共查询到20条相似文献，搜索用时 15 毫秒
1.
树木参数是林业调查的重要指标。依据双目视觉原理和图像处理技术提出一种基于双目视觉的测树方法研究,利用经纬仪和CCD代替双CCD,减少计算误差,再经图像处理和识别提取出树木参数。 相似文献
2.
单株立木图像信息的提取与解算 总被引：5，自引：2，他引：5
该文采用数码相机获取立木的图像信息，对单株立木图像信息的提取分别运用近景摄影测量DLT模型和双目立体视觉技术进行解算，解决了立木图像信息与立木二维坐标之间的解算问题.基于近景摄影测量技术树木图像信息的二维处理方法，简化了解算方程，提高了求解的运算速度.在提取单株立木形状参数时, 采用计算机双目立体视觉技术存在着操作复杂、成本高的缺点.实验结果表明，应用近景摄影测量技术提取单株立木图像信息的方法有效、可行. 相似文献
3.
基于人类视觉系统原理，设计了仿人多自由度的立体双目视觉导航系统．首先给出了立体双目视觉导航系统的设计原理，然后详细讨论了仿人多自由度立体双目视觉装置的设计．该装置可同时实现水平旋转、俯仰、左右摄像机聚散度调整4个自由度伺服控制，并可实时在线调整摄像机参数．针对自由度控制电机及其驱动控制、摄像机同步控制、摄像机参数控制、基线长度选择等进行了优化设计．系统在Pioneer-2DXE移动机器人的实际应用验证了本设计方案的可行性和有效性． 相似文献
4.
为提高林木生长状态测量的准确性,克服传统测量方法的不足。从视差处理的角度出发,将图像处理技术与视觉理论有机结合,根据不同时间点采集到的树木图像信息,判断出一段时间内树木生长状态的变化情况。试验过程中,将待采集图像的树木上标出红色的矩形信息点,并利用双摄像机针对标出的特征点进行采集,然后将2幅树木图像进行对比研究, 分别计算出在一定时间间隔内树木上信息点空间信息,从而确定该段时间内信息点的位置变化。试验结果表明,针对标定的信息点,传统测量方法在高度和粗度分别增长5.63 mm和5.75 mm,二者数值相近,与林木生长实际不符;而基于视觉技术的测量,高度和粗度分别增长2.4 mm和1.5 mm,高度变化是粗度变化的1.6倍,与林木的实际增长过程是一致的。所以,基于视觉技术的测量方法,能够很好地实现对树木的无损测量研究,判断出树木的生长状态变化情况。 相似文献
5.
搭建了一个便利有效地双目视觉系统,结合深度信息,精准地提取手势信息。采用模板标定法对双目相机进行标定,精确地获取了相机的参数,标定的像素误差为0.67个像素;在立体匹配阶段,利用BM算法快速准确地实现了左右相机图像的匹配,获得被测手势的视差;结合三角测距原理,从而生成较为稠密的深度图;最后将深度信息重新映射到原彩色图像上,实现三维重建,生成三维云图,根据云图信息双目视觉系统能有效地从复杂背景中分割手势,并换一种手势进一步验证了所搭建的双目视觉系统从复杂背景中分割手势的可行性。 相似文献
6.
通过安装在监控地点的CCD摄像机,借助卫星遥感技术、图像处理技术以及网络通讯设施,结合ArcObjects组件开发方式,在探讨森林火灾自动监测系统总体框架的基础上,对系统数据库和核心模块功能进行分析设计,建立基于CCD摄像机和ArcObjects的森林火灾自动监测系统,解决了传统的以人工实地为主的监测方式,采用CCD摄像机视频监控,结合图像处理技术和人工智能技术,提高了视频监控系统的能力。 相似文献
7.
《沈阳农业大学学报》2016,(2)
犁体轮廓是犁体曲面的边界,对犁体的很多性能都有影响。为了实现高温热态犁体锻件的快速、精确、非接触、自动化在线实时测量,提出计算机双目立体视觉犁体轮廓测量的解决方案;设计基于形态学的抗噪型边缘检测算子,实现犁体锻件的亚像素边缘提取;在对原始图像重投影和立体校正的基础上,研究亚像素二次校精校正算法,提高左右图像立体匹配的质量和速度。以犁胫为试验对象,采用双目立体视觉和图像处理,在HALCON和MATLAB平台上,开发基于机器视觉的犁体锻件轮廓测量系统,实现犁体轮廓的边缘提取、边缘重构、边缘拟合和数学描述,解决犁体轮廓尤其是热态锻件犁体轮廓测量难的问题,为犁体轮廓的检验、测绘、描述、制造和设计提供了新的途径。在Intel(R)Core(TM)i7-5500U CPU@2.40 GHz处理器上运行,测量精度1.44mm,相对误差1.4%,耗时468ms。试验结果表明:以机器视觉和图像处理为手段对犁体轮廓进行测量,具有一定精度和可行性,可以提高犁体设计、制造、检验的效率,与传统的三坐标测量仪和手工测绘相比,具有一定的优势。 相似文献
8.
水果采摘机器人视觉系统研究进展 总被引：1，自引：0，他引：1
概述了近年来国内外水果采摘机器人视觉系统的特点并进行了分析和归类,分析了不同视觉系统和方法的主要特征、所使用的传感器、检测水果的图像处理技术策略、检测效果以及系统的优点和局限性,并对研究的现状进行了综述.经分析发现大多数视觉系统是通过电荷耦合器件(CCD)摄像机来获取图像,利用颜色和纹理分析作为特征,由各种分类器进行水果的检测,通过多相机或者距离传感器来进行空间定位和尺度测量.指出了水果采摘机器人视觉系统存在的问题和有待改进的方面,并初步提出了一些设想和建议. 相似文献
9.
10.
11.
以机器人操作系统(robot operating system,ROS)为框架,以开源项目树莓派微型硬件作为图像处理模块,Arduino作为机械臂运动控制模块;基于自适应参数输入的霍夫圆检测算法,实现一种USB摄像头的双目视觉苹果采摘系统,保证算法实时性高的前提下识别率较高。以轮廓完整、小色块去除为优化策略,最大、最小圆面积自动估算,实现对霍夫圆检测输入参数的自适应控制。对于采摘顺序规划,通过竞争策略,每次筛选出最优果实,从而实现多目标的采摘顺序确定。结果表明,基于本策略的自适应霍夫圆检测试验算法对遮挡状况下的小规模成簇果实具有较高识别率。此外,借助众灵科技有限公司的开源ROS五自由度机械臂通过简易抓取试验完成了算法可实施性验证。 相似文献
12.
13.
将黑白棋盘格特征板固定于引导车辆作为跟随特征,通过固定于跟随车辆的双目视觉系统,获取黑白棋盘特征板上各角点的三维信息,分析该信息,得到引导车辆相对于跟随车辆的车辆间距、横向偏移及航向偏角,利用该导航信息实现跟随车辆的自动跟随,建立了主从式果园作业车辆的跟随系统。双目视觉系统在不同光强下静态性能测试结果表明,双目系统生成导航参数偏差与日间光强无明显相关性,体现出双目系统对外界光环境变化有良好的适应性。在果园环境下,对该系统进行性能测试,结果系统导航信息生成频率为4.0 Hz,横向偏移平均偏差为3.68 cm,车辆间距平均偏差为8.24 cm,航向偏角平均偏差为2.32°,表明所构建的跟随系统能实现对引导车辆的自动实时跟随。 相似文献
14.
15.
《山东农业大学学报(自然科学版)》2018,(5)
计算机视觉图像在采集和传输过程中,容易受到噪声的干扰而变得模糊不清,传统的模糊集图像增强算法具有计算量大、参数手动设置和适应性差的缺点,使得图像处理效率低下和增强质量较差,无法满足现实需求。本文将改进的蚁群算法引入计算机视觉图像模糊增强,以模糊熵为图像增强效果的评价指标,并对模糊图像增加参数进行自适应选择。结果表明,本算法可以提高图像的模糊熵、改善图像视觉效果和清晰度,同时可以较好地突出某些特征。 相似文献
16.
高斯混合模型（GMM）已在图像处理和计算机视觉领域得到了广泛应用,对于该GMM模型中各项参数的估计依然是一件值得研究的问题。采用期望最大算法（EM）来估计该模型对应的多参数,并给出其详细的推导过程。试验结果表明,EM算法在估计GMM模型中各项参数时具有很强的鲁棒性,并取得了很好的效果。 相似文献
17.
图像处理技术在信息农业中的应用现状及发展趋势 总被引：1，自引：0，他引：1
《江苏农业科学》2017,(22)
图像是人类感知世界的视觉基础,是人类获取、传递和表达信息的重要手段。图像处理是通过计算机对获取的图像信息分析加工,从而达到满足人的视觉或应用需求的行为。随着我国计算机科学的发展,图像处理技术在信息农业中得到广泛应用,它的发展对于农业信息化的提高具有重要意义。论述了目前图像处理技术在农业领域的研究进展及应用现状,分析了应用中存在的技术难题,对图像处理在农业中的研究进一步展望并提出了今后的发展趋势。 相似文献
18.
19.
基于色彩识别特征的柳杉锯材表面活节和死节的机器视觉识别系统． 总被引：1，自引：1，他引：0
利用色彩特征信息开发了柳杉锯材表面活节和死节的机器视觉自动识别系统.该系统由3部分组成:CCD工业摄像图像采集硬件系统、缺陷检出的图像处理模块和基于识别规则的缺陷识别模块.潜在缺陷区域可由大津自动阈值分割算法结合T-检验来完成,活节和死节的检出率分别为92.6%和97.1%.基于2个形状识别特征和6个色彩识别特征构建了缺陷的识别规则,利用构建的识别规则可实现活节和死节的识别率分别为92.0%和94.1%.系统整体检测准确率为87.6%,此结果表明基于识别规则的彩色机器视觉自动识别系统是检测柳杉锯材表面活节和死节的一个有效手段. 相似文献
20.
基于双目视觉的作物点云获取与分割定位方法 总被引：1，自引：0，他引：1
为了提高农业视觉导航系统对作物定位的精确性,提出了一种基于双目视觉的作物点云获取与分割定位方法。该方法采用ZED双目相机采集作物左右视图,通过视差原理获取作物的3D点云数据,利用点云离散程度和体素化网格方法对初始点云数据的离散点和冗余数据进行去除,然后在预处理后的点云图中利用基于点云法线角度差的区域生长分割出每株作物的点云簇,用每个点云簇中所有点的平均坐标值作为该株作物的三维坐标,结合视觉系统坐标系,计算出作物与相机的水平距离以及水平偏角,从而实现作物定位。试验结果表明,该方法测得的作物平均距离误差为1.89%,平均角度误差为2.17%,该算法可以对作物进行准确定位,为基于双目视觉导航的路径规划提供可靠的定位信息。 相似文献