关键词： 图像处理   图像配准   电力设备   红外与可见光图像   局部归一化   曲率尺度空间  

摘要： 在电力设备红外和可见光图像配准中,红外和可见光图像间往往存在严重的非线性辐射畸变和显著的视角、比例差异,从而导致图像配准失败。针对这一问题,提出一种基于局部归一化的电力设备红外与可见光图像配准算法。首先利用局部归一化消除图像的非线性畸变,提高曲率尺度空间算法提取特征点的精准度;再根据局部曲率信息计算特征点主方向,采用多尺度定向梯度直方图作为特征描述符;最后使用提出的精准匹配方法对特征进行匹配,得到图像间的投影变换参数。所提算法在两组电力设备红外和可见光图像数据集下,平均均方根误差分别为2.18和2.24,平均运行时间分别为13.09 s和12.07 s,实验结果验证了该方法在处理具有明显视角与比例差异的待配准图像时的有效性,实现了电力设备红外和可见光图像的高精度配准。

关键词： YOLOv8算法   无人机   目标检测   智能巡检  

摘要： 传统的目标检测算法在无人机应用中面临一些挑战,如高空拍摄环境下的目标过小导致特征不明显、模糊和视角变化等。为克服这些困难,提出了一种基于深度学习的小目标检测算法。该算法基于YOLOv8模型深度改造,以提高在高空环境下对小目标的检测准确性和稳定性。在真实的露天采矿场景中进行了大量的实验和测试,并与传统的目标检测方法进行了比较。实验结果表明,所提算法在30~100 m高空范围内能够有效地检测出矿区中的目标,如人员和车辆。通过应用所提算法和技术,结合无人机的灵活性和机动性,矿区的巡检工作效率得到极大提升,并为危险或难以到达的区域提供了重要的安全保障。

关键词： 目标检测   注意力机制   标签分配   特征交互   深度学习  

摘要： 目标检测技术已成为计算机视觉领域重要的研究方向,在智能制造、自动驾驶等领域发挥关键作用。现有检测算法在复杂场景下仍面临目标尺度变化大、特征表达不充分等挑战。针对这些问题,提出了一种融合多尺度特征交互与动态标签分配的检测框架。该框架通过特征感知增强模块实现深浅层特征的双向交互,利用动态标签分配策略优化样本质量。实验表明,改进的检测框架在复杂场景下取得33.3%的平均精度,较基线模型提升8.0%,在小目标检测任务上尤为显著。

关键词： 目标跟踪   自注意力机制   ROS   位姿检测  

摘要： 针对传统方法在移动机器人位姿检测过程中存在的目标丢失和数据漂移等问题,提出了一种基于ViT深度学习框架的视觉跟踪器,优化了利用ArUco码作为辅助特征标识的位姿检测方法,有效改善了检测效果。通过ROS系统分布式通信方法构建视觉处理平台和移动机器人之间桥梁,测试了不同数据集下跟踪器的性能和跟踪器的加入对整个位姿检测方法的提升效果,实验结果验证了提出的基于视觉优化的移动机器人位姿检测方法的可行性,可以较好地支撑移动机器人展开实时任务。

关键词： 深度学习   目标检测   应用   视觉领域   神经网络  

摘要： 对图像或视频进行目标检测即对图像上的目标进行定位和类别判断,它是计算机视觉领域最基本和重要的任务之一。基于深度学习进行目标检测的方法是当前视觉目标检测领域的主流技术。该文回顾并分析近年来基于深度学习进行目标检测的一些技术成果,总结提高目标检测性能的方法并调研目标检测在各个领域的不同应用,同时提出当前目标检测存在的一些问题和对应的解决方法,最后针对目前存在的挑战讨论目标检测的发展方向。

关键词： 目标检测   杂草检测   精准除草   深度学习   研究进展  

摘要： 杂草不仅会与作物竞争生长资源,还会传播病虫害最终影响作物产量,杂草智能检测技术是田间杂草精准防治的关键环节。本文通过对国内外相关文献进行综述,并结合田间杂草智能检测技术的研究进展,深入分析传统杂草检测算法和深度学习杂草检测算法的特点,并根据算法在杂草检测过程中的实际应用情况,分别对3种常见的传统杂草智能检测算法、深度学习算法的单阶段杂草智能检测算法和两阶段杂草智能检测算法进行系统性分析。在此基础上提出目前田间杂草识别中存在的人工标注数据耗时长、模型泛化能力差、模型轻量化设计等现存挑战,最后针对现状对杂草智能检测技术提出技术发展策略,并对技术发展进行合理化展望,为未来杂草智能检测技术的深入研究提供理论参考。

关键词： 多模态   三维目标检测   自适应信息融合   数据层面融合   特征层面融合   雷达-相机  

摘要： 多模态三维目标检测是计算机视觉的一项重要任务,如何更好地融合不同模态之间的信息一直是该任务的研究重点。现有方法在融合不同模态信息时缺少对信息的筛选,且过多无关与干扰信息会造成模型性能的下降。针对上述问题,提出一种基于多模态信息相互引导补充的雷达-相机三维目标检测模型,以在融合特征时从另一种模态中自适应地挑选信息进行融合。自适应信息融合包括数据层面的相互引导补充和特征层面的相互引导补充。在数据层面的融合中,使用由点云产生的深度图和图像产生的分割掩码作为输入,以分别构建出实例级的深度图与实例级的三维虚拟点用于图像与点云的补充。在特征层面的融合中,使用点云产生的体素特征和图像产生的特征图作为输入,并从另一种模态中为待融合特征选取关键区域并通过注意力机制进行特征融合。实验结果表明,所提模型在nuScenes测试集上取得了良好的效果。相较于BEVFusion和TransFusion等传统非引导的融合模型,所提模型将平均精度均值(mAP)和nuScenes检测分数(NDS)这2个主流评测指标分别提升了0.9~28.9个百分点和0.6~26.1个百分点。以上验证了所提模型可有效提高多模态三维目标检测的准确性。

关键词： 小目标检测   特征金字塔网络   注意力机制   特征融合  

摘要： 小目标在图像中占有很少的像素,导致目标严重缺乏特征信息,小目标检测是目标检测的一大挑战。为解决这一问题,设计一种面向小目标检测的自适应多维度特征融合网络(AMDFF-Net)算法以提高小目标检测的准确率。首先,整合池化层和注意力机制,构建池化注意力模块,使模型获得更大的接受域以实现自我注意中的自适应和长程相关性;其次,设计自适应选择多维度特征融合模块(ASMFF),并基于ASMFF模块设计自适应多维度特征金字塔网络,自适应融合不同尺度的图像特征,强化小目标的信息。为了验证模型的性能和泛用性,分别在VisDrone2019数据集、AI-TOD数据集以及TinyPerson数据集上进行实验,实验结果表明,AMDFF-Net提高了小目标检测的精度,通过与其他主流算法对比,验证了本文模型在小目标检测方面的有效性。

关键词： 玻璃绝缘子   缺陷检测   气泡   特征提取   图像处理  

摘要： 绝缘子是电力系统中一种特殊的绝缘控件,在电力输变电工程的架空输电线路中有重要的作用。玻璃绝缘子的表面质量和缺陷状况,特别是玻璃绝缘子的气泡缺陷,对绝缘性能有很大影响。目前,玻璃绝缘子缺陷大多还是采用人工检测,检测效率和检测质量受人为主观因素影响大。本文通过研究玻璃绝缘子的图像形态学分析,对玻璃绝缘子的有关图像特征进行提取,利用帧间图像差分算法对玻璃绝缘子气泡缺陷区域进行检测和分类,可以实现玻璃绝缘子的气泡缺陷的在线智能检测和判断,对提高玻璃绝缘子的生产效率和保证玻璃绝缘子的产品质量具有重要意义。

关键词： 自动驾驶   多传感器融合   3D目标检测   点云编码   自注意力机制  

摘要： 为了进一步解决3D目标图像与雷达信息异构特征难以匹配的问题,设计了一种面向自动驾驶模态融合的相机-激光雷达3D目标(3DMMF)检测方法。将约束条件引入到多维空间中,根据稀疏张量用于概率信息融合,利用最大池化方法与概率得分的预期目标对应,获得最终融合效果。研究结果表明,与纯点云相比,所提方法在各项指标上实现了很大程度的改进,MAP平均提高6.23%,在简化效果方面达到了最优状态。所提方法增强后的预传输延迟降低95.35%,在两级融合网络中具备最优探测性能,不需要占用过长的前置和后置时间。3DMMF可以有效提高三维目标控制性能,多层次融合方式有效解决视角错位和特征失配等问题。该研究有助于提高汽车自动驾驶能力,具有很高的科技推动价值。