将机器视觉技术应用在距离检测中能更好地提高检测的精度,特别是在某些重要场所和恶劣环境下,机器视觉技术能更好地代替人类工作。将双目视觉技术与图像处理技术相结合,先应用高斯拉普拉斯算子(Laplacian of Gaussian,LOG)对采集的图像...将机器视觉技术应用在距离检测中能更好地提高检测的精度,特别是在某些重要场所和恶劣环境下,机器视觉技术能更好地代替人类工作。将双目视觉技术与图像处理技术相结合,先应用高斯拉普拉斯算子(Laplacian of Gaussian,LOG)对采集的图像进行预处理,获得清晰的边缘信息,然后根据双目立体视觉原理,获取图像边缘点的坐标,最后根据空间点的距离公式获得两物体边缘点距离集合。筛选出其中的最短距离即为两物体间安全距离的判断依据,此方法也可用于输电线路周围障碍物安全距离的检测。展开更多
针对基于结构振型参数的损伤定位方法抗噪性差、对微小损伤不敏感以及对多损伤识别性能低等问题,基于振型低秩性与损伤分布稀疏性提出了一种复合材料层合板多损伤识别方法。首先,使用高斯-拉普拉斯算子(Laplacian of Gaussian,简称LoG)...针对基于结构振型参数的损伤定位方法抗噪性差、对微小损伤不敏感以及对多损伤识别性能低等问题,基于振型低秩性与损伤分布稀疏性提出了一种复合材料层合板多损伤识别方法。首先,使用高斯-拉普拉斯算子(Laplacian of Gaussian,简称LoG)求解曲率模态;其次,利用鲁棒主成分分析提取曲率模态中损伤诱导产生的奇异值进行损伤定位;然后,提出了一个鲁棒损伤定位指标用于融合多个曲率模态的损伤信息;最后,使用带损伤复合材料层合板数值模拟与实验数据验证了方法的有效性。结果表明,该方法无需无损结构参考信息,便可准确地定位复合材料层合板中多个小面积损伤。展开更多
经典的特征点提取算法是从整个图像进行遍历来确定特征点,运算量较大,不能满足实时应用的要求。提出了一种特征点快速稀疏提取算法,该方法首先利用高斯拉普拉斯算子(Laplacian of Gaussian,LoG)提取图像梯度,设定阈值过滤获得图像的边...经典的特征点提取算法是从整个图像进行遍历来确定特征点,运算量较大,不能满足实时应用的要求。提出了一种特征点快速稀疏提取算法,该方法首先利用高斯拉普拉斯算子(Laplacian of Gaussian,LoG)提取图像梯度,设定阈值过滤获得图像的边缘稀疏矩阵,然后在稀疏矩阵的基础上利用改进的加速分割测试特征(Features from Accelerated Segment Test,FAST)检测算法,解决了传统匹配算法提取特征点耗时的问题,使图像实时匹配成为可能。为减少误匹配对,利用感知哈希算法对匹配对进行提纯,并根据仿射不变性建立两个约束条件进一步验证单应性矩阵,提高配准精度。实验结果证明,该算法提高了特征点提取的速度以及配准精度。展开更多
文摘将机器视觉技术应用在距离检测中能更好地提高检测的精度,特别是在某些重要场所和恶劣环境下,机器视觉技术能更好地代替人类工作。将双目视觉技术与图像处理技术相结合,先应用高斯拉普拉斯算子(Laplacian of Gaussian,LOG)对采集的图像进行预处理,获得清晰的边缘信息,然后根据双目立体视觉原理,获取图像边缘点的坐标,最后根据空间点的距离公式获得两物体边缘点距离集合。筛选出其中的最短距离即为两物体间安全距离的判断依据,此方法也可用于输电线路周围障碍物安全距离的检测。
文摘针对基于结构振型参数的损伤定位方法抗噪性差、对微小损伤不敏感以及对多损伤识别性能低等问题,基于振型低秩性与损伤分布稀疏性提出了一种复合材料层合板多损伤识别方法。首先,使用高斯-拉普拉斯算子(Laplacian of Gaussian,简称LoG)求解曲率模态;其次,利用鲁棒主成分分析提取曲率模态中损伤诱导产生的奇异值进行损伤定位;然后,提出了一个鲁棒损伤定位指标用于融合多个曲率模态的损伤信息;最后,使用带损伤复合材料层合板数值模拟与实验数据验证了方法的有效性。结果表明,该方法无需无损结构参考信息,便可准确地定位复合材料层合板中多个小面积损伤。
文摘经典的特征点提取算法是从整个图像进行遍历来确定特征点,运算量较大,不能满足实时应用的要求。提出了一种特征点快速稀疏提取算法,该方法首先利用高斯拉普拉斯算子(Laplacian of Gaussian,LoG)提取图像梯度,设定阈值过滤获得图像的边缘稀疏矩阵,然后在稀疏矩阵的基础上利用改进的加速分割测试特征(Features from Accelerated Segment Test,FAST)检测算法,解决了传统匹配算法提取特征点耗时的问题,使图像实时匹配成为可能。为减少误匹配对,利用感知哈希算法对匹配对进行提纯,并根据仿射不变性建立两个约束条件进一步验证单应性矩阵,提高配准精度。实验结果证明,该算法提高了特征点提取的速度以及配准精度。
