关键词： 目标检测与分类   雷达图像   YOLOv5s网络   特征融合   解耦头  

摘要： 针对车载毫米波雷达图像细节模糊、目标占比小的问题,提出了一种基于YOLOv5s改进的目标检测分类网络。首先通过帧同步与最小外接矩形方法处理原始数据集,获得由相机、激光雷达联合标定的毫米波雷达距离-方位图像与标注信息;然后将YOLOv5s网络的上采样模块改进为CARAFE,使网络充分融合不同尺度特征,并改进网络损失函数为综合交并比损失函数(CIoU Loss),使预测结果更加精确;最后,通过网络解耦头(Decoupled head)采用不同的分支并行处理检测与分类问题。实测数据实验处理结果表明,该方法较原始YOLOv5s网络的mAP@0.5与mAP@0.5∶0.95分别提升了3.3%和2.0%,尤其适用于小目标检测,并能同时满足检测和分类精度与实时性要求,适合部署至车载嵌入式系统中。

关键词： 牛只个体识别   深度学习   目标检测   语义分割   目标识别   泛化能力  

摘要： 非接触式牛只个体识别方法在节约识别成本、简化识别流程和提升识别精度方面具有一定的优势,近年来在牛只个体识别领域有了充分的发展。但现有的研究中存在着识别准确率受环境和天气等外部因素影响过大、模型迁移训练困难等问题。针对上述问题,基于YOLO-Unet组合网络提出了包含3个模块的牛只个体识别模型。首先,根据YOLOv5模型构建图像提取模块,用以提取牛只面部图像;随后,采用Unet模型构建背景消去模块,用以去除牛只面部图像背景,以消除环境影响,进而提升模型泛化性能;最后,使用MobileNetV3构建个体分类模块,对经背景消去后的牛只面部图像进行分类。对背景消去模块进行了消融实验,实验结果表明,引入背景消去模块能极大地提升模型泛化性能。引入背景消去模块的模型在测试集上的识别准确率为90.48%,相较于未引入背景消去模块的模型提升了11.99%。

关键词： OBE教学理念   混合式教学策略   人工智能   遥感图像处理  

摘要： 传统“遥感数字图像处理”课程存在教学与创新实践融合度不高、教学模式单一、课程内容涉及前沿技术知识偏少、过程考核评价缺乏量化表达等痛点问题,为此,课程提出基于OBE理念的混合式课程教学创新改革。以创新实践为牵引,重构课程实践的教学内容,提升学生的Python编程实践能力;以学生为主体,通过线上线下混合式教学模式,开展翻转课堂活动,提升学生的参与度;将人工智能技术引入课堂教学,解决课程理论与先进技术脱节的问题;利用网络信息平台建立全面的考核体系,综合评价学生的学习效果。本课程的创新改革通过智慧教室、分组讨论、信息技术等方法有效提升了学生的课堂参与度,让测绘类专业学生的创新实践能力得到增强,改革措施的使用具有实际效果并具有一定的推广价值。

关键词： 机器视觉   视觉显著性   弱小目标   目标检测   光照补偿   区域分割  

摘要： 在不同的光照环境下,弱小目标的亮度和对比度会发生变化。当光线从一侧照射时,部分区域过亮而部分区域过暗,弱小目标若位于暗区,会因为亮度太低而难以被检测到,若位于亮区,会因为过曝而丢失部分特征,由此导致弱小目标检测准确性下降。为此,提出基于机器视觉的视觉显著性弱小目标检测方法。首先,收集弱小目标图像,根据其光照类型将其分割成不同的分量,利用灰度映射函数对其进行变换处理,并采用机器视觉中的校正方法实现图像的光照补偿,对于过暗区域,增加的亮度值,对于过亮区域,降低的亮度值,从而使整个图像的亮度更加均匀,提高弱小目标的可检测性。然后,定义图像的中心矩阵的邻域矩阵,从中提取出图像的特征,计算中心矩阵与邻域矩阵之间的相似性度量,计算中心像素点的显著性,筛选多个符合要求的像素点。最后,通过计算每个像素点的加权值,构建图像的视觉显著图,再通过阈值分割检测出图像的弱小目标。实验结果表明,设计的检测方法在实际应用中信杂比增益值为5.51,其能够准确检测出图像中的弱小目标。

关键词： 目标检测   三维坐标   ZED2i相机   手眼标定   刚体姿态  

摘要： 提出了一种视觉引导抓取回收车载旋翼无人机的方法,为实现旋翼无人机的回收提供了一种可行的解决方案。首先,提出了一种改进的目标检测算法,保证了在边缘设备上对无人机的实时精准检测;然后,通过ZED2i相机获取点云数据中无人机的中心点三维坐标,利用眼在手上的标定方式获取相机与机械臂末端的坐标系变换关系;最后,结合相机传感器测得的自身姿态信息,调整机械臂末端的姿态以适应抓取。实验结果表明,所提方法可以实现对无人机的实时检测和较为精准的抓取回收。

关键词： 计算机视觉   机械臂   NeRF   三维场景重建  

摘要： 通过机械臂控制、视觉成像采集、神经辐射场(NeRF)重建等进行机械臂路径规划与自动NeRF图像采集,搭建基于机械臂的NeRF三维场景重建系统教学平台,克服手动的NeRF图像数据采集方式效率低、重复性差等问题。该教学平台基于树莓派、Python、Pytorch、OpenCV、PyMyCobot等平台和框架实现自动化NeRF三维重建和场景感知,可为人工智能课程相关方面的教学、教改提供参考,也可用于视觉引导机器人抓取、视觉导航、虚拟现实等方面的教学与研究。

关键词： 计算机视觉   智能交通   流量监测   目标检测  

摘要： 随着城市化进程加快,传统交通流量监测设备存在的精度低、维护困难等问题日益突出,难以满足现代交通管理需求。本研究设计一种基于计算机视觉的智能交通流量监测系统,该系统包括视频采集、车辆检测、轨迹跟踪和流量统计四大功能模块。结果表明,该系统在车辆检测准确率、车型分类、速率测量等方面均显著优于传统监测系统,在车流量峰值期、平峰期的复杂道路环境下均具有稳定可靠的性能表现,具有较强的实用价值。本研究成果为智慧交通建设提供可靠的技术支持,对推动交通管理智能化具有重要意义。

关键词： 卷积神经网络   目标检测   R-CNN  

摘要： 卷积神经网络在图像目标特征提取中具有自动化和高效性的优势。文章深入阐述了R-CNN及其改进算法的核心原理,并展望其发展趋势。首先介绍了R-CNN通过选择性搜索生成候选区域,并利用CNN进行特征提取与分类。随后简述Fast R-CNN到Sparse R-CNN如何在保持高精度的同时优化速度和效率。最后讨论了目标检测算法的未来研究方向。R-CNN及其改进算法在目标检测中发挥了重要作用,为后续技术的发展提供了宝贵参考。

关键词： 带状纱线模型   机织物   纹理映射   三维仿真   图像处理  

摘要： 为提升机织物仿真的真实感效果,降低因反复试织打样产生的资源损耗,针对仿真过程中织物建模复杂、模拟效率较低等问题,提出了一种基于带状纱线模型的织物建模方法,结合真实纱线图像的纹理映射,实现机织物真实感快速仿真。通过将传统管状纱线模型简化为带状,利用Catmull-Rom曲线拟合纱线路径,根据纱线排列模型、织物组织模型对织物几何模型进行构建,同时通过参数化调整完善整体织物形态;通过采集纱线真实图像及图像预处理等步骤,配合纱线表面光照模型及阴影调整,利用PBR技术对纱线纹理进行真实感渲染。结果表明,该方法在简化机织物仿真流程的同时能够实时准确地预览纱线在织物中的呈现效果,提高机织物的设计效率。

关键词： 自动对准   自动对焦   中心定位   灰度能量曲线   决策树   图像处理   眼科医疗设备  

摘要： 为了解决现有眼科生物参数测量仪对准对焦速度慢、精度低和普适性差的问题,提出了基于灰度能量曲线的光轴中心自动对准算法以及基于决策树的自动对焦算法。首先,对仪器实拍的人眼图像进行局部区域高斯模糊预处理,再利用行和列方向的灰度能量曲线定位靶环感兴趣区域。最后,经过图像后处理可以得到完整的靶环区域,用光斑质心拟合椭圆的方法来计算光轴中心位置。此外,还利用靶环区域作为先验知识,通过提取靶环大小和清晰度特征构建数据集,并训练决策树分类模型区分准焦-近离焦-远离焦图像,实现仪器自动对焦。实验结果表明,所提算法的定位误差在3像素以内,单帧图像的对准和对焦平均处理时间为14.8ms,具有实时性、高精度和鲁棒性强等优点,满足眼科生物参数测量自动对准和对焦的要求。