计算机视觉技术及应用精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的计算机视觉技术及应用主题范文，仅供参考，欢迎阅读并收藏。

第1篇：计算机视觉技术及应用范文

【关键词】农产品 计算机视觉技术 品质检测

农产品品质检测工作中除了采取人工检测法以外，还可以采取半自动或自动检测法，如在水果分级检测工作中的质量分级检测法、光电分选法以及大小分级法等。然而农产品品质会受到自然生长环境或人为因素等方面的影响，农产品的色泽、大小及形状等并不相同，无法采取单一指标进行检测。因此充分应用计算机视觉技术，对农产品的品质进行检测，极为重要。

1 计算机视觉技术

计算机视觉技术又被称为机器视觉技术，指的是通过人类设计，在计算机环境下，达到再现或模拟人类视觉相关的职能行为的一种技术，包括了印刷和手写文字的识别技术，图像模式识别技术，物体三维表面形状识别技术、距离识别以及速度感知等技术。该技术是诸多学科的结合与交叉，涉及到数学、生理学、信息处理、物理学、光学以及计算机等多种学科。探究计算机视觉技术的目的在于实验人类视觉的再现及延伸，即再现高等动物的视觉系统，并对物体形状以及类别进行识别。

此外，计算机视觉技术处理的原始资料多是图像，所以该技术和图像处理以及模拟识别等有着紧密的联系。现阶段，计算机视觉技术在诸多领域有着较为广泛的运用，包括了医学辅助诊断、资源调查、卫星图像解释、军事指导、灾害监测、气象以及工业产品的外观筛选及检测等。同时研究该技术在农业工程领域中的应用，也成为了热门话题。

2 在农产品品质检测中，计算机视觉技术的具体应用

笔者在查阅相关文献资料的基础上，探究在农产品品质检测工作中，计算机视觉技术在产品表面缺陷以及损伤识别工作中的具体应用；果形识别工作中的具体应用；农产品尺寸以及面积检测工作中的具体应用。

2.1 在产品表面缺陷以及损伤识别工作中的具体应用

在对农产品进行分级的过程中，依然存在着一大问题，即农产品表面缺损以及损伤识别。而早在1984年就已经出现了采取线扫描和模拟摄像机针对苹果表面损伤进行检测的实验报道，实验结果显示，采取数据技术能够检测出苹果表面损伤，其检测结果完全能够达到人工分级的精度。与此同时，还出现了一种机器视觉系统，该系统将不规则的图像信息与正常的图像信息区分开来，在去除蔬菜内的杂物以及检测农产品的污点等方面能够取得较好的应用效果。此外，在1989年，国外出现了一种全新的计算方法，即运用红外线扫描摄像机，处理苹果表面的灰度图像，既能够确定苹果表面的损伤面积，还能够区分不同损伤区。然而还技术是以机械装置的设定为基础，需要消耗2s的时间，对一个苹果进行检测，苹果表面缺陷分级精度以及损伤分级进度并不高。

我国在1997年，出现了运用计算机图像处理技术对苹果损坏自动化检测的试验研究，该试验结果显示，该技术的损坏检出率较高，能够规避果梗区以及花萼区对于坏损区域识别的具体影响，且该检测技术的鲁棒性较强。

2.2 在果形识别工作中的具体应用

果形识别是影响水果质量的重要因素之一，对于水果品质检测有着重大意义。当水果成熟后，水果的外形将会发生巨大的改变，且无法采取数学方法进行鉴别，采取其他方式进行果形识别极为重要。

在1981年，有研究人员就针对形状识别中的图像特征进行了探讨，提倡采取结构分析法以及外形轮廓曲线检测法，针对水果外形进行识别。并在1985年，以数字图像分析技术以及模式识别技术为依据，针对番茄定向、番茄形状、表面缺陷以及尺寸进行分类的特殊算法，运用灰度梯度曲线，明确番茄表面缺陷以及花萼位置等。而我国则在2000年，按照果实形状分析，通过连续性指标、半径指标、连续指标对称性、半径指标对称性等特征参数，表示果形，并首次采取参数形状分析法。

2.3 在农产品尺寸以及面积检测工作中的具体应用

农产品分级中，以农产品外形尺寸为依据。在1987年，国外就已经开始研究机械视觉技术在牡蛎肉分级以及尺寸检测工作中的具体应用。并在1992年，针对人工检测以及机器视觉检测进行进行了对比分析，试验结果显示，和人工检测技术相比，采取视觉检测技术，能够提高检测的精确度，减少检测消耗时间；同时在评价以及推广种质资源中，准确的测量以及详细的记录种质形态的指标，有着极为重要的意义。为了能够精确、快速地计算出玉米种质尺度，在1995年，有研究人员就提出了自动化选择技术，该技术在处理玉米种质图像中，其辨别精度极高。

而我国在2002年，有研究人员就针对水果品质进行动态、实时监测的智能化分级生产线进行了研究，该生产线，首先通过水果输送翻转系统，利用滚筒式输送翻转装置，将水果往前输送，在输送过程中，以水平轴为中心，保证水果表面能够被系统检测到，以此获得图像信息。然后利用计算机视觉识别系统，对水果等级进行判断，明确图像信息。该系统具备了视觉识别功能。最终通过分级系统，完成水果分级工作。

3 结语

在二十世纪七十年代以后，计算机视觉技术就已经得到了较为迅速的发展，在我国，该技术在农产品品质检测中的具体应用也得到了人们的高度关注，同时也取得了一定的成效。计算机视觉技术作为人眼的延伸技术之一，其具备了人脑功能，运用该技术代替以往的人工操作技术，已经成为了农产品品质检测工作的必然发展趋势。

参考文献

[1]朱从容.计算机视觉技术在水产养殖中的应用[J].浙江海洋学院学报（自然科学版），2008，10（04）：191-192.

[2]王勃，徐静.计算机视觉技术在苹果叶片营养诊断上的应用[J].农机化研究，2008，（03）：887-888.

[3]李朝东，崔国贤，盛畅，等.计算机视觉技术在农业领域的应用[J].农机化研究，2009，10（12）：667-668.

作者简介

陈超（1995-），男，福建省福州市人。现为北京交通大学在校学生。研究方向为电子科学与技术。

第2篇：计算机视觉技术及应用范文

关键词： 数据挖掘技术 计算机考试 数据处理 数据库

信息化发展带动了电子产品的生产，也可以说是计算机的普及带来了信息化发展，两者是相辅相成的。计算机被越来越多地运用到各行各业，本文主要分析的是计算机在教学中的使用。计算机的使用离不开数据库的支持，信息数据处理是计算机教学研究的一项重大课题，数据挖掘作为一种新型数据处理技术，得到了广泛关注。对数据进行处理、分析和挖掘的主要目的是发现学校教学管理和学生管理各个方面的有效信息，本文从计算机考试入手，进行深入研究分析。

一、数据挖掘技术概述

随着信息技术的迅猛发展，各行各业每年都积累了大量数据，推动了数据的高效管理与应用。数据管理从最早的手工开始，后期发展为文件管理，再到现如今的数据库管理。过去人们对现有数据管理还比较顺利，但对过去几年、几十年甚至更长时间的数据管理起来就相当费事，甚至可以说是不太容易完成的任务。现如今计算机技术日渐成熟，大量信息数据给数据库管理带来大量工作量，此时数据挖掘技术就是为了数据处理而应运而生的。对于数据查询而言，可以方便快捷地查询出所需数据，远远超出人类所能理解的概括范围。现有统计学和数据查询分析技术能对数据进行综合分析和查询，一定程度上解决人们处理分析数据的需求。数据挖掘技术不仅限于数据查询，还可以根据有效数据对非预期潜在有价值的信息进行再处理，从而得出更多有用的潜在信息。

人们日常生活中离不开数据挖掘技术的应用，如超市物品的陈列问题上，经营者想要把人们可能同时购买的商品摆放到一起，以便引起人们的购买欲望，增加销售量。药店经营者想要了解人们购买药物时还会附带购买的商品，将治疗不同病种的药物与可能购买的商品摆放到一起，附带销售。医学研究人员希望从已有成千上万份病例中找出某种疾病病人的共同特征，以便为治愈这种疾病提供一些帮助。企业管理者想要了解整体员工的平均收入水平，提取出业绩较好员工的个人信息等。

从以上实例研究中得出结论，现有信息管理依靠数据查询统计，并通过做报表对数据进行分析处理。先不说其潜在信息并不能很好地挖掘出来，就其工作量来讲，也是一项繁重而复杂的工作，很难保证数据的有效性和实用性。为了满足人们对数据管理的需求，从现有信息数据中提取出更有价值的信息，数据挖掘技术得到了充分应用。

数据挖掘技术可以从大量随机数据中快速地进行信息数据归纳整理，并从中分析出有效的潜在信息。一般会采用统计型和人工智能型数据处理方法，共同完成对数据管理的分析应用。统计型数据处理采用传统的统计学原理，对现有和过去很久的数据进行概率分析，从而推理出数据中隐含的潜在有用信息。统计学由来已久，其优点是精确度相对较高，简单易懂，并且使用比较广泛。数据挖掘技术统计型可以准确快速地挖掘出有用信息，大大提高工作效率，甚至大大减轻统计者的工作量。人工智能是在统计学原理基础之上，通过训练和学量样品集得出需要的模式或参数。将有共同模式或参数的数据通过机器人工智能，发现有价值的潜在信息。但也存在一定的局限性，不同的样品集有特定的应用领域，样品集的选择将直接影响数据结果，一般情况下会将多种技术结合起来使用，达到有力互补的目的，从而更高效准确地分析出数据结果。

二、数据挖掘技术在计算机考试中的应用

通过上述对数据挖掘技术的概述，对数据挖掘的基本原理有了初步了解，将其运用到教学中，必会事半功倍。数据挖掘技术运用到教学管理中，不仅可以完善教学管理体制，还可以客观分析出教学管理中存在的问题。以教学管理中的计算机考试为例，分析计算机考试系统中数据挖掘技术的应用，从而得出以下结果：

本文通过实例验证方法找出答案，首先是采用数据采集方法，从大量数据中提取出与所要挖掘的数据目标相关的数据子集，该数据样本的精选不仅减少数据处理量，还突出相关性规律，表明数据样本的代表性和质量尤为重要。在计算机考试系统中，会通过输入考生信息进行考试，考生的每个信息都定义为不同变量。考生的姓名、性别、年龄、任课老师、所在班级等信息都是一个个不同的变量，这样可以清晰地了解到每个考生的计算机考试情况。根据其做不同题型的长短分析出考生擅长什么样的题型及在什么题型面前处于劣势。根据其答题速度和准确率可看出考生掌握知识能力如何，任课老师可根据学生的不同学习程度逐个击破，有利于提高班级整体学习成绩水平，这就是数据挖掘技术挖掘出的潜在信息价值。

数据挖掘技术是信息化时代的产物，将其运用到教育教学中，可大大提高教学管理质量。可快速有效地了解到学生管理中出现的问题，有利于教师及时解决这些问题。计算机考试数据中应用数据挖掘技术，不仅可以精准地了解到学生潜在的学习问题，还可以帮助老师更快地找到提高学生学习成绩的方法。

信息化发展使信息数据量急剧增加，这个数据处理造成了困扰，为了更好地对信息数据进行处理分析，从而准确快速地提取出有效信息，数据挖掘技术起到了重要作用。计算机考试系统的完善可提高考试效率，奠定数据挖掘技术在计算机教学中的重要地位。现代是不断变化的时代，也可以说是信息化时代，时代离不开信息化发展，要不断进步才能持续发展。数据挖掘技术势必会成为计算机技术发展的第二大方向，是时展的要求所致。

参考文献：

[1]吴英，刘俊熙.计算机考试数据分析中数据挖掘技术的应用[J].制造业自动化，2010（9）.

[2]方新丽.浅析数据挖掘技术在计算机审计中的应用[J].电脑知识与技术，2013（5）.

第3篇：计算机视觉技术及应用范文

 

数据挖掘就是从大量的不完全的有噪声的模糊的随机的实际应用数据中，抽取隐含在其中的、事先并不知道的、但又是潜在有用的信息和知识的过程。

 

决策树算法作为常用的数据挖掘技术之一，其基本思想是将实例库中记录的大量有限的具体事实数据进行归纳和分类并建立树型结构，以发现并形成隐含在大量实例中的若干形式化的分类判别规则，典型的决策树算法方法有ID3方法和IBLE(Information—based Learning from Example)方法。

 

利用决策树评估教材质量的基本思想

 

笔者以高校教学质量建设中的重头戏——教材建设为例来阐释决策树算法在教育统计学中的应用。

 

从教材的教学水平，科学水平等两大要素来对教材的质量进行合理分类，探索出科学合理的决策树的模型，使之成为学校教材建设管理的理论方法，并在今后的教材管理中起着一定的指导作用。

 

教学水平：教材符合人才培养目标及本课程教学的要求：取材合适、深度适宜、份量恰当;符合认知规律;富有启发性;便于学习。

 

科学水平：能反映本学科国内外科学研究和教学研究的先进成果;能完整地表达本课程应包含的知识;反映其相互联系及发展规律;结构严谨。

 

构建决策树模型

 

即利用训练集(教材建设数据库)建立并精化一棵决策树。该过程可分为建树和剪枝两阶段。其中，建树是用每一个属性将训练集划分成一个或多个子集，递归地调用该过程，直到每个子集中的记录都属于同一类，最终得到决策树。剪枝是为提高树的精度及分类效率，而去掉因训练数据中的噪声和孤立点等引起的不可靠或可能是噪声的一些枝条。

 

利用决策树研究影响教材质量的因素

 

首先，将学生问卷调查数据库和教学管理部门所掌握的资料结合起来，分类整理，同时进行规范化的数据清洗，得到创建决策树模型的训练集，如表1所示。

 

根据评估预期的要求，将所有教材的评估结果分为两类：

 

Class p：综合评价=“优秀”

 

Class n：综合评价=“一般”

 

从上表显示的数据可知，综合评价为“一般”的教材有9种， 综合评价为“优秀”的教材有6种，从而可以计算出样本分类的期望信息：

 

—∑Pi log2(pi)=

 

I(p，n)=I(9，6)= —[(9/15)×log2(9/15)+6/15×log2=(6/15)]

 

=—(—0.444—0.53)=0.974

 

下面以综合评价是否为“优秀”作为衡量标准分别计算由各个属性划分子集的信息熵，以及各自的信息增益度。

 

计算“教学水平”的信息增加益度

 

从而算出信息熵E(教学水平)=

 

I(3，1)+I(3，2)+I(0，3)+I(0，3)=0.43

 

再计算出其信息增益度

 

GainI(p，n)—E(教学水平)=0.974—0.507=0.467

 

计算“科学水平”的信息增益度

 

计算信息熵E(科学水平)=I(2，1)+I(3，2)+I(1，6)+I(0，0)—0.783再计算出其信息增益度GainI(科学水平)=I(p，n)—E(科学水平)=0.974—0.783=0.191

 

计算“教材编者职称”的信息增益度

 

从而算出信息熵E(教材编者职称)=I(4，1)+I(2，1)+I(0，4)+I(0，3)=0.424再计算出其信息增益度GainI(教材编者职称)—I(p，n)—E(教材编者职称)=0.974—0.424=0.55

 

计算“教材编者学历”的信息增益度

 

计算信息熵E(教材编者学历)=I(3，1)+I(3，3)+I(0，5)=0.667再计算出其信息增益度GainI(教材编者学历)=(p，n)—(教材编者学历)=0.974—0.667=0.307

 

由此可以得知“教材编者职称”的信息增益度最大，它是最能区别训练集实例中教材质量的属性，应作为决策树的根节点。根据各个属性的信息增益度的大小，可以构建该训练集实例的决策树如下图1所示：

 

由该决策树可以得出诸如以下结论：

第4篇：计算机视觉技术及应用范文

【关键词】计算机 视觉 图像处理 技术

一、引言

随着计算机技术的不断发展，在20世纪60年底产生了计算机视觉学这一学科。计算机视觉是借助计算机以及各种设备，进行生物视觉模拟的一种技术。计算机视觉学的主要任务，是借助已掌握的图片、视频等资料，进行计算与处理，和人类及其他生物的视觉过程一样，

得到相应形式的三维数据信息。计算机视觉学的发展，在工业、农业的生产中，地质勘探、天文、医学观察等领域也有着重要的应用价值。因此，视觉学的研究和应用转化受到了越来越多的重视。

二、计算机视觉学的图像分割研究

（一）数据驱动的分割研究

在计算机视觉学应用过程中，经常进行的数据驱动分割有下面几项内容：第一种是边缘检测的分割、第二种是区域分割、第三种是边缘和区域相互结合的分割。第一种基于边缘检测的分割，这种分割的基本方法：首先对检测图像的边缘点进行检测，然后根据一定的法则进行轮廓的连接，获得分割的区域。基于边缘检测的分割其难点是边缘检测时如何处理好抗噪声性能、检测的精度之间的矛盾。所以，在研究的过程中，提出了多种多尺度边缘检测的方法，按照实际问题进行多尺度边缘信息设计等方案，以获得更为合适的抗噪性能和检测的精度。第二种基于区域的分割，它的基本思想是按照图像数据的特点，将整个图像的空间划分成为几个不同的区域进行图像处理。

（二）计算机视觉学模型驱动的分割

经常使用的模型驱动分割有下面三种，第一种模型是基于动态轮廓的模型、第二种模型是组合优化模型、第三种模型是目标几何与统计模型。第一种是基于动态轮廓的模型用在进行分割目标的动态轮廓，因为其能量函数使用的是积分运算，有着很好的抗噪性能，对于目标的局部模糊也不敏感，所以其适用性很广。但这种分割方法容易收敛到局部最优，因此要求初始轮廓应尽可能靠近真实轮廓。通过组合优化的方法进行分割问题的处理，是使用一目标函数综合表示分割的相关要求以及约束，把分割变为目标函数的优化求解。因为目标函数多数情况下作为多变量函数存在的，因此可以通过使用随机优化的方法来实现。

（三）计算机视觉学图像分割的半自动方法

通过对人工参与程度的分，我们可以得出图像分割，主要有三种类型即：人工图像分割、半自动图像分割、自动图像分割等。人工图像分割指的是操作者使用鼠标，将分割区域的轮廓进行勾画的方法，人工图像分割的缺点是费时费力，而且很容易就会受到一些主观因素的影响，并且人工图像分割的可重复性较差。自动图像分割不需要借助人机交互就能完成，但是也很难实现同一批图像处理的满意分割效果。半自动分割这种形式指的是将人机交互同自动分割结合在一起，半自动分割可以实现对不同图像与处理需求的适应，并且可以大大降低计算过程的复杂性。在计算机技术不断发展的背景下，计算速度和容量有了大幅度的提升，计算机图像处理及视觉应用取得了丰硕的成果。

三、计算机视觉技术的分析

（一）以模型为研究对象的处理方法

在以模型世界作为研究对象的视觉学研究过程中，以Roberts的开创性工作作为一种标志，在他的工作过程中，引进了三维物体与二维物体成像的关系，使用较为简单的边缘特征提取、组合线段等手段和方法。他对三维关系的分析只是按照简单的边缘线段的约束关系，缺乏对人类或其他动物视觉系统感知三维空间关系的充分考虑。但是早期的这些研究工作，对计算机视觉学的研究和发展发挥了良好的促进意义，但是对于较为复杂的景物就不能够奏效。

（二）以计算理论为主体的视觉模型

随着计算机视觉研究的不断深入，在二十世纪七十年代，计算机视觉技术的研究，开始向着更为理性的阶段发展，主要表现在：不同本征特性的恢复，恢复的内容有三维形状恢复、运动恢复、光源恢复等等。研究的出发点是光学、生理学以及射影几何的视角出发，对成像及其逆等问题进行研究。在这个过程中，一些学者提出了以表示作为核心、通过算法作为中间转换过程的视觉处理模型，例如：著名的计算机视觉学研究者Marr就提出了这些观点，在他的理论里面，对表示的重要意义进行强调，并且从不同层面上对信息处理问题进行了研究。

（三）计算机视觉的应用研究

在现实生活和生产的过程中，计算机视觉主要应用在照片资料、视频资料处理上，例如：航空照片的处理、卫星照片的编译、医学领域的辅诊断、移动机器人视觉导航等等。其中，工业机器人手眼系统的研发，成为计算机视觉应用最具代表性的成果之一。因为工业生产、施工等现场等因素具有一定的复杂性，这种环境下的光照、成像特点等等可以控制，这就使得计算机视觉的应用更为简单，对于系统的实际构成有着很好的作用。移动机器人与工业机器人不同之处就是移动机器人具有一定的行为能力，这就需要研究者解决机器人的行为规划问题。在移动机器人种类、智能化水平不断提升的背景下，对视觉能力的要求也越来越高，这也使得计算机视觉有了更为广阔的应用前景。

四、结语

综上所述，计算机视觉学作为人类科技发展和社会进步的一种学科体现，在前进和发展的过程中，通过研究者和应用者的不断总结和探究，取得了丰硕的成果。在未来视觉技术发展的道路上，仍然有大量的工作需要进行研究。

参考文献：

[1]韩祥波， 刘战丽. 计算机图像处理技术在农产品检测分级中的应用[J]. 安徽农业科学 ， 2013，（34）

[2]赵萍， 李永奎， 林静， 白雪卫. 数字图像处理技术在农产品方面的应用[J]. 农机化研究 ， 2012，（11）

第5篇：计算机视觉技术及应用范文

[关键词] 物流企业； 自动化； 算法

[中图分类号] F252； TP39 [文献标识码] A [文章编号] 1673 - 0194（2013）06- 0058- 03

0 引 言

随着物流业被列入我国十大行业振兴计划，物流业已经成为我国经济发展的不可缺少的重要组成部分。物流业是我国经济运行的基础，是推动国民经济发展的重要支柱性产业之一。随着国家持续加强和改善宏观调控政策，物流业发展环境和条件不断改善，物流业保持了较快的增长速度。但由于中国物流业起步较晚，存在物流成本较高、管理落后等问题，离一体化、信息化的物流业还有一定差距。中国物流业只有应用现代物流的理念，采用先进的信息技术与运作方式，才能应对拥有技术、资金和管理优势的外国企业的竞争。实现传统物流业向现代物流业的转变，也是物流业自身结构调整和产业升级的需要，是整个国民经济发展的必然要求。我国经济要集约式发展，必然需要推进现代物流。现代物流的根本宗旨是降低物流成本、提高物流效率、满足客户需求，其中信息化是现代物流的核心。随着信息技术的不断更新和物流企业自身的发展，使得新兴的信息业务与传统物流业务之间相互介入，模糊了新兴信息技术及业务与传统物流业务的界限，从而模糊了物流业的产业属性和产业界限， 即发生了产业融合现象。产业融合是由于技术进步和放松管制的原因，发生在产业边界和交叉处的技术融合，在经过不同产业或行业之间的业务、组织、管理和市场的资源整合后，改变了原有产业产品和市场需求的特征，导致产业的企业之间竞争合作关系发生改变，从而最终造成产业界限的模糊化甚至重划产业界限。

产业融合促进了传统产业创新， 进而推进产业结构优化与产业发展，即产生创新性优化效应。物流信息化的重要性已经引起国内很多学者的重视，并纷纷提出相应的观点和建议。马健（2005）认为物流企业将在建立呼叫中心、应用系统领域和网络计算机领域出现信息化融合的趋势，并提出物流企业应采取的战略。邓小瑜（2011）等从技术融合、产品融合、业务融合、产业衍生4个层面阐述了物流业如何进行信息化建设。物流业与信息业的融合包含通过融合信息技术提高来增强企业竞争力和将信息业务增加到物流服务中形成新的业务2个方面。

视频摄像头在日常生活中非常普遍，但是利用率较低，大部分监控系统都是提供视频数据的线性存储，成为事后证据查找的有效手段。近年来，随着计算机视觉的发展，很多学者开始研究视频理解，尤其是针对视频信息检测与识别技术，建立有效的算法，实现底层图像处理技术与高层视频内容分析之间的关联，从而推动了计算机视觉在物流领域的应用，提高物流企业的竞争力。

1 计算机视觉的相关知识

1.1 计算机视觉的概念

20世纪80年代初，Marr从信息处理的角度，提出了第一个比较完善的计算机系统视觉框架。计算机视觉是指利用计算机模拟人眼的视觉功能，对图片或视频进行采集、加工、处理和识别，从中提取三维景物的形态和运动信息，解决物流、工业、商业等领域产品图像自动检测识别问题，提高检测识别效率和自动化程度。计算机视觉自动识别技术作为一门交叉学科，近年来受到各相关行业的高度重视。计算机视觉的处理流程为：摄像机图像采集图像处理计算机帧存储、图像识别控制逻辑显示器显示。

1.2 亮度要求

基于计算机视觉的硬件环境中，亮度是非常重要的因素。在计算机视觉中亮度的作用是突出物体的重要特征或使物体本身可见，而弱化物体其他不需要的特征或物体所处的背景。如果物体太亮或太暗，都会影响对物体的处理。

彩色物体反射光谱的某些部分，吸收其他部分。因此开发人员可以利用这个特点来提高某些物体的可视度。开发人员可以利用颜色之间的对比增强某种颜色或抑制其相反的颜色。例如，如果一个红色的物体在一个绿色背景中则应该加强红色，这时可使用红色照明。这样红色的物体会显得明亮，同时会变暗绿色的对象。

LED是目前用于计算机视觉的主要照明技术，相比白炽灯、日光灯等使用时间短、亮度逐渐减弱的特点，LED灯的寿命超过100万小时，而且耗电小，产生热量少。

1.3 计算机和摄像机的接口

常用的计算机和摄像机接口包括IEEE 1394、Ethernet、USB2.0 and Gigabit Ethernet等。

1.4 RGB介绍

RGB 颜色空间是实际应用最多的一个颜色空间，在使用计算机进行图像处理时，数字图像一般用RGB 空间存储和表示，分3个通道：红（Red）、绿（Green）和蓝（Blue），分别反映了颜色在某个通道的亮度值。3种原色光不同比例混合即使得人得到不同颜色的感知，这就是RGB颜色空间的由来。RGB 空间中每种颜色都能用三维空间中的一个点来表示。

2 计算机视觉在物流领域的优势

随着物流业的迅速发展，计算机视觉在条形码识别、运动物流跟踪方面逐渐得到应用。与传统方法相比，计算机视觉应用在物流领域的优势为以下方面。

2.1 灵活、低成本

物流系统中一般采用传感器来收集相关信息，但是传感器的位置是固定的，如果需要多方位的信息，必须同时需要多个传感器才能完成。利用计算机视觉摄像机和计算机来完成，只需要通过程序的设置和一台摄像机就可实现多方位信息的收集。

2.2 高效、准确

在一些人眼难以满足要求的场合，或不适于人工工作的环境下，用计算机视觉来代替人工视觉可以提高生产效率、信息的准确率。

3 计算机视觉在流水线中多方位跟踪计数的算法

物流企业在流水线产品的计数方法目前主要采用传感器，而利用摄像机所提供的视频信息可以实现多方位的跟踪。计算机视觉是一个集成系统，图像分析的时间有限，算法必须简单有效。本文采用的物流流水线视频图像如图1所示。图中红色矩形表示流水线中传输的物品，绿色区域为流水线中的物品处理区域。

系统会在视频图像中设计①、②、③、④四个计数区域，在物品进行相关处理前进行计数。计数方法为将每帧图像变为黑白图，图像中的红色变为白色，其余都变为黑色。当每幅图像中的红线部分中的白色像素超过一定阈值时，认为物体撞线，如图2所示，这时确定有需要计数的物品通过，可以开始计数。

3.1 主要算法

3.2 算法的运行结果

OpenCV是Intel公司开发的开源计算机视觉库。它提供了几百个C/C++函数，实现了计算机视觉领域中大部分最常用的算法。利用Intel开发的开源视觉库Intel OpenCV和VC6.0将上述算法转换为对应的源代码，可实现4个区域的物品计数。

3.3 算法的评价

该算法利用计算机视觉技术实现了物流流水线上的多方位计数，提高物流企业的信息化水平，节约了资金。算法简单，运行速度快，完全可以满足物流企业的实际需求。

4 结论与建议

本文所提出的算法实现了计算机视觉技术在物流企业的应用，为信息产业和物流业的融合提供了新的思路。但信息产业与物流产业的融合并不意味着引入信息技术后物流业的竞争力一定能提高。Berry（1995）指出了企业可以从6个方面来利用技术手段来提高竞争力，根据Berry的建议和我国物流业的实际情况，本文认为从以下几个方面来考虑如何通过与信息技术的融合提高物流企业的竞争力。

4.1 要有一个战略性的全局行动纲领

技术只是一种手段，使用技术的目的是为了企业发展服务，应符合全局发展的需要。因此物流企业高层管理者应该参与技术战略的制定，保证技术战略与全局战略一致，并有CIO（首席信息官）监控具体执行情况。而不应该盲目使用一些新技术或进行信息改革，造成企业不必要的损失。

4.2 解决主要问题

物流业作为服务行业其最终目的是为客户服务，使用信息技术的有效性应建立在为客户解决实际问题的基础上。因此信息产业与物流业的融合应体现在为客户提供更多的便利，或提供增值服务的基础上。

4.3 使用物流公共信息平台和建立物流信息系统，保证系统有效运转

通过现代物流公共信息平台的建设，企业可以及时获得需求信息，政府可获得物流业相关的调控和管理的宏观信息，实现互联互通。通过企业流程再造，利用含有CRM（客户关系管理）等模块的ERP系统，采用EDI（电子数据交换系统）、GPS、条形码、无线射频技术等先进技术，建立真正适应企业发展的符合现有服务模式的管理信息系统。

4.4 创新型物流人才的引进和培养

物流企业在自身提高业务流程和信息化水平的同时，还应注重创新型人才的引进和培养，特别是有国际大型物流企业管理和技术经验的复合型人才。

主要参考文献

[1] L Leonard，Berry. On Great Service：A Framework for Action[M]. New York NY：The Free Press，1995.

第6篇：计算机视觉技术及应用范文

关键词：计算机视觉技术；C# ；；作物无损检测；软件设计

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2013）15-3640-03

数字农业和农业物联网技术作为现代农业最前沿的发展领域之一，是当今世界发展农业信息化，实现农业可持续发展的关键和核心技术。数字农业要求快速、实时、准确和定位化的获取植物生长信息，而农业物联网技术要求植物信息可实时动态感知，显然，传统的实验室测量分析和信息获取方法已经不能满足数字农业和农业物联网技术的发展要求。因此，研究和开发植物生命信息快速无损检测技术和传感仪器等软硬件平台已经成为现代农业承待解决的关键问题[1]。

目前，国内在作物无损检测方面的研究仪器主要是依赖进口，而相应的软件也是伴随着仪器而购买。此类软件，一般价格昂贵，而且在自主研究平台中，因为无法取得源代码而无法使用或升级，从而出现研究瓶颈。在各类无损化检测技术中，随着计算机视觉技术越来越广泛的应用，对应的软件系统的开发迫在眉睫[2]。

正是基于这样的背景，我们通过对目前应用比较广泛的C#进行研究，利用C#强大的数据处理能力和良好的用户界面开发，并结合强大的图像处理能力，进行作物实时检测软件平台的自主设计与开发。

1 计算机视觉技术简介

计算机视觉也称机器视觉，是采用摄像机或者数码相机将被检测图像转化为数字信号，再采用先进的计算机软件技术对图像信号进行处理，从而得到所需要的各种目标图像特征值。并由此实现模式识别，坐标计算等功能。然后再根据其结果输出数据，发出指令，再配合执行机构完成好坏筛选，位置调整，数据统计等自动化流程。与人工视觉相比较，计算机视觉的最大的优点是快速、精确、可靠，以及数字化。

随着数字农业和农业物联网技术的发展，计算机视觉技术将越来越广泛的应用于农业生产中，而构成计算机视觉系统的软件系统是整个计算机视觉系统的灵魂。随着硬件技术的不断发展完善，计算机视觉系统其功能是否强大，可以说完全取决于软件系统的能力。

2 软件系统设计

2.1 C#与

C#是由微软公司开发的一种面向对象的新型编程语言，它是从C和C++ 中派生出来的，保留了C/C++原有的强大功能，并且继承了C/C++的灵活性。同时由于是MicroSoft公司的产品，它又同Visual Basic一样具有简单的语法结构和高效的开发能力，可以使程序员快速的编写出基于.NET平台的应用程序。

一个基于C#框架，专门为C#开发者和研究者设计和开发的，这个框架提供了丰富的类库资源，包括图像处理，神经网络，模糊系统，遗传算法，人工智能和机器人控制等领域。该框架架构合理，易于扩展，涉及多个较前沿的技术模块，为相关开发人员或科研人员的工作提供了极大的便利。本系统就是采用C#程序设计语言，通过调用该框架来实现作物无损检查系统的开发。

2.2 系统设计与实现

本软件系统是在数码相机拍摄的作物图像的基础上，采用图像处理方法进行特征提取与分析，从而实现作物的无损检测。主要分为图像输入，图像预处理，特征提取，特征分析几个模块。

1） 图像输入

将要分析处理的图像读取到系统中来，为后面图像处理作准备。C#提供了三个最重要的图像处理类，即Bitmap类、BitmapData类和Graphics类。三种图像处理的方法，即提取像素法、内存法和指针法。从执行效率和实现难度综合考虑，本系统的开发采用内存法。

2） 图像预处理

图像预处理主要包括图像的大小调整，形态矫正，平滑和去噪等，以降低环境对拍摄照片造成的不利影响。提供了多个类，可以对图像进行平滑去噪等操作，本系统中采用了中值滤波算方法，对应中的Median类。

3） 特征提取

特征提取分析，是整个系统的核心所在，需要选取合适的图像分割算法，对图像进行处理，提取目标区域，为特征分析作准备。在本系统中采用了阈值分割技术，因为这种算法相对来说比较直接并且易于实现。

采用阈值分割技术，首先，必需确定一个阈值作为图像分割的阈值，在本系统中，采用自适应阈值法，由用户在软件的操作过程中进行设定，并且可以根据需要进行调整。然后，根据这个阈值对图像进行分割，并将其转化为二值图，如图（b）所示。从图中我们可以看到二值图像中存在大量的小孔，这种太小的孔洞对我们进行图像分析没有实际意义，并且会干扰结果的正确性，因此我们需要采用腐蚀和膨胀的形态学方法来进行填充孔洞，结果如图（C）所示。最后，我们需要根据需要提取目标区，涉及到连通区域的提取问题。最后，输出结果。

4） 特征分析

对图像分割结果进行分析，用于指导生产实践。我们可以对通过图像处理得到的目标区域进行分析，比如可以根据叶片颜色的变化判断叶绿素含量，进而推算出作物的营养状况，根据色素区域的大小计算出叶面积，根据不同区域的形状、大小判断病虫害等。

3 实验结果及分析

软件运行后主界面如图3所示。

为验证本系统的有效性，我们通过设定不同的阈值进行图像分割，并跟photoshop cs4软件中魔棒的工具作对比，来提取图片中的目标区域。测试图片大小为800px×610px，取特征点坐标P（310，70），该点的RGB值为（29，92，0），获取目标区域的总像素和绿色分量平均值，数据如表1所示。

从上述表中我们可以看出，本软件在图像处理目标区域的提取方面，提取到的目标区域较photoshop 提取的小，绿色分量平均值较photoshop更接近特征点数值，由此看出用本软件做图像分割准确性更高。

4 结束语与展望

计算机视觉具有非破坏性、快速、高效、信息量大等特点，目前已在主要的农作物和经济作物的养分诊断，植物病虫害的快速检测及预警预报等方面有了广泛应用，取得了较好的效果。随着计算机视觉技术和图像处理技术的发展，计算机视觉技术将更多的应用于植物长势预测、产量估计等方面。

通过本次研究，开发了一个交互界面良好的色素分量检测系统，能对图像在RGB分量上实现阈值分割，并实现目标区域的获取分析。该文主要提倡一种软件开发的理念，所设计开发的软件的针对性较强，还存在着很多的局限和不足，要作为计算机视觉类的通用软件，系统的稳定性和功能都还有待进一步提升。

参考文献：

[1] 刘飞.基于光谱和多光谱成像技术的油菜生命信息快速无损检查机理和方法研究[D].浙江：浙江大学博士学位论文，2011.

[2] 朱哲燕，陈红.基于MATLAB的作物信息光谱分析平台的设计与开发[J].科技资讯，2012（16）.

[3] 蒋丽华.基于计算机视觉技术的叶绿素含量检测系统[D].苏州：苏州大学硕士学位论文，2009.

[4] 赵春江.C#数字图像处理算法典型实例[M].北京：人民邮电出版社，2009.

[5] 何勇，刘飞，聂鹏程. 数字农业与农业物联网技术[J].农机论坛，2012（1）.

[6] 张起丽.基于数学形态学的彩色图像处理研究[D].西安：西北大学硕士学位论文，2009

[7] 冀高.基于数字图像处理的棉花群体特征提取[D].北京：北京邮电大学硕士学位论文，2007.

第7篇：计算机视觉技术及应用范文

关键词：计算机视觉；地图匹配；SLAM；机器人导航；路径规划

1概述

计算机视觉在人工智能学科占据重要地位，为自主移动机器人视觉导航做了深厚的理论铺垫。目前，机器人导航技术有很多种，传感器导航技术如里程计、激光雷达、超声波、红外线、微波雷达、陀螺仪、指南针、速度、加速度计或触觉等得到了普遍应用，与上述非计算机视觉导航技术相比较，计算机视觉导航技术如人眼般具有灵敏度高且可捕获的信息量大以及成本低等优点。由于室内相对室外空间比较狭小且内部环境复杂，所以普通移动机器人在作业过程中，完成躲避眼前障碍物、自主导航以及为自身找出一条可行路径等一系列操作会相对比较困难。计算机视觉导航技术可利用本身的摄像头获得室内周围的环境信息，实时对其周身的场景进行快速反馈，对视野前方障碍物进行快速识别和检测，从而确定一条高效的可行的安全路径。本文对计算机视觉导航技术进行分类研究，主要分为3类：第一类是环境地图事先已知，提前对外界环境特征进行提取和处理，建立全局地图，并将地图信息存储在机器人内存数据库中，在导航的时候实时进行地图匹配；第二类是同时定位与地图构建，移动机器人在自身位置不确定的情况下根据自身的摄像头获取周围未知环境信息，在作业时逐步构建周围的环境地图，根据构建的增量式地图自主实时定位和导航；第三类是不依赖环境地图，自主移动机器人不需要依赖任何的环境地图，其在作业活动时的可行区域主要取决于摄像头实时识别和检测的环境相对信息。

2环境地图的表示方法

目前，计算机视觉导航技术多采用栅格地图、几何地图、拓扑地图和混合地图构建环境地图信息。

2.1栅格地图

栅格地图，将栅格图像考虑为一矩形，均分为一系列栅格单元，将每个栅格单元赋予一个平均概率值，并利用传感信息估计每个单元内部内存障碍物的概率。构建栅格地图的优点是其地图表达形式直观，创建和维护比较容易；但当划分的栅格单元数量不断增多时，实时性就会慢慢变差；当划分的栅格单元越大时，环境地图的分辨率越低。

2.2几何地图

几何地图利用几何特征如点、直线、平面等来构成环境主要框架，需要知道这些特征在环境中信息的具置，所以几何地图通常使用其对应的三维空间坐标来表示。几何地图构建过程相对简单，保留了室内环境的各种重要信息，是基于计算机视觉的定位与地图构建算法中最常用的一种表示方式。但是为了完成环境的建模需要标记大量的特征，从而计算量也非常的大，降低了实时性，其重建的地图也容易出现与全局不一致的情况。

2.3拓扑地图

拓扑地图用许多节点和连接这些节点的曲线来表示环境信息。其中，每个节点相对应真实环境中的特征点（如门角、窗户、椅子、桌子角及拐角等），而节点之间的曲线表示两个节点对应的地点是相联通的。拓扑地图把环境信息表上在一线图上，不需要精确表示不同节点间的地理位置关系，图像较为抽象，表示起来方便且简单。机器人首先识别这些节点进而根据识别的节点选择节点与节点间的曲线作为可作业的路径。

2.4混合地图

混合地图主要包括3种形式：栅格一几何地图、几何一拓扑地图以及栅格一拓扑地图。混合地图采用多种地图表示，可结合多种地图的优势，与单一的地图表示相比更具有灵活性、准确性和鲁棒性，但其不同类别的地图结合起来管理会比较复杂，难以协调，增加了地图构建的难度。文献针对室内环境所建立的模型分为全局拓扑和局部几何表述部分，整体环境通过拓扑节点串连起来，维护了整体环境表述的全局一致性；而以每个拓扑节点为核心所采用的几何表述则可确保局部精确定位的实现，这样建立的几何一拓扑混合环境模型可将二者的优势都表现出来，使得移动机器人定位和地图构建同时进行，实现容易。

3基于计算机视觉的室内导航

基于计算机视觉的室内导航技术可利用摄像头捕获机器人周围环境的全部信息，对其周身的场景进行反馈，对障碍物进行快速识别和检测，从而确定一条高效的可行的安全路径。本文将计算机视觉室内导航技术主要分为3类：第一类是环境地图事先已知；第二类是定位与地图构建同时进行；第三类是不依赖环境地图。

3.1环境地图事先已知

提前对外界环境特征进行提取和处理，建立全局地图，并将地图信息存储在机器人内存数据库中，在导航的时候实时进行地图匹配，即预存环境地图。在环境地图事先已知的导航中，路标信息保存在计算机内存的数据库中，视觉系统中心利用图像特征直接或间接向移动机器人提供一系列路标信息，一旦路标被确定后，通过匹配观察到的图像和所期望图像，机器人借助地图实现自身精确定位和导航。该导航技术过程可分为以下步骤：

a）图像获取：摄像头获取其周围的视频图像；

b）路标识别及检测：利用相关图像处理算法对图像进行一系列预处理如进行边缘检测和提取、平滑、滤波、区域分割；

c）路标匹配标志：在观察到的图像和所期望图像之间进行匹配，搜索现有的路标数据库进行标志路标；

d）位置计算：当有特征点进行匹配时，视觉系统会根据数据库中的路标位置进行自身精确定位和导航。

在基于计算机视觉的地图匹配定位过程中，主要有2种地图匹配较为典型。

①已知起点，已知地图。这种条件下的定位称为局部定位，采用的是一种相对定位的方法，如图1所示为其位姿估计过程，这种情况目前导航技术研究得最多。

②不知起点，已知地图。这种条件下的定位称为全局定位。当机器人需要重置时，通常使用这种定位方法来检索机器人的当前位置（即姿态初始化）。常用的辅助方法是在环境中添加一些人造信标，如无线收发器，几何信标，条码技术，红外或超声波接收系统进行位置识别，利用视觉系统识别自然标志，自主定位。

3.2定位与地图构建同时进行

不知起点，不知地图。SLAM技术最早由Smith等人于1986年提出，移动机器人在自身位置不确定的情况下根据自身的摄像头获取周围未知环境信息，在作业时逐步构建周围的环境地图，根据构建的增量式地图自主实时定位和导航。在日后的导航研究中，混合地图中的几何一拓扑混合环境模型被得到广泛应用，主要用来解决SLAM问题。

2003年，在解决SLAM技术难题上，Arras等人采用基于Kalman滤波器和最邻近（nearest neighbor）匹配策略的随机地图创建方法。下面是该算法步骤：

a）数据采集：首先初始化系统，从摄像头传感器采集距离数据；

b）状态预测：视觉系统预测机器人运动状态，实时返回新位姿信息和协方差矩阵，预测地图；

c）观测：从原始捕获的信息中提取主要特征信息并将此信息返回给局部地图；

d）测量预测：预测机器人当前位姿的全局地图；

e）位置匹配：应用最邻近滤波器匹配局部地图中的观测点和预测点；

f）估计：使用扩展Kalman滤波器更新地图；

g）创建：将非相关的观测点加入地图，对机器人返回增量式地图；

h）输出地图。

制约机器人视觉系统性能的重要因素是信息实时处理的计算复杂度和处理效率，SLAM算法需要在地图密度与计算效率之间取得权衡。

3.3无环境地图

在这类系统中，机器人不需要依赖任何的环境地图信息，机器人的活动取决于其当时识别和提取出来的环境信息，这些环境信息可能是桌子、椅子和门等，不需要知道这些环境元素的绝对位置。无环境地图的导航技术典型的技术有3大类：基于光流的导航技术、基于外观信息的导航技术、基于目标识别的导航技术和基于目标跟踪的导航技术。

3.3.1基于光流的导航技术

光流是三维空间运动物体在观测成像面上的像素运动的瞬时速度，也是图像亮度的运动信息描述。光流法计算最初是由Horn和Schunck于1981年提出的，其利用二维速度场与灰度，引入光流约束方程，得到光流计算的基本算法。光流计算基于物体移动的光学特性提出了2个假设：①运动物体的灰度在很短的间隔时间内保持不变；②给定邻域内的速度向量场变化是缓慢的。如Santos-Victor等人研发了一种基于光流的robee视觉系统，该系统模拟了蜜蜂的视觉行为。在robee视觉系统中，使用单独的双目视觉方法来模拟蜜蜂的中心反射（Centering Reflex）：当机器人移动到走廊两侧的墙壁中心时，左眼捕获场景的瞬时速度与右眼捕获场景的瞬时速度是相同的，几乎没有差别，那么机器人就可以知道他们在走廊的中心。如果眼睛两侧的眼睛的瞬时变化速度不同，则机器人移动到较慢的速度。在自动机器人导航的实现中，基于这个想法是测量摄像机捕获图像场景瞬时速度差异。这种导航技术只能用于室内单通道直走道导航，不能引导机器人改变方向，具有一定的局限性。

3.3.2基于外观信息的导航技术

基于外观的机器人导航方法，不需要构建真实的地图导航，机器人通过自身所携带的摄像头和传感器感知周围目标的外观信息进行自主定位和导航。其中，所述的外观信息多为目标信息的颜色、亮度、形状、空间大小和物理纹路等。机器人在导航时存储连续视频帧的环境图像信息，并将连续视频帧与控制指令相关联，从而再执行指令规划有效路径到达目的地。

3.3.3基于目标识别导航技术

为了达到目标点或是识别目标，机器人很多时候只能获取少量的图像信息。Kim等人提出了一种用符号代替导航各个位置的赋值方法。该赋值方法中，机器人执行命令如“去窗边”“去你后面的椅子旁”等。这样，通过相关的符号命令，机器人自动识别并建立路标，通过符号指令到达目标点。例如“去你后面的椅子旁”，这样的命令就是告诉机器人路标是椅子、路径向后。该导航技术的难点在于目标是否可以准确实时识别路标。第一，识别大量不同类别的物体，室内环境有许多不同类别的物体，需要将它们组织到一个在给定的容易搜索图像数据结构中去，起到容易识别是用什么度量来区分物体；第二，识别大量不同背景下的物体，一个合适的物体表达式有助于将图像组织成片断，而这些片断来自于物体的种类且与物体无关的；第三，在抽象层次上识别物体，机器人可以不需要在看到一个具体的杯子之前便能知道它是一个杯子，相关程序能够类似的物体进行识别和区分。

3.3.4基于目标跟踪的导航技术

基于目标跟踪的导航技术，为机器人构造一个虚拟地图，机器人通过摄像头获取连续的视频序定一个跟踪的目标，为了达到对目标的精确定位和实时跟踪，可以利用粒子滤波算法对需要跟踪的目标进行建模。基于粒子滤波的目标跟踪主要包含四个阶段，分别是初始化目标区域，概率转移，目标区域权重计算，目标区域重采样。在机器人导航之前，通过视频序列的当前几帧标注机器人所需要跟踪的目标，在导航时，机器人通过连续的视频帧感知周围的待跟踪目标，同时对所需要跟踪的目标散播粒子，当获取的视频帧对目标区域重采样后足以让机器人确定所需要跟踪的目标时，机器人通过确定的目标为自己规划最有效的路径到达目的地。获取视频序列目标跟踪是算机视觉领域中的重要分支，它在工业生产、交通导航、国防建设、航空导航等各个领域有着广泛的应用。

第8篇：计算机视觉技术及应用范文

关键词： 机器人； 人机界面； 三维可视化； 图形降噪； 图像处理

中图分类号： TN830.1?34； TP391 文献标识码： A 文章号： 1004?373X（2017）12?0105?03

Abstract： In order to improve the operating performance of 3D visualization of robot human?computer interface， a 3D visualization reconstruction design method of robot human?computer interface based on GPU real?time graph tracking rendering is put forward. The computer vision method is used to sample the visual features of robot man?computer interface， and perform the sparse scattered points reconstruction for the sampled vision pixel information. The image processing method is adopted to denoise the graph and correct the edge in the reconstructed 3D space， and improve the detail presentation ability of 3D visualization graph of man?computer interface. The simulation results show that the method used to design the 3D visualization of the robot human?computer interface has perfect visual effect of the output graph， strong human?computer interaction ability， and high application value.

Keywords： robot； human?computer interface； 3D visualization； graph noise reduction； image processing

0 引 言

机器人人机交互（Human?Computer Interaction，HCM）是通过图像和计算机视觉处理的方法，实现机器人系统与用户之间的交互关系和沟通，在机器人人机交互过程中，人与计算机通过计算机视觉处理和动作识别的形式实现语言沟通，完成确定的任务和计算机与机器人的信息交换[1]。机器人人机交互系统广泛应用在视景模型仿真、机器手设计和远程虚拟控制等领域，在现代工业和远程控制中具有重要的应用价值。

在机器人的人机交互中，需要通过对人机界面的三维可视化设计，提高人机交互的可视性和人工智能性，研究人机交互界面的三维可视化重构方法在机器人的人工智能优化设计领域具有重要的应用意义。对此，本文提出一种基于GPU实时图形跟踪渲染的机器人人机界面的三维可视化重构设计方法。首先采用计算机视觉方法进行机器人的人机界面视觉特征采样，采用图像处理方法实现图形降噪和边缘修正处理，提高人机交互界面的三维可视化图形细节表达能力。最后进行仿真实验分析，得出有效性结论。

1 视觉特征采样与像素信息重构

1.1 人机界面计算机视觉特征采样

为了实现机器人人机界面的三维可视化设计，首先进行视觉信息采样，本文采用计算机视觉方法进行机器人的人机界面视觉特征采样，在视觉信息采集中，对特征空间中的突变信息进行采集，检测提取后的轮廓线信息是否符合要求，不符合的原因是由于阈值小而提取了过多的次要轮廓线，使主要轮廓线无法突出。利用多尺度特征来提取轮廓线，并将高频与低频部分的轮廓线信号进行融合，也就是在不同尺度特征下进行轮廓线提取，因此可得到光滑的轮廓线图像，提取出的人机界面外部采集轮廓线，将外部特征通过二维流形分析[2]。机器人与人体动作的交互过程可以表征为一个高维向量，收集大量人体动作完成机器人的人机动作交互，将人机交互界面场景数据库中的交互动作数据进行三维特征扫描，扫描包括激光扫描、红外扫描和CT扫描等方法[3]，得到机器人人机界面交互的动作扫描的像素组成为：

1.2 视觉像素信息稀疏散点重构

对采样的视觉像素信息进行稀疏散点重构，为进行人机界面的三维可视化设计提供数据基础，对机器人人机交互界面的视觉像素信息稀疏散点重构需要遵循以下原则：

（1） 可描述性。对不同的人机交互动作，应该提取具有明显区别的特征参数，即特征参数具有较强的敏感性，能够高效地对技术姿态进行描述。

（2） 可靠性。不同的动作识别系统做同一个技术动作时一定会存在差异，但这种差异不应该对特征参数造成影响，即同种类型的技术姿态的特征参数会比较相似，这就要求所提取的特征参数对位置和对象不敏感。

（3） 数量少。一个动作识别特征值越多，系统的计算复杂程度就越大，因此要尽可能控制特征值的数量[5]。在像素点中，通过仿射变换，得到对应的不变矩坐标为，在不同朝向和不同尺度间进行机器人人机界面网格区域匹配，得到人机界面三维轮廓函数为：

3 实验测试分析

对机器人的人机界面三维可视化实验建立在本主机配置为PentiumD CPU 2.80 GHz，2.79 GHz，2.00 GB内存的计算机硬件平台上。在机器人人机动作特征识别中，人体动作特征单元和模块子单元表示为Cell （col，row）。其中col表示行，row为列，人机交互中人体动作图像采集来自于分辨率为640×480，帧率为25 f/s的AVI视频，参数设定为=0.5，=2，=2，得到机器人人机界面的三维可视化重构结果如图1所示。对图1给出的机器人人机界面三维重构结果进行降噪和修正处理，得到三维可视化优化结果如图2所示。

对比图2和图1结果得知，采用本文方法进行机器人人机界面的三维可视化设计，输出图形的视觉效果较好，人机交互能力较强，性能优越。

4 结 语

为了提高机器人人机界面的三维可视化操作性能，本文提出一种基于GPU实时图形跟踪渲染的机器人人机界面的三维可视化重构设计方法。采用计算机视觉方法进行机器人的人机界面视觉特征采样，在重构的三维空间中通过图像处理方法实现图形降噪和边缘修正处理，实现三维可视化设计。研究得知，采用该方法进行机器人人机界面的三维可视化设计，输出图形的视觉效果较好，人机交互能力较强，具有较高的应用价值。

参考文献

[1] 董哲康，段书凯，胡小方.非线性忆阻器的串并联研究及在图像处理中的应用[J].西南大学学报（自然科学版），2015，37（2）：153?161.

[2] 袁健，高勃.基于OpenCL的三维可视化加速模型[J].小型微型计算机系统，2015，36（2）：327?331.

[3] 朱路，刘江锋，刘媛媛，等.基于稀疏采样与级联字典的微波辐射图像重构方法[J].微波学报，2014，30（6）：41?45.

[4] HUANG Y， PAISLEY J， LIN Q， et al. Bayesian nonparametric dictionary learning for compressed sensing MRI [J]. IEEE transactions on image processing， 2014， 23（12）： 5007?5019.

第9篇：计算机视觉技术及应用范文

【关键词】电力系统；发展趋势；新技术发展

0 前言

电力系统是我国国名经济的基石。电力系统是由发电、变电、输电、配电和用电等环节组成的电能生产与消费系统。现代社会需要的是安全可靠经济的电能。电力系统主要由发电输电变电配电及用电等5部分组成。电力系统是一个具有复杂的大系统由于用户的不断增加的需求，电网对于技术的要求水平也提出了越来越高的要求。

1 电力系统自动化的发展趋势总的发展趋势的特点研究

1.1 电力系统自动化的图形化特点

因为电力系统联网工程的正式启动，电力系统的调度管理、数据计算分析呈现出传输路径的交叉性，信息更新越来越高速这样的几种特点。在计算机技术和通信技术的快速发展下，电力系统技术整合也在蓬勃发展着。电力系统信息数据处理上已经不再使用传统的处理方式，而是使用图形化处理这样的新技术，这样看到图形，电力系统管理者就能了解电力系统的变化发展趋势，也就能对未来电力系统软件开发带来丝丝先机。

1.2 电力系统自动化的远程化特点

过去电力系统的硬件平台大部分是计算机，外加使用扩展测控法对接口电路工作开展监测。此类的设计有很多的优势，这种类型的设计的周期很长，扩展性也很好。但是这样的设计方式也具有着高成本、大体积、大功耗以及灵动性差的多种缺点。现在，正是有着网络技术的不断更新和电子技术的不断进步，远动终端设备已经变为越来越接近最优化、智能化和小型化、协调化。因此，建立在此基础之上的电力系统也具备了远程化的特点，使电力系统自动化在控制系统方面的发展更加贴近智能化。

1.3 电力系统自动化的分布化特点

发电率范围在几十兆瓦至几千瓦之间并且模型较小的发电单元，它的地点处于用户周围还有有高效和可靠特点的称为电力系统自动化技术分布化。分布式发电主要包括以液体或气体为燃料的内燃机、太阳能发电、微型燃气轮机和风力发电等等的其他一些发电方式。这种发电技术具有很好的灵活性，能够给与用户各不相同的感受。还能为边远商业区域提供可靠的电力资源，让他们使用具有再生特点的资源进行多次发电，这样的电能还具有稳定度高的特点，是具有分度化的特色。极端及技术、新材料技术和电力电子技术都要作为支柱技术被在其中使用。

2 电力系统与新技术的结合

2.1 与智能计算机的结合

计算机视觉技术就是与智能计算机的结合之一。使用计算机视觉技术能够方便的获得多种图像信息。在电力系统中应用计算机视觉技术。目前，计算机视觉技术使用在电力系统中的作用是修改遥控系统在此同时提高它的性能。这主要表现在使用在线监测和开展无人操作或者环境监视，红外图像监测是电力设备在线监测常用方法中效果最好的。它既有这使用方便，又有着精准度较高的特点。红外图像识别方面主要就是使用计算机视觉技术，这样能取得较好的效果。计算机视觉技术的工作原理是在科学获取电力设备实时红外图像和电力设备正常工作时图像后，将两者开展对比。如果出现不正常。也就因此能够证明电力设备出现问题。第开展无人操作或者环境监视是使用微波双鉴探测器进行协助，将差分图像以及流光法一起使用对移动物体开展监测。如果出现不正常现象，那么系统就可以识别出来，并且警告我们。因为计算机视觉技术还处于起步阶段，其存在一定的不足之处。虽然计算机视觉技术发展迅速，但计算机视觉技术发展的并不完善，因为图像识别自身的复杂性的原因，所以现阶段还不能实现完全的无人操作。正是因为有着这些原因，在大多数情况下，计算机视觉技术只能够作为一种辅助技术。

2.2 与微机保护系统的结合

在电力系统自动化技术发展速度过快并且伴随着相关微机设备应用范围越来越普遍的情况下。人们越来越严格的要求微机保护系统。更简单的说，也就是原有的电力系统自动化技术当中的微机保护系统已经无法满足社会发展的需要。人们需要的微机保护系统应该具备更加牢靠与稳定的可以对通信进行保护的能力。这样才能够达到人们希望人机互动的效果。这样的系统在对硬件提高出高要求的同时也对软件业产生了更加具体的要求。例如，我国在上世纪末将第一套微机线路保护设备投入使用，并且该设备因为性能占据极大的优势从而获得世界各国用户的普遍认可。

在继电保护设备中，我们更加需要完善的问题就是设备的实时性。设备的实时性直接关乎电网的安全稳定，它直接受到其影响。假如设备实时性出现缺陷，会给电力系统带来难以补救损失的可能性。现阶段在我国电力系统中应用的嵌入式系统通常来说主要为C/C++语言。这是因为该系统不仅灵活性高并且可移植性也很强。同时该系统还使用了能够随时改变的模块化，目的在于处理好各种存在可能性会产生的问题但是却又不能够进行更换的难题。在提供便利的同时也能够尽最大的努力满足用户各种要求。

2.3 与GPS安全监控系统的结合

GPS的全称是全球定位系统。这是一个卫星系统。它能具有导航、定位、授时等功能的原因是它可以保证在地球上任意一点都可以同时被观测到。高精度、高效率和低成本都是GPS定位技术具有的优点。正是在这些优点的帮助下，它才能在各类大地测量控制网获得加强改造，也因此具有了较为普及的应用。目前，GPS技术出现了一个不断进步的境地，而将GPS技术使用到电力系统当中的条件也越来越松。电力系统使用GPS动态安全监控系统后取得效果很好。不仅能够对系统开展实时且有效的监控，同时还能够将GPS定位技术的精准度高并且效率快以及成本低的优势完全体现出来。可以对管辖区内的大地测量控制电网进行合理的监测。电力系统使用GPS动态安全监控技术后。基于GPS的动态安全监控系统指的是电力系统采用GPS所实现的光纤通信技术和同步测量技术。电力系统的动态安全监测管理主要包括动态相量测量系统、定时系统、中央信号处理系统和通信系统四个部分的内容。使用GPS和EMS监控系统能够做到对数据的动态、集中处理、定时等，为相量的控制提供条件。实现动态检测是我们必须做的，同时也是是电力系统发展的要求。

动态安全监控系统是基于GPS统一时钟的新一代EMS。各种各样的电磁暂态故障记录器和集中在稳态运行监控和数据采集（SCADA）系统是电力系统目前主是在录音的过程中使用的监控工具。前面具有记录数据冗余，记录时间短，缺乏沟通不同的录音机，让困难分析系统作为一个整体的动态特性：后者记录数据刷新间隔时间，但是用于系统的稳态特性。很难分析整个系统的动态行为的原因是都有一个共同的、缺乏精确的时间戳之间的联合不同位置即记录数据只是部分有效。新一代的基于GPS动态安全监控系统，是一个相结合的新的和现有的SCADA的动态安全监控系统。在这样的新技术下，GPS同步相量测量技术和光纤通讯技术和实施总量控制提供了条件。

在大型电力系统的稳定性和振动监测中常用的GPS系统的研究获得了一定的成果。在现实生活中已投入运行，例如GPS同步相量测量装置监控系统在南方电网投运。中国南方电网功率角振荡天骨干接触线己广泛应用在网格中的500千伏线路可以在实时调度中心观察。

3 结语

电力系统自动化技术无疑具有着很大的潜力在计算机技术、信息技术、控制技术的发展下，也将有更多的技术出现。随着它们的出现，电力系统将更加自动化，为人们提供更好的电能。

【参考文献】