前言:想要寫出一篇令人眼前一亮的文章嗎?我們特意為您整理了5篇計算機視覺理論與方法范文,相信會為您的寫作帶來幫助,發現更多的寫作思路和靈感。
(1)課程內容方面:工程應用價值較小的內容居多;具備工程應用價值的方法,如基于結構光的3D信息獲取,在課程內容中卻極少出現。
(2)課程定位方面:現有課程體系中未能體現最新研究成果,而掌握世界最新工程應用成果是卓越工程師的基本要求之一。
(3)教學形式方面:傳統計算機視覺課程側重基本原理,盡管范例教學被引入到課堂教學中,在一定程度上幫助學生理解,但卓越工程師培養目標是培養學生解決實際工程問題的能力。針對卓越工程師培養目標,以及目前計算機視覺課程中存在的問題,本文提出工程應用導向型的課程內容、面向最新成果的課程定位、理論實例化與工程實踐化的教學形式,以培養具有扎實理論基礎及工程實踐能力的卓越工程師。
1工程應用導向型的課程內容傳統計算機視覺課程圍繞Marr理論框架展開教學,其中部分原理僅在理想狀態或若干假設下成立,不能直接運用到工程實踐中。近年來已具備工程應用基礎的原理及方法,在傳統課程內容中較少出現,如已在工業測量、視頻監控、游戲娛樂等領域中應用的主動式三維數據獲取方法等。我們對工程應用價值高的課程內容,增加課時,充分講解其原理及算法,并進行工程實例分析;對工程應用價值較低內容,壓縮課時,以介紹方法原理為主。例如,在教授3D信息獲取部分時,課時主要投入到工程應用價值較大的內容,如立體視覺、運動恢復結構、基于結構光的3D信息獲取等;而對于基于陰影的景物恢復等缺乏應用基礎的內容主要介紹其基本原理,并引導學生進行其工程應用的可行性分析,培養學生縝密的思維習慣,訓練學生辯證的分析能力。
2面向最新成果的課程定位計算機視覺近十年來發展迅速,新方法和新理論層出不窮,在現有課程體系中未能得以體現。跟進世界最新成果是卓越工程師的基本要求之一,因此計算機視覺課程定位應當面向國際最新成果。為實現這一目標,我們主要從以下兩方面入手。
(1)選用涵蓋最新成果的教材。我們在教學中加入國際最新科研成果及應用范例,在教材選取上采用2010年RichardSzeliski教授所著《Computervision:algorithmsandapplications》作為參考教材。該書是RichardSzeliski教授在多年MIT執教經驗及微軟多年計算機視覺領域工作經驗基礎上所著,涵蓋計算機視覺領域的主要科研成果及應用范例,參考文獻最新引用至2010年。這是目前最新的計算機視覺著作之一,條理清晰,深入淺出,特點在于對計算機視覺的基本原理介紹非常詳盡,算法應用緊跟國際前沿。
(2)強化學生調研及自學能力。“授之以魚”,不如“授之以漁”。在教授學生的同時,更重要的是培養學生調研、跟蹤、學習并分析國際最新科研及工程應用成果的能力。為強化學生的知識結構,培養學生跟蹤國際前沿的能力,我們在教學中加入10%的課外學時,指導每位學生完成最近三年本領域的國際最新文獻調研及工程應用新技術調研,并撰寫相關調研論文。同時,設置2學時課內學時,讓每位學生介紹調研成果,并進行課堂討論。在調研基礎上,選擇相關算法進行了實驗證明,進一步強化學習成果。實踐證明,由于學生能夠根據自己的興趣,選擇本領域感興趣的課題進行深入調研,極大地調動了學生的積極性,強化了學生調研、跟蹤、學習并分析國際最新科研及工程應用成果的能力。
3工程實踐化的教學形式我們在教學中提出工程實踐化的教學形式,即以人類視覺功能為背景,由相應工程實例引出相關理論,并最終將理論運用到工程實例中的算法和方法傳授給學生。
1 計算機視覺定義
人類天生具有五感,視覺便是其中之一,而計算機視覺,就是讓計算機網絡能夠睜開眼看世界。讓計算機有一定的視覺能力,可以從各個方面幫助人們進行監督、檢驗檢測。利用計算機視覺科學可以使工作變得更加簡便。計算機視覺主要應用于對二維碼、條形碼、照片、視頻資料如片段等進行智能處理。
2 計算機視覺研究在醫療、交通中的作用
隨著醫學成像技術的發展與進步,圖像處理在醫學研究與臨床醫學中的應用越來越廣泛。最常見的有癌細胞顯微圖像分割與識別、基于多特征融合的血紅細胞識別和乳腺癌細胞計算機的自動識別等。計算機視覺技術的迅猛發展,為醫療診斷帶來了很大的方便,同時促進了臨床醫學的發展。另外,在各大綜合醫院慢慢發展起的體檢體系中,計算機視覺技術起到了決定性因素。隨著體檢的人數上升,對醫院體檢的管理、速度、準確性都提出了更高的要求。視覺識別輕而易舉的解決了這個問題,只需要去識別體檢人員的身份證,就可以將體檢人員對號入座,檢查過的項目,沒有檢查的項目一目了然。理化指標的檢驗,只需要在采血試管或采尿瓶上粘貼與體檢者對應的條形碼即可,利用視覺技術對號入座,方便而準確的確定每一位體檢人員的血樣及尿樣。及提高了醫院的工作效率,又將錯誤率降到最低。
計算機視覺在交通上同樣得到了廣泛的應用及發展。交通安全是交通運輸中的重大問題,隨著近年來機動汽車數量的迅猛增長,交通事故的發生也隨之越來越頻繁,給人類社會帶來的危害也日趨嚴重,使很多的家庭失去親人,甚至家破人亡。全國一線城市例如:北京、上海、廣州、深圳等交通道路供需的矛盾日趨嚴重,交通安全、交通堵塞及環境污染已成為困擾我國交通領域的三大難題。基于圖像處理的計算機視覺技術是通過攝像機獲取場景圖像,并借助于計算機軟件構建一個自動化或半自動化的圖像、視頻理解和分析系統,并提供及時準確的圖像、視頻處理結果,以模仿人的視覺功能。主要功能如下:
一是基于計算機視覺技術的車輛牌照自動識別: 車輛牌照是車輛的唯一身份,對車輛牌照的有效檢測與識別在車輛違章檢測、停車場管理、不停車收費、被盜車輛稽查等方面有著重要的應用價值。盡管針對車牌識別技術的研究相對成熟,然而在實際的應用場景中,受到天氣、光照、拍攝視角、車牌扭曲等因素的影響,車牌識別技術仍然有一定的改善空間。
二是基于計算機視覺技術的車輛檢測與流量統計:目前城市交通路口的紅路燈間隔時間是固定的,而不同路段、不同時間段交通流量是隨機變化的。若能根據各個交通路口的交通狀況輔以計算機進行自動分析,并判斷與預測交通流量,無疑為交通警察出警,紅綠燈時間間隔的動態設置等提供技術支持。
三是基于計算機視覺技術的公交專用道路非法占道抓拍:公共交通是每個城市交通的重中之重,城市的公共交通為老百姓提供了便捷的出行方式。公共交通的發展,有利于城市的節能減排,有利于降低城市的空氣污染指數。由于城市公共交通具有運量大、相對投資少、人均占有道路少等優點,解決城市交通問題必須優先發展城市公共交通。然而目前擁擠、緩慢的公交出行方式已成詬病,因此發展“快速公交”將是未來公交的一種運行模式。道路暢通則是發展“快速公交”的前提,相應地,公交專用車道的設定必不可少。為防止其他社會車輛的駛入,并對違規駛入的其他社會違規車輛進行抓拍與懲罰是保證公交車道公交車專駛的一種重要手段。因此在公交車前部裝置攝像頭并輔以其他處理設備,從而可以使得每一輛公交車成為了一個流動的監控設備。
3 計算機視覺在條形碼檢測中的應用
條形碼是將寬度不等的多個黑條和空白,按照一定的編碼規則排列,用以表達一組信息的圖形標識符。在中國,由中國物品編碼中心賦予制造廠商代碼。那么最常見的計算機視覺應用與條形碼檢測就是在超市中。超市中每樣產品都有自己的條形碼,當人們選擇了自己需要的物品后,來到收銀臺進行結賬,我們會看見收銀人員會用掃碼器對物品的條形碼進行掃描,掃描后就會出現產品的信息及價錢。記錄以及掃描條形碼的技術就是計算機視覺技術。
4 計算機視覺重要技術——智能識別
近年來,基于生物特征的鑒別技術得到了廣泛重視,主要集中在對人臉、虹膜、指紋、聲音等特征上,這其中大多都與視覺信息有關。指紋、人臉功能已經大范圍在生活中應用,其中很多單位的打卡制度就是依據面部識別、指紋識別來實現的。社會飛速發展的今天,很多的單位都實行了上下班打卡制度,這一制度已經被作為單位管理制度中的重要一條。購買的打卡機就是采用計算機視覺的重要技術——智能識別來實現的。利用打卡機的儲存功能,記錄每個職工的指紋或面部容貌,規定在某一個時間范圍內對應識別指紋或面部容貌,視為打卡。在上下班打卡的過程中,員工將面部或指紋對應在打卡機的制定位置上,讓打卡機進行識別,當識別的結果與存儲結果相同時,打卡成功。這樣看起來十分簡單的打卡機可以使單位的工作有序化,制度化,而實現這個功能的技術就是計算機視覺技術中的重要技術之一:智能識別。
5 計算機視覺技術的發展過程及未來
計算機視覺技術研究經歷了近40年的過程,20世紀50年代的統計模式識別、60年代的Roberts的三圍積木世界、70年代的Marr為代表的計算理論、80年代的主動視覺,但是仍然面臨許多的問題。主要由于計算機視覺是一個逆問題,視覺信息多種多樣,視覺知識的表達很困難,圖像數據量巨大,信息存儲于檢索困難,對生物學、神經生物學等的研究有待深入。
計算機視覺技術的未來必定會朝著高科技發展,航空遙感測控地形地貌、電影特效制作、工業生產自動化檢測、醫學影像檢測,再到天文領域等,在這些科學領域中計算機視覺將無法取代,成為主流的技術之一。
作者簡介
關鍵詞:計算機;視覺技術;交通工程
中圖分類號:TP391 文獻標識碼:A 文章編號:1674-7712 (2014) 04-0000-01
一、引言
隨著科技的發展,計算機替代人的視覺與思維已經成為現實,這也是計算機視覺的突出顯現。那么在物體圖像中識別物體并作進一步處理,是客觀世界的主觀反應。在數字化圖像中,我們可以探尋出較為固定的數字聯系,在物體特征搜集并處理時做到二次實現。這既是對物體特征的外在顯現與描繪,更是對其定量信息的標定。從交通工程領域的角度來看,該種技術一般應用在交管及安全方面。監控交通流、識別車況及高速收費都是屬于交通管理的范疇;而對交通重大事件的勘察及甄別則是交通安全所屬。在這個基礎上,筆者對計算機視覺系統的組成及原理進行了分析,并形成視覺處理相關技術研究。
二、設計計算機視覺系統構成
計算機視覺處理技術的應用是建立在視覺系統的建立基礎上的。其內部主要的構成是計算機光源、光電轉換相關器件及圖像采集卡等元件。
(一)照明條件的設計。在測量物體的表征時,環境的創設是圖像分析處理的前提,其主要通過光線反射將影像投射到光電傳感器上。故而要想獲得清晰圖像離不開照明條件的選擇。在設計照明條件時,我們通常會視具體而不同處理,不過總的目標是一定的,那就是要利于處理圖像及對其進行提取分析。在照明條件的設定中,主動視覺系統結構光是較為典型的范例。
(二)數據采集的處理。如今電耦合器件(CCD)中,攝像機及光電傳感器較為常見。它們輸出形成的影像均為模擬化的電子信號。在此基礎上,A模式與D模式的相互對接更能夠讓信號進入計算機并達到數字處理標準,最后再量化入計算機系統處理范圍。客觀物體色彩的不同,也就造就了色彩帶給人信息的差異。一般地黑白圖像是單色攝像機輸入的結果;彩色圖像則需要彩色相機來實現。其過程為:彩色模擬信號解碼為RGB單獨信號,并單獨A/D轉換,輸出后借助色彩查找表來顯示相應色彩。每幅圖像一旦經過數字處理就會形成點陣,并將n個信息濃縮于每點中。彩色獲得的圖像在16比特,而黑白所獲黑白灰圖像則僅有8比特。故而從信息采集量上來看,彩色的圖像采集分析更為繁復些。不過黑白跟灰度圖像也基本適應于基礎信息的特征分析。相機數量及研究技法的角度,則有三個分類:“單目視覺”、“雙目”及“三目”立體視覺。
三、研究與應用計算機視覺處理技術
從對圖像進行編輯的過程可以看出,計算機視覺處理技術在物體成像及計算后會在灰度陣列中參雜無效信息群,使得信息存在遺失風險。成像的噪聲在一定程度上也對獲取有效信息造成了干擾。故而,處理圖像必須要有前提地預設分析,還原圖像本相,從而消去噪音。邊緣增強在特定的圖像變化程度中,其起到的是對特征方法的削減。基于二值化,分割圖像才能夠進一步開展。對于物體的檢測多借助某個范圍來達到目的。識別和測算物體一般總是靠對特征的甄別來完成的。
四、分析處理三維物體技術
物體外輪擴線及表面對應位置的限定下,物體性質的外在表現則是其形狀。三維物體從內含性質上來看也有體現,如通過其內含性質所變現出來的表層構造及邊界劃定等等。故而在確定圖像特征方面,物體的三維形態是最常用的處理技術。檢測三維物體形狀及分析距離從計算機視覺技術角度來看,渠道很多,其原理主要是借助光源特性在圖像輸入時的顯現來實現的。其類別有主動與被動兩類。借助自然光照來對圖像獲取并挖掘深入信息的技術叫做被動測距;主動測距的光源條件則是利用人為設置的,其信息也是圖像在經過測算分析時得到的。被動測距的主要用途體現在軍工業保密及限制環境中,而普通建筑行業則主要利用主動測距。特別是較小尺寸物體的測算,以及擁有抗干擾及其他非接觸測距環境。
(一)主動測距技術。主動測距,主要是指光源條件是在人為創設環境中滿足的,且從景物外像得到相關點化信息,可以適當顯示圖像大概并進行初步分析處理,以對計算適應功率及信息測算程度形成水平提高。從技術種類上說,主動測距技術可分為雷達取像、幾何光學聚焦、圖像干擾及衍射等。除了結構光法外的測量方法均為基于物理成像,并搜集所成圖像,并得到特殊物理特征圖像。從不同的研究環境到條件所涉,以結構光法測量作為主要技術的工程需求較為普遍,其原理為:首先在光源的設計上由人為來進行環境考慮測算,再從其中獲取較為全面的離散點化信息。在離散處理后,此類圖像已經形成了較多的物體真是特征表象。在此基礎上,信息需要不斷簡化與甄別、壓縮。如果分析整個物體特征信息鏈,則后期主要體現在對于數據的簡化分析。如今人們已經把研究的目光轉向了結構光測量方法的應用,體現在物體形狀檢測等方面。
(二)被動測距技術。被動測距,對光照條件的選擇具有局限性,其主要通過對于自然光的覆蓋得以實現。它在圖像原始信息處理及分析匹配方面技術指向較為突出。也通過此三維物體之形狀及周圍環境深度均被顯露。在圖像原始信息基礎上的應用計算,其與結構光等相比繁雜程度較高。分析物體三維特性,著重從立體視覺內涵入手,適應物體自身特點而存在。不過相對來說獲得圖像特征才是其適應匹配的條件保障。點、線、區域及結構紋理等是物象特征的主體形式。其中物特較為基礎與原始的特征是前兩個特征,同時它們也是其他相關表征的前提。計算機系統技術測量基本原理為對攝像機進行構建分析,并對其圖像表征進行特征匹配,以得到圖像不同區間的視覺差異。
五、結束語
通過對計算機視覺技術的研究,悉知其主要的應用領域及技術組成。在系統使用的基礎上深入設計,對系統主要構成環節進行分析。從而將三維復雜形態原理、算法及測量理論上升到實際應用。隨著社會對于計算機的倚賴程度增加,相信該技術在建筑或者其他領域會有更加深入的研究及應用。
參考文獻:
[1]段里仁.智能交通系境在我國道路空通管理中的應用[J].北方工業時報,2012(06).
[2]王豐元.計算機視覺在建筑區間的應用實例分析[J].河北電力學報,2011(04).
關鍵詞:計算機視覺;地圖匹配;SLAM;機器人導航;路徑規劃
1概述
計算機視覺在人工智能學科占據重要地位,為自主移動機器人視覺導航做了深厚的理論鋪墊。目前,機器人導航技術有很多種,傳感器導航技術如里程計、激光雷達、超聲波、紅外線、微波雷達、陀螺儀、指南針、速度、加速度計或觸覺等得到了普遍應用,與上述非計算機視覺導航技術相比較,計算機視覺導航技術如人眼般具有靈敏度高且可捕獲的信息量大以及成本低等優點。由于室內相對室外空間比較狹小且內部環境復雜,所以普通移動機器人在作業過程中,完成躲避眼前障礙物、自主導航以及為自身找出一條可行路徑等一系列操作會相對比較困難。計算機視覺導航技術可利用本身的攝像頭獲得室內周圍的環境信息,實時對其周身的場景進行快速反饋,對視野前方障礙物進行快速識別和檢測,從而確定一條高效的可行的安全路徑。本文對計算機視覺導航技術進行分類研究,主要分為3類:第一類是環境地圖事先已知,提前對外界環境特征進行提取和處理,建立全局地圖,并將地圖信息存儲在機器人內存數據庫中,在導航的時候實時進行地圖匹配;第二類是同時定位與地圖構建,移動機器人在自身位置不確定的情況下根據自身的攝像頭獲取周圍未知環境信息,在作業時逐步構建周圍的環境地圖,根據構建的增量式地圖自主實時定位和導航;第三類是不依賴環境地圖,自主移動機器人不需要依賴任何的環境地圖,其在作業活動時的可行區域主要取決于攝像頭實時識別和檢測的環境相對信息。
2環境地圖的表示方法
目前,計算機視覺導航技術多采用柵格地圖、幾何地圖、拓撲地圖和混合地圖構建環境地圖信息。
2.1柵格地圖
柵格地圖,將柵格圖像考慮為一矩形,均分為一系列柵格單元,將每個柵格單元賦予一個平均概率值,并利用傳感信息估計每個單元內部內存障礙物的概率。構建柵格地圖的優點是其地圖表達形式直觀,創建和維護比較容易;但當劃分的柵格單元數量不斷增多時,實時性就會慢慢變差;當劃分的柵格單元越大時,環境地圖的分辨率越低。
2.2幾何地圖
幾何地圖利用幾何特征如點、直線、平面等來構成環境主要框架,需要知道這些特征在環境中信息的具置,所以幾何地圖通常使用其對應的三維空間坐標來表示。幾何地圖構建過程相對簡單,保留了室內環境的各種重要信息,是基于計算機視覺的定位與地圖構建算法中最常用的一種表示方式。但是為了完成環境的建模需要標記大量的特征,從而計算量也非常的大,降低了實時性,其重建的地圖也容易出現與全局不一致的情況。
2.3拓撲地圖
拓撲地圖用許多節點和連接這些節點的曲線來表示環境信息。其中,每個節點相對應真實環境中的特征點(如門角、窗戶、椅子、桌子角及拐角等),而節點之間的曲線表示兩個節點對應的地點是相聯通的。拓撲地圖把環境信息表上在一線圖上,不需要精確表示不同節點間的地理位置關系,圖像較為抽象,表示起來方便且簡單。機器人首先識別這些節點進而根據識別的節點選擇節點與節點間的曲線作為可作業的路徑。
2.4混合地圖
混合地圖主要包括3種形式:柵格一幾何地圖、幾何一拓撲地圖以及柵格一拓撲地圖。混合地圖采用多種地圖表示,可結合多種地圖的優勢,與單一的地圖表示相比更具有靈活性、準確性和魯棒性,但其不同類別的地圖結合起來管理會比較復雜,難以協調,增加了地圖構建的難度。文獻針對室內環境所建立的模型分為全局拓撲和局部幾何表述部分,整體環境通過拓撲節點串連起來,維護了整體環境表述的全局一致性;而以每個拓撲節點為核心所采用的幾何表述則可確保局部精確定位的實現,這樣建立的幾何一拓撲混合環境模型可將二者的優勢都表現出來,使得移動機器人定位和地圖構建同時進行,實現容易。
3基于計算機視覺的室內導航
基于計算機視覺的室內導航技術可利用攝像頭捕獲機器人周圍環境的全部信息,對其周身的場景進行反饋,對障礙物進行快速識別和檢測,從而確定一條高效的可行的安全路徑。本文將計算機視覺室內導航技術主要分為3類:第一類是環境地圖事先已知;第二類是定位與地圖構建同時進行;第三類是不依賴環境地圖。
3.1環境地圖事先已知
提前對外界環境特征進行提取和處理,建立全局地圖,并將地圖信息存儲在機器人內存數據庫中,在導航的時候實時進行地圖匹配,即預存環境地圖。在環境地圖事先已知的導航中,路標信息保存在計算機內存的數據庫中,視覺系統中心利用圖像特征直接或間接向移動機器人提供一系列路標信息,一旦路標被確定后,通過匹配觀察到的圖像和所期望圖像,機器人借助地圖實現自身精確定位和導航。該導航技術過程可分為以下步驟:
a)圖像獲取:攝像頭獲取其周圍的視頻圖像;
b)路標識別及檢測:利用相關圖像處理算法對圖像進行一系列預處理如進行邊緣檢測和提取、平滑、濾波、區域分割;
c)路標匹配標志:在觀察到的圖像和所期望圖像之間進行匹配,搜索現有的路標數據庫進行標志路標;
d)位置計算:當有特征點進行匹配時,視覺系統會根據數據庫中的路標位置進行自身精確定位和導航。
在基于計算機視覺的地圖匹配定位過程中,主要有2種地圖匹配較為典型。
①已知起點,已知地圖。這種條件下的定位稱為局部定位,采用的是一種相對定位的方法,如圖1所示為其位姿估計過程,這種情況目前導航技術研究得最多。
②不知起點,已知地圖。這種條件下的定位稱為全局定位。當機器人需要重置時,通常使用這種定位方法來檢索機器人的當前位置(即姿態初始化)。常用的輔助方法是在環境中添加一些人造信標,如無線收發器,幾何信標,條碼技術,紅外或超聲波接收系統進行位置識別,利用視覺系統識別自然標志,自主定位。
3.2定位與地圖構建同時進行
不知起點,不知地圖。SLAM技術最早由Smith等人于1986年提出,移動機器人在自身位置不確定的情況下根據自身的攝像頭獲取周圍未知環境信息,在作業時逐步構建周圍的環境地圖,根據構建的增量式地圖自主實時定位和導航。在日后的導航研究中,混合地圖中的幾何一拓撲混合環境模型被得到廣泛應用,主要用來解決SLAM問題。
2003年,在解決SLAM技術難題上,Arras等人采用基于Kalman濾波器和最鄰近(nearest neighbor)匹配策略的隨機地圖創建方法。下面是該算法步驟:
a)數據采集:首先初始化系統,從攝像頭傳感器采集距離數據;
b)狀態預測:視覺系統預測機器人運動狀態,實時返回新位姿信息和協方差矩陣,預測地圖;
c)觀測:從原始捕獲的信息中提取主要特征信息并將此信息返回給局部地圖;
d)測量預測:預測機器人當前位姿的全局地圖;
e)位置匹配:應用最鄰近濾波器匹配局部地圖中的觀測點和預測點;
f)估計:使用擴展Kalman濾波器更新地圖;
g)創建:將非相關的觀測點加入地圖,對機器人返回增量式地圖;
h)輸出地圖。
制約機器人視覺系統性能的重要因素是信息實時處理的計算復雜度和處理效率,SLAM算法需要在地圖密度與計算效率之間取得權衡。
3.3無環境地圖
在這類系統中,機器人不需要依賴任何的環境地圖信息,機器人的活動取決于其當時識別和提取出來的環境信息,這些環境信息可能是桌子、椅子和門等,不需要知道這些環境元素的絕對位置。無環境地圖的導航技術典型的技術有3大類:基于光流的導航技術、基于外觀信息的導航技術、基于目標識別的導航技術和基于目標跟蹤的導航技術。
3.3.1基于光流的導航技術
光流是三維空間運動物體在觀測成像面上的像素運動的瞬時速度,也是圖像亮度的運動信息描述。光流法計算最初是由Horn和Schunck于1981年提出的,其利用二維速度場與灰度,引入光流約束方程,得到光流計算的基本算法。光流計算基于物體移動的光學特性提出了2個假設:①運動物體的灰度在很短的間隔時間內保持不變;②給定鄰域內的速度向量場變化是緩慢的。如Santos-Victor等人研發了一種基于光流的robee視覺系統,該系統模擬了蜜蜂的視覺行為。在robee視覺系統中,使用單獨的雙目視覺方法來模擬蜜蜂的中心反射(Centering Reflex):當機器人移動到走廊兩側的墻壁中心時,左眼捕獲場景的瞬時速度與右眼捕獲場景的瞬時速度是相同的,幾乎沒有差別,那么機器人就可以知道他們在走廊的中心。如果眼睛兩側的眼睛的瞬時變化速度不同,則機器人移動到較慢的速度。在自動機器人導航的實現中,基于這個想法是測量攝像機捕獲圖像場景瞬時速度差異。這種導航技術只能用于室內單通道直走道導航,不能引導機器人改變方向,具有一定的局限性。
3.3.2基于外觀信息的導航技術
基于外觀的機器人導航方法,不需要構建真實的地圖導航,機器人通過自身所攜帶的攝像頭和傳感器感知周圍目標的外觀信息進行自主定位和導航。其中,所述的外觀信息多為目標信息的顏色、亮度、形狀、空間大小和物理紋路等。機器人在導航時存儲連續視頻幀的環境圖像信息,并將連續視頻幀與控制指令相關聯,從而再執行指令規劃有效路徑到達目的地。
3.3.3基于目標識別導航技術
為了達到目標點或是識別目標,機器人很多時候只能獲取少量的圖像信息。Kim等人提出了一種用符號代替導航各個位置的賦值方法。該賦值方法中,機器人執行命令如“去窗邊”“去你后面的椅子旁”等。這樣,通過相關的符號命令,機器人自動識別并建立路標,通過符號指令到達目標點。例如“去你后面的椅子旁”,這樣的命令就是告訴機器人路標是椅子、路徑向后。該導航技術的難點在于目標是否可以準確實時識別路標。第一,識別大量不同類別的物體,室內環境有許多不同類別的物體,需要將它們組織到一個在給定的容易搜索圖像數據結構中去,起到容易識別是用什么度量來區分物體;第二,識別大量不同背景下的物體,一個合適的物體表達式有助于將圖像組織成片斷,而這些片斷來自于物體的種類且與物體無關的;第三,在抽象層次上識別物體,機器人可以不需要在看到一個具體的杯子之前便能知道它是一個杯子,相關程序能夠類似的物體進行識別和區分。
3.3.4基于目標跟蹤的導航技術
基于目標跟蹤的導航技術,為機器人構造一個虛擬地圖,機器人通過攝像頭獲取連續的視頻序定一個跟蹤的目標,為了達到對目標的精確定位和實時跟蹤,可以利用粒子濾波算法對需要跟蹤的目標進行建模。基于粒子濾波的目標跟蹤主要包含四個階段,分別是初始化目標區域,概率轉移,目標區域權重計算,目標區域重采樣。在機器人導航之前,通過視頻序列的當前幾幀標注機器人所需要跟蹤的目標,在導航時,機器人通過連續的視頻幀感知周圍的待跟蹤目標,同時對所需要跟蹤的目標散播粒子,當獲取的視頻幀對目標區域重采樣后足以讓機器人確定所需要跟蹤的目標時,機器人通過確定的目標為自己規劃最有效的路徑到達目的地。獲取視頻序列目標跟蹤是算機視覺領域中的重要分支,它在工業生產、交通導航、國防建設、航空導航等各個領域有著廣泛的應用。
【關鍵詞】虛擬多傳感器;計算機;視覺檢測
一、視覺信息系統模型與實現方法
對于一個通用視覺系統來說,其性能主要取決于兩方面的因素:一方面總體上是如何組織的,有哪些模塊組成,模塊間如何聯系;另一方面是每個模塊內采用了哪些技術,信息如何被加工的。許多專用的視覺信息系統模型是一種松散的知識庫模型。這些以松散的知識庫為主的模型都各有特點,但共同的不足就是計算量特別大,對信息處理采取不同的抽象和表達,復雜度也不斷增大,難以滿足連續工業在線快速檢測的要求。針對這些不足,本文提出一種專用的有知識驅動、信息融合的視覺信息系統模型,該模型實現了對圖像中被檢測目標個數的搜索,用以實現螺紋鋼支數工業計算機視覺系統的在線檢測。具體實現過程為:
1.訓練匹配器模板:用上文提供的方法獲取標準匹配器模板。
2.獲取特征圖:將實時圖像灰度圖分別用Cnany邊緣算子、鄰域平均值算子進行變換獲得相應的特征圖。
3.搜索特征量并確定其基本信度:將上述特征圖和灰度圖在相同的位置同時掃描,獲得相應的特征,根據特征量得到相應檢測目標的基本信度。
4.確定模板匹配相似度:利用匹配技術確定匹配器模板和指定區域的相似度及基本信度。
5.合成基本信度并作出判斷:權系數D-S證據融合算法計算最終的信度,根據結果判斷該區域有無被測目標。
6.優化屏蔽搜索區域:屏蔽搜索到被測目標的區域,避免重復搜索。
7.獲得被測目標總支數:依次搜索特征圖像,累加有被測目標的總數,即得到原始實時圖像中的被測目標總支數。
二、證據理論應用舉例
為了說明檢測過程,考慮對兩個典型區域的檢測過程進行說明,其中一個為有檢測目標的區域,一個為沒有檢測目標的區域。在應用過程中,已經訓練獲得到了匹配器標準模板。對一幅實時圖像,分別用Cnany邊緣算子和空間均值濾波等變換得到到相應的邊緣特征圖像和去噪聲特征圖像,原始圖像也作為一個特征圖像。用C表示目標,N表示非目標,目標識別框架為U={C,N}。具體實現步驟如下:
(1)傳感器基本信度分配確定;
(2)計算加權后各個傳感器的基本信度分配;
(3)按照DenlPster組合公式將m1:和m2組合;
(4)將m1:和.m2組合。
由計算結果可知,通過融合后不確定性的基本信度下降到0,在實際應用中,該值可能會大些,在應用中隱含地引入了一個限制條件,即mU(<)0.02時本次決策才有效。采用基本信度分配進行決策,根據公式,即y(x)=m(A)-m_ThV可知,給定閥值m_ThV時,可以根據融合結果確定出被檢測區域的類別。在實際應用中,給定經驗閥值m_ThV=0.89,則對區域1有y(x)=0.997-0.8>0,可確定出區域1中存在檢測目標;而對區域2有y(x)=0.292-0.89<0,故區域2盡管有些特征類似于檢測目標端面(如模板匹配程度、區域灰度均值等),但通過融合可以明顯地區分出來該區域不存在檢測目標。
三、優化屏蔽搜索區域
為了提高搜索效率,避免重復搜索,當確定出所搜索的區域存在被測目標時,如圖1中區域1,可以根據所搜索的被測目標直徑,計算該截面上的邊界,推導出與這些邊界相切的另外可能存在的被測目標的模板頂點的軌跡:(x-s)2+(y-t)2=D2口。其中(s,t)為當前模板覆蓋區域的頂點坐標,D為被測目標截面半徑,(x,y)為另外被測目標截面上覆蓋的模板頂點坐標。然后該圓下半部分以點(s,t)為中心垂直分割,其左半部分圓內與半圓的交集部分)全部屏蔽,作為不再搜索區域;右半部分圓內(半圓與區域1的交集部分)給出特殊標志,表示此區域不再作為搜索區域頂點,但該區域的邊界、灰度、灰度梯度等信息均保留,以免將有用信息屏蔽。在邊緣特征圖中,對區域2與半圓交集部分不再搜索支數;而對區域1與半圓交集部分,僅對該區域的特征信息完成搜索仍然需要搜索。
圖1
四、試驗與結果分析
為驗證上述方法,進行了兩個方面的試驗。
首先是研究了方法的有效性。對于被測試的每一幅圖的結果,用程序測試完后將結果同時顯示到圖像中,并在搜索到被測目標的區域用一個黑色圓標注,表示在該區域已經搜索到一個目標。這樣可以完成搜索結果與被檢測目標實際位置進行對比,可以判斷算法實現、搜索結果的有效性。確定有沒有誤搜索:在沒有目標的位置搜索的被測目標(虛檢);而在有目標的地方又沒有搜索的被測目標(漏檢)。避免了搜索結果與目標真實數目一致而位置不符合實際的情況。并且,在搜索到的檢測目標旁邊標注淺灰色半圓,表示該區域已經在搜索過程中被屏蔽過。給出幾幅對實時圖像算法及搜索過程有效性驗證結果的實際圖像,圖像中被測目標為中18的螺紋鋼端面。
可見,該方法搜索的鋼材在圖像中的位置和支數都符合實際位置和支數,表明該方法是有效的。在端面特征中,選擇用邊緣特征、局部灰度均值特征、梯度分布特征和模板匹配器匹配程度特征等四個特征的信度分配來融合確定目標,實現對圖像區域的分類,從而可以實現工業計算機視覺在線檢測的任務。
然后用實際在線檢測的方法試驗所提出的方法的準確性。在實際應用中對φ20的成品鋼進行了連續在線檢測。系統的準確性還是比較高的,基本實現了在線快速的檢測功能。
五、小結
本章通過對螺紋鋼生產線上采集的實時圖像的特征分析,提出了虛擬多傳感器的概念,將實時圖像用不同變換得到多幅特征圖像,將每一幅特征圖像在相同檢測區域的特征信息看作是一種傳感器獲取的信息。這樣,將實時圖像中被測目標的識別問題歸結為非線性二分類問題。利用虛擬多傳感器信息,提出了基于加權D-S證據理論信息融合的模式分類方法,將該分類方法應用到計算機視覺檢測中,在此基礎上,提出了一種工業計算機視覺檢測系統的實現方法。
在檢測某一區域是否存在檢測目標時,在特征圖像中相應的區域根據獲取特征信息,得到是否存在被測目標的基本信度分配,即:在邊緣特征圖像中對應的區域獲得邊緣信息、在去噪特征圖像中對應的區域獲得區域灰度均值信息和梯度分布信息、在原始圖像中對應的區域獲得與標準匹配模板相似度的信息;將這些信息量化成基本信度分配,用加權D-S證據理論融合這些基本信度分配;根據融合結果完成對區域分類,確定出是否有檢測目標存在;歷遍整幅圖像即可得到圖像中被測目標的總數。
將實現所提出的檢測方法的應用程序及其系統應用的某煉鋼廠進行了在線檢測,結果表明,所研究的方法實現了在不增加傳感器數量和對傳感器要求的情況下使檢測系統的可靠性時得到了保證,并得到了比較高的準確性。該方法的準確性可以達到97%。
參考文獻
[1]張婷.計算機圖形圖像設計與視覺傳達設計的研究[J].信息系統工程,2014(2).