多相机图像拼接算法的改进

为了加快图像拼接中特征检测的速率,避免图像中非重合区域对特征检测点与匹配的干扰,通过重合区域预估计算和图像的掩模处理的方法,研究了只针对重合区域的改进检测算法。为了降低由于多图拼接造成的累积误差,通过使用中间图像为基准的多图拼接的思路,研究了改进多图拼接算法并定义了平移矩阵并给出了平移量的计算公式。为了使融合效果更好,通过传统的加权线性融合算法,研究了分区域加权线性融合。结果表明:加快了特征检测速率,降低了特征点之间的误匹配率,优化了由于多图拼接带来的累积误差,提高了图像融合品质。可见上述提到的对多相机图像拼接的系列算法的改进在效果、速率上都有所改进。     

一种不定时延与数据包丢失的统一建模方法

研究更接近于实际情况的不确定性时滞丢包模型,人为设置数据包不确定迟延转化固定迟延的时间标准,而不是以数据包最坏情况的迟延为标准。数据包迟延超过固定迟延的时间标准即认为数据包“丢失”,也包括了数据包确实丢失的情形,从而把时延和数据包丢失建模统一起来,并且利用迟到的数据对“丢失”的数据进行预估补偿,而不是丢弃不用。仿真结果表明所提到的方法是有效的。     

基于改进Faster R-CNN的行人检测算法

针对行人检测中复杂环境,提出一种改进Faster R-CNN的行人检测算法,使用深度卷积网络从图片中提取适合检测目标的特征。基于Faster R-CNN算法,以Soft-NMS算法代替传统NMS算法,加强Faster R-CNN算法对重叠区域的识别能力。同时,算法通过"Hot Anchors"代替均匀采样的锚点避免大量额外计算,提高检测效率。最后,将21分类问题的Faster R-CNN框架,修改成适用于行人检测的2分类检测框架。实验结果表明:改进Faster R-CNN的行人检测算法在VOC 2007行人数据集,检测效率和准确率分别提升33%、2.6%。     

基于线结构光检测的Arduino分拣机械臂

通过对当前工业机器人技术应用发展状况及机械臂智能化现状的研究,设计了一种基于Arduino的智能小型机械臂,采用D-H法描述了4自由度模块化机械臂操作空间,获得以关节角度为变量的正运动学模型。运用矩阵逆乘的解析法,得到了机械臂逆运动学的完整解析解。结合线结构光三维视觉,实现了目标物体的识别抓取功能,弥补了二维相机获取深度信息的不足。实验证明,该智能小型机械臂设计合理,具备良好的准确性和稳定性,简单轻便且实用价值高,具有一定的市场前景。