关键词： 行进间   坐标转换   误差补偿   跟踪精度分析  

摘要： 针对行进间工作时由于雷达与目标的相对运动,阵面坐标系下的点迹无法进行关联滤波的问题,本文梳理了一种在行进间工作时对点迹数据的补偿方法,根据北斗定位系统以及惯导所测得的信息对阵面坐标系下的点迹信息进行坐标转换和误差补偿,最终得到目标在CGC2000坐标系下的经纬高信息。经过仿真与实测数据分析验证了该方法的有效性,同时分析了雷达测量精度对最终定位精度的影响。

关键词： YOLOv8n   RFAConv   特征提取   C2f  

摘要： 针对现有车辆在行驶环境下检测算法精度低、易受背景环境干扰、难以检测密集小目标车辆和行人的问题,提出了一种基于YOLOv8n算法改进的车辆道路行驶检测算法。将一个P2小目标检测层添加到YOLOv8n算法模型,结合感受野注意卷积的优点重构C2f模块,并利用Focal Modulation模块替换SPPF模块改进算法模型,通过消融实验以及与原始算法进行实验对比分析。结果表明,改进的算法在Cityscapes数据集上检测平均精度达到了55.3%,总体平均精度提升2.7%,平均召回率提升3.7%,且在soda数据集上的检测效果优于其他检测算法,证明了改进算法在道路目标检测方面的有效性和卓越性。

关键词： 机器视觉   内接矩形   动态规划   图像处理   拼图机器人  

摘要： 提出了一种基于动态规划算法的最大内接矩形定位技术,用于实现基于机器视觉的拼图机器人对立方体抓取定位精度提升。所提方法通过单目相机获取目标立方体的图像,经过对图像进行预处理,包括阈值化和检测分割,并在二值图像中计算内接矩形,能够获得立方体顶面的矩形范围,计算出抓取的实际位置,进一步提高抓取立方体物品的精度。经过实验验证,算法具有高精度和高速度的性能,对于立方体物品的视觉定位,相比于其它的内接矩形算法,将定位的位置误差降低到1 pixel以下,平均误差仅为物体尺寸的0.38%,可以有效提升拼图机器人定位精度。

关键词： 声音提示技术   视频目标跟踪算法   多模态跟踪  

摘要： 提出一种基于声音提示技术的视频目标跟踪算法,通过麦克风阵列采集的声音信号与视觉信息加权融合,提高跟踪精度。实验表明,在不同噪声和空间环境下,声音信号能有效弥补视觉不足,特别在视觉受限时,显著提高跟踪精度,验证声音提示技术在多模态跟踪中的有效性。

关键词： 数字识别系统   机器视觉技术   深度学习   图像处理   文本检测   文本识别   计量检定  

摘要： 为提高X、γ剂量率仪检定、校准的自动化程度,提出一种基于计算机视觉的X、γ剂量率仪数字识别系统。该系统可实现摄像头视频采集、采集图像预处理、仪表图像的文本检测与识别以及识别结果的后处理。分别采用DBNet与CRNN-CTC作为文本检测与文本识别的模型,比较不同骨干网络结构对模型的影响。在平衡准确性和速度指标后,选择MoblieNetV3作为文本检测和识别模型的骨干网络,对32种常见的X、γ剂量率仪进行识别实验。结果表明:经算法过滤后,仪器识别准确率可达到100%;对于绝大部分仪器,使用数字识别系统效率可以提高20%以上,但是对于显示界面刷新面积较大的仪器,摄像机难以识别,仍需要人工检定。

关键词： 大豆   智能考种   目标检测   实例分割  

摘要： 选育优质高产品种是提升大豆品质和产量的重要保障。传统大豆考种方法存在费时费力、数据误差大等问题,距大豆表型数据的一站式高通量获取尚有不小的差距。因此,构建大豆室内考种图像数据集,对于开展大豆植株表型信息的高通量准确获取方法研究,实现大豆的自动智能考种尤为重要。本数据集包含原始图像数据、标注文件数据、测试图像数据三部分,涵盖了典型大豆品种的离体豆荚和植株,其中离体豆荚包括无重叠离体豆荚和重叠离体豆荚,大豆植株包括单分枝型、双分枝型和复杂分枝型;标注文件数据包含了大豆植株主茎的实例分割标注、主茎节的检测框标注、在体豆荚的检测框标注、离体豆荚的实例分割和检测框标注,其中在体豆荚和离体豆荚的检测框标注采用了正框和旋转框两种标注方式,共计4.2GB。通过本数据集进行训练和验证的模型在无重叠离体豆荚、重叠豆荚以及大豆植株形态等各项指标上均表现出了良好的检测和分割效果。本数据集可为大豆植株的离体豆荚检测、在体豆荚检测与植株形态分析的目标检测和实例分割模型方法研究提供宝贵的基础图像数据资源,并且对于促进大豆关键考种信息的一站式高通量获取等智能化考种方法研究也具有重要价值。

关键词： 玻璃量器检定   图像处理   液位检测   不确定度  

摘要： 传统的玻璃量器的检定通常是由人工操作,人为操作误差和读数误差会导致检定结果有偏差。提出了一种基于图像处理技术的液位检测方法,为自动检定过程提供误差小、重复性低的液位信息,并通过使用自动加液装置配合电子秤进行了100 mL量筒的不确定度实验。结果显示,自动检定的扩展不确定度为0.096 mL,明显优于人工检定的0.160 mL,验证了该方法在提高了玻璃量器检定的准确性、稳定性和及时性方面的显著效果。

关键词： 计算机视觉   5G通信   智慧电厂   异物目标   自动检测   CSPDarknet模型  

摘要： 针对电厂环境复杂、光照多变和遮挡问题,提出基于计算机视觉的5G智慧电厂异物目标自动检测方法。首先,通过高斯滤波去噪、对比度增强和背景减除等对图像进行预处理;然后,结合CSPDarknet模型提取特征,计算监控图像差值并设定阈值,以自动检测异物目标并确定其实际位置;最后,通过实验验证所提方法的先进性。实验结果表明,该方法能有效降低定位偏差,确保在复杂环境中对异物目标进行准确识别与定位。

关键词： 智能汽车   3维目标检测   点云   柱形特征编码  

摘要： 基于柱形(Pillar)的单阶段点云3维目标检测算法凭借其较高的运行效率,在工业界得到了广泛的关注和应用。但对点云柱形量化造成的点云3维特征细粒度信息损失,导致这类算法对稀疏点云小目标的检测能力较弱。尽管部分研究对此问题提出了应对方法,但通常以较高的检测时间成本或者大目标检测精度作为代价。为此,该文提出了一种基于改进柱形特征编码的柱形点云目标检测算法。首先,构建可实现柱形单元内部点云局部与全局特征相结合的柱形特征编码网络,用于增强柱形量化特征的表征能力;然后,设计一个由2维稀疏卷积块与特征融合网络相结合的主干网络,用于融合多尺度的高级抽象语义特征和低级细粒度空间特征,防止过度关注小尺寸特征而降低大目标的检测性能;最后,在KITTI自动驾驶数据集上进行训练和测试,并对实验结果进行了可视化和消融研究。结果显示:所提算法在KITTI数据集的中等难度下,多个类别的平均精度均值达63.54%、平均方向相似性均值达70.72%,平均检测帧速率达31.5 f/s;与PointPillars、TANet和PiFEnet算法相比,该文算法的平均精度均值分别提高了2.44、2.05和2.38个百分点,平均方向相似性均值分别提高了4.69、0.68和7.83个百分点,在同类算法的对比中表现出工程应用潜力。

关键词： 多模态   记忆库   三维缺陷检测   计算机视觉  

摘要： 针对工业缺陷检测中的缺陷样本稀缺及受限于二维RGB图像(即二维红绿蓝色彩图像)无法表征几何缺陷特征的问题,提出了一种基于多模态记忆库(Memory Bank)的三维缺陷检测方法。该方法通过对比学习对齐匹配不同模态的特征;使用缺陷过滤器滤除缺陷样本中的大量噪声,并构建高质量的多模态记忆库;利用弹性特征分类器检测缺陷。实验结果显示,在每一种缺陷仅有4张训练图像的极端条件下,相较于最优的二维缺陷检测方法PatchCore在公开数据集上仅能达到38.72%的准确率,提出的三维缺陷检测方法则能达到43.14%的准确率,更适用于缺陷样本稀缺的工业场景。