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。     

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.      

基于视觉需求的城市水下特长隧道光环境评价与优化综述

为提高城市水下特长隧道的行车安全和运输效率, 总结了城市水下特长隧道光环境典型问题与改善措施, 分别从舒适性、经济性、设置依据、安装形式等方面对洞口遮光设施、出入口加强照明、景观装饰、视线诱导系统4种隧道光环境改善措施进行了比较分析; 依据马斯洛需求层次理论对驾驶人视觉需求进行分层, 提出了包含事故分析、评价体系、优化思路、优化方法的城市水下特长隧道光环境评价体系与优化研究框架。分析结果表明: 城市水下特长隧道光环境主要有出入口的明暗适应、道路线形变化引起的视距不足、中部的视觉参照信息不足、隧道整体空间路权不清晰的问题; 设置视线诱导系统是一项低成本、有效的光环境优化方法, 能满足驾驶人在不同隧道路段上的视觉差异化需求; 驾驶人视觉需求由低到高可以分为功能性、安全性、舒适性、美观性, 并依次对应相应的基本型、安全型、舒适型、韵律型视觉参照系, 可构建以空间路权、人因与驾驶任务、差异化、韵律性为指标的评价体系来评价城市水下特长隧道光环境; 城市水下特长隧道光环境优化应将视线诱导和加强照明相结合, 主要通过视线诱导系统来重构视觉参照系, 隧道接近段、入口段、中间段普通区、出口段应以舒适型视觉参照系为优化目标, 中间段提醒区及唤醒区则应构建韵律型视觉参照系。      

基于GPS与图像融合的智能车辆高精度定位算法

车辆自定位是实现智能车辆环境感知的核心问题之一.全球定位系统(Global Positioning System,GPS)定位误差通常在10 m左右,不能满足智能车辆的定位需求;惯性导航系统成本较高,不适于智能车辆的推广.本文在视觉地图基础上,提出一种基于GPS与图像融合的智能车辆定位算法.该算法以计算当前位置距离视觉地图中最近一个数据采集点的位姿为目标,首先运用GPS信息进行初定位,在视觉地图中选取若干采集点作为初步候选,其次运用Oriented FAST and Rotated BRIEF(ORB)全局特征进行特征匹配,得到一个候选定位结果,最后通过待检测图像中的局部特征点与候选定位结果中的三维局部特征点建立透视n点模型(Perspective-n-Point,Pn P),得到车辆当前的位姿,并以此对候选定位结果进行修正,得到最终定位结果.实验在长为5 km的路段中进行,并在不同天气及不同智能车辆平台测试.经验证,平均定位精度为11.6 cm,最大定位误差为37 cm,同时对不同天气具有较强鲁棒性.该算法满足了智能车定位需求,且大幅降低了高精度定位成本.     

Q＆A问车热线

Q：请问法雷奥视觉控制系统是什么？在今年的CES展上它还带来了什么新技术？ A：您好，视觉控制系统（Eye control systems）是法雷奥开发的一项通过眼球运动来操控驾驶的辅助系统。这一技术原理在于汽车和驾驶者眼球的互联：凭借目光探测相机，仅需注视控制按钮，驾驶者就能变换电台频道和获取交通资讯。当与抬头数字显示系统（HUD）集成后，视觉控制系统能够使驾驶者在执行操控指令时无需转移视线，     

情系档案事业 共创企业辉煌

在厂区的西隅,绿荫环抱之中,有一幢深红色的建筑,这就是北方机器档案馆。岁月沧桑,楼房已有些陈旧,但这里却记载着北方机器60年的风风雨雨,记载着北方机器档案事业蓬勃发展的历程。