客货滚装码头车辆定位系统需求分析和技术实现

针对某客货滚装码头中车辆运输的智能化调度需求,进行车辆位置智能感知的研究,采用物联网感知和计算机视觉技术,得出一种基于视频监控的车辆定位系统方案。该系统能够实时监控码头内进出港车辆,跟踪和记录其路径,支持越界报警,为智能化调度和安全监控提供基础数据。     

自动引导车辆(AGV)地图生成方法研究

提出了在人工导引方式下生成AGV数字地图的方法.利用立体视觉提取障碍物边界点,将不同视点处得到的观测集成到数字地图中,进一步提高数字地图的精度.由于AGV运动的不确定性,在将最新的观测集成到地图中之前,通过匹配新的观测数据与地图数据计算AGV位置.实验表明了该方法的有效性.     

激光探测与测量视觉技术在堆取料机全自动控制中的应用

针对散货料场堆取料机人工操作堆取作业随意性大、精度差、效率低等现状,设计了一种堆取料机全自动控制系统。该系统基于激光雷达(Lidar)机器视觉技术,通过3D激光扫描仪实时获取料堆形状的点云数据,并完成对目标料堆的在线实时建模,最后控制堆取料机完成自动作业;提出了一种基于视觉图像处理算法的作业路径规划算法,通过实时提前预测作业轨迹来指导堆取料机自动作业。实践表明该控制系统提高了设备的作业效率,降低了作业成本。     

一种用于航母自动着舰的视觉伺服技术

介绍国外一种利用舰载机传感器获得航母3个视觉特征实现航母自动着舰的新方法。这种方法将舰载机运动状态和航母视觉特征联系起来,应用一种基于线性化舰载机运动模型的控制方案,能够引导舰载机安全降落于行进中的航母上。     

基于智能图像视觉的船舱内部监控与识别

为了提高对舰船船舱内部监控管理能力,提出一种基于智能图像视觉的船舱内部监控识别方法。采用计算机视觉特征信息采集方法进行船舱内部图像原始信息采集,对采集的图像进行小波降噪处理,采用Harris角点检测方法进行船舱内部关键部位点的准确标定,结合图像子块连续遍历方法实现船舱内部异常像素特征搜索提取,实现船舱内部的智能视觉监控识别。仿真结果表明,采用该方法进行船舱内部监控,输出视觉图像的成像质量较好,对关键信息点的标定结果准确,对船舱内部异常像素的检索能力较强,具有较好的应用价值。     

水火弯板线位移视觉测量中的标定精度分析

采用计算机视觉的方法对水火弯板的线位移进行测量,旨在找出板材在水火弯曲成形加工中的变形规律,为实现水火弯板的机械化和自动化提供数字参考。然测量精度的高低直接决定着这些数据的可靠性,而在影响视觉测量精度的诸多因素中,标定块的尺寸精度是一个重要的内容。相对真值可通过损失函数的分析来认定。     

基于机器视觉的钢轨对接焊高精度检测方法

为提高闪光对接焊设备焊接过程的焊接精度,提出一种基于机器视觉和图像处理技术结合的钢轨对接焊高精度定位检测方法。该方法采用黑白面阵CMOS工业相机、线激光器作为主要检测硬件,其中线激光器发射的激光分别垂直投射在与轨道轴线平行的轨顶面和轨侧面上,通过对工业相机所采集的图像进行特征提取,针对多种不同特征进行模式识别,从而获得钢轨顶部和侧面高度差。通过重复性与可靠性试验,表明该方法满足工程实际检测要求。与传统的手工检测方法相比,本方法具有更高的精度,且受外部环境的影响较小,满足工况环境条件下的焊接精度要求,在复杂环境下同样可获得较好的检测效果。     

面向旅客和人因的铁路客运线路示意图的绘制

我国现行的铁路客运线路示意图在铁路大发展和旅客要求越来越高的今天已经不能满足旅客出行的需要。从以旅客为本的营销角度出发,综合运用人因工程、视觉传达设计和图论的理论与方法进行分析设计,绘制出到2020年规划的全新版本中国铁路客运线路示意图,并可以此为基础设计系列图形,对铁路客运线路示意图做系统的改进设计,使之成为中国铁路标识体系的有机部分。     

钢轨断面全轮廓磨耗的激光视觉动态测量

钢轨磨耗直接影响铁路运行安全,为了替代目前手工测量方式,提高测量精度和效率,研究并设计了线激光钢轨断面全轮廓视觉测量系统来实现钢轨磨耗动态测量. 首先通过计算激光视觉测量模型完成激光测量单元的结构设计,然后采用平面标定法对测量头进行精确标定,获取激光平面与传感器成像平面之间的映射关系,将拍摄的钢轨轮廓光条图像还原为实际钢轨断面轮廓;利用钢轨同一截面两侧轮廓中轨头踏面轮廓相同的特征获取钢轨断面全轮廓数据,采用ICP精确配准将钢轨两侧测量轮廓合并,其中轨头踏面轮廓采用欧式聚类和距离分割方法提取;最后以双侧未磨损轨腰轮廓及其特征点为基准,将测量钢轨全轮廓与标准钢轨轮廓进行配准对比,获取钢轨磨耗值;将线激光钢轨磨耗测量单元装载于自行研制的轨道测量小车上进行现场测量试验. 研究结果表明:该测量系统标定精度可达4.922 × 10?3 mm,测量速度可达21.6 km/h,与钢轨磨耗尺测量值对比垂直磨耗、侧边磨耗平均偏差约为0.023 mm和0.093 mm,对同一对象多次重复测量最大偏差小于0.05 mm,该测量精度满足公务要求,提高了测量效率,便于铁路测量数字化管理.      

基于轻量级卷积神经网络的烟雾识别算法

由于烟雾图像场景模糊不清,背景复杂多变,难以捕获到有效特征,导致算法识别误报率和漏报率较高;此外,深度卷积神经网络结构复杂,参数繁多,难以缩短其计算时间至1 ms内,这成为实时火灾预警的一大难题. 为了解决上述问题,提出了一种基于4种Inception结构的轻量级卷积神经网络SInception （sequeeze-and-excitation inception）在此基础上加入SE Block （sequeeze-and-excitation block）用于对烟雾特征进行重新分配;同时,为了避免由于训练样本不足引起的过拟合,原始数据集上采用数据增强技术以及生成对抗网络生成更多训练样本,并在后续实验中采用了融合暗通道先验特征的策略. 实验结果表明:该网络在增强的数据集GAN-Aug-YUAN上将识别误报率降为0的同时将准确率提升至99.65%,且计算时间减少到0.26 ms.