视觉辅助在大型半潜式起重船施工进度监测中的应用

为了解决传统大型半潜式起重船施工进度监测方法存在监测误差大的问题,将视觉辅助应用在大型半潜式起重船施工进度监测中。通过视觉辅助技术采集大型半潜式起重船施工前图像,建立初始图像模型。采集与分析施工结束后的工程主体图像变化特征。将初始模型图像与工程结束图像特征进行比对,得到工程进度输出,实现施工进度监测。为了证明提出方法的可行性,设计一组仿真对比实验,对不同方法的性能进行测试。实验结果表明,该方法能够实现施工进度的低误差监测。     

融合双HOG特征和颜色特征的目标跟踪

目标跟踪是计算机视觉中一个极具挑战性的任务,应用于图像处理、模式识别、自动控制等不同领域.许多跟踪算法都获得了良好的效果,但复杂的运动场景会影响目标跟踪的性能.文中提出一种融合双HOG特征和颜色特征的方法,用于视觉目标跟踪,通过构造双HOG特征和颜色直方图特征,并进行融合,减少运动场景变化对目标跟踪的影响.首先,提取当前帧目标区域的HOG特征,并分割为HOG1和HOG2,利用判别相关滤波器对两个特征分别进行滤波处理,选择出最优的特征;然后,利用颜色直方图提取当前帧目标区域的颜色属性特征;最后,融合双HOG特征和颜色特征,获得特征响应图,在响应图中寻找最大值位置,即预测出的新目标位置.在OTB-2013、OTB-2015基准数据集上与其他6个算法对比,实验结果显示,该方法在处理背景杂乱、平面外旋转和形状变化等目标跟踪方面具有良好性能.     

基于视觉的地铁列车前向目标识别系统研究

为解决地铁列车前向运行环境中障碍物判断问题,提出基于视觉的地铁列车前向目标识别系统。该系统利用语义分割算法提取行驶轨道区域,结合轨道区域识别,基于SSD算法提取前向运行环境中轨道限界范围内的列车、行人等目标。针对上述场景,建立列车前向运行环境样本库,并基于该样本库完成模型训练。实验结果证明所得模型可有效识别列车前向行驶多目标。     

基于视觉传达技术的舰船三维导航系统

为增大舰船导航节点间SKT响应系数的表现实值,解决导航耦合反应能力较弱的问题,设计基于视觉传达技术的舰船三维导航系统。按照三维模型架构中的信息传输需求,连接导航移动端与GIS组件,完成导航系统的硬件运行环境搭建。在此基础上,提取三维数据库中的舰船航行数据,完善导航系统的实际应用流程,实现系统的软件运行环境搭建,结合相关硬件执行设备,完成视觉传达技术舰船三维导航系统的顺利应用。对比实验结果表明,与传统IBS系统相比,应用新型三维导航系统后,SKT响应系数最大值达到7.86,大幅提升舰船导航节点间的耦合反应能力。     

基于改进YOLOv3的站口行人检测方法

针对YOLOv3算法在行人检测上准确率低和漏检率高的问题,提出一种改进型YOLOv3的行人检测方法,并将其定义为GA-Wide-YOLOv3。该方法首先以行人头肩小目标为检测对象,进行重构数据集,利用遗传算法重新对目标先验框进行聚类,优化anchor参数,提高先验框与数据集的重合程度;其次改进YOLOv3,通过加宽网络宽度、减少网络深度,获得针对小目标检测的较大视野阈,避免梯度消失;最后,将多尺度检测算法3个yolo层前的1*1,3*3的卷积组各去掉2组,减少头肩小目标在复杂背景下的漏检率。在收集的数据集HS6936上进行对比实验,结果表明,基于遗传算法改进的K-means算法,平均交并比为81.89%,提高了0.8%;改进的YOLOv3算法检测平均准确率(mAP)为75.35%,召回率为81.20%,查准率为99.99%,较原始YOLOv3算法分别提高了2.53%,0.88%和2.75%。     

图像增强技术在码头水下结构外观巡检中的应用*

定期开展码头水下结构的外观巡检是码头平稳运行的重要保障。通过分析现有的检测方法，发现获取图像质量不佳是采用视觉技术实施外观巡检的主要限制条件。结合相关检测作业的要求，创新提出将人造多幅欠曝光算法与颜色通道补偿方式进行融合，并通过试验验证使用图像增强算法的水下拍摄图像的视觉质量。结果表明，多曝光与颜色补偿可有效提升水下图像的对比度、恢复细节信息并进行颜色矫正，且运算效率高；图像增强算法可有效提升水下拍摄图像的视觉质量，帮助技术人员及时识别水下结构缺陷；试验中SIFT特征点匹配数量说明提出的算法有利于后续开展缺陷的自动识别及测量研究。     

多视域下基于全息性态特征的索力测试方法研究北大核心

为精确高效地进行大型斜拉桥拉索索力机器视觉测量,提出了多视域下基于全息性态特征的索力测试新方法,并进行室内试验和现场测试验证。该方法采用全息视觉传感器系统进行拉索视觉数据采集,基于被测目标像素特性,构造像素转换与位置映射矩阵进行像素增强,通过等高线云图闭环阈值分割逐次解析复杂测试场景下拉索空间几何构型,进而量化分析全息性态特征点集参数计算索力。以室内钢丝绳模型索以及主跨445 m的重庆东水门长江大桥斜拉索为测试对象,进行了拉索空间几何构型及误差分析,并计算拉索索力。结果表明:该方法可有效提高机器视觉架构下拉索几何构型以及大规模索力测试的计算效率与精度,室内模型索索力测试最大误差2.98%,均方根误差1.05%;现场斜拉索索力测试最大误差4.37%,均方根误差2.79%,验证了该方法的有效性与稳定性,可应用于复杂测试场景下拉索索力高频次、快速测试。