1 西安石油大学，陕西 西安 710065
2 青海民族大学物理与电子信息工程学院，青海 西宁 810007
当前的动态目标识别方法在场景复杂的图像中，因为无法采集足够多的特征信息，导致识别结果应用性受限。基于三维激光点云提出一种运动图像动态目标识别方法。利用三维扫描系统获取运动点云图像特征，在不影响有效信息采集的情况下，进行图像预处理；引入地平面方程，将图像背景点云与被识别目标点云通过欧式聚类法分割，提取处理后的被识别目标关键点，并采用Freeman链码检测边缘特征，完成运动图像动态目标识别。试验对比结果表明，所研究基于三维激光点云的运动图像动态目标识别方法，对动态目标有良好的鉴别能力及较好的识别精度，且所需动态目标识别时间较短。
动态目标识别 三维扫描系统 点云图像 图像预处理 关键点提取 边缘特征检测 dynamic target recognition three-dimensional scanning system point cloud image image preprocessing key point extraction edge feature detection
近年来,起重机轨道的检测系统测量准确性不高并且效率较低。为了提高现有起重机轨道检测的测量准确性,提高检测效率,提出了一种新型轨道检测系统。在系统中综合使用基站搭载的激光扫描仪,实时追踪小车位置,根据扫描仪采集的数据重构出轨道顶面中心线的空间形状,检测轨道变形程度。系统测量精度可以满足现有标准要求,同时相对于传统检测设备,检测效率提升数倍以上。
轨道 自动检测系统 激光扫描仪 rail auto-inspection system laser scanner
为了精确识别人手姿态用于机器手控制,文中讨论一种基于计算机视觉的手势立体姿态检测的新方法。该方法利用多目视觉之间的配合,有效地解决了检测识别时手部关键节点互相遮挡的关键问题。采用了自适应阈值分割、harris角点检测、外极线约束等几种合理、有效的点的匹配算法,对不同摄像机拍摄到的手部关键节点进行排序,这样不仅解决了特征点的位置归属问题,也解决了图像与对应点的匹配问题。通过实验表明:对手部关键节点的检测达到了满意的结果。
计算机视觉 手势姿态 多目视觉 harris角点检测 极线约束 computer stereovision hand gesture multi-camera system harris corner detection epipolar constraint
