精华内容
下载资源
问答
  • 2020-12-22 03:58:05

    技术领域

    本发明涉及图像识别技术领域,特别涉及一种三维空间红外光点定位的技术。

    背景技术

    在现有技术方法中,三维空间定位技术主要有电磁方式和光学方式。电磁方式通过空间磁场采集物体运动的电参数变化分析运动特性,但是磁场容易受干扰,对环境的要求较高。光学方式三维空间定位技术通过光学及图像处理技术分析物体运动特性,可以捕捉定位物体的实时运动,但定位物体运动特征等的计算工作量较大。

    利用两个摄像头实现物体的三维空间定位方法一般采用双目立体视觉技术,摄像头从不同的位置获取被检测物体的两幅图像,通过计算图像对应的位置偏差可以获取物体三维几何信息。

    发明内容

    本发明的所要解决的技术问题在于提供一种基于红外摄像头定位实现的屏幕上红外光点坐标定位以及基于两个红外摄像头定位技术的三维空间红外光点定位的系统,在降低成本硬件的基础上,提高三维空间定位技术的环境适应性,减少计算量。

    本发明采用以下技术方案解决上述技术问题的:一种基于红外图像识别的三维空间定位系统,用来识别目标物体(7)的三维空间位置,包括第一红外摄像头(1)、第二红外摄像头(2)、第三红外摄像头(3)、红外激光器(4)、投影屏幕(5)、计算机(6),其中第三红外摄像头(3)的像平面面向投影屏幕(5)方向,第一红外摄像头(1)、第二红外摄像头(2)的像平面面对目标物体(7)方向,并且光轴严格垂直于投影屏幕(5),红外激光器(4)安放在目标物体(7)的位置,红外激光器(4)指向投影屏幕(5)的位置,计算机(6)连接第一红外摄像头(1)、第二红外摄像头(2)、第三红外摄像头(3)。

    具体的,红外激光器(4)发射的激光在投影屏幕(5)上产生一个红外光斑,第三红外摄像头(3)捕捉到该红外光斑在投影屏幕(5)上的位置;第一红外摄像头(1)和第二红外摄像头(2)捕捉目标物体(7)的成像位置,根据图像定位、屏幕上定位点坐标计算、空间定位点坐标计算得到目标物体(7)的三维空间坐标。

    所述图像定位包括从第一红外摄像头(1)、第二红外摄像头(2)拍摄的图像中识别出目标物体(7)在图像中的位置,从第三红外摄像头(3)拍摄的图像中识别出红外光斑在图像中的位置。

    所述屏幕上定位点坐标计算是指根据第三红外摄像头(3)拍摄的图像计算红外光斑的空间位置,过程如下所述:以第三红外摄像头(3)拍摄的图像的左下角为中心,图像下侧边为x轴、屏幕左侧边为y轴建立二维坐标系x0y0,根据图像像素确定投影屏幕(5)的四个角的点坐标,分别为E(xe,ye)、F(xf,yf)、G(xg,yg)、G(xh,yh),红外光斑坐标为B1(x1,y1);

    以投影屏幕(5)左下角为中心,投影屏幕(5)下侧边为x轴,投影屏幕(5)左侧边为y轴,垂直于投影屏幕(5)的方向为z轴建立三维空间坐标系xyz,在三维空间坐标系xyz,投影屏幕(5)的长为s,宽为h,投影屏幕(5)的四个角的点坐标分别是E(0,h,0)、F(s,h,0)、G(s,0,0)、H(0,0,0);

    根据投影变换原理及摄像头成像原理,二维坐标系x0y0和三维空间坐标系xyz为透视投影变换,则存在八个常数m0、m1、m2、m3、m4、m5、m6、m7,使三维空间坐标系xyz投影屏幕上一点与第三红外摄像头(3)图像上的对应点存在如下关系式。

    x2=m0x1+m1y1+m2m6x1+m7y1+1]]>  ①

    y2=m3x1+m4y1+m3m6x1+m7y1+1]]>  ②

    将红外图像中E(xe,ye)、F(xf,yf)、G(xg,yg)、G(xh,yh)的x值代入公式①,等于E(0,h,0)、F(s,h,0)、G(s,0,0)、H(0,0,0)的x值;红外图像中投影屏幕(5)的四个角的点坐标y值代入公式②,等于空间坐标系中四个角的点坐标y值,通过八个方程式求得常数m0、m1、m2、m3、m4、m5、m6、m7的值,得到三维空间坐标系与图像二维坐标系的转换关系式,计算出红外光斑的实际空间位置B(x2,y2,0)。

    所述空间定位点坐标计算是指根据第一红外摄像头(1)、第二红外摄像头(2)拍摄的图像计算目标物体(7)的空间位置,具体过程如下所述。

    在三维空间坐标系中,第一红外摄像头(1)、第二红外摄像头(2)的坐标分别为C1,C2已知,设目标物体(7)的位置坐标为A(xg,yg,zg),以目标物体(7)所在位置建立平行于投影屏幕(5)的虚拟平面,虚拟平面方程式为z=d,d为常数,在平面上标定不在一条直线上的任意四个点,以虚拟平面为xy平面建立三维空间坐标系,第一红外摄像头(1)、第二红外摄像头(2)在摄像图像上分别建立二维坐标系,以第一红外摄像头(1)、第二红外摄像头(2)以及目标物体(7)的位置关系可知,在z=d的虚拟平面上,根据第一红外摄像头(1)拍摄图像计算得到A处的空间位置为A1,根据第二红外摄像头(2)拍摄图像计算得到A处的空间位置为A2,A1与A2不重合,利用第一红外摄像头(1)、A1的三维空间坐标得出第一红外摄像头(1)与A1点的直线空间表达式③,利用红外摄像头(2)、A2三维空间坐标得出红外摄像头(2)与A2点的直线空间表达式④,然后通过超定线性方程组的最小二乘解求解公式③和公式④的公共解,即为所要的目标物体(7)的坐标:

    更多相关内容
  • 首先应用大津法将电气设备作为目标区从背景图像中分割出来,再用改进后的直方图均衡法对目标区增强,最后与细节图像叠加,该算法使故障信息在红外图像中得到了有效识别。仿真结果验证了该算法的有效性。
  • 基于深度学习的电力设备红外图像识别.pdf
  • 摘 要: 船舶上铺设有大量的电力输送线路,由于船舶电力系统的...本文研究了一种基于红外图像识别技术的新型舰船火灾报警系统,并对该舰船火灾监测与报警系统的图像识 别、边缘处理、平滑滤波等技术进行了详细的介绍。
  • 为了更好地利用红外热成像技术对电气设备故障进行识别和诊断的问题,提出了一种基于红外图像特征和种子区域生长法的设备温升检测方法。采用邻域平均法减少了红外图像的噪声干扰,提取出了红外图像RGB空间中的红色分量...
  • 基于模糊C聚类的乳腺肿瘤红外图像识别.pdf
  • 基于卷积神经网络的金属结构缺陷红外图像识别.pdf
  • 基于区域生长法和BP神经网络的红外图像识别.pdf
  • 本文提出了一种基于Gabor小波的遗传算法。这种算法对于影像复杂、噪声强烈的红外图像有着独特的特征提取和特征融合作用,因而大大提高了图像收敛速度和识别效率。文章最后给出了仿真实例,证明了该算法的可行性。
  • 基于深度学习的悬式瓷绝缘子红外图像识别方法.pdf
  • 音视频-编解码-涟钢2200m3高炉红外图像识别处理系统的设计与应用.pdf
  • 提出了一种新颖的融合红外图像的亮度和纹理特征进行运动目标检测的算法。算法 使用模糊数学理论中的Sugeno 模糊测度和积分技术将图像的亮度特征与局部二元模式纹理 特征结合进行运动前景/ 背景分类,实现了低...
  • 一种基于Python的红外图像分析软件结构.pdf
  • 红外图像和灰度图像、彩色图像 概念 红外图象:是获取物体红外光的强度,而成的图象 灰度图象:是获取物体可见光的强度 彩色图像:每个像素由R、G、B分量构成的图像 红外图像和灰度图像的数据格式是一样的,都是单...

    红外图像和灰度图像、彩色图像

    1. 概念

    红外图象:是获取物体红外光的强度,而成的图象
    灰度图象:是获取物体可见光的强度
    彩色图像:每个像素由R、G、B分量构成的图像
    红外图像和灰度图像的数据格式是一样的,都是单通道图象,而彩色的是3通道图象。

    1. 红外图像和灰度图像的区分

    红外图像和灰度图像本身就不是在同一分类标准下得到的概念。
    红外图像是红外成像设备采集目标在红外波段的辐射形成的影像,这个图像可以是灰度图像,也可以彩色图像。同样的道理,可见光图像可以是灰度图像,也可以彩色图像。
    灰度图像是相对彩色图像而言的。灰度图像没有颜色,灰度值由0变化至255时,图像由黑变白。
    (原文链接:https://blog.csdn.net/qq_37405118/article/details/106782076)

    红外彩色图像:
    图片来源红外灰度图像
    图片来源于网络

    1. 红外探测的原理

    原文链接:https://zhuanlan.zhihu.com/p/67719009

    1. 红外热成像能否穿透墙壁
      原文链接:https://www.zhihu.com/question/264497610/answer/282536148

    红外热像仪具有不受低照度、太阳强光的干扰,可穿透烟雾、雾霾等特点。但厚衣服无法穿透,完全不透光的物体也是无法穿透观测的。

    因此,天气恶劣时,行人打黑伞,穿厚衣服,那么红外图像的行人图像就会较难识别,比较模糊。有的也会因为树林的遮挡而不能判断是否是行人。

    展开全文
  • 基于红外图像处理技术的钢构件损伤识别.pdf
  • 有助于做图像处理方面的参考!CNN深度学习网络可视化探究其运行机制,核心在于它究竟自动提取什么样的特征,经过卷积层、池化层,特征都是分布式表达的,每个特征反映在原图上都会有重叠,故希望建立特征图与原图像...
  • 基于Faster+RCNN变电设备红外图像缺陷识别方法.pdf
  • 内含变压器的红外缺陷图像,考虑了 8 种不同的共芯绕组短路故障。数据集总数300张左右,无标签,可用于图像识别、图像处理、深度学习、目标检测、计算机视觉等领域。 下载的txt文件含有下载链接,放心下载!!!
  • 较为全面的介绍了红外图像增强技术,主要分频域及空域两种方式,对红外所成图像进行相应处理
  • 针对红外图像的火焰识别,采用基于粒子群优化算法的二维最大熵阈值选取方法,选取最佳阈值对红外图像进行分割,使可疑区域从背景中分离出来.选择物体的高度作为特征量,采用标准模板序列,设计两层模糊分类器分析物体的...
  • 在人体温度检测报警系统中,我们需要在检测区域中实时的标识出一个或者多个人体的脸部区域,并在识别出的每...本文所描述的算法主要是识别图像范围中的高温区域,涉及到的算法有图像二值化、二值图像的连通区域标记。
  • 红外图像特点及识别方法

    万次阅读 2018-03-03 16:11:23
    红外图像成像特点:由于红外图像是通过“测量”物体向外辐射的热量而获得的,故与可将光图像相比:分辨率差对比度低信噪比低视觉效果模糊灰度分布与目标反射特征无线性关系局部不变特征目前绝大多数景物匹配算法提取...

    红外图像成像特点:

    由于红外图像是通过“测量”物体向外辐射的热量而获得的,故与可将光图像相比:

    1. 分辨率差
    2. 对比度低
    3. 信噪比低
    4. 视觉效果模糊
    5. 灰度分布与目标反射特征无线性关系

    局部不变特征

    目前绝大多数景物匹配算法提取的都是全局不变特征,它能很好解决同一目标的一致性判决问题,但很难消除图像的成像畸变。当图像之间的成像畸变很复杂时,利用全局信息进行匹配非常困难,特别是存在局部遮挡时,全图特征会随之变化。

    基于以上特点,红外图像的匹配识别与跟踪一般都是基于特征的方法,一般都是采用局部不变特征来对红外图像进行处理识别。

    局部特征提取,即,将图像整体分割成若干个组成部分,对每一部分提取全局特征。此处的分割并不是我们直观认为的分割,理想情况下,人们总希望局部特征对应客观世界的物体的一部分,但是这是不现实的,往往需要借助图像处理技术对高层场景进行理解。


    局部稳定特征有:

    1. 角点特征
    2. 边缘特征
    3. 直线特征
    4. 纹理特征
    5. 基于以上特征构建的特征

    特征提取步骤:

    1. 局部不变特征检测:检测特征的位置————检测子算法
    2. 局部不变特征描述:定量化数据描述方法——描述子算法

    不变特征检测算法

    • 角点检测算子 
      • Harris
      • SUSAN
      • CSS
      • FAST(features from accelerated segment test) 等
    • 斑点检测算子 
      • DoG(高斯差分算子)
      • Multi-Scale Harris
      • SIFT
      • SURF
    • 区域检测子 
      • Salient Region
      • EBR
      • IBR
      • MSER
      • Hessian-Affine
      • Harrise-Affine等

    特征描述算子

    特征描述算子是一种图像局部结构特征的定量化数据描述,它应该能充分反应特征点附近图像的形状和纹理结构特性

    一个理想的特征描述子应该具有以下特征:

    1. 鲁棒性:仿射变换/密度变换/噪声干扰下具有稳定工作的能力
    2. 独特性:局部结构发生变化时,具有捕获和反应这一变化的能力
    3. 匹配速度:相似性比较时的运算速度,特征空间维数越高,速度越差

    描述子分类

    • 基于图像梯度分布(SIFT)
    • 基于空间频率

    • 基于微分和不变矩

    参考:http://blog.csdn.net/horseinch/article/details/51819448

    展开全文
  • 基于CNN的红外图像边缘检测算法的FPGA实现.pdf
  • 内含感应电机的红外缺陷图像,考虑了 8 种不同的定子绕组短路故障、卡住转子故障和冷却风扇故障,数据集总数300张左右,无标签,可用于图像识别、图像处理、深度学习、目标检测、计算机视觉等领域。
  • 红外图像处理、分析与融合》从红外图像的目标特性出发,以红外图像景象匹配、红外目标识别与跟踪、红外图像融合等内容为重点,系统阐述了红外图像处理、分析与融合中的理论、方法和应用技术,涵盖了红外图像应用中...
  • 摘要: 对桥梁的识别研究,在军事上和民用上都具有很重要的意义,国内外与此相关的研究比较多,取得了一定效果,但 ...本算法对水域上的红外图像中的桥梁识别具有通用性,方法直观简洁,计算速度快。
  • 问题:网络训练耗时过长 论文三:基于YOLO算法的红外图像目标检测的改进方法 传统红外图像行人检测方法利用人工进行比例模板设计和行人轮廓特征提取。基于深度学习的目标检测通过大量样本的本质特征进行抽象、提取、...
                                                                                         **行人检测**
    

    1.opencv无法使用
    已解决

    2.pytorch安装时,无法使用CUDA****
    安装这个cuda花了我将近20多天的时间,一直找不到问题所在,后来发现是电脑英伟达驱动没有正确更新(快被这个气死了),然后从官网更新了驱动,问题就解决了。

    3.pycharm中解释器无效的问题
    这个一般就是路径问题,在settings里面找到interinterpreter,然后找到合适的解释器就可以了。

    4如何将.anaconda与pycharm链接问题
    配置解释器,选择conda版本的就行了

    5.pycharm、python命令行、juypyter三者的区别与优缺点
    网上都有,这个就略过了

    6.pytorch的版本问题,安装完之后无法与电脑的cuda相匹配,也就是说,下载好之后检验的时候显示false
    先解决CUda的问题,然后再去下pytorch

    7.如何对红外图像进行简单的预处理
    未能实现

    8.数字图像想处理中的基本函数
    已学习

    9.红外图像的目标特性、背景特性、噪声特性
    已学习

    10.pytorch、TensorFlow常用的深度学习开元框架应该从什么地方开始学习,以及需要学到什么程度
    因为电脑配置一直不正确,所以暂未学习这两个框架
    更新:上面两个二选一就好了,学会构建模型就行了。

    11.研究图像处理
    图像采样和量化、图像的表示和可视化、简单的图像处理、彩色图像处理、空间滤波、频域滤波、图像特征提取、图像压缩、图像小波变换与多分辨率
    (1).图像特征提取
    全局特征:颜色、纹理、形状、空间位置关系特征
    局部特征图像边缘特征提取、图像点特征提取
    图像边缘特征提取:马尔算子也叫作高斯——拉普拉斯边缘检测算子,是按零交叉检测阶跃状边缘的最佳算子
    (2)简单的图像处理
    图像基本属性的操作
    图像的简单运算
    图像卷积操作

    12.研究行人目标检测和跟踪方法
    预处理→传感器→降噪、增强、→分类检测→图像分割→模型提取→感兴趣区域→行人识别→实现行人检测
    行人检测算法:深度学习
    深度学习:(1)两部检测算法:备选区划分、判断
    (2)单步检测算法:合二为一、SSD、YOLO算法
    跟踪方法:将曲线拟合和相关跟踪相结合的红外目标跟踪算法
    论文一:夜间复杂场景下红外图像行人检测算法研究
    利用先验语义进行ROI提取,够早改进的HOG二分支分类器进行探测,同时利用遮挡判别算法,设计头部检测算子对遮挡行人进行二次判别。问题:满足不了实时性的问题,在行人较多的时候效果有限

    论文二:基于深度卷积神经网络的红外图像行人检测
    传统的红外行人检测需要人工设计目标表达特征,从深度学习的角度出发,提出可以自动构建目标表达特征的红外行人检测卷积神经网络,设计了红外行人检测卷积神经网络的初始结构,再对初始的神经网络进行调整。问题:网络训练耗时过长

    论文三:基于YOLO算法的红外图像目标检测的改进方法
    传统红外图像行人检测方法利用人工进行比例模板设计和行人轮廓特征提取。基于深度学习的目标检测通过大量样本的本质特征进行抽象、提取、加工和整合,进而实现对更多样本特征的学习
    YOLO3算法:利用回归的方法进行深度学习的检测方法,相对于SSD需要调试经验来说,这个算法更胜一筹,并且这个算法检测速率与检测准确率相对平衡
    SSD算法:在调试过程中对调试经验有很大依赖性

    论文四:基于改进的SSD的视频行人目标检测
    基于视频行人检测的深度学习检测框架不能充分利用上下帧的运动信息,并且计算复杂度较高的问题,提出一种改进的SSD检测框架,框架将SSD的基础特征提取网络的VGG-16替换为改进的MobileNet从而实现计算量的减少,并且将GRU与改进的SSD结合以建立帧与帧之间的关联性。这种方法准确率提高了,运算量减少了。
    问题:在调试中非常依赖调试经验,对于经验不足的我们来说,或许YOLO算法是更好的选择

    论文五:行人检测综述
    行人检测技术的流程:预处理→ROI提取→特征提取→分类→跟踪
    方法:背景差分法
    帧间差分法
    模板匹配法
    光流技术(不考虑使用)
    深度学习:目前考虑使用这个方法,但是担心训练时间耗时过长,无法按时完成任务

    13.总结
    所以总体来说,应该对这个夜间复杂场景下红外图像行人检测系统设计有一个大致的规划,首先是对红外图像能够进行简单的预处理(特征提取、图像分割),然后去寻找一种合适的深度学习的算法(目前打算选择YOLO3算法)去实现行人检测,再一个就是去学习pytorch和TensorFlow这两个动态和静态的框架,学习完之后自己去建立一个深度学习框架,完成行人检测系统的设计。

    这篇是我的个人学习笔记,本人也是小白,有很多问题也不太懂,个人学习用,不建议作为参考

    展开全文
  • 基于深度学习的红外舰船目标识别.pdf
  • 近年来随着深度卷积神经网络在图像识别领域的广泛应用,因此将这项新技术应用于军事目标检测具有极强的现实意义。系统通过红外成像机芯采集红外图像,使用图像采集卡实时传输图像数据,最后在主机端利用深度卷积神经...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 10,206
精华内容 4,082
关键字:

红外图像识别