǐng)域有著廣泛的應(yīng)用。

計(jì)算機(jī)視覺理論與方法范文第5篇

【關(guān)鍵詞】虛擬多傳感器;計(jì)算機(jī);視覺檢測

一、視覺信息系統(tǒng)模型與實(shí)現(xiàn)方法

對于一個通用視覺系統(tǒng)來說，其性能主要取決于兩方面的因素：一方面總體上是如何組織的，有哪些模塊組成，模塊間如何聯(lián)系;另一方面是每個模塊內(nèi)采用了哪些技術(shù)，信息如何被加工的。許多專用的視覺信息系統(tǒng)模型是一種松散的知識庫模型。這些以松散的知識庫為主的模型都各有特點(diǎn)，但共同的不足就是計(jì)算量特別大，對信息處理采取不同的抽象和表達(dá)，復(fù)雜度也不斷增大，難以滿足連續(xù)工業(yè)在線快速檢測的要求。針對這些不足，本文提出一種專用的有知識驅(qū)動、信息融合的視覺信息系統(tǒng)模型，該模型實(shí)現(xiàn)了對圖像中被檢測目標(biāo)個數(shù)的搜索，用以實(shí)現(xiàn)螺紋鋼支數(shù)工業(yè)計(jì)算機(jī)視覺系統(tǒng)的在線檢測。具體實(shí)現(xiàn)過程為：

1.訓(xùn)練匹配器模板：用上文提供的方法獲取標(biāo)準(zhǔn)匹配器模板。

2.獲取特征圖：將實(shí)時圖像灰度圖分別用Cnany邊緣算子、鄰域平均值算子進(jìn)行變換獲得相應(yīng)的特征圖。

3.搜索特征量并確定其基本信度：將上述特征圖和灰度圖在相同的位置同時掃描，獲得相應(yīng)的特征，根據(jù)特征量得到相應(yīng)檢測目標(biāo)的基本信度。

4.確定模板匹配相似度：利用匹配技術(shù)確定匹配器模板和指定區(qū)域的相似度及基本信度。

5.合成基本信度并作出判斷：權(quán)系數(shù)D-S證據(jù)融合算法計(jì)算最終的信度，根據(jù)結(jié)果判斷該區(qū)域有無被測目標(biāo)。

6.優(yōu)化屏蔽搜索區(qū)域：屏蔽搜索到被測目標(biāo)的區(qū)域，避免重復(fù)搜索。

7.獲得被測目標(biāo)總支數(shù)：依次搜索特征圖像，累加有被測目標(biāo)的總數(shù)，即得到原始實(shí)時圖像中的被測目標(biāo)總支數(shù)。

二、證據(jù)理論應(yīng)用舉例

為了說明檢測過程，考慮對兩個典型區(qū)域的檢測過程進(jìn)行說明，其中一個為有檢測目標(biāo)的區(qū)域，一個為沒有檢測目標(biāo)的區(qū)域。在應(yīng)用過程中，已經(jīng)訓(xùn)練獲得到了匹配器標(biāo)準(zhǔn)模板。對一幅實(shí)時圖像，分別用Cnany邊緣算子和空間均值濾波等變換得到到相應(yīng)的邊緣特征圖像和去噪聲特征圖像，原始圖像也作為一個特征圖像。用C表示目標(biāo)，N表示非目標(biāo)，目標(biāo)識別框架為U={C，N}。具體實(shí)現(xiàn)步驟如下：

（1）傳感器基本信度分配確定;

（2）計(jì)算加權(quán)后各個傳感器的基本信度分配;

（3）按照DenlPster組合公式將m1：和m2組合;

（4）將m1：和.m2組合。

由計(jì)算結(jié)果可知，通過融合后不確定性的基本信度下降到0，在實(shí)際應(yīng)用中，該值可能會大些，在應(yīng)用中隱含地引入了一個限制條件，即mU（<）0.02時本次決策才有效。采用基本信度分配進(jìn)行決策，根據(jù)公式，即y（x）=m（A）-m_ThV可知，給定閥值m_ThV時，可以根據(jù)融合結(jié)果確定出被檢測區(qū)域的類別。在實(shí)際應(yīng)用中，給定經(jīng)驗(yàn)閥值m_ThV=0.89，則對區(qū)域1有y（x）=0.997-0.8>0，可確定出區(qū)域1中存在檢測目標(biāo);而對區(qū)域2有y（x）=0.292-0.89<0，故區(qū)域2盡管有些特征類似于檢測目標(biāo)端面（如模板匹配程度、區(qū)域灰度均值等），但通過融合可以明顯地區(qū)分出來該區(qū)域不存在檢測目標(biāo)。

三、優(yōu)化屏蔽搜索區(qū)域

為了提高搜索效率，避免重復(fù)搜索，當(dāng)確定出所搜索的區(qū)域存在被測目標(biāo)時，如圖1中區(qū)域1，可以根據(jù)所搜索的被測目標(biāo)直徑，計(jì)算該截面上的邊界，推導(dǎo)出與這些邊界相切的另外可能存在的被測目標(biāo)的模板頂點(diǎn)的軌跡：（x-s）2+（y-t）2=D2口。其中（s，t）為當(dāng)前模板覆蓋區(qū)域的頂點(diǎn)坐標(biāo)，D為被測目標(biāo)截面半徑，（x，y）為另外被測目標(biāo)截面上覆蓋的模板頂點(diǎn)坐標(biāo)。然后該圓下半部分以點(diǎn)（s，t）為中心垂直分割，其左半部分圓內(nèi)與半圓的交集部分）全部屏蔽，作為不再搜索區(qū)域;右半部分圓內(nèi)（半圓與區(qū)域1的交集部分）給出特殊標(biāo)志，表示此區(qū)域不再作為搜索區(qū)域頂點(diǎn)，但該區(qū)域的邊界、灰度、灰度梯度等信息均保留，以免將有用信息屏蔽。在邊緣特征圖中，對區(qū)域2與半圓交集部分不再搜索支數(shù);而對區(qū)域1與半圓交集部分，僅對該區(qū)域的特征信息完成搜索仍然需要搜索。

圖1

四、試驗(yàn)與結(jié)果分析

為驗(yàn)證上述方法，進(jìn)行了兩個方面的試驗(yàn)。

首先是研究了方法的有效性。對于被測試的每一幅圖的結(jié)果，用程序測試完后將結(jié)果同時顯示到圖像中，并在搜索到被測目標(biāo)的區(qū)域用一個黑色圓標(biāo)注，表示在該區(qū)域已經(jīng)搜索到一個目標(biāo)。這樣可以完成搜索結(jié)果與被檢測目標(biāo)實(shí)際位置進(jìn)行對比，可以判斷算法實(shí)現(xiàn)、搜索結(jié)果的有效性。確定有沒有誤搜索：在沒有目標(biāo)的位置搜索的被測目標(biāo)（虛檢）;而在有目標(biāo)的地方又沒有搜索的被測目標(biāo)（漏檢）。避免了搜索結(jié)果與目標(biāo)真實(shí)數(shù)目一致而位置不符合實(shí)際的情況。并且，在搜索到的檢測目標(biāo)旁邊標(biāo)注淺灰色半圓，表示該區(qū)域已經(jīng)在搜索過程中被屏蔽過。給出幾幅對實(shí)時圖像算法及搜索過程有效性驗(yàn)證結(jié)果的實(shí)際圖像，圖像中被測目標(biāo)為中18的螺紋鋼端面。

可見，該方法搜索的鋼材在圖像中的位置和支數(shù)都符合實(shí)際位置和支數(shù)，表明該方法是有效的。在端面特征中，選擇用邊緣特征、局部灰度均值特征、梯度分布特征和模板匹配器匹配程度特征等四個特征的信度分配來融合確定目標(biāo)，實(shí)現(xiàn)對圖像區(qū)域的分類，從而可以實(shí)現(xiàn)工業(yè)計(jì)算機(jī)視覺在線檢測的任務(wù)。

然后用實(shí)際在線檢測的方法試驗(yàn)所提出的方法的準(zhǔn)確性。在實(shí)際應(yīng)用中對φ20的成品鋼進(jìn)行了連續(xù)在線檢測。系統(tǒng)的準(zhǔn)確性還是比較高的，基本實(shí)現(xiàn)了在線快速的檢測功能。

五、小結(jié)

本章通過對螺紋鋼生產(chǎn)線上采集的實(shí)時圖像的特征分析，提出了虛擬多傳感器的概念，將實(shí)時圖像用不同變換得到多幅特征圖像，將每一幅特征圖像在相同檢測區(qū)域的特征信息看作是一種傳感器獲取的信息。這樣，將實(shí)時圖像中被測目標(biāo)的識別問題歸結(jié)為非線性二分類問題。利用虛擬多傳感器信息，提出了基于加權(quán)D-S證據(jù)理論信息融合的模式分類方法，將該分類方法應(yīng)用到計(jì)算機(jī)視覺檢測中，在此基礎(chǔ)上，提出了一種工業(yè)計(jì)算機(jī)視覺檢測系統(tǒng)的實(shí)現(xiàn)方法。

在檢測某一區(qū)域是否存在檢測目標(biāo)時，在特征圖像中相應(yīng)的區(qū)域根據(jù)獲取特征信息，得到是否存在被測目標(biāo)的基本信度分配，即：在邊緣特征圖像中對應(yīng)的區(qū)域獲得邊緣信息、在去噪特征圖像中對應(yīng)的區(qū)域獲得區(qū)域灰度均值信息和梯度分布信息、在原始圖像中對應(yīng)的區(qū)域獲得與標(biāo)準(zhǔn)匹配模板相似度的信息;將這些信息量化成基本信度分配，用加權(quán)D-S證據(jù)理論融合這些基本信度分配;根據(jù)融合結(jié)果完成對區(qū)域分類，確定出是否有檢測目標(biāo)存在;歷遍整幅圖像即可得到圖像中被測目標(biāo)的總數(shù)。

將實(shí)現(xiàn)所提出的檢測方法的應(yīng)用程序及其系統(tǒng)應(yīng)用的某煉鋼廠進(jìn)行了在線檢測，結(jié)果表明，所研究的方法實(shí)現(xiàn)了在不增加傳感器數(shù)量和對傳感器要求的情況下使檢測系統(tǒng)的可靠性時得到了保證，并得到了比較高的準(zhǔn)確性。該方法的準(zhǔn)確性可以達(dá)到97%。

參考文獻(xiàn)

[1]張婷.計(jì)算機(jī)圖形圖像設(shè)計(jì)與視覺傳達(dá)設(shè)計(jì)的研究[J].信息系統(tǒng)工程，2014（2）.