導(dǎo)語：如何才能寫好一篇計算機(jī)視覺總結(jié)，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公文云整理的十篇范文，供你借鑒。

篇1

關(guān)鍵詞：總量核算法 河道排水 水力計算

在城市排水設(shè)計的實際中，經(jīng)常會遇到城市區(qū)域排水為管道系統(tǒng)與河道系統(tǒng)共同完成排水任務(wù)的情況，如文中所涉及的"廢墻子河改造工程"就是其中一例。廢墻子河改造工程被天津市政府列為民心工程之一，它是天津二級河道系統(tǒng)改造的一部分。該河道貫穿和平區(qū)和河西區(qū)兩區(qū)，為東西向的排水河，全長約5 km，兩側(cè)服務(wù)面積約為8 km2，該服務(wù)區(qū)域南北向最長約1 km，最短處約200 m，呈不規(guī)則分布。原河道為梯形明渠，上口寬約16 m，沿途有約8處管道直接排水進(jìn)入河道系統(tǒng)，排水出路為河道最東頭的海河，是典型的管道與河道排水的城市區(qū)域。因為涉及到服務(wù)區(qū)域的排水是否能自流入河，出口泵站水量多大合適以及河道斷面尺寸的選取等問題，其水力計算顯得特別重要。本文就上述水力計算問題的解決，借助常用成熟的計算方法和"總量核算法"，并應(yīng)用計算機(jī)技術(shù)提供了解決此類問題的途徑和方法，供業(yè)內(nèi)人士參考。

1　總量核算法

通過對實際工程的分析，兩側(cè)匯水面積的雨水是通過現(xiàn)狀管道排至河道內(nèi)，其計算采用分步進(jìn)行是最合適的，即求出各管道在降雨某時刻的入河水量，并進(jìn)行疊加，進(jìn)而求出河道總水量。而明渠內(nèi)流態(tài)紊亂，當(dāng)各出口極限強(qiáng)度水量到達(dá)河道時，由于水量的差異，會形成倒流等現(xiàn)象，無法按常規(guī)明渠計算設(shè)計參數(shù)，為了使計算更符合實際，設(shè)計采用河道水量狀態(tài)核算法，即所謂的"總量核算法"。

總量核算法設(shè)計計算分為5個步驟，其中第一～第三步為服務(wù)區(qū)域水量計算，第四、五步為河道內(nèi)水量計算兩部分。具體步驟為：第一步是按極限強(qiáng)度法求各服務(wù)區(qū)管道出口洪峰流量；第二步是通過極限強(qiáng)度法模擬管道出口流量線(Q～t曲線)；第三步是對Q～t曲線進(jìn)行修正；第四步是對各服務(wù)區(qū)Q～t曲線求和(W總～t曲線)；第五步是按工程情況設(shè)計河道幾何尺寸和控制參數(shù)。其中按極限強(qiáng)度法求各服務(wù)區(qū)管道出口洪峰流量是按國家規(guī)范通常的做法，不作為本文討論的重點(diǎn)。下面就基本模式中涉及的其它各方面討論如下。

1.1　通過極限強(qiáng)度法模擬管道出口流量

使用極限強(qiáng)度法是基于暴雨強(qiáng)度公式各地都很容易得到，其使用普及程度高、參數(shù)全、計算管道出口流量最接近工程實際，且不降低設(shè)計標(biāo)準(zhǔn)。因此，它成為本文實踐的首選。但該法計算的結(jié)果是管道最大出口流量，而非各時段管道出口流量。但稍加分析就可以發(fā)現(xiàn)其計算過程與管道出口各時段的流量關(guān)系，即假設(shè)計算區(qū)域的降雨強(qiáng)度在降雨某歷時均相等，其起端和末端地面覆蓋程度基本相同，在相同面積下所產(chǎn)生的徑流水量相同，則有從首端區(qū)域集水并到達(dá)管道內(nèi)某段所計算的水量和時間即為末端相同面積流入河道的水量和時間，截取不同的水量和時間，就能求出高峰流量出口以前的流量線。對于高峰流量出口以后的水量和時間的計算則是采用延長首端地面集水時間，在管徑一定的情況下逐一計算到管道出口水量。將計算結(jié)果合并后，即為這個服務(wù)區(qū)域的流量和時間曲線，即Q～t曲線，見圖1。計算中應(yīng)注意起端和末端的面積相差懸殊且地面覆蓋程度相差較大時，應(yīng)進(jìn)行必要的修正；還應(yīng)注意整個暴雨計算時間以當(dāng)?shù)乇┯陱?qiáng)度公式所適用的最長時間為準(zhǔn)。

1.2　對Q～t曲線進(jìn)行修正

使用暴雨強(qiáng)度公式求管道出口流量的Q～t曲線中，由于其參量化等因素，致使暴雨強(qiáng)度歷時 2/3時間以后的殘余強(qiáng)度偏大，這將會給總水量造成較大誤差，特別是河道兼有調(diào)蓄功能時更加明顯。結(jié)合天津市暴雨強(qiáng)度公式的使用條件和公式推導(dǎo)的適用條件以及工程實際，折算出一個降雨歷時為：當(dāng)?shù)乇┯陱?qiáng)度公式所適用的最長時間加上服務(wù)區(qū)內(nèi)管道從首端集水開始到高峰流量從管道中排出的時間，此時令管道出口流量為零。按照上述時間修正的Q～t曲線，對河道總水量的影響小于5%，如圖1中的修正段所示。

1.3　對各服務(wù)區(qū)Q～t曲線求和(W總～t曲線)

從本步驟開始即進(jìn)入到河道內(nèi)水量計算階段，對每個服務(wù)區(qū)計算的流量進(jìn)行疊加，以求出排水系統(tǒng)的W總～t曲線。因W總～t曲線是由多條Q～t過程線疊加而成，數(shù)學(xué)回歸公式較難推導(dǎo)，且時常因管材的影響而出現(xiàn)跳躍。因此，本文計算中采用的是單位時間內(nèi)插中值法進(jìn)行分步疊加，以更趨理論值，最終求出W總～t曲線。

1.4　按工程情況設(shè)計河道幾何尺寸和控制參數(shù)

考慮設(shè)計河道的實際情況，沿途5 km各入流口雨水高峰流量進(jìn)入河道的時間相差不多，且此時河道內(nèi)流態(tài)紊亂，上下游只表現(xiàn)在水位的升高，加之河道按調(diào)蓄設(shè)計，故在計算中可忽略水力坡度的影響，以平均水位為基準(zhǔn)。因此，W總～t曲線即是表示河道內(nèi)在某個降雨歷時時的最大水量，此時河道內(nèi)的水量關(guān)系為：W總-W排＝W蓄。即通過對強(qiáng)排泵站設(shè)計流量W排的設(shè)定，進(jìn)而求出河道調(diào)蓄能力W蓄的各種工況，見圖2。在此基礎(chǔ)上，再對不同斷面的河道進(jìn)行設(shè)計，直到蓄排滿足各種參數(shù)為準(zhǔn)。

2　結(jié)論

采用總量核算法成功地解決了廢墻子河改造工程水力計算問題，并為解決此類計算問題進(jìn)行了理論和方法上的延伸，且具有下列特點(diǎn)：

①是對以往排水計算方法只能計算一個工況點(diǎn)的發(fā)展和擴(kuò)寬，能提供多種供選擇的設(shè)計工況；

②計算中采用極限強(qiáng)度法計算管道流量，采用總量核算法計算河道參數(shù)，工程整體不降低設(shè)計標(biāo)準(zhǔn)；

③是直接使用暴雨強(qiáng)度公式，各地極易得到，且充分貼近廣泛使用的極限強(qiáng)度法，實用性更強(qiáng)。

另外，使用本方法時也應(yīng)注意如下問題：

①水量計算時是在"極限強(qiáng)度法"基礎(chǔ)上進(jìn)行的，使用時要對它的假設(shè)條件了解清楚，以避免計算偏差過大；

②由于暴雨強(qiáng)度公式統(tǒng)計假設(shè)的原因，一般在120 min后曲線變平緩，對入河總水量影響較大，故應(yīng)進(jìn)行趨零修正；

篇2

Abstract： This paper puts forward the camera calibration method in computer vision， through analysis of principle of computer vision， and analyzes the application of camera calibration methods in computer vision.

關(guān)鍵詞： 計算機(jī)；視覺；攝像機(jī)；定標(biāo)

Key words： computer；visual；camera；scaling

中圖分類號：TP391.4 文獻(xiàn)標(biāo)識碼：A 文章編號：1006-4311（2013）24-0193-02

0 引言

在計算機(jī)技術(shù)快速發(fā)展的今天，人們越來越依賴于計算機(jī)，計算機(jī)在人們的生活工作中占有重要的地位。計算機(jī)中的各種應(yīng)用層出不窮，廣泛應(yīng)用在各個領(lǐng)域，計算機(jī)視覺在攝像中的應(yīng)用為攝像機(jī)定標(biāo)方法提供了巨大的參考價值。由于人們對攝像機(jī)拍攝效果的要求，使得攝像機(jī)在不斷改革更新，攝像機(jī)的定標(biāo)方法是攝像機(jī)研究領(lǐng)域備受關(guān)注的話題。計算機(jī)視覺中攝像機(jī)的定標(biāo)方法是攝像機(jī)研究領(lǐng)域所推崇的，它受到了研究人員的高度重視。計算機(jī)視覺中攝像機(jī)的定標(biāo)方法呈現(xiàn)出了高質(zhì)量的攝像效果，極大地滿足了人們對攝像機(jī)攝像效果的要求。

1 計算機(jī)視覺投影原理

計算機(jī)視覺投影原理是利用光的折射現(xiàn)象，把視覺中呈現(xiàn)的影像投射到攝影機(jī)的屏幕上，形成了固定的圖像。在計算機(jī)視覺中攝影機(jī)的成像原理就是利用光的感應(yīng)，通過對攝像機(jī)的焦距進(jìn)行調(diào)整，確定拍攝目標(biāo)在攝像機(jī)鏡頭中的位置，然后利用光的折射形成固定的圖像。在進(jìn)行攝像時調(diào)整焦距是非常關(guān)鍵的，焦距就是鏡頭與目標(biāo)之間的距離，這兩者距離的遠(yuǎn)近決定了攝像的效果。如果焦距太遠(yuǎn)的話，目標(biāo)成像就會非常小甚至是模糊。如果焦距太近的話，目標(biāo)成像會很大也會導(dǎo)致無法看清圖像，所以調(diào)整焦距是非常必要的，只有調(diào)好了焦距才會形成高質(zhì)量的圖像。

2 計算機(jī)視覺中的攝像機(jī)定標(biāo)方法

2.1 三維立體定標(biāo)法 攝像機(jī)的成像往往都是三維立體的，把圖形通過每個立體面詳細(xì)的表現(xiàn)出來，以達(dá)到完美的效果。要想達(dá)到三維立體的效果在對攝像目標(biāo)的位置進(jìn)行確定時，就要找出目標(biāo)的三維坐標(biāo)點(diǎn)，以便接下來的攝像工作可以順利進(jìn)行。然后在圖像投影中找到對應(yīng)的三維坐標(biāo)，這一步?jīng)Q定了整個攝像過程的設(shè)計方案。最后確定目標(biāo)在攝影鏡頭中的實際三維坐標(biāo)，根據(jù)鏡頭中目標(biāo)的實際三維坐標(biāo)形成具體的圖像。三維立體定標(biāo)方法的操作原理就是把目標(biāo)的三維投影進(jìn)行分步成像，和實際成像效果相聯(lián)系，形成鏡頭中具體的三維圖像。在計算機(jī)視覺中把三維成像圖進(jìn)行處理，對三維定標(biāo)的參數(shù)進(jìn)行分析，找出最優(yōu)的三維成像方法，使攝像機(jī)呈現(xiàn)出高質(zhì)量的攝像效果。

2.2 平面定標(biāo)法 平面定標(biāo)法就是利用多個成像平面對目標(biāo)的位置進(jìn)行分析，選擇合適的成像平面對目標(biāo)進(jìn)行位置的確定。每個平面的成像都是不同的，由于每個平面的成像都是在運(yùn)動的，所以應(yīng)該在攝像機(jī)與目標(biāo)之間的平面內(nèi)找到一個點(diǎn)，來分析目標(biāo)與攝像機(jī)之間的成像規(guī)律，然后根據(jù)這一規(guī)律對目標(biāo)進(jìn)行定標(biāo)，使攝像機(jī)中運(yùn)動的目標(biāo)給人們帶來不一樣的感受。隨著目標(biāo)的不斷運(yùn)動，攝像機(jī)與目標(biāo)之間平面內(nèi)的點(diǎn)會越來越多，對物體的定標(biāo)會受到這些點(diǎn)的影響，物體定標(biāo)的準(zhǔn)確度也越來越高，為攝像機(jī)定標(biāo)提供了可靠的信息支持，會減少攝像機(jī)定標(biāo)的成本，提高了攝像的經(jīng)濟(jì)效益。相比三維立體定標(biāo)法，平面定標(biāo)的精確度更高，定標(biāo)所用的時間相對較短，所以平面定標(biāo)法在攝像研究領(lǐng)域中值得推廣。

2.3 雙平面定標(biāo)法 所謂的雙平面定標(biāo)法就是利用鏡頭與目標(biāo)之間的兩個平面的成像點(diǎn)來進(jìn)行定標(biāo)，不需要成像平面上的光線通過平面中心，只要選取兩個平面之間任意兩點(diǎn)坐標(biāo)來對定標(biāo)參數(shù)進(jìn)行計算分析，得出具體的成像圖。這種定標(biāo)方式不受平面中心的影響可以在任意點(diǎn)上成像，減少了定標(biāo)參數(shù)的數(shù)量，提高了定標(biāo)的工作效率。但是由于雙平面定標(biāo)法只是任意選取兩平面上的點(diǎn)，對定標(biāo)的精確度造成了一定的影響，使計算機(jī)對參數(shù)的運(yùn)算缺少可靠的數(shù)據(jù)支持，一定程度上降低了攝像機(jī)的成像清晰度，使計算機(jī)視覺中攝像機(jī)的定標(biāo)精度存在一定的偏差，呈現(xiàn)出來的具體圖像質(zhì)量相對比較差。

2.4 直線兩點(diǎn)定標(biāo)法 在三維立體和平面定標(biāo)法的基礎(chǔ)上，又進(jìn)一步研究了直線兩點(diǎn)定標(biāo)法，極大程度上滿足了人們對攝像效果的要求。直線兩點(diǎn)定標(biāo)法是利用定標(biāo)物與攝像機(jī)鏡頭之間的直線上的兩點(diǎn)進(jìn)行定標(biāo)。然后通過計算機(jī)視覺對這兩點(diǎn)的坐標(biāo)參數(shù)進(jìn)行分析，然后攝像機(jī)利用這些參數(shù)對攝像機(jī)的焦距進(jìn)行調(diào)整，確定物體的具置。在三維立體和平面定標(biāo)的基礎(chǔ)上對計算機(jī)視覺程序進(jìn)行改進(jìn)升級，進(jìn)一步提高對物體定標(biāo)的精確度。對原有定標(biāo)方法進(jìn)行創(chuàng)新改進(jìn)得出了直線兩點(diǎn)定標(biāo)法使定標(biāo)參數(shù)的數(shù)量大幅度的下降，節(jié)省了很多的人工成本，攝像機(jī)的清晰度也會大大提高。

2.5 透視變換焦距的定標(biāo)法 透視變換焦距定標(biāo)法是通過分析鏡頭與目標(biāo)之間的距離，不斷調(diào)整兩者之間的距離使鏡頭里呈現(xiàn)出來的圖形清晰為止，然后就將現(xiàn)在的目標(biāo)設(shè)置為定標(biāo)物。由于這種定標(biāo)方法不用去分析具體的定標(biāo)參數(shù)被人們廣泛的應(yīng)用。隨著科技的發(fā)展現(xiàn)在的攝像機(jī)都有自動調(diào)整焦距功能，不用人為的去調(diào)整焦距，使定標(biāo)物更快地呈現(xiàn)在鏡頭中，節(jié)省了大量的定標(biāo)時間，計算機(jī)的運(yùn)算速度也加快了。但是這種定標(biāo)方法也存在一定的缺陷，在實際操作如果不考慮攝像環(huán)境以及攝像鏡頭的變化，定標(biāo)的精確度會存在一定的偏差，導(dǎo)致鏡頭中的定標(biāo)物成像不清晰。

3 計算機(jī)視覺中攝像機(jī)定標(biāo)方法的應(yīng)用

3.1 在計算機(jī)視覺中攝像機(jī)的主動定標(biāo) 計算機(jī)視覺中攝像機(jī)的定標(biāo)方法推動了計算機(jī)技術(shù)在攝像機(jī)中的廣泛應(yīng)用。計算機(jī)視覺中攝像機(jī)的主動定標(biāo)是計算機(jī)技術(shù)在攝像機(jī)中的顯著應(yīng)用。計算機(jī)技術(shù)使攝像機(jī)在定標(biāo)過程中主動尋找定標(biāo)物，使焦距和視角很好地配合，充分發(fā)揮計算機(jī)視覺在攝像機(jī)中的成像原理，把定標(biāo)方法合理地運(yùn)用在攝像機(jī)主動定標(biāo)過程中，使攝像機(jī)的清晰度得到大幅度地提升。

3.2 分層次進(jìn)行攝像機(jī)的定標(biāo) 隨著計算機(jī)技術(shù)在攝像機(jī)定標(biāo)中的不斷發(fā)展更新，攝影者喜歡分層次地進(jìn)行定標(biāo)，把自己的觀點(diǎn)融入到攝像機(jī)定標(biāo)過程中，用自己的思維對定標(biāo)參數(shù)進(jìn)行分析，利用計算機(jī)視覺成像原理把定標(biāo)物直觀的反映在計算機(jī)上，以便更好的對定標(biāo)物進(jìn)行分析，以其中一個定標(biāo)物的成像平面來確定定標(biāo)物的具體成像圖，使攝像機(jī)鏡頭中的定標(biāo)物圖像可以更清晰。這種分層次的定標(biāo)使計算機(jī)技術(shù)可以更好的應(yīng)用在攝像機(jī)定標(biāo)過程中，呈現(xiàn)出高質(zhì)量的攝像效果。

4 總結(jié)

在計算機(jī)視覺中攝像機(jī)的定標(biāo)方法都是可行的，但各種方法都存在一定的缺陷，所以在實際應(yīng)用中還應(yīng)該根據(jù)攝影環(huán)境以及攝影機(jī)的質(zhì)量選擇最優(yōu)的定標(biāo)方法，保證定標(biāo)參數(shù)的準(zhǔn)確性，在鏡頭里呈現(xiàn)出清晰的成像。針對計算機(jī)視覺中攝像機(jī)定標(biāo)方法的缺陷，攝像機(jī)的研究領(lǐng)域應(yīng)該要不斷更新攝像機(jī)定標(biāo)方法，提高攝像機(jī)定標(biāo)的精確度，不斷滿足人們對攝像機(jī)清晰度的要求，呈現(xiàn)出清晰的攝像效果。

參考文獻(xiàn)：

[1]邱茂林，馬頌德，李毅.計算機(jī)視覺中攝像機(jī)定標(biāo)綜述[J].自動化學(xué)報，2000（1）.

[2]伍雪冬，蔣新華，李建興，黃靖.計算機(jī)視覺中傳統(tǒng)攝像機(jī)定標(biāo)方法綜述[J].福建工程學(xué)院學(xué)報，2007（1）.

篇3

關(guān)鍵詞 計算機(jī)視覺；攝像機(jī)定標(biāo)方法；應(yīng)用特點(diǎn)；線性關(guān)系；參照物

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：1671—7597（2013）022-067-3

計算機(jī)視覺中的攝像機(jī)定標(biāo)方法總得來說可以分為兩類——傳統(tǒng)的攝像機(jī)定標(biāo)法和攝像機(jī)自定標(biāo)法。為了能夠使所獲取的場景更加自然，計算機(jī)視覺系統(tǒng)可以通過運(yùn)用攝像機(jī)定標(biāo)方法，加之合理安排攝像機(jī)和計算機(jī)這兩種成像裝置，來對二維的圖像信息進(jìn)行虛擬空間的三維建模，進(jìn)而控制整個攝像效果。這其中攝像及內(nèi)部的一些參數(shù)起到了很大的作用，最初在計算機(jī)視覺中都是采用的傳統(tǒng)攝像機(jī)定標(biāo)方法，但是這種方法存在著一定的局限性。這種定標(biāo)方法在攝像機(jī)隨意運(yùn)動和未知場景的安排下很難進(jìn)行有效的標(biāo)定。隨著計算機(jī)視覺中的攝像機(jī)定標(biāo)方法的不斷進(jìn)步和發(fā)展，以及攝像機(jī)自定標(biāo)方法的誕生，使得這項技術(shù)逐漸獲得了相對廣泛的應(yīng)用。

1 計算機(jī)視覺中與攝像機(jī)定標(biāo)解析

計算機(jī)視覺的基本任務(wù)是采集一定數(shù)量的圖片或視頻資料并進(jìn)行處理，以此來獲得相應(yīng)場景環(huán)境下的的三維信息。而這些三維信息與圖像、視頻對應(yīng)點(diǎn)的相互關(guān)系需要通過攝像機(jī)的幾何模型來決定，經(jīng)過計算分析得出這些幾何模型參數(shù)的過程即為攝像機(jī)定標(biāo)。如此看來，計算機(jī)視覺與攝像機(jī)定標(biāo)的關(guān)系密不可分，目前可知，計算機(jī)視覺與攝像機(jī)定標(biāo)的結(jié)合已經(jīng)運(yùn)用到相關(guān)領(lǐng)域，如高速公路上的車輛自主導(dǎo)航，部分醫(yī)學(xué)圖像的處理，電腦中臉孔或指紋識別等。但是由于所使用的目標(biāo)人群相對較窄，以及攝像機(jī)定標(biāo)方法的相對局限，使得計算機(jī)視覺的攝像機(jī)定標(biāo)無法廣泛的運(yùn)用到各個行業(yè)領(lǐng)域。正因如此，才加大了對計算機(jī)中攝像機(jī)定標(biāo)方法的研究的必要性。下面就來對攝像機(jī)定標(biāo)的兩種方法進(jìn)行簡要的探討。

2 傳統(tǒng)的攝影機(jī)定標(biāo)方法及應(yīng)用特點(diǎn)

傳統(tǒng)的攝像機(jī)定標(biāo)方法主要是在相應(yīng)的攝像機(jī)模型下面，通過對一系列的數(shù)學(xué)公式進(jìn)行變換計算和改進(jìn)優(yōu)化，然后對標(biāo)定的具體參照物進(jìn)行科學(xué)的圖像處理，最終來獲取攝像機(jī)模型的主要外部參數(shù)和內(nèi)部參數(shù)。但是，由于不同的標(biāo)的參照物與不同的算法思路的限制，傳統(tǒng)的攝像機(jī)定標(biāo)方法也各不相同，其大致可分為以下三種：三維型——3D立體靶標(biāo)定標(biāo)法、平面型——2D平面靶標(biāo)定標(biāo)法以及以徑向約束為基準(zhǔn)的定標(biāo)法。

2.1 基于3D立體靶標(biāo)的攝像機(jī)定標(biāo)

這種基于3D立體靶標(biāo)的攝像機(jī)定標(biāo)方法就是在攝像機(jī)的前面安置一個具有3D效果的立體靶標(biāo)裝置，然后將靶標(biāo)上面的任何一個點(diǎn)都拿出來作為i這個參照物的特征點(diǎn)。在計算機(jī)視覺系統(tǒng)的作用下，將每一個靶標(biāo)上面的特征點(diǎn)在整個三維坐標(biāo)系中進(jìn)行精確的制作測定。與此同時，攝像機(jī)首先在拍攝過程中獲取靶標(biāo)上面的特征點(diǎn)影像信息，然后對平面圖像坐標(biāo)系和立體空間坐標(biāo)系二者的內(nèi)外部數(shù)據(jù)參數(shù)排列出非線性方程，找出方程中系數(shù)矩陣的非線性關(guān)系，最后通過數(shù)學(xué)算法中的線性變換法來對整個透視系數(shù)矩陣中的每一個元素進(jìn)行求解。通常在這種定標(biāo)方法的應(yīng)用過程中，計算機(jī)視覺系統(tǒng)都會忽略攝相機(jī)鏡頭在拍攝時的非線性畸變，將透視變幻矩陣中的相關(guān)元素定義為未知數(shù)，繼而在整個定標(biāo)過程確定有效的三維控制點(diǎn)和相應(yīng)的圖像點(diǎn)。在裝置3D立體靶標(biāo)后，整個攝像機(jī)定標(biāo)就能夠根據(jù)靶標(biāo)上特征點(diǎn)的圖像坐標(biāo)和世界坐標(biāo)，在數(shù)學(xué)變幻算法的應(yīng)用下，計算出攝像機(jī)的內(nèi)部參數(shù)和外部參數(shù)。

這種3D立體靶標(biāo)的攝像機(jī)定標(biāo)方法不僅能夠優(yōu)化定標(biāo)物的獲取方法，而且能夠適應(yīng)程序功能的改進(jìn)，并且較高的精度，因而得到了廣泛的應(yīng)用，但是這種定標(biāo)方法通常比較繁瑣。

2.2 基于2D平面靶標(biāo)的攝像機(jī)定標(biāo)

基于2D平面靶標(biāo)的攝像機(jī)定標(biāo)方法在傳統(tǒng)攝像機(jī)定標(biāo)方法分類中屬于一種新型的定標(biāo)方法，又名張正友定標(biāo)法。這種定標(biāo)法具有靈活適用的特點(diǎn)，也是對傳統(tǒng)攝像機(jī)定標(biāo)方法的一種簡化。在定標(biāo)過程中首先是要在兩個以上的不同方位對一個平面靶標(biāo)進(jìn)行攝相機(jī)拍攝，整個拍攝過程中2D平面靶標(biāo)和攝相機(jī)鏡頭都能夠自由地進(jìn)行移動，而且要保持整個攝像機(jī)的內(nèi)部參數(shù)一直固定。通常在基于2D平面靶標(biāo)的攝像機(jī)定標(biāo)法的應(yīng)用中，我們都需要先假定這個靶標(biāo)在三維空間坐標(biāo)系中的豎軸為0，然后為了求出攝像機(jī)內(nèi)外參數(shù)的優(yōu)化解，要建立相應(yīng)的線性模型，通過對線性模型的線性分析來計算出優(yōu)化解，最后，運(yùn)用最大似然法排列參數(shù)之間的非線性關(guān)系來求出其非線性解。在整個定標(biāo)流程中，必須對攝像機(jī)的鏡頭畸變的目標(biāo)函數(shù)進(jìn)行綜合考慮，才能夠計算出攝像機(jī)的外部和內(nèi)部參數(shù)。

這種方法既具有較高的精確性，又不需要很昂貴的定標(biāo)成本，因此在計算機(jī)視覺系統(tǒng)中很為實用。但是，這種方法在進(jìn)行整個攝像機(jī)內(nèi)外參數(shù)的線性分析時，因為特征圖像上面的直線在透視之后依然是直線，在進(jìn)行圖像處理的過程中，會引入一定的誤差。因此，在很多具有廣角鏡頭的攝像機(jī)定標(biāo)上會出現(xiàn)因為鏡頭畸變而引起的較大誤差。

2.3 基于徑向約束的攝像機(jī)定標(biāo)

基于徑向約束的攝像機(jī)定標(biāo)就是通常所說的兩步法標(biāo)定方法。這種方法通常是先利用徑向一致約束對超定性的線性方程進(jìn)行最小二乘法求解，這樣就能夠?qū)⒊藬z像機(jī)光軸方向平移外的其他的攝像機(jī)參數(shù)，然后對攝相機(jī)鏡頭存在和不存在透鏡畸變的情況下分別進(jìn)行其他攝像機(jī)參數(shù)的求解。這種方法的計算量較為適中，而且精度也比較高，適用于攝像機(jī)的精密測量。然而，兩步法對于整個定標(biāo)設(shè)備的要求也高，對于簡單的攝像機(jī)標(biāo)定而言不易采用。

總的來說，基于徑向約束的攝像機(jī)定標(biāo)的精準(zhǔn)是通過設(shè)備的復(fù)雜和精確來獲得的，因此具有針對性的應(yīng)用特點(diǎn)。

3 攝像機(jī)自定標(biāo)方法及其應(yīng)用特點(diǎn)

攝像機(jī)自定標(biāo)方法是指在攝像機(jī)在移動時，周圍環(huán)境中的圖像會形成一定的對應(yīng)關(guān)系，通過這種對應(yīng)關(guān)系來對攝像機(jī)進(jìn)行定標(biāo)的方法，這種方法無需依賴參照物。攝像機(jī)自定標(biāo)方法主要有以下四種：基于主動視覺的自定標(biāo)法、基于Kruppa方程的自定標(biāo)方法、分層逐步定標(biāo)法以及基于二次曲面的自定標(biāo)方法等。這些方法相較于傳統(tǒng)的攝像機(jī)定標(biāo)方法來說有了很大的改進(jìn)和提高，下面就進(jìn)行簡要的探討。

3.1 基于主動視覺的自定標(biāo)法

目前，在攝像機(jī)自定標(biāo)方法中的應(yīng)用最為普遍的方法便是基于主動視覺的自定標(biāo)法。這種方法主要是能夠通過對攝像機(jī)在移動過程中的對環(huán)境中的多幅圖像進(jìn)行標(biāo)定，進(jìn)而建立對應(yīng)關(guān)系來求出標(biāo)定參數(shù)，由此可見，整個標(biāo)定過程不需要精密的標(biāo)定物，如此一來就能夠使得標(biāo)定問題簡單化。主動視覺系統(tǒng)是這種標(biāo)定方法的核心技術(shù)，就是攝像機(jī)在拍攝過程中被固定在了一個能夠得到精確控制的移動平臺上，并且這個平臺的相關(guān)參數(shù)能夠通過計算機(jī)進(jìn)行精確的讀出，在整個拍攝過程中攝像機(jī)只需要通過一定的特殊運(yùn)動來獲取多幅圖像信息，然后在結(jié)合攝像機(jī)運(yùn)動的具體參數(shù)和圖像的參數(shù)來確定整個攝像機(jī)的內(nèi)部和外部參數(shù)，達(dá)到攝像機(jī)定標(biāo)的效果。其中基于主動視覺的自定標(biāo)法的代表方法就是馬頌德提出的控制攝像機(jī)的兩組三正交平移運(yùn)動的標(biāo)定方法。后來，李華、楊長江等人對這種方法進(jìn)行了改進(jìn)和優(yōu)化，提出了基于四組平面正交和五組平面正交運(yùn)動的標(biāo)定方法，并能夠利用獲取圖像中的機(jī)電信息來對攝像機(jī)的參數(shù)進(jìn)行線性表定。

這種方法算法簡便，能夠獲得整個參數(shù)的線性解，但是這種方法對整個攝像機(jī)的運(yùn)動平臺要求很高，因此要求必須具有精確控制的能力。

3.2 基于Kruppa方程的自定標(biāo)方法

基于Kruppa方程的自定標(biāo)方法主要是在整個攝像機(jī)自定標(biāo)過程中導(dǎo)入了Kruppa方程，并對該方程進(jìn)行直接求解，從而得到整個攝像機(jī)的具體參數(shù)的方法。基于Kruppa方程的自定標(biāo)方法在應(yīng)用時利用了極線變幻和二次曲線像的概念對Kruppa進(jìn)行推導(dǎo)，直接進(jìn)行求解。

這種標(biāo)定方法不需要對整個圖像的序列進(jìn)行射影重建，通常是對兩個圖像之間的信息建立一個方程，相較于逐步分層標(biāo)定方法而言，基于Kruppa方程的自定標(biāo)方法能夠?qū)⒛承┖茈y做到所有圖像整合到一個統(tǒng)一的射影框架中的情況更加具有優(yōu)勢，但是這種方法還是存在著一定的局限性，它無法保證在無窮遠(yuǎn)處的平面能夠保持所有圖像在確定的攝影平面中還具有一致性的效果。當(dāng)整個攝像機(jī)拍攝的圖像的序列較長的時候，基于Kruppa方程的自定標(biāo)方法就顯得很不穩(wěn)定，繼而不能夠很好地算出整個攝像機(jī)的內(nèi)外參數(shù)，對定標(biāo)造成了一定的影響。

3.3 分層逐步定標(biāo)法

分層逐步定標(biāo)法是攝像機(jī)自定標(biāo)方法中的一個研究熱點(diǎn)，在攝像機(jī)自定標(biāo)的實際應(yīng)用中以及逐步取代了可以直接求解的基于Kruppa方程的自定標(biāo)方法。分層逐步定標(biāo)法在應(yīng)用過程中首先需要對整個拍攝的圖像序列進(jìn)行攝影重建，這點(diǎn)和基于Kruppa方程的自定標(biāo)方法一樣，然后利用絕對二次曲面加以約束，最后在確定出無窮遠(yuǎn)處平面方程中的仿射參數(shù)以及攝像機(jī)內(nèi)部的參數(shù)。分層逐步定標(biāo)法的應(yīng)用特點(diǎn)是必須建立在射影定標(biāo)的基礎(chǔ)之上，利用某一幅圖形作為特征基準(zhǔn)點(diǎn)進(jìn)行射影對其，將整個攝像機(jī)自定標(biāo)的未知數(shù)的數(shù)量減少，再運(yùn)用數(shù)學(xué)算法中的非線性優(yōu)化算法來進(jìn)行未知數(shù)的求解。

這種方法的不知自出就是在進(jìn)行非線性優(yōu)化算法時，初值是通過事前的預(yù)估得到的，不能夠保證這個方程的收斂性。由于在射影重建時，選擇的基準(zhǔn)圖像不同，整個攝像機(jī)自定標(biāo)的結(jié)果也會存在差異。

3.4 基于二次曲面的自定標(biāo)方法

基于二次曲面的自定標(biāo)方法和基于Kruppa方程的自定標(biāo)方法在本質(zhì)上答題一致，這兩種方法都是利用了絕對二次曲面在歐式變幻算法的計算下維持的不變性進(jìn)行的。最早將二次曲面的概念引入到計算機(jī)視覺系統(tǒng)中攝像機(jī)自定標(biāo)方法的是Triggs，他在這種定標(biāo)方法上作出了可行性的研究，最后形成了基于二次曲面的自定標(biāo)方法。

在輸入了多幅的圖像并且在進(jìn)行統(tǒng)一的射影重建的狀態(tài)下，基于二次曲面的自定標(biāo)方法會比基于Kruppa方程的自定標(biāo)方法更加適用一些，原因就是基于二次曲面的自定標(biāo)方法包含了絕對二次曲面和無窮遠(yuǎn)處平面的所有信息，進(jìn)而能夠辦證整個圖像在無窮遠(yuǎn)處平面的一致性。

4 傳統(tǒng)攝像機(jī)定標(biāo)方法與自定標(biāo)方法優(yōu)缺點(diǎn)分析

從上文可知，對于傳統(tǒng)攝像機(jī)定標(biāo)方法應(yīng)該取其精華，去其糟粕；對于攝像機(jī)自定標(biāo)方法，在吸取傳統(tǒng)攝像機(jī)定標(biāo)方法的優(yōu)點(diǎn)的同時，應(yīng)該加強(qiáng)自身的精度要求?？偠灾?，兩種攝像機(jī)定標(biāo)方法各自存在利弊，如何改進(jìn)才是正確的研究方向。

4.1 傳統(tǒng)的攝像機(jī)定標(biāo)方法弊端

傳統(tǒng)的攝像機(jī)定標(biāo)方法通過實踐證明，在理論上和實際運(yùn)用上十分有用的，但仍有不少地方需要進(jìn)一步改進(jìn)，以下為它目前存在的問題所在：1）攝像機(jī)所拍攝的圖像或視頻存在一定噪聲。在實際數(shù)據(jù)計算分析中，這種噪音無論大小，都會對內(nèi)部參數(shù)的實際解造成大的干擾，并且使實際解與由約束關(guān)系所求得的解之間有著相當(dāng)大的差異。因此，怎樣才能夠提高解的魯棒性、減少解之間的差異性成為了傳統(tǒng)攝像機(jī)定標(biāo)亟待解決的1問題；2）線性模型所得的優(yōu)化解并非全局的。由上可知，攝像機(jī)定標(biāo)的實際過程便是獲得實際參數(shù)的過程，即使用各種不同的優(yōu)化計算方法，來獲得相應(yīng)的非線性方程的一組解，但實際上，以此所獲得的優(yōu)化解并非全局的。因此，如何變化或者提高線性方程的解答方法也很重要；3）攝像機(jī)定標(biāo)參數(shù)的不確定性。一般來講，攝像機(jī)定標(biāo)參數(shù)的不確定性決定著計算參數(shù)的可信程度，同時，其對三維重建有著影響，進(jìn)一步來講，攝像機(jī)定標(biāo)的不確定性也決定著約束關(guān)系的不確定性傳播。因此，這個問題也需要深入進(jìn)一步研究。

總之，傳統(tǒng)攝像機(jī)的定標(biāo)方法依然存在著許多無法忽視的弊端和需要解決的問題，深入研究并盡快解決這些問題，應(yīng)該是傳統(tǒng)攝像機(jī)的定標(biāo)方法今后的大的研究方向。

4.2 攝像機(jī)自定標(biāo)方法相關(guān)問題

目前普遍認(rèn)為，攝像機(jī)自定標(biāo)方法實現(xiàn)隨時隨地的校準(zhǔn)攝像機(jī)模型參數(shù)，與傳統(tǒng)的攝像機(jī)定標(biāo)方法相比顯得更為靈活先進(jìn)。攝像機(jī)自定標(biāo)方法無需參照物，僅僅從圖像或視頻的相關(guān)點(diǎn)中得到它們之間的約束關(guān)系，從而通過相應(yīng)的分析，計算出攝像機(jī)模型的參數(shù).這種定標(biāo)方法看似毫無缺點(diǎn)，但自定標(biāo)的精度與傳統(tǒng)的攝像機(jī)定標(biāo)方法相比，還是存在者一定的缺點(diǎn)，以下便是對其缺點(diǎn)的歸納總結(jié)：部分?jǐn)z像機(jī)自定標(biāo)方法所求得的解不夠穩(wěn)定。例如：在圖像或視頻存在一定噪聲的情況下，實際的解與理論的解有著相當(dāng)差異，或者所求得的解并不唯一。因此，解的不穩(wěn)定性和精度不夠的情況，不僅是傳統(tǒng)攝像機(jī)定標(biāo)方法的缺點(diǎn)，也是自定標(biāo)方法的一個問題，提高解的精度及穩(wěn)定性，是自定標(biāo)研究的一個重要方向。實際上，在現(xiàn)在的解決方案中，各種優(yōu)化算法是最常用最普遍的方法，但是，在多解的情況下，優(yōu)化算法也無法能夠保證得出全局的最優(yōu)解。由此看來，這個問題是計算機(jī)是絕種攝像機(jī)定標(biāo)方法普遍存在的關(guān)鍵性問題。

5 結(jié)束語

隨著計算機(jī)視覺系統(tǒng)的不斷發(fā)展，攝像機(jī)定標(biāo)技術(shù)也呈現(xiàn)了進(jìn)步的狀態(tài)。綜上所述，計算機(jī)視覺中的攝像機(jī)定標(biāo)方法主要有傳統(tǒng)的攝像機(jī)定標(biāo)法和攝像機(jī)自定標(biāo)法，對這兩類的定標(biāo)方法進(jìn)行深入的研究能夠為全面認(rèn)識和了解攝像機(jī)定標(biāo)方法起到很好的幫助作用。計算機(jī)視覺中的攝像機(jī)定標(biāo)方法在今后的發(fā)展過程中應(yīng)該得到更多的研究，但其所存在的不足和弊端也理應(yīng)得到研究人員的重視。在這個多元化信息化的世界里，計算機(jī)視覺中的攝像機(jī)定標(biāo)技術(shù)若能夠根據(jù)現(xiàn)有的條件，適應(yīng)如今的環(huán)境，選擇合適的方法，對一些還存在局限性的環(huán)節(jié)取得更好地突破，則能夠?qū)⒄麄€定標(biāo)技術(shù)提升一個高度。相信隨著未來計算機(jī)視覺系統(tǒng)的不斷擴(kuò)展和不斷完善，攝像機(jī)定標(biāo)技術(shù)的應(yīng)用范圍也會越來越廣闊。

參考文獻(xiàn)

[1]宋雪峰，楊明，王宏.用于攝像機(jī)標(biāo)定的網(wǎng)格狀紋理的檢測方法[A].2001年中國智能自動化會議論文集（下冊）[C].2001.

[2]譚躍鋼，吳正平.一種新的基于雙目視模型的三維重建方法[A].中國儀器儀表學(xué)會第三屆青年學(xué)術(shù)會議論文集（上）[C].2001.

[3]劉健勤，鮑光淑.面向數(shù)據(jù)采掘的自適應(yīng)圖象分割技術(shù)[A].中國圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國圖象圖形科技大會論文集[C].1998.

[4]洪俊田，陶劍鋒，李剛，桂預(yù)風(fēng)，徐曉英.基于灰色關(guān)聯(lián)的數(shù)字圖像去噪研究[J].武漢理工大學(xué)學(xué)報（交通科學(xué)與工程版），2006，04.

[5]趙江濤，周仁斌，劉寶源.基于線結(jié)構(gòu)激光三維掃描系統(tǒng)的攝像機(jī)標(biāo)定方法研究[A].2010振動與噪聲測試峰會論文集[C].2010.

[6]王鵬，王紅平.基于網(wǎng)格圖像的雙線性插值畸變校正的方法研究[A].科技創(chuàng)新與節(jié)能減排——吉林省第五屆科學(xué)技術(shù)學(xué)術(shù)年會論文集（上冊）[C].2008.

[7]程建璞，項輝宇，于修洪.基于OpenCV的視覺測量技術(shù)中攝像機(jī)標(biāo)定方法[J].北京工商大學(xué)學(xué)報（自然科學(xué)版），2010，01.

[8]趙越，江南.一種基于3D矩形靶標(biāo)的攝像機(jī)標(biāo)定算法及其實現(xiàn)[A].第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅰ[C].2011.

篇4

進(jìn)行了闡述。

關(guān)鍵詞：自動控制技術(shù)　農(nóng)業(yè)自動化

由于歷史、觀念和技術(shù)等方面的原因, 我國傳統(tǒng)農(nóng)業(yè)機(jī)械與發(fā)達(dá)國家相比有很大差距, 已遠(yuǎn)遠(yuǎn)不能適應(yīng)農(nóng)業(yè)的科技進(jìn)步。近些年來, 自動化的研究逐漸被人們所認(rèn)識, 自動控制在農(nóng)業(yè)上的應(yīng)用越來越受到重視。例如,把計算機(jī)技術(shù)、微處理技術(shù)、傳感與檢測技術(shù)、信息處理技術(shù)結(jié)合起來, 應(yīng)用于傳統(tǒng)農(nóng)業(yè)機(jī)械, 極大地促進(jìn)了產(chǎn)品性能的提高。我國農(nóng)業(yè)部門總結(jié)了一些地區(qū)的農(nóng)業(yè)自動化先進(jìn)經(jīng)驗(如臺灣地區(qū)的農(nóng)業(yè)生產(chǎn)自動化、漁業(yè)生產(chǎn)自動化、畜牧業(yè)生產(chǎn)自動化及農(nóng)產(chǎn)品貿(mào)易自動化)的開發(fā)與應(yīng)用情況, 同時也汲取了國外一些國家的先進(jìn)經(jīng)驗、技術(shù), 如日本的四行半喂人聯(lián)合收割機(jī)是計算機(jī)控制的自動化裝置在半喂人聯(lián)合收割機(jī)中的應(yīng)用,英國通過對施肥機(jī)散播肥料的動力測量來控制肥料的精確使用量。這些技術(shù)和方法是我國農(nóng)業(yè)機(jī)械的自動化裝置得到了補(bǔ)充和新的發(fā)展, 從而形成了一系列適合我國農(nóng)業(yè)特點(diǎn)的自動化控制技術(shù)。

一、已有的農(nóng)業(yè)機(jī)械及裝置的部分自動化控制

自動化技術(shù)提高了已有農(nóng)業(yè)機(jī)械及裝置的作業(yè)性能和操作性能。浙江省把自動化技術(shù)應(yīng)用于茶葉機(jī)械上, 成功研制出6CRK-55型可編程控制加壓茶葉揉捻機(jī), 它利用計算機(jī)控制電功加壓機(jī)構(gòu), 能根據(jù)茶葉的具體情況編制最佳揉捻程序?qū)崿F(xiàn)揉捻過程的自動控制, 是機(jī)電一體化技術(shù)在茶葉機(jī)械上的首次成功應(yīng)用。

1.應(yīng)用于拖拉機(jī)

在農(nóng)用拖拉機(jī)上已廣泛使用了機(jī)械油壓式三點(diǎn)聯(lián)結(jié)的位調(diào)節(jié)和力調(diào)節(jié)系統(tǒng)裝置, 現(xiàn)又在開發(fā)和采用性能更完善的電子油壓式三點(diǎn)聯(lián)結(jié)裝置。

2.應(yīng)用于施肥播種機(jī)

根據(jù)行駛速度和檢測種子粒數(shù)來確定播種量是否符合要求的裝置, 以及將馬鈴薯種子割成瓣后播種的裝置等。

3.應(yīng)用于谷物干燥機(jī)

不受外界條件干擾, 能自動維持熱風(fēng)溫度的裝置停電或干燥機(jī)過熱引起火災(zāi)時, 自動掐斷燃料供給的裝置。

二、微灌自動控制技術(shù)

我國從20世紀(jì)年50代就開始進(jìn)行節(jié)水灌溉的研究與推廣據(jù)統(tǒng)計。到1992年, 全國共有節(jié)水灌溉工程面積0.133億m2, 其中噴灌面積80萬m2, 農(nóng)業(yè)節(jié)水工程取得了巨大的進(jìn)展。灌溉管理自動化是發(fā)展高效農(nóng)業(yè)的重要手段, 高效農(nóng)業(yè)和精細(xì)農(nóng)業(yè)要求必須實現(xiàn)水資源的高效利用。采用遙感遙測等新技術(shù)監(jiān)測土壤墑性和作物生長情況, 對灌溉用水進(jìn)行動態(tài)監(jiān)測預(yù)報, 實現(xiàn)灌溉用水管理的自動化和動態(tài)管理。在微灌技術(shù)領(lǐng)域, 我國先后研制和改進(jìn)了等流量滴灌設(shè)備、微噴灌設(shè)備、微灌帶、孔口滴頭、壓力補(bǔ)償式滴頭、折射式和旋轉(zhuǎn)式微噴頭、過濾器和進(jìn)排氣閥等設(shè)備, 總結(jié)出了一套基本適合我國國情的微灌設(shè)計參數(shù)和計算方法, 建立了一批新的試驗示范基地。在一些地區(qū)實現(xiàn)了自動化灌溉系統(tǒng), 可以長時間地自動啟閉水泵和自動按一定的輪灌順序進(jìn)行灌溉。這種系統(tǒng)中應(yīng)用了灌水器、土壤水分傳感器、溫度傳感器、壓力傳感器、水位傳感器和雨量傳感器、電線等。

三、自動控制技術(shù)在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用

篇5

【關(guān)鍵詞】照相軟件 人臉識別技術(shù) 計算機(jī)

人臉識別作為一項現(xiàn)代化科技技術(shù)，具有極大的發(fā)展空間。1964年，人臉識別（AFR）這一領(lǐng)域逐漸出現(xiàn)在人們的視野里，至于1991年至1997年，若干具有代表性的人臉識別算法誕生于世，到如今，以支持向量機(jī)為代表的統(tǒng)計學(xué)習(xí)理論被應(yīng)用到了人臉識別中來。前人的側(cè)重點(diǎn)在于對其算法的延伸探究，但就筆者而言，存在一定程度上專業(yè)知識的限制，因而根據(jù)自身的知識儲備與探究能力，將人臉識別技術(shù)這一寬泛概念的探討縮小至相對更貼近生活，且較為容易理解與研究的一個主題――對于照相機(jī)軟件中人臉識別技術(shù)的探究，并由此展開對計算機(jī)人臉識別的部分性探究。

1 對于人臉識別技術(shù)的初步了解

科幻性質(zhì)的故事往往以其并不符合實際的奇幻情節(jié)，模糊得描繪了現(xiàn)實世界未來的發(fā)展藍(lán)圖。這里不得不提及一部具有啟發(fā)意義的電影――《生化危機(jī)》，電影中追蹤主角行蹤的衛(wèi)星定位人臉識別技術(shù)，是否未來也將存在于我們的現(xiàn)實社會當(dāng)中？由此，便聯(lián)想到生活中照相軟件的人臉識別是否也是通過相似的原理而執(zhí)行的。

關(guān)于人臉識別，其本質(zhì)上隸屬于生物特征識別的一支。其余包含指紋識別，虹膜識別，DNA識別等技術(shù)。當(dāng)今最為廣泛運(yùn)用的是指紋識別，但隨之而來產(chǎn)生的是一定的安全性問題。例如去年熱門的高考替考話題，指紋貼的出現(xiàn)使指紋識別的安全性受到質(zhì)疑。而人臉識別仍處于一個不完全成熟的發(fā)展階段，就目前現(xiàn)狀來說，其所具有的不可復(fù)制性、自然性、不可察覺性，使其安全性與實用性都處于相對較高的水平。但同樣，其技術(shù)難度也呈正比例增長。

通過對與計算機(jī)信息科技的學(xué)習(xí)，能夠得出這樣一個總結(jié)性結(jié)論：“人臉識別是通過計算機(jī)視覺的一些算法所實現(xiàn)的?！?/p>

前人對從不斷更新的研究中得出，人臉識別的基本算法有四種：

（1）基于人臉特征點(diǎn)的識別算法（Feature-based recognition algorithms）。

（2）基于整幅人臉圖像的識別算法（Appearance-based recognition algorithms）。

（3）基于模板的識別算法（Template-based recognition algorithms）。

（4）利用神經(jīng)網(wǎng)絡(luò)進(jìn)行識別的算法（Recognition algorithms using neural network）。

當(dāng)然，如今也早已存在許多其他的的算法能夠支持人臉識別技術(shù)的實現(xiàn)。而對于該項技術(shù)的應(yīng)用的范圍也在逐漸擴(kuò)大，門禁考勤系統(tǒng)、住宅安全管理、電子身份等等，都將在很大程度上的得益于其的不斷發(fā)展。

讓我們回到主題：照相機(jī)的人臉跟蹤究竟是如何實現(xiàn)的呢？圍繞這一問題，由淺及深，筆者將本文中的探究內(nèi)容主要分為以下三個部分：

（1）圖像在計算機(jī)內(nèi)部的存儲方式。

（2）計算機(jī)如何區(qū)分出物體與其所在背景。

（3）計算機(jī)如何定位人臉并從而實現(xiàn)識別功能。（注：由于照相軟件只是作為一個對于人臉識別問題的切入點(diǎn)，單單深究照相軟件會帶來一定的局限性，因此二、三兩點(diǎn)將跳過作為載體的照相軟件，直接對于照相機(jī)功能背后的原理作進(jìn)一步探究。）

1.1 圖像在計算機(jī)內(nèi)部的儲存方式

計算機(jī)通過往往通過bitmap的形式來儲存圖像，也就是像素矩陣。

從結(jié)構(gòu)上講，計算機(jī)中儲存的圖像一把可以分為兩大類，即矢量圖和位圖。矢量圖通過數(shù)學(xué)公式計算獲得，優(yōu)點(diǎn)在于不會失真，但其最大的缺點(diǎn)是難以表現(xiàn)色彩層次豐富的逼真圖像效果。而位圖的基本思想，則是把一幅圖像按照行列進(jìn)行分割，所獲得的點(diǎn)成為像素。相機(jī)所拍攝獲得的照片便是以位圖的形式儲存的。每一幅圖像均是由無數(shù)像素組成，而每一個像素對應(yīng)顯存中1、8、16或24位二進(jìn)制數(shù)來表示顏色信息。位數(shù)決定了圖像所含的最大顏色數(shù)，位數(shù)越多，圖像的色彩就越豐富。

1.2 計算機(jī)如何區(qū)分出物體與其所在背景

大致的過程可以由圖1所知，用相對容易理解的話來解釋，計算機(jī)對于區(qū)分物體與其所在背景，首先是通過對要是別的物體提取表面特征，然后再對真實的照片提取表面特征，最終在進(jìn)行匹配，配合相應(yīng)的算法，這樣，計算機(jī)便可以區(qū)分出物體與其所在背景。

由此所延伸的科目是計算機(jī)視覺。

正如定義所提到：計算機(jī)視覺是一門關(guān)于如何運(yùn)用照相機(jī)和計算機(jī)來獲取我們所需的，被拍攝對象的數(shù)據(jù)與信息的學(xué)問。

通過這門科目，我們能夠做到使用計算機(jī)來處理圖像，并區(qū)分出目的對象。形象地說，在這門科目的輔助之下，計算機(jī)能夠成為人類的第二雙眼睛，對目標(biāo)進(jìn)行識別、跟蹤和測量。

“One picture is worth ten thousand words.”圖像的處理，將為人類提供巨大的便捷。

大致羅列出其處理所進(jìn)行的步驟，分別是：圖像獲取、特征提取、檢測分割、高級處理。

1.3 計算機(jī)如何定位人臉并從而實現(xiàn)識別功能

關(guān)于人臉的定位與識別，在很大一定程度上與區(qū)別物體與背景的技術(shù)存在著相似之處。但是人臉的定位與識別，又是更高于目標(biāo)對象的識別的。這正是算法的不停更新與發(fā)展所帶來的科技發(fā)展的結(jié)果。

目前比較流行的Cascade Classifier（Opencv中做人臉檢測的時候的一個級聯(lián)分類器）效果還是比較好的，正臉檢測到的成功率能達(dá)到90%以上。

此外，在人臉局部區(qū)域特征提取時，一種叫做CNN（Convolutional Neural Network）卷積神經(jīng)網(wǎng)絡(luò)技術(shù)的運(yùn)用――使用提取特征的filter對像素點(diǎn)進(jìn)行幾層處理，也為識別帶來一定的便利。CNN運(yùn)用到了深度學(xué)習(xí)，因此這里將拓展以下有關(guān)deep learning的概念：

deep learning的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究。其三大框架為：CNN（Convolutional Neural Network，卷積神經(jīng)網(wǎng)絡(luò)），DBN（Deep Belief Network，深度置信網(wǎng)絡(luò)），AE（AutoEncoder，自動編碼機(jī)）。而目前在CV（Computer Vision的縮寫，指計算機(jī)視覺）領(lǐng)域應(yīng)用最廣的是CNN。到近來也有很多人嘗試用deep learning的方法來實現(xiàn)人臉識別，其與先前所提到的計算機(jī)區(qū)分物體和背景的原理也是相似的。

2 結(jié)論

回到最初的問題：照相機(jī)的人臉跟蹤是如何實現(xiàn)的？綜上所述，可以獲得的結(jié)論是：照相機(jī)的人臉跟蹤是通過計算機(jī)視覺的一些算法實現(xiàn)的。但這些算法在技術(shù)方面人仍然面臨著一些難點(diǎn)，例如，在特征識別時，外界客觀因素，有如，光線、著裝遮擋、目標(biāo)對象的姿態(tài)、臉型、樣本缺乏等等尚未解決的問題。這些都使人臉識別技術(shù)尚有巨大的可發(fā)展空間。就像前段時間由推出的How Old do I Look線上臉部偵測服務(wù)，曾一度掀起熱潮，可見，人們對于人臉識別技術(shù)的期望也是很高的。

那么，未來的人臉識別技術(shù)到底能夠發(fā)展到何種程度呢？香港中文大學(xué)教授湯曉鷗、王曉剛及其研究團(tuán)隊曾在2014年6月宣布，他們研發(fā)的DeepID人臉識別技術(shù)的準(zhǔn)確率超過99%，比肉眼識別更加精準(zhǔn)。相信未來，計算機(jī)人臉識別技術(shù)將與我們共同成長，逐漸成熟與完善。畢業(yè)于UC Berkeley的博士賈揚(yáng)清，創(chuàng)造了Caffe――全稱Convolutional Architecture for Fast Feature Embedding，一個清晰而高效的深度學(xué)習(xí)框架，具有上手快、速度快、模塊化、開放性、社區(qū)好等優(yōu)點(diǎn)。如此不斷迅捷發(fā)展的計算機(jī)技術(shù)，在這個數(shù)字化的時代，正是對未來發(fā)展很好的導(dǎo)向。

參考文獻(xiàn)

[1]韋鳳年.怎樣寫科技論文[J].河南水利，2006（09）.

[2]董琳，趙懷勛.人臉識別技術(shù)的研究現(xiàn)狀與展望[J].China Academic Journal Electronic Publishing House，2011，10.

作者簡介

孫文倩（1998-），上海市人?，F(xiàn)在上海市洋涇中學(xué)高中在讀。

篇6

關(guān)鍵詞：數(shù)字?jǐn)z影測量；影像匹配；影像匹配分類；匹配策略

中圖分類號： P216 文獻(xiàn)標(biāo)識碼： A

1．前言

影像匹配是數(shù)字?jǐn)z影測量的典型問題之一。在航空攝影測量領(lǐng)域，影像匹配是自動獲取數(shù)字地面模型(DTM)的關(guān)鍵技術(shù)，是以影像匹配代替?zhèn)鹘y(tǒng)的人工觀測，來達(dá)到自動確定同名點(diǎn)的目的。一般來說，由于影像在不同時間、不同傳感器、不同視角獲得的成像條件不同，因此即使是對同一物體，在影像中所表現(xiàn)出來的幾何特性、光學(xué)特性、空間位置都會有很大的不同，如果考慮到噪聲、干擾等影響會使影像發(fā)生很大差異，影像匹配就是通過這些不同之處找到它們的相同點(diǎn)。在計算機(jī)視覺中，通常稱為影像配準(zhǔn)，而且很多領(lǐng)域中影像匹配都是必不可少的關(guān)鍵環(huán)節(jié)。目前影像匹配己成為現(xiàn)代信息處理，特別是圖像信息處理領(lǐng)域中的一項非常重要的技術(shù)，已有很多學(xué)者進(jìn)行這方面的研究而且已經(jīng)取得了很好的成就。影像匹配研究涉及到了影像采集、影像預(yù)處理、影像分割、特征提取等，并且與計算機(jī)視覺、多維信號處理和數(shù)值計算方法等緊密結(jié)合。它也是其它一些影像分析技術(shù)，如立體視覺、運(yùn)動分析、數(shù)據(jù)融合等的基礎(chǔ)。目前，它的應(yīng)用范圍相當(dāng)廣泛，在計算機(jī)視覺、虛擬現(xiàn)實場景、航空航天遙感與數(shù)字?jǐn)z影測量、醫(yī)學(xué)影像分析、光學(xué)和雷達(dá)跟蹤、景物制導(dǎo)、地形匹配、指紋與肖像檢測等領(lǐng)域都有著重要的應(yīng)用價值。在數(shù)字?jǐn)z影測量的研究中，幾何變換和對應(yīng)關(guān)系是兩大關(guān)鍵問題。幾何變換問題經(jīng)過數(shù)學(xué)和圖形圖像學(xué)的研究已經(jīng)得到了解決，而對應(yīng)問題(特別是同名點(diǎn)的對應(yīng)問題)正是影像匹配的研究目的。影像匹配的良好實現(xiàn)，可以大大促進(jìn)數(shù)字?jǐn)z影測量自動化量測的發(fā)展，并為立體測圖、建立立體模型、自動生成DEM、正射影像、等高線，構(gòu)建三維立體和虛擬現(xiàn)實場景提供技術(shù)支撐。

2．影像匹配國內(nèi)外研究現(xiàn)狀與內(nèi)容

影像匹配技術(shù)一直是數(shù)字?jǐn)z影測量、計算機(jī)視覺等領(lǐng)域的關(guān)鍵技術(shù)難題，但它廣闊的應(yīng)用前景吸引了眾多領(lǐng)域的科研人員孜孜不倦地對它進(jìn)行攻關(guān)，成為經(jīng)久不衰的研究熱點(diǎn)。最初的影像匹配是利用相關(guān)技術(shù)實現(xiàn)的，因此又稱為影像相關(guān)。從上個世紀(jì)五十年代至今，國內(nèi)外學(xué)者提出了許多相應(yīng)的理論，涌現(xiàn)了大量的匹配算法[1][[2][3][4]，如相關(guān)函數(shù)法、相關(guān)系數(shù)方法、整體法等。Bellman于上個世紀(jì)50年代提出的動態(tài)規(guī)劃法影像匹配，德國 Ackerlnann 教授提出的最小二乘匹配方法[5]，Rosenhlm提出的多點(diǎn)最小二乘影像匹配[6]，已及Ton Jez-ehing、JainA K提出的確定兩影像區(qū)域間對應(yīng)關(guān)系的點(diǎn)匹配方法[7],Daniel P Huttenlocher等人提出的Hausdorff距離匹配方法[8]等等；1978年，我國攝影測量學(xué)的先驅(qū)王之卓院士率先提出了“全數(shù)字?jǐn)z影測量”的概念[9], 利用影像匹配來代替?zhèn)鹘y(tǒng)的人眼立體觀測；張祖勛院士提出了基于跨接法的影像匹配 [10]；呂言提出了特征提取的呂言算子和基于特征的影像匹配方法[11]；張力、沈未名等也提出了基于空間約束的神經(jīng)網(wǎng)絡(luò)影像匹配算法[12]。盡管發(fā)展出了多種多樣的匹配方法，但這些影像匹配算法按其匹配基元分類，主要可以分為基于像元灰度的影像匹配算法、基于特征的影像匹配算法以及基于影像的理解和解釋的匹配算法。

3.影像匹配的基本概念

匹配是圖像處理的一個基礎(chǔ)問題。簡單的說，匹配技術(shù)就是找到兩幅不同影像之間的空間位置關(guān)系實現(xiàn)同一目標(biāo)的兩幅(或兩幅以上)影像在空間位置上的對準(zhǔn)。 Barbara zitova和 Jan Flusser在其著作中對影像匹配進(jìn)行了定義[23]，稱其是針對來自于同一場景、不同時間、不同視角、不同傳感器的兩幅或多幅圖像進(jìn)行重疊 (Overlapping)的過程，這個重疊就是幾何對齊 (Geometrically Align)的過程?？梢詮闹锌闯鰞牲c(diǎn)，其一，影像匹配所研究的影像具有成像機(jī)理、自然條件、成像時間等的不同，這些都造成參與匹配的影像對具有很大的差異;其二，影像重疊的目的為了對兩幅影像在空間上進(jìn)行對準(zhǔn)，以確定兩幅影像之間的平移以及旋轉(zhuǎn)關(guān)系。也可以說影像匹配時利用兩個信號的相似性評價函數(shù)，評價它們的相似性以確定同名點(diǎn)。即首先取出以待定點(diǎn)為中心的小區(qū)域中的影像信號，然后取出其在另一影像中相應(yīng)區(qū)域的影像信號，計算兩者的相似性評價函數(shù)，以相似性評價函數(shù)值的大小來確定相應(yīng)區(qū)域中心點(diǎn)位同名點(diǎn)，即以影像信號分布最相似的區(qū)域為同名區(qū)域，同名區(qū)域的中心點(diǎn)為同名點(diǎn)。

4.影像匹配的困難與解決問題思路

影像匹配的方法有很多，但都有不同程度的局限性。對于一些共性的問題，如匹配模糊度問題，匹配組合問題等，目前仍是影像匹配中的難點(diǎn)問題。在實際應(yīng)用中主要表現(xiàn)在以下幾種情況的影像匹配中存在的問題：

1.信息貧乏區(qū)域（非重疊覆蓋范圍）和紋理重復(fù)區(qū)域（遮蔽區(qū)域）的匹配

2.陰影區(qū)域的匹配

3.陡坡表面和斷裂線地區(qū)的匹配

4.影像之間存在大的旋轉(zhuǎn)角度的匹配

5.非漫反射地區(qū)的匹配

6.對運(yùn)動的目標(biāo)和陰影的匹配

7.存在較大比例尺差異的影像間的匹配

8.不同傳感器影像之間的匹配

針對這些問題，一般的對于紋理貧乏和周期性紋理重復(fù)區(qū)域，自適應(yīng)的調(diào)整窗口大?。粚τ谡诒魏蛿嗔丫€區(qū)域采用雙向匹配的方法；對于陡坡區(qū)域采用跨接法影像匹配；對于存在較大旋轉(zhuǎn)角度的影像匹配則采用SIFT算子[28]進(jìn)行處理。

5.小結(jié)

發(fā)展至今，影響匹配技術(shù)已經(jīng)取得了很大的成就，多種多樣的影像匹配算法基本能夠滿足實際應(yīng)用的需求。但影像匹配中仍存在著諸多問題和挑戰(zhàn)，這也是數(shù)字?jǐn)z影測量面臨的典型問題之一，也是我們今后科研的主攻方向和著力點(diǎn)。另外，目前的影像匹配算法大多是針對特定情況的應(yīng)用，適應(yīng)性方面不是太強(qiáng)。因此，尋找一種普適性的影像匹配算法或適應(yīng)性較強(qiáng)的影響匹配處理系統(tǒng)從而實現(xiàn)數(shù)字?jǐn)z影測量發(fā)展的一次飛躍是我們不得不思考的問題。

參考文獻(xiàn)：

[1]張祖勛，新的核線相關(guān)算法一跨接法[J]，武漢測繪科技大學(xué)學(xué)報，1988，13(4):19-26.

[2]王之卓，攝影測量原理續(xù)編[M]，北京:測繪出版社，1986.

[3]呂言，用于提取數(shù)字圖像點(diǎn)特征之有利算子研究[J]，測繪學(xué)報，1989，18(3):175-182.

[4]張力，沈未名，張祖勛等.基于空間約束的神經(jīng)網(wǎng)絡(luò)影像匹配[J].武漢測繪科技大學(xué)報，2000，25(1):55-58.

篇7

關(guān)鍵詞 機(jī)器視覺 農(nóng)業(yè) 具體應(yīng)用

中圖分類號：R471 文獻(xiàn)標(biāo)識碼：A

0引言

機(jī)器視覺是一門涉及模式識別、神經(jīng)生物學(xué)、計算機(jī)科學(xué)、人工智能、圖像處理、心理物理學(xué)等諸多領(lǐng)域的交叉學(xué)科。主要是通過計算機(jī)對人類某些視覺方面的智能行為的模擬和再現(xiàn)，再處理并理解從客觀事物的圖像中提取到的信息，最終達(dá)到在實際檢測和控制中應(yīng)用的目的。近年來，隨著農(nóng)業(yè)的智能化發(fā)展，使得機(jī)器視覺越來越多的應(yīng)用于農(nóng)業(yè)之中。

1機(jī)器視覺的主要結(jié)構(gòu)

1.1照明

照明是機(jī)器視覺系統(tǒng)里的一個非常重要的部分。它直接影響著攝像機(jī)采集到的數(shù)據(jù)的質(zhì)量，所以，在選擇照明設(shè)備的事情上，要非常的謹(jǐn)慎。一個好的光源的判別標(biāo)準(zhǔn)是：

（1）能夠突出對比被測物體的特征。

（2）保證穩(wěn)定性和亮度。

（3）物體的位移不會對成像質(zhì)量有影響。

生活中常見的光源主要有白熾燈、氙燈、熒光燈、LED等幾種類型。在照明上，有兩種方法可以來增強(qiáng)需要的目標(biāo)特征：

（1）利用光譜。選取合適的照明光源反射呈現(xiàn)出希望看到的光譜范圍。

（2）利用照明的方向性。有兩種方法：其中一種是具利用光源本身的照射效果。光進(jìn)行漫反射時，光的照射強(qiáng)度在每個方向上基本相同。而當(dāng)光直射時，光源的光會集中在一個狹小的范圍內(nèi)。特定的環(huán)境下，光源會發(fā)出單向平行光。

（3）可以從被測物、光源、攝像機(jī)三個部分的相對位置入手。有正面光、背光、明場照明、暗場照明四種相互獨(dú)立的方法。

1.2鏡頭

攝像鏡頭是一種光學(xué)設(shè)備。具有把光轉(zhuǎn)換為攝像機(jī)內(nèi)部成像的功能。鏡頭是機(jī)器視覺中舉足輕重的部分，對判斷圖像的質(zhì)量好壞有著很客觀的作用。鏡頭性能的參數(shù)主要有工作距離、角度、視場、景深、分辨率等幾個方面。工作距離指的是鏡頭的前部到被測物體的距離。視場表示攝像頭能觀察到的最大的范圍。景深指的是在物體在攝像機(jī)照射到清晰圖像的情況下能移動的前后距離范圍。

1.3攝像機(jī)

攝像機(jī)是可是將光線轉(zhuǎn)換成圖像的裝置。攝像機(jī)又分CCD和CMOS傳感器攝像機(jī)兩種。兩者主要的區(qū)別是讀出數(shù)據(jù)的方式。CCD的成本高，工藝復(fù)雜，耗電高，但是效果好。CMOS制造成本低，制造工藝簡單，消耗的電力小，但是CMOS的通透性和對色彩的還原能力都比較差。CCD可分為兩類，面陣式和線陣式。在速度較高的情況下一般采用線陣式，速度低的情況下采用面陣式。面陣式價格也比較便宜。

1.4 圖像采集卡

把攝像機(jī)采集到的數(shù)據(jù)通過圖像采集卡轉(zhuǎn)存到電腦中。

2機(jī)器視覺在農(nóng)業(yè)中的應(yīng)用

2.1機(jī)器視覺在棉花氮素營養(yǎng)診斷中的應(yīng)用

農(nóng)作物生長發(fā)育進(jìn)程和產(chǎn)量形成受肥料影響很大，基于機(jī)器視覺的作物生長監(jiān)測與診斷技術(shù)是近地面遙感監(jiān)測的方法之一，其優(yōu)質(zhì)清晰的數(shù)字圖像既能方便地對作物生長發(fā)育的季節(jié)性變化進(jìn)行評估，也能實時高效、快速準(zhǔn)確、自動無損地提供作物長勢信息和營養(yǎng)狀態(tài)診斷，在信息化精準(zhǔn)農(nóng)業(yè)生產(chǎn)中扮演著極其重要的角色，還可以幫助農(nóng)戶適時采取農(nóng)藝措施（施肥、灌水、耕作、收割以及病、蟲、草、鼠害防治等），從而提高農(nóng)作物產(chǎn)量與品質(zhì)。

2.2機(jī)器視覺在嫁接苗移栽實時定位中的應(yīng)用

為了降低嫁接苗培育整個環(huán)節(jié)的工作強(qiáng)度、提高嫁接苗存活率以及生長質(zhì)量，嫁接苗的全自動培育是未來發(fā)展的趨勢。嫁接苗的全自動培育包括精密定向自動播種、自動育苗、自動供苗、自動嫁接、嫁接苗自動移栽以及溫室自動管理幾個步驟，每個環(huán)節(jié)都有大量的研究人員深入研究。其中，嫁接苗的自動移栽主要完成從嫁接機(jī)上取苗再到穴盤上進(jìn)行種苗的過程。移栽效果一般取決于穴孔定位的精度、穩(wěn)定性以及末端執(zhí)行器的設(shè)計。針對移栽過程中基于機(jī)器視覺的穴孔位置的定位研究是目前的研究熱點(diǎn)。

2.3機(jī)器視覺在茶隴識別與采茶機(jī)導(dǎo)航中的應(yīng)用

中國是茶葉的主要原產(chǎn)地，也是世界上茶葉種植、消費(fèi)、出口最大的國家之一。目前，我國茶葉采摘和用工的矛盾已經(jīng)成為茶葉產(chǎn)業(yè)發(fā)展的瓶頸，加快發(fā)展茶葉采摘機(jī)械化勢在必行。采用機(jī)械化作業(yè)替代人工，不僅可以降低成本，而且能夠提高采茶質(zhì)量和生產(chǎn)效率。機(jī)器視覺在茶隴識別與采茶機(jī)導(dǎo)航中的應(yīng)用，給茶產(chǎn)業(yè)帶來了新的春天。利用計算機(jī)視覺系統(tǒng)識別茶樹嫩芽并實現(xiàn)定位采摘的方法，不僅可以保證葉片的完整性，還能使整個采摘過程完全自動化，節(jié)省大量的人力物力，但機(jī)器視覺的識別效率還有待提高。

3總結(jié)與展望

機(jī)器視覺在農(nóng)業(yè)中的應(yīng)用為精細(xì)農(nóng)業(yè)和農(nóng)業(yè)生產(chǎn)自動化奠定了基礎(chǔ)，不僅有助于解放勞動力，還有助于提高農(nóng)作物產(chǎn)品的品質(zhì)和產(chǎn)量。

另外，植物生長過程的三維重構(gòu)是目前國內(nèi)外的研究熱點(diǎn)，機(jī)器視覺技術(shù)是改過程中不可或缺的重要環(huán)節(jié)。植物生長周期長，利用三維重構(gòu)技術(shù)可將作物在虛擬空間中結(jié)構(gòu)的發(fā)育與生長過程進(jìn)行仿真，并以三維圖像進(jìn)行展現(xiàn)，不僅能夠直觀、精確地呈現(xiàn)植物的三維生長過程，還可對植物的生長進(jìn)行預(yù)測，為生物育種、育苗提供高效便捷的實驗方法。

參考文獻(xiàn)

篇8

關(guān)鍵詞：三維點(diǎn)云；配準(zhǔn)；迭代最近點(diǎn)

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2012）31-7568-03

在計算機(jī)應(yīng)用領(lǐng)域，三維點(diǎn)云數(shù)據(jù)的配準(zhǔn)對解決曲線曲面匹配、圖像拼接、三維重建、計算機(jī)輔助文物復(fù)原等問題至關(guān)重要。以計算機(jī)輔助文物碎片拼接為例，在過去十年間有很多研究項目需要獲取文物詳細(xì)的三維表示，但是通過三維掃描設(shè)備獲取的多個掃描需要采取一定的技術(shù)恢復(fù)每個掃描的相對視點(diǎn)，然后將多個掃描融合到一個最終的模型。這一過程就是三維點(diǎn)云數(shù)據(jù)的配準(zhǔn)，它是獲取文物準(zhǔn)確的三維表示的關(guān)鍵步驟。1992年，Besl和Mckay提出了一種基于幾何模型的三維物體配準(zhǔn)算法——迭代最近點(diǎn)算法[1]。近年來，伴隨著三維掃描技術(shù)的不斷進(jìn)步，該算法得到了廣泛應(yīng)用，也吸引了眾多研究者的目光。許多研究者對該算法進(jìn)行了系統(tǒng)的研究，分析了該算法的特點(diǎn)與不足，提出了各種改進(jìn)算法。國外學(xué)者M(jìn)ichael　Wild[2]回顧了2002年到2007年ICP算法的發(fā)展；介紹了ICP算法的流程并對幾種改進(jìn)算法做了詳細(xì)的分析和比較；最后介紹了該算法在放射療法中的應(yīng)用。近幾年，ICP算法的研究改進(jìn)以及應(yīng)用仍然是國內(nèi)外眾多學(xué)者熱衷的一個研究方向，這從發(fā)表在IEEE上的論文數(shù)量即可看出。本文詳細(xì)總結(jié)了ICP算法的基本原理，然后從數(shù)據(jù)采樣、特征點(diǎn)選取與點(diǎn)對權(quán)重、非重疊區(qū)域檢測、兼容性約束四個方面對幾種改進(jìn)算法進(jìn)行了系統(tǒng)而詳細(xì)的分析與研究?？偨Y(jié)了這些算法的基本思想和特點(diǎn)，這些工作對后期的研究將會起到重要的作用。

1　ICP算法的基本原理

篇9

【關(guān)鍵詞】灰度化 RGB HSI HSV

一、引言

彩色攝像機(jī)采集的圖像一般是RGB三個顏色通道的模型，即擁有紅（700nm）、綠（546.1nm）、藍(lán)（435.8nm）三個分量，這三個分量不同比例的混合，可以得到人類視覺上幾乎全部的色彩信息[1]。但由于該信息占據(jù)存儲空間大小灰度化后的三倍，并且三個通道沒辦法按照數(shù)學(xué)方法進(jìn)行一些必要的處理（比如邊緣檢測或者二值化），故需將RGB模型處理成為一種新的色彩通道，該模型只有一個色彩通道，可以令R=G=B，這樣原本用三個通道的信息，便轉(zhuǎn)化為一個叫做灰度的值，而這個值的范圍同樣是0～255，并且可以直觀地認(rèn)為，該數(shù)字表示圖像上色彩的亮度。由于彩色光（RGB混合）同一波長有可能對應(yīng)不同的混合顏色，所以我們又定義了色調(diào)、飽和度、明度的概念。色調(diào)用于標(biāo)識顏色，如果顏色可以用單一色光和白光按照一定比例配合，則這個顏色的色調(diào)用此單一色光的波長表示，若非單色光和白光按照比例合成，則這個顏色的色調(diào)用此非單色光的補(bǔ)光表示[2]。飽和度用以表示顏色的純潔程度，明度用于表示顏色的明亮程度。要提取亮度分量，需要用到HSV和HSL模式。HSV由色調(diào)、飽和度、純度表示顏色。HSL則由色調(diào)、飽和度、亮度三個通道構(gòu)成，是目前應(yīng)用最多的色彩模式之一[3～4]?；叶然话憧梢圆扇GB分量、HSL分量、HSV分量、HSI分量等方式。

二、 灰度化原理

（一）RGB分量法：將RGB空間中的R分量、G分量或B分量提取出來稱為強(qiáng)度信號，變?yōu)樗膱D形。

（二）HSL分量法：將RGB空間按公式轉(zhuǎn)換為HSL空間，然后分別提取H、S、L分量[5]。

（三）HSV分量法：將RGB空間按公式轉(zhuǎn)換為HSV空間，然后分別提取H、S、L分量。

（四）HSI分量法：人的視覺系統(tǒng)經(jīng)常采用HSI色彩空間，它比RGB色彩空間更符合人的視覺特性。在圖像處理和計算機(jī)視覺中大量算法都可在HSI色彩空間中方便地使用，它們可以分開處理而且是相互獨(dú)立的。因此，在HSI色彩空間可以大大簡化圖像分析和處理的工作量。

三、灰度化的實現(xiàn)

四、總結(jié)

本文介紹了幾種圖像灰度化的方法，并用LABVIEW編程實現(xiàn)了，仿真結(jié)果表明對于不同的圖像應(yīng)該針對圖像本身采用相應(yīng)的灰度化方法。

參考文獻(xiàn)：

[1]郝建青，張仲義，陳濱.基于車輛實時跟蹤的編組站綜合自動化系統(tǒng)集成方案的研究[J].鐵道學(xué)報，2000，（2）：1-6.

[2]徐杰民，肖云.二維條碼技術(shù)現(xiàn)狀及發(fā)展前景[J].計算機(jī)與現(xiàn)代化，2004，（12）：141-142.

[3]張聰，張慧.復(fù)雜背景下維條碼圖像的提取[J].微計算機(jī)信息，2007，23（10）：302-304.

[4]霍宏濤，林小竹，何薇.數(shù)字圖像處理[M].北京：北京理工大學(xué)出版社，2003.

[5]劉紅霞.圖像分割算法的研究與實現(xiàn)[D].上海：華東師范大學(xué)，2004.

作者簡介：

篇10

（大連東軟信息學(xué)院電子工程系，遼寧大連116023）

摘要：智能科學(xué)與技術(shù)概論課程是智能科學(xué)與技術(shù)專業(yè)重要的必修基礎(chǔ)課，對整個專業(yè)課程體系有概括性的引導(dǎo)作用，對學(xué)生深入學(xué)習(xí)后續(xù)課程有很大幫助。文章從智能科學(xué)與技術(shù)概論課程的教學(xué)實際出發(fā)，提出該課程的整體課程規(guī)劃，并根據(jù)學(xué)生的學(xué)習(xí)情況驗證其適用性。

關(guān)鍵詞 ：智能科學(xué)；專業(yè)基礎(chǔ)必修課；課程規(guī)劃

基金項目：2012年遼寧省普通高等學(xué)校本科工程人才培養(yǎng)模式改革試點(diǎn)項目(G2201249)。

第一作者簡介：林寶尉，男，講師，研究方向為計算機(jī)視覺、模式識別，linbaowei@neusoft．edu．cn。

0 引言

智能科學(xué)與技術(shù)概論課程是智能科學(xué)與技術(shù)專業(yè)的必修基礎(chǔ)課。學(xué)生通過學(xué)習(xí)基礎(chǔ)課，能夠了解整個專業(yè)的知識構(gòu)成、體系結(jié)構(gòu)以及發(fā)展方向，便于將來學(xué)習(xí)必修專業(yè)課，包括模式識別、人工智能、智能機(jī)器人等課程。在這個過程中，如何讓學(xué)生順利地過渡到更高層次的專業(yè)課學(xué)習(xí)中，如何提高其學(xué)習(xí)興趣，如何幫助學(xué)生深入了解各門專業(yè)課之間的層次關(guān)系，都是該專業(yè)設(shè)置過程中需要考慮的問題。智能科學(xué)與技術(shù)概論的規(guī)劃起到了承上啟下的作用。雖然專業(yè)導(dǎo)引課也從全局對該專業(yè)的情況進(jìn)行了介紹，但其內(nèi)容以學(xué)生職業(yè)引導(dǎo)、興趣培養(yǎng)為主，對專業(yè)課程的設(shè)置并無過多展開。因此，智能科學(xué)與技術(shù)概論課程的設(shè)置十分必要。

1 課程規(guī)劃設(shè)置

1.1 能力指標(biāo)

課程將學(xué)生的能力體系分為5個部分：技術(shù)知識與推理能力、開發(fā)式思維與創(chuàng)新、個人職業(yè)能力、態(tài)度與習(xí)慣、時間構(gòu)思設(shè)計實現(xiàn)和社會貢獻(xiàn)，與其對應(yīng)的二級、三級及詳細(xì)指標(biāo)見表1。每個能力指標(biāo)平均對應(yīng)4個學(xué)時，共32個學(xué)時。

1.2 講授方式

(1)精講多練。通過講解智能科學(xué)的相關(guān)內(nèi)容并結(jié)合相關(guān)實驗，讓學(xué)生掌握智能科學(xué)的基礎(chǔ)知識，提高其學(xué)習(xí)興趣，為后續(xù)課程的學(xué)習(xí)打下良好基礎(chǔ)。

(2)以項目為導(dǎo)向組織教學(xué)，通過案例教學(xué)，將構(gòu)思、設(shè)計、實施和運(yùn)行引入教學(xué)過程中。

(3)鼓勵學(xué)生自主學(xué)習(xí)，加強(qiáng)基本職業(yè)能力的訓(xùn)練。教學(xué)過程中注意互動和引導(dǎo)，運(yùn)用講授教學(xué)、練習(xí)教學(xué)、實驗教學(xué)、案例教學(xué)等多種教學(xué)方法完成教學(xué)任務(wù)。

(4)教學(xué)實施過程中，提供豐富的教學(xué)資源，如多媒體課件、案例、網(wǎng)絡(luò)資源、優(yōu)秀學(xué)生作品和外文技術(shù)資料等。

(5)對學(xué)生進(jìn)行多方面考核與評價。結(jié)合課程實施過程，從知識掌握、能力水平、態(tài)度表現(xiàn)等方面，對學(xué)生進(jìn)行全方位的考核。

1.3 講授內(nèi)容

該課程講授內(nèi)容分為3個單元，具體內(nèi)容如下。

單元一：智能科學(xué)導(dǎo)論，主要涉及智能科學(xué)與技術(shù)的目標(biāo)界定、學(xué)科分類、涉及范圍、學(xué)科定位、人類認(rèn)知以及學(xué)科簡史等知識點(diǎn)。該單元將在2個學(xué)時中完成，并要求學(xué)生課外學(xué)習(xí)2個學(xué)時。

單元二：學(xué)科基礎(chǔ)理論知識，主要涉及機(jī)器系統(tǒng)、視覺感知、高級語言編程等知識點(diǎn)。該單元主要介紹支撐學(xué)科的相關(guān)課程，并在實踐課中使用高級語言編寫簡單系統(tǒng)。該單元共10個課時，其中包括4個實踐課時。

單元三：專業(yè)課介紹，主要涉及數(shù)字圖像處理介紹、模式識別介紹、計算機(jī)視覺介紹、智能機(jī)器人介紹等相關(guān)必修專業(yè)課的入門介紹，并在每次課程結(jié)束后配合實踐編程、工具使用、機(jī)器人搭建等實踐環(huán)節(jié)提高學(xué)生的學(xué)習(xí)興趣，使其全面認(rèn)識后續(xù)專業(yè)學(xué)習(xí)。該單元共20個學(xué)時，其中包括12個實踐課時。

1.4 實驗設(shè)置

實驗課程共16個學(xué)時，包括4次實驗，詳細(xì)內(nèi)容如下。

實驗一：數(shù)字圖像處理實驗。使用課程中講授的Matlab語言，實現(xiàn)數(shù)字圖像的傅里葉變換、邊緣檢測功能。該實驗共4個課時，配合單元一以及單元二的部分知識點(diǎn)，使學(xué)生基本掌握Matlab編程語言，并理解數(shù)字圖像處理的基本知識。

實驗二：模式識別機(jī)器學(xué)習(xí)實驗。該實驗利用高級程序語言，實現(xiàn)數(shù)據(jù)的SVM算法以及KMeans算法，讓學(xué)生理解模式識別以及機(jī)器學(xué)習(xí)等知識。該實驗共4個學(xué)時。

實驗三：計算機(jī)視覺實驗。使用圖像拼接、3D場景重建等相關(guān)專業(yè)工具，實現(xiàn)二維圖片的3D重現(xiàn)。該實驗共4個學(xué)時。

實驗四：機(jī)器人實驗。學(xué)生在機(jī)器人實驗室，實際動手組裝博創(chuàng)模塊化機(jī)器人，并編程實現(xiàn)機(jī)器人運(yùn)動調(diào)試。該實驗共4個學(xué)時，實驗地點(diǎn)為模塊化機(jī)器人實驗室。

1.5 結(jié)課考試

在教學(xué)的各個環(huán)節(jié)，教師從出勤情況、日常表現(xiàn)、作業(yè)、實驗、結(jié)課項目及結(jié)課報告的完成情況對學(xué)生進(jìn)行全方位的考核，其中結(jié)課項目、調(diào)查報告及實驗作業(yè)占最終成績的90%。結(jié)課項目為小組項目，4個學(xué)生為一個小組完成系統(tǒng)的設(shè)計、編寫、調(diào)試等步驟，并組織5名教師對每個小組進(jìn)行答辯考核。

2 問題及改進(jìn)

學(xué)校于2012年申請創(chuàng)辦智能科學(xué)與技術(shù)專業(yè)。該專業(yè)培養(yǎng)學(xué)生掌握計算機(jī)基礎(chǔ)、電子電路、控制方法、智能信息處理與識別等基本知識，使其具備信息處理、自動控制、人工智能系統(tǒng)開發(fā)等基本能力。智能科學(xué)與技術(shù)概論課程在大二下學(xué)期開設(shè)，共32學(xué)時，其中理論教學(xué)16學(xué)時，實踐教學(xué)16學(xué)時。通過理論教學(xué)和實踐教學(xué)，學(xué)生了解了智能科學(xué)的基礎(chǔ)理論知識，掌握該專業(yè)核心專業(yè)課的關(guān)系，認(rèn)識相關(guān)后續(xù)課程，并能夠使用簡單的算法和工具，為日后深入學(xué)習(xí)專業(yè)課打下良好基礎(chǔ)。

2.1 教材選擇

由于本專業(yè)辦學(xué)時間較短，沒有足夠的針對智能科學(xué)與技術(shù)概論的教材可供選擇?，F(xiàn)階段使用較多的教材為《智能科學(xué)與技術(shù)導(dǎo)論》以及《智能科學(xué)》?！吨悄芸茖W(xué)與技術(shù)導(dǎo)論》是鐘義信主編、北京郵電大學(xué)出版社出版的、適合智能專業(yè)大一新生使用的專業(yè)教材，對整個專業(yè)有詳細(xì)的介紹，適合作為新生的專業(yè)導(dǎo)引課程，安排16個學(xué)時較為合適，并不適于我校智能科學(xué)與技術(shù)概論課程的要求?！吨悄芸茖W(xué)》是史忠植主編、清華大學(xué)出版社出版的專業(yè)教材，該教材對整個智能專業(yè)的重要內(nèi)容都有涉及，系統(tǒng)地介紹了智能科學(xué)的概念和方法，吸收了腦科學(xué)、認(rèn)知科學(xué)、人工智能、數(shù)理邏輯、社會思維學(xué)、系統(tǒng)理論、科學(xué)方法論和哲學(xué)等方面的研究成果，適合高年級學(xué)生使用，安排64個學(xué)時較為合適，也不適于我校情況。

鑒于上述原因，我們設(shè)計該課程時，前半部分理論知識介紹使用了《智能科學(xué)與技術(shù)導(dǎo)論》，后半部分專業(yè)課程介紹使用自制課件。經(jīng)過2輪的教學(xué)實踐以后，我們將根據(jù)教材使用情況編寫自用的講義教材。

2.2 內(nèi)容設(shè)計

該課程內(nèi)容會介紹智能專業(yè)的重要專業(yè)課，但要在32學(xué)時內(nèi)完成所有專業(yè)課程的介紹，并保證該課程內(nèi)容不與專業(yè)導(dǎo)引課以及智能信息處理導(dǎo)引課沖突，難度很大，因此選擇最合適的講授內(nèi)容，對于該課程的授課效果非常重要。

在授課過程中我們發(fā)現(xiàn)，學(xué)生對簡單的數(shù)字圖像處理、計算機(jī)視覺的流行應(yīng)用以及動手要求強(qiáng)的機(jī)器人課程興趣較大，但對數(shù)學(xué)推導(dǎo)要求較高的模式識別、機(jī)器學(xué)習(xí)等課程接受程度較低。該課程的教學(xué)目的是讓學(xué)生了解相關(guān)課程的意義、歷史、發(fā)展等知識，所以，建議加大實驗動手課程的課時比例，讓學(xué)生多使用相關(guān)知識、算法和應(yīng)用，盡量避開復(fù)雜的數(shù)學(xué)推導(dǎo)。

2.3 資源配置

學(xué)校的智能科學(xué)與技術(shù)專業(yè)創(chuàng)建于電子工程系，依托電子系的軟硬件實驗室，培養(yǎng)學(xué)生的軟硬件知識儲備，提高學(xué)生的實際動手能力。其中，軟件算法將配合嵌入式設(shè)備進(jìn)行硬件集成，并指導(dǎo)學(xué)生設(shè)計具有智能算法應(yīng)用的硬件設(shè)備。教學(xué)過程中將使用校實驗室中的模式識別嵌入式開發(fā)板、博創(chuàng)模塊化機(jī)器人平臺以及Turtlebot智能機(jī)器人平臺。該課程在實際講授時，理論課以及算法相關(guān)實驗在大班進(jìn)行，硬件實踐課程在小班進(jìn)行，能取得較好的授課效果。

3 實施效果

在該課程設(shè)計內(nèi)容的指導(dǎo)下，智能科學(xué)與技術(shù)概論已經(jīng)完成了2輪的課程教學(xué)，并在課程結(jié)束后組織學(xué)生填寫調(diào)查問卷。題目分兩類，第一類包括課程目標(biāo)是否清晰、該課程能否提起學(xué)生對該專業(yè)課的學(xué)習(xí)興趣、該課程的實驗設(shè)計能否有效提高學(xué)生的動手能力，以及該課程的內(nèi)容相關(guān)設(shè)計是否優(yōu)秀。統(tǒng)計結(jié)果如圖1所示。除極個別學(xué)生外，大多數(shù)學(xué)生都選擇了符合以及完全符合，說明該課程設(shè)計可以滿足教學(xué)要求。第二類問題總結(jié)學(xué)生在課程中獲取的知識能力，包括編程調(diào)試、理論知識應(yīng)用、信息獲取、技術(shù)文檔寫作、自主學(xué)習(xí)、分析問題、解決問題等，為多選題。從圖2可以看出，學(xué)生對各項能力的認(rèn)可率均超過50%，其中信息獲取、分析問題等能力的認(rèn)可率接近80%，說明該課程設(shè)計基本滿足教學(xué)目標(biāo)。

4 結(jié)語

智能科學(xué)與技術(shù)概論對智能專業(yè)學(xué)生的深入學(xué)習(xí)起到了重要的引導(dǎo)作用。我們根據(jù)自身的實際情況出發(fā)，設(shè)計出適合該專業(yè)學(xué)生的課程設(shè)計安排。經(jīng)過兩輪的實施效果證明，該課程的設(shè)計方式比較適合學(xué)生。隨著課程的持續(xù)，我們將不斷解決存在的問題，并編寫適合我校學(xué)生使用的教材。

參考文獻(xiàn)：

[1]鐘義信，智能科學(xué)技術(shù)導(dǎo)論[M]．北京：北京郵電大學(xué)出版社，2007.

[2] Edward FC，Johan M，Soren O．重新認(rèn)識工程教育：國際CDIO培養(yǎng)模式與方法[M]．顧佩華，沈民奮，陸小華，譯．北京：高等教育出版社，2009．