移动终端基于机器视觉的器材识别研究
发布时间：2022-06-03 20:52
提出了单兵移动终端离线状态下基于机器视觉的装备器材识别的方法,从图像采集、图像预处理、特征提取及数据匹配3个模块展开分析。简要介绍了手持终端图像采集的相关考量。通过畸变校正、降噪、轮廓提取等,得到器材的轮廓图像,为特征提取做好准备。选取器材的几何形状特征作为识别依据,通过ORB算法得到图像的特征向量,并进行匹配,达到识别器材的目的。实验测试数据表明,该算法具有较高的识别率和良好的实时性。
【文章页数】：6 页
【部分图文】：
器材识别系统框图
该方法不同于传统的C/S模式，图像的采集、处理、分析与结果输出，整个过程不再通过网络与服务器通连，完全脱离电脑和服务站，主要利用移动终端单机实现对器材的识别。器材图像采集、预处理、依托终端自带的数据库进行算法匹配、结果输出等流程，完全在手持终端上自主完成，能够独立地在任何环境中完成器材识别任务，为后续的器材申请、保障等任务提供良好的基础，纯移动终端器材识别示意图见图2所示。构建识别系统具体的过程中，结合器材色调单一、形状各异的实际特点，选择形状特征（器材的边界特征）作为器材识别的全局特征。为适应移动终端计算能力相对较弱、存储空间较小的实际情况，采用基于图像特征的匹配方法，选用占用内存空间小、计算量少的二值图像的轮廓线作为主要特征。其大致原理是：将器材的国家标准中的三视图作为基准图，归一化处理后进行提取特征，建立模型库；对待识别器材进行图像采集，而后进行相应预处理后提取到边缘特征；运用ORB算法进行特征提取，形成特征向量并与模板库进行以边缘特征为基础的匹配，得到器材信息。在匹配时辅以装备型号缩小范围，以增强器材识别的实时性。
器材（零件）的三视图是国家标准中的3个基本视图，使用这3张标准视角图片为每个器材构建模板库，使得在不同角度下拍摄的器材图片也能够识别，也增加了器材识别的准确率。三视图可通过标准的器材设计文件生成，轮廓特征明显，无误差，有利于提高识别准确性；经过压缩、归一化处理后文件小、所需计算量少，识别实时性强，以此为基础建立的模型库为系统的实时性和准确性提供了很好的保证，标准及处理后建库用三视图见图3所示。4 图像采集
【参考文献】：
期刊论文
[1]基于嵌入式图像处理与运动控制的测控系统设计[J]. 姚志生,许四祥,翟健健,李天甲. 火力与指挥控制. 2018(05)
[2]便携智能化的装备保障信息系统设计[J]. 黄少罗,张建新,司徒成元. 兵器装备工程学报. 2018(04)
[3]“黑科技”在设备维保系统中的应用[J]. 李科. 电气自动化. 2018(01)
[4]战时装备维修器材需求预计方法[J]. 赵晓东,李雄,孙俊峰. 火力与指挥控制. 2018(01)
[5]不确定条件下装备器材供应网规划模型[J]. 于双双,王铁宁,李宁,徐胜良. 火力与指挥控制. 2017(04)
[6]图像识别技术与移动增强现实技术的结合[J]. 吴振宇. 电子技术与软件工程. 2017(03)
[7]基于ORB特征的户外建筑物识别方法[J]. 罗林. 电脑知识与技术. 2015(28)
[8]移动平台上的增强现实系统关键算法研究综述[J]. 杨晓. 进出口经理人. 2014(S1)
[9]基于物体识别的增强现实系统[J]. 贾琼,王明敏. 微型电脑应用. 2013(06)
[10]基于机器视觉的洞库类目标自动识别技术[J]. 张辉,罗庆生,赵小川,罗霄,高彩. 火力与指挥控制. 2010(09)
博士论文
[1]大型实时互动增强现实系统中的若干问题研究[D]. 姚争为.上海大学 2010
硕士论文
[1]基于机器视觉的机械零件识别技术研究[D]. 郭聿荃.吉林大学 2016
[2]地标性建筑的增强现实系统设计研究[D]. 康磊.哈尔滨工业大学 2015
[3]基于机器视觉的机械零件的识别研究[D]. 张丛.天津职业技术师范大学 2015
[4]基于移动终端的多角度实物识别方法[D]. 陈代武.北京邮电大学 2015
[5]基于机器视觉的零件识别和测量系统研究[D]. 邓小峰.南京航空航天大学 2014
[6]基于机器视觉的精密注塑零件的识别与检测[D]. 徐俊成.北京化工大学 2011
[7]复杂场景中的实时目标识别[D]. 孙伟斌.上海交通大学 2009
[8]机器视觉在零件识别与检测中的应用[D]. 郝洪宪.南京航空航天大学 2008
[9]基于机器视觉系统的零件识别与检测的研究[D]. 许巧游.南京航空航天大学 2006
本文编号：3653467
【文章页数】：6 页
【部分图文】：
器材识别系统框图
该方法不同于传统的C/S模式，图像的采集、处理、分析与结果输出，整个过程不再通过网络与服务器通连，完全脱离电脑和服务站，主要利用移动终端单机实现对器材的识别。器材图像采集、预处理、依托终端自带的数据库进行算法匹配、结果输出等流程，完全在手持终端上自主完成，能够独立地在任何环境中完成器材识别任务，为后续的器材申请、保障等任务提供良好的基础，纯移动终端器材识别示意图见图2所示。构建识别系统具体的过程中，结合器材色调单一、形状各异的实际特点，选择形状特征（器材的边界特征）作为器材识别的全局特征。为适应移动终端计算能力相对较弱、存储空间较小的实际情况，采用基于图像特征的匹配方法，选用占用内存空间小、计算量少的二值图像的轮廓线作为主要特征。其大致原理是：将器材的国家标准中的三视图作为基准图，归一化处理后进行提取特征，建立模型库；对待识别器材进行图像采集，而后进行相应预处理后提取到边缘特征；运用ORB算法进行特征提取，形成特征向量并与模板库进行以边缘特征为基础的匹配，得到器材信息。在匹配时辅以装备型号缩小范围，以增强器材识别的实时性。
器材（零件）的三视图是国家标准中的3个基本视图，使用这3张标准视角图片为每个器材构建模板库，使得在不同角度下拍摄的器材图片也能够识别，也增加了器材识别的准确率。三视图可通过标准的器材设计文件生成，轮廓特征明显，无误差，有利于提高识别准确性；经过压缩、归一化处理后文件小、所需计算量少，识别实时性强，以此为基础建立的模型库为系统的实时性和准确性提供了很好的保证，标准及处理后建库用三视图见图3所示。4 图像采集
【参考文献】：
期刊论文
[1]基于嵌入式图像处理与运动控制的测控系统设计[J]. 姚志生,许四祥,翟健健,李天甲. 火力与指挥控制. 2018(05)
[2]便携智能化的装备保障信息系统设计[J]. 黄少罗,张建新,司徒成元. 兵器装备工程学报. 2018(04)
[3]“黑科技”在设备维保系统中的应用[J]. 李科. 电气自动化. 2018(01)
[4]战时装备维修器材需求预计方法[J]. 赵晓东,李雄,孙俊峰. 火力与指挥控制. 2018(01)
[5]不确定条件下装备器材供应网规划模型[J]. 于双双,王铁宁,李宁,徐胜良. 火力与指挥控制. 2017(04)
[6]图像识别技术与移动增强现实技术的结合[J]. 吴振宇. 电子技术与软件工程. 2017(03)
[7]基于ORB特征的户外建筑物识别方法[J]. 罗林. 电脑知识与技术. 2015(28)
[8]移动平台上的增强现实系统关键算法研究综述[J]. 杨晓. 进出口经理人. 2014(S1)
[9]基于物体识别的增强现实系统[J]. 贾琼,王明敏. 微型电脑应用. 2013(06)
[10]基于机器视觉的洞库类目标自动识别技术[J]. 张辉,罗庆生,赵小川,罗霄,高彩. 火力与指挥控制. 2010(09)
博士论文
[1]大型实时互动增强现实系统中的若干问题研究[D]. 姚争为.上海大学 2010
硕士论文
[1]基于机器视觉的机械零件识别技术研究[D]. 郭聿荃.吉林大学 2016
[2]地标性建筑的增强现实系统设计研究[D]. 康磊.哈尔滨工业大学 2015
[3]基于机器视觉的机械零件的识别研究[D]. 张丛.天津职业技术师范大学 2015
[4]基于移动终端的多角度实物识别方法[D]. 陈代武.北京邮电大学 2015
[5]基于机器视觉的零件识别和测量系统研究[D]. 邓小峰.南京航空航天大学 2014
[6]基于机器视觉的精密注塑零件的识别与检测[D]. 徐俊成.北京化工大学 2011
[7]复杂场景中的实时目标识别[D]. 孙伟斌.上海交通大学 2009
[8]机器视觉在零件识别与检测中的应用[D]. 郝洪宪.南京航空航天大学 2008
[9]基于机器视觉系统的零件识别与检测的研究[D]. 许巧游.南京航空航天大学 2006
本文编号：3653467
本文链接：https://www.wllwen.com/kejilunwen/jingguansheji/3653467.html
