汽车白车身机器视觉检测系统

本文论述了由多传感器“融合”的轿车白车身机器视觉检测系统的原理、组成及其工作过程，设计了利用双经纬仪实现座标系统一的方法，完成了实验及数据采集，并与标准值进行了比对，取得了较高的测量精度。     

汽车白车身机器视觉检测系统

本文论述了由多传感器“融合”的轿车白车身机器视觉检测系统的原理、组成及其工作过程，设计了利用双经纬仪实现坐标系统一的方法，完成了测试实验及数据采集，并与标准值进行了比对，取得了较高的测量精度。     

基于机器视觉的车辆检测与参数识别研究进展

近年来公路交通运输快速增长,交通车辆的快速准确检测与识别对智能交通系统和交通基础设施运维具有重要意义.随着机器视觉和深度学习技术的迅速发展及其在目标检测领域的广泛应用,车辆目标检测和参数识别也取得新的突破.该文从车辆参数的识别方法和应用研究两方面梳理了机器视觉和深度学习在车辆检测与参数识别领域的研究现状、最新研究成果和...     

基于改进神经网络的机器视觉的路面破损检测系统研究

研究开发了一套基于机器视觉的路面质量检测系统,并将改进的神经网络方法应用到道路路面缺陷检测中。分析了系统的基本组成和总体结构,介绍了软件设计流程以及网络设计与训练过程。同时考虑到传统图像分割算法的局限性,设计了一种检测图像内任意区域实时检测算法。可以适应路面龟裂、横裂、纵裂、块裂等多种缺陷以及缺陷并存的复杂道路样本图像。该检测系统具有很强的灵活性,检测速度较快,完全满足实时检测的要求。     

基于机器视觉的汽车车身划痕检测与处理

随着科技发展与进步,汽车走进人们的日常生活,成为出行所需的必要品之一。由于擦洗、护理不当的人为原因或是汽车行驶时与其他车辆、路边树枝或固定物发生刮擦的自然原因等,往往都容易使车身造成深浅不一的划痕,影响美观与使用。而对于划痕检测往往采用人工检测的方法比较常见,但随着社会发展,各种无损伤的检测技术逐渐普遍出现,国内外在划痕检测与识别的技术上得到不断提升,从一开始由传统的人工主导检测方法到现在常见的渗透识别、磁粉识别、图像识别以及基于超声波激光的识别方法。针对人工检测存在低效率、高漏检率和误检率等缺点,文章通过提出一种基于OTSU算法的以机器视觉检测技术为基础的实现车身划痕能够自动检测的方案,此方案安全可靠,在艰难复杂的工作环境里可以较长时间工作,并且能够获得较高的检测精度。为了恢复汽车车身的美观性,根据划痕损伤程度不同,提出了几种不同的修复工艺。     

一种基于机器视觉的车道偏离报警系统

本文介绍了车道偏离报警系统及其国内外的研究现状,重点介绍了基于机器视觉的车道偏离报警系统。对基于机器视觉的车道偏离报警系统中的CPCI架构的硬件结构和车道线实时检测算法进行了描述,提出了一种切实有效的车道线检测算法。     

机器视觉背景下基于VisionPro的轴承滚动体缺失检测

轴承在生产过程中的滚动体缺失会影响机械设备的安全运行,本文提出了机器视觉背景下基于VisionPro的轴承滚动体缺失检测。在获得较好的打光图像后,利用VisionPro的PMAlignTool进行模板训练以及缺失识别,并结合C#脚本,将结果可视化,在图片上显示具体的检测结果,包括产品合格与否、合格的滚动体个数以及不合格的原因,便于后续的人机交互。通过实验,该方法确实取得了较好的检测结果,能够正确检测轴承滚动体的缺失情况,后续结合通信设备与机械手臂,可实现自动分拣。相较于传统的人工检测,该方式具有效率高、准确性高、安全性高的优势,是现代工业生产中亟需的检测方式。     

基于机器视觉的智能车辆障碍物检测方法研究

着重阐述基于机器视觉的前方车辆障碍物检测方法，首先根据公路上前方车辆的先验特征模型，建立障碍物探测的感兴趣区，以缩小搜索区域，随后提出一种新的对称变换算子，用于检测障碍物车辆的对称轴，并确定障碍物车辆的矩形轮廓，为进一步提高障碍物检测的实时性，采用递归模板匹配法对障碍物进行跟踪，试验表明上述方法是有效的。     

基于机器视觉的智能车辆导航综述

基于机器视觉的智能车辆导航是智能车辆系统的关键,包括道路检测和障碍物检测两部分。结合国内外最新研究动态,本文主要总结道路检测和障碍物检测中的典型方法,并列出国内外具有代表性的一些智能车辆系统,同时详细介绍当前最具代表性的、美国军方研制的DEMOⅢ系统;最后指出基于机器视觉的智能车辆导航技术的研究与发展趋势。     

基于改进Hough变换的车道线检测

针对车道线检测中存在的诸多问题,在道路图像预处理的基础上,对Canny算子中的双阈值选取进行改进,能够自适应精确提取车道线边缘特征,并利用带极角约束的Hough变换完成直线检测.算法能够在不同道路环境中准确检测车道线标识,降低光照等因素对车道线检测结果的影响.     

基于机器视觉的隧道衬砌表观病害检测技术研究进展

针对隧道衬砌表观裂缝病害的智能化检测算法问题,梳理了自动检测算法的处理流程,介绍了3种裂缝自动检测的方法:图像处理、传统机器学习、深度学习算法,并分析了3种方法的适用范围及优缺点,重点讨论了深度学习算法,它从根本上改变了裂纹检测的方式,大幅提高了检测性能。对基于分类、目标检测和分割的深度学习神经网络在裂纹检测中的应用进行了综述和比较,展望了该算法在裂缝自动检测的应用前景。     

基于机器视觉的沥青路面微观形貌检测技术研究

沥青路面的微观形貌是决定该路面抗滑性能的重要影响因素之一,如何对其进行三维重构已经成为交通安全领域的一个研究热点.文中将机器视觉方法引入到沥青路面微观形貌采集技术研究中,设计了一套完整的检测实验平台,并针对该实验平台的特点,提出了三维重构数学模型,从摄像机标定和特征匹配2个方面讨论了其中的关键技术.     

基于分段直线模型的弯道识别算法的研究

为提高弯道识别算法的实时性,提出一种基于Hough变换的分段直线模型来近似逼近弯道的图像识别方法.首先实时动态地将一幅图像划分为若干感兴趣区域,然后采用改进的Hough变换算法提取各个感兴趣区域的直线段,最后应用边界点判断法将这些直线段连接成连续平滑的弯道线.试验结果表明,该方法能检测出高速公路上的相关车道线,具有很好的实时性、可靠性和鲁棒性.     

基于机器视觉法的桥梁表观病害检测研究综述

桥梁作为重要的基础设施,承担着道路交通和人员、货物运输等重要任务。桥梁表观病害的及时有效检测具有确保公共安全、延长桥梁使用寿命、及时排查风险等重大意义,有助于提高桥梁服役阶段的可靠性和耐久性。近年来,随着计算机视觉、人工智能等技术的快速发展,机器视觉法逐渐成为了桥梁表观病害检测的新兴手段之一。首先,通过详细分析近年来该领域的多篇相关文献,综述了基于机器视觉法进行桥梁表观病害检测的关键技术,包括检测平台研发技术、数据采集技术、图像处理技术、三维建图技术、病害定位技术和病害参数量化技术等。其次,通过分析现有研究开展检测工作的流程,总结了基于机器视觉法进行桥梁表观病害的技术框架,并分析了其中各个流程之间的功能与联系。上述关键技术的综述与技术框架的总结可为研究者开展检测工作提供一定的参考。最后,根据现有研究在实施检测任务时自动化程度的不同,提出了基于机器视觉法进行桥梁表观病害检测的智能化分级,包括人工检测辅助、病害定位检测、局部自动检测、整体自动检测、高度自动检测和完全自动检测6个等级。对比文献研究可知,现有研究虽然已经脱离了传统的人工检测的阶段,但仍与完全自动检测具有一定的差距。该领域仍具有...     

一种基于视觉的车道线检测及追踪方法

文章以OpenCV软件为主要平台,基于机器视觉建立一种车道线的检测及跟踪方法.首先检测出图片中车道线区域,对每一帧图片做透视转换到鸟瞰图视角.然后对鸟瞰图二值化,进一步区分左右两条车道线.用滑动窗口的方法检测第一帧的车道线像素点,从第一帧的曲线周围寻找后面的车道线像素点,拟合车道线曲线.经实验证明该方法能够准确地检测出...     

基于机器视觉的路面裂缝病害多目标识别研究

为了建立一种基于深度学习卷积神经网络的多目标路面裂缝检测模型,实现对路面裂缝的精确识别、分割与统计,采用卷积神经网络Mask R-CNN为主干框架,融入ResNet模型与特征金字塔网络(FPN)提高对病害特征提取的精度,建立了针对裂缝病害识别的基础网络体系;考虑裂缝病害图像特征,采用随机梯度下降算法与冲量算法优化损失函...     

机器视觉系统在激光焊接中的应用

为了满足柔性化生产的要求,机器视觉被广泛应用在激光焊接中。文章通过机器视觉系统在汽车制造业激光焊接中的应用实例,介绍了视觉激光焊接系统的组成,并重点分析了视觉技术的应用,如标定、焊前检测、焊缝轨迹控制及焊后质量检测等。     

基于机器视觉对交通场景中车辆速度识别研究

通过对YOLOv5机器视觉框架进行二次开发,同时融合DeepSORT追踪算法,实现对桥梁交通车辆时空信息的提取和车辆轨迹的追踪。改进了传统的虚拟线圈法,实现了对车辆速度的测量,避免对传统方法中因检测线圈的像素变化进行阈值的设定,提高了算法的普适性。最后,将算法应用到实际的场景中与测速仪结果进行对比,其中平均误差在1%以内,误差最大值控制在为15%以内。