前言：中文期刊網(wǎng)精心挑選了如何學(xué)習(xí)計(jì)算機(jī)視覺(jué)范文供你參考和學(xué)習(xí)，希望我們的參考范文能激發(fā)你的文章創(chuàng)作靈感，歡迎閱讀。
如何學(xué)習(xí)計(jì)算機(jī)視覺(jué)范文1
物體為什么會(huì)呈現(xiàn)出人們所看到的視覺(jué)效果?經(jīng)過(guò)多重反射后，光線將怎樣變化?如何讓計(jì)算機(jī)把真實(shí)世界里的物理原理數(shù)字化表現(xiàn)出來(lái)?這些都是松下康之在微軟亞洲研究院工作時(shí)要思考的問(wèn)題，攝像機(jī)拍攝出的畫面抖動(dòng)看不清怎么辦?松下康之也遇到過(guò)生活提出的小挑戰(zhàn)。
松下康之用研究員的“專屬語(yǔ)言”解釋道，“低層視覺(jué)研究”和“滿幀視頻穩(wěn)定技術(shù)”可以很好地回答和解決上面問(wèn)題。“這也正是我所從事的兩個(gè)研究方向：一個(gè)是光度學(xué)，另一個(gè)是視頻分析，”微軟亞洲研究院視覺(jué)計(jì)算組主管研究員松下康之說(shuō)，“兩者之間并沒(méi)有十分緊密的聯(lián)系，但這也正是有趣的地方。”
從東京大學(xué)的博士到微軟亞洲研究院實(shí)習(xí)生、從日本東京到北京的希格瑪大廈、從電氣工程學(xué)專業(yè)到以物理學(xué)為基礎(chǔ)的計(jì)算機(jī)視覺(jué)和視頻分析與合成。事實(shí)上，這種“毫無(wú)關(guān)系”所帶來(lái)的驚喜與巧合也貫穿于松下康之的經(jīng)歷之中。于是，松下康之給記者講述了一個(gè)充滿偶然與必然、選擇與堅(jiān)持的故事。言語(yǔ)間，流露出日本文化的嚴(yán)謹(jǐn)、美國(guó)式的活潑和與在微軟亞洲研究院的中國(guó)研究員一樣的親切與隨和。
邂逅未來(lái)
微軟亞洲研究院院長(zhǎng)洪小文曾說(shuō)過(guò)：“創(chuàng)新更多的是意外”。而松下康之與微軟亞洲研究院的緣分，正是充滿著這種“必然的意外”。
在東京大學(xué)讀書的時(shí)候，松下康之本科、碩士、博士的專業(yè)方向都是電氣工程。那時(shí)，松下康之已經(jīng)研究了智能交通系統(tǒng)。“但是，我意識(shí)到自己想做一些更加基礎(chǔ)的研究，并且希望可以把這些研究應(yīng)用到不同的事情上。”在博士畢業(yè)前兩年，松下康之就發(fā)現(xiàn)了自己對(duì)計(jì)算機(jī)視覺(jué)領(lǐng)域的濃厚興趣。而電氣工程與計(jì)算機(jī)科學(xué)聯(lián)系緊密，計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)和軟件都有學(xué)習(xí)，所以對(duì)于松下康之來(lái)說(shuō)，從電氣工程轉(zhuǎn)到計(jì)算機(jī)視覺(jué)并不是一個(gè)很大的跨越。
2002年，當(dāng)時(shí)松下康之還在讀博，在一次國(guó)際性的計(jì)算機(jī)視覺(jué)大會(huì)上，他見(jiàn)到了時(shí)任微軟亞洲研究院副院長(zhǎng)的沈向洋，“我之前就認(rèn)識(shí)他，還知道他在計(jì)算機(jī)視覺(jué)領(lǐng)域非常有名。我希望能有機(jī)會(huì)與他一起工作，學(xué)到更多東西。”于是，松下康之向沈向洋毛遂自薦，“意外地”成了一名微軟亞洲研究院的實(shí)習(xí)生，經(jīng)過(guò)4個(gè)月的實(shí)習(xí)生活之后，松下康之發(fā)現(xiàn)自己已經(jīng)喜歡上了這里的研究環(huán)境和生活，就這樣，在微軟亞洲研究院的工作開(kāi)始了。
如何用科技來(lái)解決實(shí)際問(wèn)題，從而改變更多人的生活，一直是微軟亞洲研究院的初衷。生活也不斷地給松下康之帶來(lái)靈感和意外的收獲。
其中，“滿幀視頻穩(wěn)定技術(shù)”的“誕生”就源于松下康之的婚禮――用手持的攝像機(jī)拍攝的婚禮畫面是搖晃的，看起來(lái)很不舒服，新婚妻子對(duì)婚禮錄像效果很不滿意，松下康之就想通過(guò)研究解決視頻顫抖的問(wèn)題。“現(xiàn)有的數(shù)字影像鑲嵌技術(shù)可以對(duì)畫面進(jìn)行穩(wěn)定性處理，但如果物體移動(dòng)，這種在場(chǎng)景固定的情況下才能實(shí)現(xiàn)的方法就不可行了。而通過(guò)‘滿幀視頻穩(wěn)定技術(shù)’，丟失掉的像素被自然的補(bǔ)充上了。”同理，還可以去除覆蓋在視頻上的文字、鏡頭上的污點(diǎn)，來(lái)補(bǔ)上丟失的像素。
科技的光影魔術(shù)
“視頻分析在不久的將來(lái)將變得更加重要，因?yàn)閳D像和視頻的界限已經(jīng)越來(lái)越模糊，我相信最后一切都將變成視頻。”松下康之對(duì)記者說(shuō)。
微軟亞洲研究院的計(jì)算機(jī)視覺(jué)包括：高層視覺(jué)(如人臉識(shí)別技術(shù))和低層視覺(jué)(如光度學(xué)，即研究光線與物體的相互作用)，松下康之的研究方向?qū)儆诤笳摺?/p>
“光度學(xué)也非常重要，因?yàn)槿绻覀儾幻靼住蛯印习l(fā)生了什么，就無(wú)法在‘高層視覺(jué)’研究上取得突破，所以‘低層視覺(jué)’研究是非常基礎(chǔ)的。如果“低層視覺(jué)”發(fā)展了，那么“高層視覺(jué)”也會(huì)隨之發(fā)展。”
雖然是“肉眼”難以察覺(jué)的變化，但是松下康之卻給記者描述了光度學(xué)形象的應(yīng)用――3D復(fù)原和現(xiàn)實(shí)物體數(shù)字化。而要實(shí)現(xiàn)上面的兩項(xiàng)應(yīng)用，很明顯需要比普通人更特別的“視力”。
“計(jì)算機(jī)視覺(jué)里有一個(gè)傳統(tǒng)的方法，叫多視角立體視覺(jué)法(multi－view stereo)，通過(guò)不同視角拍攝的圖片我們可以重現(xiàn)3D，但不能做細(xì)節(jié)的重現(xiàn)；還有另一種方法，叫立體光學(xué)法(photometric stereo)，攝像機(jī)和物體都是固定的，但是光線是變化的，如果移動(dòng)光源就可以得到物體的不同觀察值，通過(guò)觀察值可以得到表面方向(surface orientation)。”
前者可以得到整體的形狀，但卻無(wú)法得到細(xì)節(jié)，而后者不能給你整體的形狀，因?yàn)樗荒芙o你表面方向。如何把兩個(gè)技術(shù)的優(yōu)點(diǎn)結(jié)合起來(lái)得到最真實(shí)的3D圖像呢?
“我們考慮如果把一個(gè)持續(xù)光源固定在攝像機(jī)上，這樣我們就可以同時(shí)移動(dòng)光源和攝像機(jī)。”于是，松下康之和他來(lái)自東京大學(xué)的實(shí)習(xí)生一起做出了看起來(lái)與普通家用數(shù)碼產(chǎn)品沒(méi)有太大差別的“3D攝像機(jī)”。“這個(gè)3D攝像機(jī)的相關(guān)的配件在市場(chǎng)上很容易就能買到，手持永遠(yuǎn)是簡(jiǎn)單的，人們不會(huì)想要拿著一個(gè)龐然大物。”松下康之向記者介紹研發(fā)背后的原因。
文化熔爐
作為美國(guó)電氣電子工程師協(xié)會(huì)2009年計(jì)算機(jī)視覺(jué)與模式識(shí)別國(guó)際會(huì)議(CVPR)和2009年計(jì)算機(jī)視覺(jué)國(guó)際會(huì)議(ICCV)的區(qū)域主席、著名期刊International Journal of Computer Vision(IJCV)和Computer Vision Applications(CVA)的編委，松下康之坦言，微軟亞洲研究院對(duì)研究員在專業(yè)領(lǐng)域的自由交流的支持，使得研究員對(duì)自己的研究領(lǐng)域“看得更遠(yuǎn)、更透徹”。
“通過(guò)這些職務(wù)，我對(duì)研究方向有了更高的認(rèn)識(shí)，這種視野能夠幫助我決定今后什么樣的研究更有價(jià)值。此外，我能夠認(rèn)識(shí)計(jì)算機(jī)視覺(jué)界的很多人，這是另一個(gè)收獲。”松下康之笑著說(shuō)。
如何學(xué)習(xí)計(jì)算機(jī)視覺(jué)范文2
關(guān)鍵詞：印制電路板；圖像處理；機(jī)器視覺(jué)；PCB裸板；自動(dòng)光學(xué)檢測(cè)；缺陷檢測(cè) 文獻(xiàn)標(biāo)識(shí)碼：A
中圖分類號(hào)：TP391 文章編號(hào)：1009-2374（2016）09-0010-05 DOI：10.13535/ki.11-4406/n.2016.09.005
我國(guó)是全球第一大PCB生產(chǎn)基地，作為電子產(chǎn)品承載體的電路板，其集成度和產(chǎn)量不斷在提高。為了保證電子產(chǎn)品的性能，電路板缺陷檢測(cè)技術(shù)已經(jīng)成為電子行業(yè)中非常關(guān)鍵的技術(shù)。建立在圖像處理算法基礎(chǔ)上的機(jī)器視覺(jué)檢測(cè)技術(shù)與傳統(tǒng)的人工檢測(cè)技術(shù)相比，提高了缺陷檢測(cè)的效率和準(zhǔn)確度。因此，設(shè)計(jì)一種高效精準(zhǔn)的機(jī)器視覺(jué)檢測(cè)電路板缺陷的系統(tǒng)，具有非常重要的現(xiàn)實(shí)意義。評(píng)估印刷電路板質(zhì)量的一個(gè)重要因素就是表觀檢測(cè)，PCB的表觀質(zhì)量對(duì)產(chǎn)品性能及成品使用安全有著極大的重要性。而伴隨著近年來(lái)在工業(yè)生產(chǎn)領(lǐng)域崛起的計(jì)算機(jī)視覺(jué)，當(dāng)前表觀缺陷檢測(cè)和分類識(shí)別的研究方向已經(jīng)轉(zhuǎn)向了利用計(jì)算機(jī)視覺(jué)技術(shù)來(lái)實(shí)現(xiàn)。計(jì)算機(jī)圖像處理識(shí)別技術(shù)這種基于計(jì)算機(jī)視覺(jué)的檢測(cè)技術(shù)成功取代了傳統(tǒng)的PCB缺陷檢測(cè)方法，在自動(dòng)光學(xué)檢測(cè)系統(tǒng)眾多應(yīng)用中占據(jù)了相對(duì)重要的地位，一躍成為PCB生產(chǎn)業(yè)表觀缺陷的主要檢測(cè)方法。
圖1 系統(tǒng)框圖
因此本文通過(guò)設(shè)計(jì)AOI自動(dòng)光學(xué)檢測(cè)系統(tǒng)，搭建較為簡(jiǎn)單的PCB缺陷自動(dòng)檢測(cè)系統(tǒng)的實(shí)驗(yàn)平臺(tái)，對(duì)PCB中四類較為關(guān)鍵、常見(jiàn)的缺陷進(jìn)行檢測(cè)、分析、識(shí)別、判定，為研究推廣PCB缺陷自動(dòng)檢測(cè)系統(tǒng)開(kāi)拓應(yīng)用前景，如能實(shí)現(xiàn)工業(yè)上的產(chǎn)業(yè)化檢測(cè)，將有高額的經(jīng)濟(jì)收益。本文側(cè)重對(duì)PCB中的四類較為關(guān)鍵、常見(jiàn)的缺陷進(jìn)行檢測(cè)、分析、識(shí)別、判定，并且僅搭建了較為簡(jiǎn)單的PCB缺陷自動(dòng)檢測(cè)系統(tǒng)的實(shí)驗(yàn)平臺(tái)，即通過(guò)復(fù)雜算法對(duì)采集到的圖像進(jìn)行處理、配準(zhǔn)、對(duì)比，從而得出PCB缺陷類型及對(duì)其進(jìn)行標(biāo)識(shí)。如圖1所示。
1 硬件設(shè)計(jì)方案
PCB缺陷檢測(cè)的總體系統(tǒng)設(shè)計(jì)方案主要是基于自動(dòng)光學(xué)檢測(cè)技術(shù)來(lái)搭建PCB缺陷檢測(cè)系統(tǒng)，硬件設(shè)計(jì)是使用CNC-T程控光源高精度影像測(cè)試系統(tǒng)操作臺(tái)，對(duì)待測(cè)電路板進(jìn)行圖像采集，再通過(guò)VS2010軟件所編寫程序處理，得出待測(cè)電路板的缺陷種類。整個(gè)系統(tǒng)主要分為運(yùn)動(dòng)控制、光源、圖像采集、圖像處理四個(gè)模塊，分模塊簡(jiǎn)要闡述了實(shí)驗(yàn)過(guò)程、所需設(shè)備以及軟件算法，搭建了一個(gè)相對(duì)完整的系統(tǒng)工作平臺(tái)。
圖2 CNC-T程控光源影像操作臺(tái)
該設(shè)備具有測(cè)量元素種類齊全、手動(dòng)測(cè)量、自動(dòng)對(duì)焦等多種功能，使用該設(shè)備采集圖像進(jìn)行二維檢測(cè)，測(cè)量軟體為YR-CNC，將圖像儲(chǔ)存至電腦后便由VS軟件進(jìn)行圖像處理。實(shí)驗(yàn)組成如圖3所示：
圖3 實(shí)驗(yàn)系統(tǒng)框圖
1.1 運(yùn)動(dòng)控制模塊
本系統(tǒng)運(yùn)動(dòng)流程為：被檢測(cè)的PCB在檢測(cè)臺(tái)上，通過(guò)步進(jìn)電機(jī)XY軸運(yùn)動(dòng)到攝像機(jī)拍攝區(qū)域，CCD攝像機(jī)固定在工作臺(tái)上方（Z軸），通過(guò)Z軸的運(yùn)動(dòng)實(shí)現(xiàn)聚焦。如圖4所示：
圖4 平臺(tái)運(yùn)動(dòng)示意圖
設(shè)備工作臺(tái)臺(tái)面尺寸為746mm×506mm，承載玻璃面尺寸為452mm×354mm，有效測(cè)量行程為400×300×200。本裝置既可通過(guò)軟件驅(qū)動(dòng)自動(dòng)采集圖像，也可以通過(guò)手動(dòng)控制，移動(dòng)并聚焦采集待測(cè)PCB的圖像。
1.2 光源模塊
輔助光照――采用的是正向和背向光源這兩種輔助光照。其中正光源和攝像頭同側(cè)，均位于Z軸上，正光源主要用于檢測(cè)待測(cè)物體的表面特征。背光源位于檢測(cè)臺(tái)面下方，與正光源處于同軸反向關(guān)系，背光源能突出待測(cè)物體的輪廓特征，常用于檢測(cè)物體輪廓尺寸。
圖像采集：分別利用正光源突出PCB表面如走線、過(guò)孔和焊盤等主要特征，而下光源主要使PCB的輪廓尺寸和過(guò)孔產(chǎn)生強(qiáng)烈的輪廓對(duì)比。
光源：使用的是高度集中照明光源中心的LDR系列，由于該光源的傘狀結(jié)構(gòu)緊密排列著LED且采用了CCS獨(dú)創(chuàng)的柔性板，使之成為L(zhǎng)ED照明系統(tǒng)的標(biāo)準(zhǔn)模式。照明系統(tǒng)如圖5所示：
圖5 照明系統(tǒng)
1.3 圖像采集模塊
圖像采集模塊是由圖像采集卡、相機(jī)和鏡頭組成的，該模塊是圖像配準(zhǔn)階段的硬件基礎(chǔ)。計(jì)算機(jī)采集圖像的媒介就是相機(jī)，而相機(jī)按照不同原理又分為多種，常見(jiàn)的有CCD（Charge Coupled Device）和CMOS（Complementary Metal Oxide Semiconductor）兩類。本系統(tǒng)采用的是CCD 1/2英寸43萬(wàn)像素彩色攝像頭和高清晰度0.7～4.5X變焦倍率鏡頭，顯示分辨率為0.001mm。
1.4 圖像處理模塊
通常獲得的圖像將受到工業(yè)現(xiàn)場(chǎng)環(huán)境、光照等條件的干擾，計(jì)算機(jī)所獲得的圖像質(zhì)量多數(shù)參差不齊，圖像的清晰度不一致，大大增加了PCB缺陷檢測(cè)的難度，所以在利用復(fù)雜算法檢測(cè)、識(shí)別PCB缺陷前要先對(duì)圖像進(jìn)行預(yù)處理。
本圖像處理模塊主要通過(guò)VS軟件在OpenCV計(jì)算機(jī)視覺(jué)庫(kù)的基礎(chǔ)上，通過(guò)一系列算法對(duì)圖像進(jìn)行處理對(duì)比。
2 系統(tǒng)軟件設(shè)計(jì)
2.1 OpenCV
OpenCV（Open Source Computer Vision Library）是一個(gè)跨平臺(tái)的可以運(yùn)行在Linux、Windows和Mac OS操作系統(tǒng)上的基于（開(kāi)源）發(fā)行的計(jì)算機(jī)視覺(jué)庫(kù)。它重量輕而高效，開(kāi)放了多種接口如MATLAB、Ruby和Python等，并且在計(jì)算機(jī)視覺(jué)和圖像處理中大多數(shù)通用的算法都是被允許的。OpenCV可用于開(kāi)發(fā)實(shí)時(shí)圖像處理、計(jì)算機(jī)視覺(jué)和模式識(shí)別方案，它提供了多種函數(shù)，實(shí)現(xiàn)了大量的計(jì)算機(jī)視覺(jué)算法，算法涵蓋了從最基礎(chǔ)的濾波至以高級(jí)的物體檢測(cè)。OpenCV實(shí)際上是一堆C和C++語(yǔ)言源代碼文件，許多常見(jiàn)的計(jì)算機(jī)視覺(jué)算法由這些源代碼文件實(shí)現(xiàn)。如C接口函數(shù)cvCanny（）實(shí)現(xiàn)Canny邊緣檢測(cè)算法。它可直接加入到我們自己的軟件項(xiàng)目編程中，而無(wú)需去編寫自己的Canny算子代碼，就是沒(méi)有必要重復(fù)“造輪子”。
根據(jù)OpenCV中源代碼文件巨多的特點(diǎn)，以算法的功能為基準(zhǔn)，將這些源文件分到多個(gè)模塊中，如core、imgproc、highgui等。將每個(gè)模塊中的源文件編譯成一個(gè)庫(kù)文件（如opencv_core.lib、opencv_imgproc.lib、opencv_highgui.lib等），用戶在使用時(shí)，僅需在自己的項(xiàng)目中添加要用的庫(kù)文件，與自己的源文件一起連接成可執(zhí)行程序即可。
OpenCV計(jì)算機(jī)視覺(jué)庫(kù)的出現(xiàn)，是為了使人們利用方便快捷的計(jì)算機(jī)視覺(jué)框架，在計(jì)算機(jī)視覺(jué)領(lǐng)域可以更加輕松地設(shè)計(jì)出更為復(fù)雜的應(yīng)用程序。OpenCV涵蓋了多種計(jì)算機(jī)視覺(jué)應(yīng)用區(qū)域，如用戶界面、信息安全、醫(yī)學(xué)影像學(xué)、工廠產(chǎn)品檢驗(yàn)、立體視覺(jué)、機(jī)器人和攝像機(jī)標(biāo)定等，約有500多個(gè)函數(shù)。因?yàn)橛?jì)算機(jī)視覺(jué)與機(jī)器學(xué)習(xí)是相輔相成的，所以O(shè)penCV也開(kāi)放了MLL（Machine Learning Library）機(jī)器學(xué)習(xí)庫(kù)。MLL除了在視覺(jué)任務(wù)相關(guān)中使用，也可以很容易地應(yīng)用到其他機(jī)器學(xué)習(xí)中。
2.2 Microsoft Visual Studio2010
Visual Studio是微軟公司推出的開(kāi)發(fā)環(huán)境，是同行業(yè)中目前最流行的Windows平臺(tái)應(yīng)用程序開(kāi)發(fā)環(huán)境。Visual Studio 2010于2010年4月12日，其集成開(kāi)發(fā)環(huán)境（IDE）已被重新設(shè)計(jì)和組織，變得更簡(jiǎn)單了。
Visual Studio 2010同時(shí)帶來(lái)了NET Framework 4.0、Microsoft Visual Studio 2010 CTP（Community Technology Preview――CTP），并且支持開(kāi)發(fā)面向Windows 7的應(yīng)用程序。除了Microsoft SQL Server外，它還支持IBM DB2和Oracle數(shù)據(jù)庫(kù)。目前有專業(yè)版、高級(jí)版、旗艦版、學(xué)習(xí)版和測(cè)試版五個(gè)版本。Visual Studio的用處十分廣泛，不僅可被用來(lái)基于Windows平臺(tái)創(chuàng)建Windows應(yīng)用程序和Web應(yīng)用程序，還可被用來(lái)創(chuàng)建智能設(shè)備、Office插件和Web服務(wù)等應(yīng)用程序。微軟的Visual Studio 2010將成為一個(gè)版本的經(jīng)典，這是相當(dāng)于6.0版本。該版本可以自定義開(kāi)始頁(yè)，新功能還包括：（1）C# 4.0中的動(dòng)態(tài)類型和動(dòng)態(tài)編程；（2）多顯示器支持；（3）使用Visual Studio 2010的特性支持TDD；（4）支持Office；（5）Quick Search特性；（6）C++ 0x新特性；（7）IDE增強(qiáng)；（8）使用Visual C++ 2010創(chuàng)建Ribbon界面；（9）新增基于.NET平臺(tái)的語(yǔ)言F#。本課題將基于OpenCV計(jì)算機(jī)視覺(jué)庫(kù)使用Microsoft Visual Studio2010開(kāi)發(fā)環(huán)境，通過(guò)編輯算法實(shí)現(xiàn)PCB缺陷檢測(cè)。
3 圖像預(yù)處理
要使用計(jì)算機(jī)對(duì)圖像進(jìn)行處理，所得到的連續(xù)圖像就必須被轉(zhuǎn)換為離散的數(shù)據(jù)集，這是因?yàn)橛?jì)算機(jī)只能處理離散度數(shù)據(jù)，這一過(guò)程我們稱之為圖像采集。圖像采集由圖像采集系統(tǒng)實(shí)現(xiàn)，如圖6所示。圖像采集系統(tǒng)的三個(gè)主要模塊是成像系統(tǒng)、采樣系統(tǒng)和量化器。
圖6
將整理出的字符圖像交予識(shí)別模塊來(lái)識(shí)別，被稱為圖像的預(yù)處理。PCB的圖像預(yù)處理包括灰度化、增強(qiáng)、濾波、二值化、配準(zhǔn)等，處理后的PCB輸出的圖像質(zhì)量將得到改善，在很大程度上使得該圖像特征更直觀，方便計(jì)算機(jī)分析和處理。PCB的圖像預(yù)處理為整個(gè)PCB缺陷檢測(cè)系統(tǒng)的核心部件，很大程度上決定了檢測(cè)的準(zhǔn)確性。圖像預(yù)處理流程如圖7所示：
圖7 圖像預(yù)處理流程圖
4 PCB缺陷檢測(cè)
本文針對(duì)四種常見(jiàn)缺陷：斷路、短路、毛刺（凸起）、缺損（凹陷）進(jìn)行檢測(cè)研究。在這四種缺陷中，最為嚴(yán)重的缺陷類型是斷路和短路，它們將會(huì)使整塊板子失去本來(lái)的功能；而凸起、凹陷也可能影響到PCB在使用過(guò)程中的穩(wěn)定性能。如圖8所示為幾種常見(jiàn)的缺陷：
圖8 常見(jiàn)電路板缺陷
4.1 PCB缺陷的檢測(cè)方法
常用的PCB缺陷檢測(cè)方法有參考法和非參考法兩種。要是從概念理解和電路難易程度看，參考法明顯更加具有概念直觀、電路簡(jiǎn)單的優(yōu)勢(shì)；要是從檢測(cè)所需要的條件來(lái)看，非參考法則在不需要待測(cè)PCB與標(biāo)準(zhǔn)PCB進(jìn)行準(zhǔn)確對(duì)準(zhǔn)這一點(diǎn)上優(yōu)于參考法。
本課題采用參考法進(jìn)行PCB缺陷檢測(cè)。
使用參考法對(duì)PCB缺陷進(jìn)行檢測(cè)的流程為：（1）確定標(biāo)準(zhǔn)的PCB圖像并放入?yún)⒖紟?kù)；（2）通過(guò)成像設(shè)備采集待測(cè)PCB圖像，進(jìn)行圖像預(yù)處理之后，再二值化PCB待測(cè)圖像，并對(duì)其進(jìn)行連通域提取；（3）然后將處理結(jié)果與標(biāo)準(zhǔn)圖像進(jìn)行對(duì)比，利用圖像相減來(lái)判斷PCB可能存在的缺陷；（4）進(jìn)行分類，確定缺陷類型。
4.2 圖像連通域
像素是圖像中最小的單位，每個(gè)像素周圍有8個(gè)鄰接像素，常見(jiàn)的鄰接關(guān)系有兩種：4鄰接與8鄰接。4鄰接一共4個(gè)點(diǎn)，即上下左右。包括對(duì)角線位置的點(diǎn)，8鄰接的點(diǎn)一共有8個(gè)，如圖9所示：
圖9 領(lǐng)域示圖
如果像素點(diǎn)A與B鄰接，我們稱A與B連通，即有如下的結(jié)論：
如果A與B連通、B與C連通，則A與C連通。在視覺(jué)上看來(lái)，點(diǎn)與點(diǎn)相互連通，形成一個(gè)區(qū)域，而不是連通的點(diǎn)形成不同的區(qū)域。這種相互立體的所有的點(diǎn)，我們稱為連通區(qū)域。連通區(qū)域標(biāo)記常用的方法有Two-Pass（兩遍掃描法）和Seed Filling（種子填充法）兩種方法，本課題主要介紹第二種。
Seed Filling來(lái)源于計(jì)算機(jī)圖形學(xué)，通常應(yīng)用在填充圖形上。思路：以一個(gè)前景像素當(dāng)作種子，而后在處于同一像素值且位置相鄰的連通區(qū)域，把和種子相鄰的前景像素融合到同一組像素中，結(jié)果將是獲得一個(gè)像素集，即連通區(qū)域。接下來(lái)介紹使用種子填充法實(shí)現(xiàn)的連通區(qū)域分析法：
第一，重復(fù)掃描圖像，當(dāng)?shù)玫疆?dāng)前像素點(diǎn)B（x，y）=1時(shí)停止：（1）賦予B（x，y）一個(gè)label，并將像素位置作為種子，接著將所有位于該種子周圍的前景像素都?jí)喝霔Ｖ校唬?）將棧頂像素賦以相同的label值并彈出，接著將全部位于棧頂像素周邊的前景像素都?jí)喝霔Ｖ校唬?）重復(fù)（2）步驟，直到棧為空。此時(shí)，圖像B中的一個(gè)像素值被標(biāo)記為label的連通區(qū)域便被找到了。
第二，在掃描結(jié)束前，重復(fù)第一個(gè)步驟，由此可以獲得圖像B中所有的連通區(qū)域在掃描結(jié)束后。
掃描所得的連通域如圖10所示：
圖10 圖像連通域提取
4.3 缺陷識(shí)別
缺陷識(shí)別具體特征如表1所示：
表1 缺陷特征
缺陷種類 二值圖像面積 連通區(qū)域數(shù)
斷路 減少 增加
短路 增加 減少
凸起 增加 不變
凹陷 減少 不變
第一，短路和斷路。在出現(xiàn)短路缺陷時(shí)，待測(cè)圖像與標(biāo)準(zhǔn)圖像相比，其所包含的連通區(qū)域數(shù)將會(huì)減少。同理可得，在出現(xiàn)斷路缺陷時(shí)，待測(cè)圖像與標(biāo)準(zhǔn)圖像相比，其所包含的連通區(qū)域數(shù)將會(huì)增多。因此，斷路和短路缺陷便可利用比較連通區(qū)域數(shù)來(lái)判定和識(shí)別。
第二，凸起和凹陷。凸起缺陷將導(dǎo)致導(dǎo)線和導(dǎo)線、導(dǎo)線和其他導(dǎo)體間的間隙變小，而凹陷缺陷將導(dǎo)致導(dǎo)線和導(dǎo)線、導(dǎo)線和其他導(dǎo)體間的間隙變大，二者均會(huì)導(dǎo)致PCB使用過(guò)程中出現(xiàn)不穩(wěn)定狀態(tài)。而觀察可知，這兩種缺陷的連通區(qū)域相同，差別在于各自二值化面積的大小，所以可以通過(guò)計(jì)算該待測(cè)圖像的連通區(qū)域面積來(lái)識(shí)別凸起、凹陷缺陷。
識(shí)別過(guò)程：將經(jīng)過(guò)圖像預(yù)處理的待測(cè)PCB圖像與標(biāo)準(zhǔn)圖像進(jìn)行對(duì)比后，通過(guò)算法找出缺陷。比較二者的連通區(qū)域數(shù)，若前者大于后者，則標(biāo)定該缺陷點(diǎn)為斷路，反之則為短路；若二者連通區(qū)域數(shù)相同，則比較二值化圖像面積，若前者大于后者，則標(biāo)定該缺陷點(diǎn)為凸起，反之則為凹陷。檢測(cè)流程如圖11所示：
圖11 PCB缺陷檢測(cè)流程圖
5 系統(tǒng)實(shí)驗(yàn)
本文使用CNC-T程控光源高精度影像測(cè)試系統(tǒng)操作臺(tái)，結(jié)合VS2010軟件基于OpenCV計(jì)算機(jī)視覺(jué)庫(kù)的算法編程來(lái)實(shí)現(xiàn)PCB的缺陷檢測(cè)。整體實(shí)驗(yàn)過(guò)程為：手動(dòng)控制操作臺(tái)捕捉、聚焦、采集待測(cè)PCB的圖像，采集到的圖像與標(biāo)準(zhǔn)圖像進(jìn)行對(duì)比、識(shí)別，得出缺陷種類并顯示結(jié)果。
本課題一共就所研究缺陷類型，做了40組實(shí)驗(yàn)，通過(guò)實(shí)驗(yàn)結(jié)果計(jì)算正確率。如表2所示：
表2 實(shí)驗(yàn)結(jié)果統(tǒng)計(jì)
缺陷類型 實(shí)驗(yàn)次數(shù) 正確率
斷路 10 100%
短路 10 100%
凸起 10 100%
凹陷 10 100%
針對(duì)不同電路板圖中出現(xiàn)的同種斷路類型進(jìn)行檢測(cè)，效果如圖12a、圖12b、圖12c所示，可準(zhǔn)確檢測(cè)出缺陷存在。
圖12
針對(duì)不同電路板圖中出現(xiàn)的同種短路類型進(jìn)行檢測(cè)，效果如圖13a、圖13b、圖13c所示，可準(zhǔn)確檢測(cè)出缺陷存在。
圖13
針對(duì)不同電路板圖中出現(xiàn)的同種凸起類型進(jìn)行檢測(cè)，效果如圖14a、圖14b、圖14c所示，可準(zhǔn)確檢測(cè)出缺陷存在。
圖14
針對(duì)不同電路板圖中出現(xiàn)的同種凹陷類型進(jìn)行檢測(cè)，效果如圖15a、圖15b、圖15c所示，可準(zhǔn)確檢測(cè)出缺陷存在。
圖15
6 結(jié)語(yǔ)
PCB板面向體積越來(lái)越小、密度越來(lái)越高的方向發(fā)展。在檢測(cè)產(chǎn)品價(jià)格方面，國(guó)外AOI檢測(cè)產(chǎn)品價(jià)格普遍偏高，而由于經(jīng)濟(jì)原因，在國(guó)內(nèi)PCB板生產(chǎn)制造商多數(shù)仍采用人工目測(cè)等傳統(tǒng)檢測(cè)方法檢測(cè)。隨著經(jīng)濟(jì)的發(fā)展，數(shù)字圖像處理研究的深入，自動(dòng)光學(xué)檢測(cè)系統(tǒng)也開(kāi)始頻繁活躍在人們視線中，但在PCB缺陷檢測(cè)方面的應(yīng)用卻還有待完善。因此，本論文建立在深入掌握工控系統(tǒng)結(jié)構(gòu)并從PCB板的質(zhì)量標(biāo)準(zhǔn)、圖像特點(diǎn)、缺陷特征及檢測(cè)要求的分析基礎(chǔ)上，對(duì)以圖像處理為基礎(chǔ)的PCB缺陷檢測(cè)技術(shù)進(jìn)行了深入研究。由于PCB缺陷自動(dòng)檢測(cè)系統(tǒng)的研究涉及多個(gè)領(lǐng)域的知識(shí)，其研究過(guò)程十分耗時(shí)、繁瑣，由此，本論文僅僅對(duì)PCB缺陷檢測(cè)中較為常見(jiàn)的問(wèn)題進(jìn)行了較深入研究，并且僅搭建了較為簡(jiǎn)單的PCB缺陷自動(dòng)檢測(cè)系統(tǒng)的實(shí)驗(yàn)平臺(tái)，對(duì)PCB中的四類較為關(guān)鍵、常見(jiàn)的缺陷進(jìn)行檢測(cè)、分析、識(shí)別、判定。雖然還未實(shí)現(xiàn)真正實(shí)現(xiàn)工業(yè)上產(chǎn)業(yè)化檢測(cè)，但是在未來(lái)幾十年中，研究推廣的PCB缺陷自動(dòng)檢測(cè)系統(tǒng)將有十分良好的應(yīng)用前景，也將有高額的經(jīng)濟(jì)收益。
參考文獻(xiàn)
[1] 陳勝勇，劉盛，等.基于OpenCV的計(jì)算機(jī)視覺(jué)技術(shù)實(shí)現(xiàn)[M].北京：科學(xué)出版社，2008.
[2] Gary Bradski，Adrian Kaebler，于仕琪，等.學(xué)習(xí)OpenCV[M].北京：清華大學(xué)出版社，2009.
[3] 周長(zhǎng)發(fā).精通Visual C++圖像處理編程（第3版）
[M].北京：電子工業(yè)出版社，2006.
[4] 黨振.中國(guó)大陸PCB產(chǎn)業(yè)的現(xiàn)狀與未來(lái)[J].印制電路信息，2006，32（1）.
[5] 胡躍明，譚穎.自動(dòng)光學(xué)檢測(cè)在中國(guó)的應(yīng)用現(xiàn)狀和發(fā)展[J].微計(jì)算機(jī)信息，2006，（4）.
[6] 李漢，何星，等.印刷電路板的自動(dòng)光學(xué)檢測(cè)系統(tǒng)
[J].無(wú)損檢測(cè)，2004，26（6）.
[7] 張利，高永英，等.PCB板檢測(cè)中的定位研究[J].中國(guó)圖像圖形學(xué)，1999，4（8）.
[8] 姚立新，張武學(xué)，等.AOI系統(tǒng)在PCB中的應(yīng)用[J].電子工業(yè)專用備，2004，（5）.
[9] 范小濤，夏雨人.一種基于圖像處理的PCB檢測(cè)算法研究[J].計(jì)算機(jī)工程與應(yīng)用，2004，（13）.
[10] 傅莉.印制電路板的發(fā)展及前景[J].電腦與電信，2010，（5）.
[11] 張明軒.基于視頻序列的人臉檢測(cè)與跟蹤算法研究[D].中北大學(xué)，2011.
[12] 張馳.基于機(jī)器視覺(jué)的智能控制與圖像識(shí)別問(wèn)題研究[D].蘭州理工大學(xué)，2009.
[13] 謝飛.基于計(jì)算機(jī)視覺(jué)的自動(dòng)光學(xué)檢測(cè)關(guān)鍵技術(shù)與應(yīng)用研究[D].南京大學(xué)，2013.
[14] 張靜.PCB表觀缺陷的自動(dòng)光學(xué)檢測(cè)理論與技術(shù)
[D].電子科技大學(xué)，2013.
[15] 俞瑋.AOI技術(shù)在PCB缺陷檢測(cè)中的應(yīng)用研究[D].電子科技大學(xué)，2007.
如何學(xué)習(xí)計(jì)算機(jī)視覺(jué)范文3
因?yàn)樘嗟慕涣魇欠钦Z(yǔ)言性的，這就很容易理解為什么人與計(jì)算機(jī)交互會(huì)有障礙。我們經(jīng)歷了從打孔卡到鍵盤的發(fā)展，隨著諸如Siri等APP的興起，我們可以進(jìn)行語(yǔ)音輸入，但是僅僅通過(guò)語(yǔ)言，機(jī)器還是不能理解我們。
這就是為什么最近機(jī)器情緒識(shí)別的發(fā)展會(huì)如火如荼的原因。由于照相機(jī)技術(shù)和計(jì)算機(jī)視覺(jué)算法的發(fā)展，計(jì)算機(jī)通過(guò)面部表情、眼動(dòng)方式、肢體語(yǔ)言、說(shuō)話方式甚至抬頭等理解我們的能力顯著提高。
想象一下：一位虛擬心理醫(yī)生在臨床診斷時(shí)可以通過(guò)分析患者的面部表情來(lái)確診抑郁癥，甚至可以隨著病情的變化來(lái)量化情緒變化。銷售人員能更好地分析客戶對(duì)其產(chǎn)品和廣告的反應(yīng)，老師們能知道課程計(jì)劃是否適用于全體學(xué)生，智能手機(jī)如果感覺(jué)到我們不安或困惑，會(huì)改變方式并提出建議。
換句話說(shuō)，冷靜的設(shè)備會(huì)通過(guò)我們的面部表情來(lái)得知我們的情緒。
計(jì)算機(jī)視覺(jué)研究者已經(jīng)致力于這項(xiàng)研究幾十年了。在這幾十年中發(fā)生了哪些改變？照相機(jī)技術(shù)是一個(gè)改變。為了理解面部表情，通常需要對(duì)表情的微妙變化進(jìn)行檢測(cè)，比如臉頰肌肉、嘴部的變化以及挑眉。然而，直到最近，在許多網(wǎng)絡(luò)相機(jī)中人臉看起來(lái)還是像一大團(tuán)粉紅色的物質(zhì)。但是現(xiàn)在即使最原始的智能手機(jī)都具有高質(zhì)量的照相機(jī)，能捕捉到諸多顯示面部情緒和意圖的面部動(dòng)作。
另一個(gè)變化是常規(guī)可用計(jì)算能力與內(nèi)存的提高，從而可以運(yùn)行更加復(fù)雜的情緒感知算法。由于有大量訓(xùn)練面部表情算法的視頻數(shù)據(jù)庫(kù)可用，計(jì)算機(jī)視覺(jué)算法變得越來(lái)越正確、有效，還能實(shí)時(shí)工作。
卡耐基梅隆大學(xué)機(jī)器人研究所的Fernando De la Torre發(fā)明了特別強(qiáng)大的面部識(shí)別軟件，被稱作IntraFace。他的團(tuán)隊(duì)采用機(jī)器學(xué)習(xí)的方法來(lái)教IntraFace如何以一種適用于大多數(shù)面孔的方式來(lái)識(shí)別和追蹤面部表情。然后他們創(chuàng)建了個(gè)性化算法能夠讓軟件對(duì)個(gè)人進(jìn)行情感表達(dá)分析。不僅準(zhǔn)確，而且高效，該軟件甚至能在手機(jī)上運(yùn)行。
De la Torre和匹茲堡大學(xué)心理學(xué)家Jeffrey Cohn已經(jīng)在臨床檢測(cè)抑郁癥上獲得了令人鼓舞的結(jié)果。在自然環(huán)境下檢測(cè)抑郁癥要求能夠捕捉微妙的面部表情，這就是他們正在做的事。
當(dāng)然，這并不是萬(wàn)無(wú)一失的。演員可能會(huì)成功地偽造情感表達(dá)。但是，由于真假情緒在表達(dá)時(shí)間上的不一致，因此關(guān)注時(shí)間的算法不會(huì)輕易上當(dāng)。此外，面部表情是嵌入到其他非語(yǔ)言行為中的。Cohn和其同事發(fā)現(xiàn)嚴(yán)重抑郁癥和輕微抑郁癥之間在聲音的時(shí)間上有細(xì)微的差別。
另一位成員，語(yǔ)言技術(shù)研究所的Louis-Philipe Morency使用多模式機(jī)器學(xué)習(xí)來(lái)評(píng)估病人的非語(yǔ)言行為來(lái)幫助醫(yī)生更好地評(píng)估抑郁癥和焦慮。他設(shè)想這項(xiàng)技術(shù)不僅能幫助診斷疾病，還能在某種程度上量化情感反應(yīng)，可以幫助醫(yī)生追蹤精神疾病，就像血液檢測(cè)和X射線能夠幫助醫(yī)生監(jiān)測(cè)身體疾病一樣。
如果機(jī)器能理解我們的情緒，我們與機(jī)器的交互就會(huì)變得更加豐富。卡耐基梅隆大學(xué)的Justine Cassell研究虛擬同伴在教育行業(yè)的應(yīng)用，她發(fā)現(xiàn)當(dāng)虛擬同伴能對(duì)學(xué)生們的情緒狀態(tài)做出適當(dāng)反應(yīng)，甚至在某些場(chǎng)合嘲笑他們時(shí)，學(xué)生們會(huì)更積極地參與也會(huì)學(xué)得更多。
如何學(xué)習(xí)計(jì)算機(jī)視覺(jué)范文4
在1998年第三次高校本科專業(yè)目錄修訂調(diào)整前，測(cè)繪學(xué)科本科有4個(gè)專業(yè):攝影測(cè)量與遙感、工程測(cè)量、大地測(cè)量、地圖制圖，雖然都要學(xué)習(xí)攝影測(cè)量學(xué)，但是各個(gè)專業(yè)間差異較大，如原武漢測(cè)繪科技大學(xué)(武測(cè))對(duì)攝影測(cè)量與遙感專業(yè)學(xué)生有關(guān)攝影測(cè)量方面的教學(xué)內(nèi)容包括:基礎(chǔ)攝影測(cè)量、解析攝影測(cè)量、數(shù)字?jǐn)z影測(cè)量、攝影技術(shù)、航空與航天攝影技術(shù)、非地形攝影測(cè)量;實(shí)踐環(huán)節(jié)包括:航測(cè)實(shí)驗(yàn)、航測(cè)外業(yè)實(shí)習(xí)、航測(cè)內(nèi)業(yè)實(shí)習(xí)。而原測(cè)繪學(xué)院攝影測(cè)量與遙感專業(yè)有關(guān)攝影測(cè)量方面的教學(xué)內(nèi)容包括:攝影與空中攝影、航空攝影測(cè)量、航天攝影測(cè)量、解析攝影測(cè)量、航測(cè)自動(dòng)化、像片判繪(包括實(shí)習(xí))、像片轉(zhuǎn)繪，實(shí)踐環(huán)節(jié)還包括航測(cè)外業(yè)實(shí)習(xí)。由于當(dāng)時(shí)攝影測(cè)量教學(xué)中實(shí)驗(yàn)或?qū)嵙?xí)內(nèi)容涉及很多價(jià)格昂貴的專業(yè)攝影測(cè)量?jī)x器，一些院校受限于辦學(xué)條件，當(dāng)時(shí)只開(kāi)設(shè)有工程測(cè)量專業(yè)。原武測(cè)工程測(cè)量專業(yè)在攝影測(cè)量學(xué)方面主要的課程有:攝影技術(shù)(一學(xué)期)、攝影測(cè)量學(xué)(一學(xué)期)，但沒(méi)有相關(guān)實(shí)習(xí);而同濟(jì)大學(xué)工程測(cè)量專業(yè)，在20世紀(jì)90年代中期開(kāi)設(shè)的攝影測(cè)量學(xué)相關(guān)課程有:攝影測(cè)量與遙感(上、下兩個(gè)學(xué)期)、工程攝影測(cè)量，實(shí)踐環(huán)節(jié)包括:攝影測(cè)量實(shí)驗(yàn)、遙感實(shí)習(xí);相較一些院校的工程測(cè)量專業(yè)，其攝影測(cè)量方面的學(xué)時(shí)數(shù)已經(jīng)偏多。1998年第三次高校本科專業(yè)目錄修訂后，以一級(jí)學(xué)科設(shè)置本科教學(xué)專業(yè)，現(xiàn)在本科階段只有測(cè)繪工程專業(yè)，攝影測(cè)量學(xué)作為測(cè)繪工程專業(yè)的主干課程及方向之一，與原來(lái)工程測(cè)量專業(yè)比，攝影測(cè)量學(xué)在教學(xué)中所占的比重增加，但是該比重遠(yuǎn)低于在攝影測(cè)量與遙感專業(yè)中的比重，并且由于總課時(shí)呈壓縮態(tài)勢(shì)，因此實(shí)際授課時(shí)間實(shí)際是在減少。隨著空間技術(shù)、傳感器技術(shù)和計(jì)算機(jī)技術(shù)的發(fā)展，近20年來(lái)攝影測(cè)量學(xué)內(nèi)容發(fā)生了很大變化;在經(jīng)歷模擬、解析、數(shù)字3個(gè)階段發(fā)展后，攝影測(cè)量快速進(jìn)入了航空攝影測(cè)量與航天攝影測(cè)量并存的發(fā)展階段;航空攝影發(fā)展到了模擬航空攝影和數(shù)碼航空成像并存階段，航天攝影(測(cè)繪衛(wèi)星)完全實(shí)現(xiàn)了數(shù)字成像;攝影測(cè)量數(shù)據(jù)處理則實(shí)現(xiàn)了全數(shù)字化。為了適應(yīng)攝影測(cè)量快速發(fā)展的情況，同濟(jì)大學(xué)測(cè)量系在2005—2006學(xué)年開(kāi)設(shè)了攝影測(cè)量學(xué)的雙語(yǔ)教學(xué)［9］，其他院校也對(duì)攝影測(cè)量學(xué)教學(xué)進(jìn)行了有益的改革與嘗試［10-11］。攝影測(cè)量的快速發(fā)展使得一方面涌現(xiàn)大量新知識(shí)點(diǎn)，現(xiàn)在本科教學(xué)中攝影測(cè)量方面涉及的很多內(nèi)容實(shí)際上是20世紀(jì)90年代以來(lái)人們的研究結(jié)果，因此需要教授的內(nèi)容大量增加;另一方面，以一級(jí)學(xué)科設(shè)置本科專業(yè)，測(cè)繪學(xué)科的各個(gè)二級(jí)學(xué)科的內(nèi)容都要涉及，而通識(shí)教育本身又需要挪出相當(dāng)?shù)膶W(xué)時(shí)進(jìn)行通識(shí)類課程學(xué)習(xí)，造成的結(jié)果是在攝影測(cè)量方面，現(xiàn)在同濟(jì)本科教學(xué)中相關(guān)的課程只有:攝影測(cè)量基礎(chǔ)、數(shù)字?jǐn)z影測(cè)量及實(shí)踐環(huán)節(jié)———攝影測(cè)量實(shí)習(xí)，并且其中作為專業(yè)主干課的“攝影測(cè)量基礎(chǔ)”課時(shí)縮減為一周4課時(shí)(將來(lái)還將縮減為3課時(shí))，在這種背景下，攝影測(cè)量方面的教學(xué)應(yīng)如何開(kāi)展，特別是主干課攝影測(cè)量基礎(chǔ)教學(xué)如何開(kāi)展，教學(xué)中應(yīng)該包括哪些內(nèi)容?過(guò)去的模擬攝影測(cè)量?jī)?nèi)容是否要涉及?怎樣涉及?這些都須考慮。
二、通識(shí)教育下同濟(jì)大學(xué)測(cè)繪專業(yè)“攝影測(cè)量基礎(chǔ)”教學(xué)探索
作為一門主干專業(yè)基礎(chǔ)課，攝影測(cè)量學(xué)在數(shù)學(xué)上具有完整的理論基礎(chǔ)，與其他測(cè)繪基礎(chǔ)課程如測(cè)量學(xué)、大地測(cè)量學(xué)有較大的差異，也是一門非大眾化的學(xué)科課程;但作為測(cè)繪技術(shù)中的一個(gè)分支，其具有廣泛的應(yīng)用，是后續(xù)學(xué)習(xí)數(shù)字?jǐn)z影測(cè)量、近景攝影測(cè)量及遙感等專業(yè)課程的基礎(chǔ)。隨著近、現(xiàn)代攝影測(cè)量理論研究和技術(shù)的發(fā)展，相關(guān)內(nèi)容更新非常快，而且與計(jì)算機(jī)視覺(jué)的結(jié)合日趨緊密，因此現(xiàn)階段攝影測(cè)量學(xué)的教學(xué)內(nèi)容也有較大的變化，一是內(nèi)容增多，二是內(nèi)容改變多特別是涉及應(yīng)用方面。而通識(shí)教育背景下，造成課時(shí)數(shù)緊縮，因此在攝影測(cè)量基礎(chǔ)教學(xué)中須兼顧兩者，在教學(xué)內(nèi)容安排中尤其要注意基礎(chǔ)部分、拓展部分的比例安排，統(tǒng)籌考慮一般學(xué)生的需求和感興趣且學(xué)有余力同學(xué)進(jìn)一步深入的要求。結(jié)合攝影測(cè)量方面課程的教學(xué)經(jīng)驗(yàn)，確定了“攝影測(cè)量基礎(chǔ)”課程教學(xué)的指導(dǎo)思想。
1．“攝影測(cè)量基礎(chǔ)”課程教學(xué)的指導(dǎo)思想
攝影測(cè)量學(xué)基礎(chǔ)作為一門基礎(chǔ)性專業(yè)課程，在現(xiàn)在學(xué)時(shí)大大壓縮的情況下，整個(gè)教學(xué)內(nèi)容應(yīng)強(qiáng)調(diào)基礎(chǔ)性，為學(xué)生將來(lái)可能的進(jìn)一步學(xué)習(xí)打好基礎(chǔ)。測(cè)繪工程專業(yè)的學(xué)生將來(lái)會(huì)從事各種不同的行業(yè)應(yīng)用，同濟(jì)大學(xué)測(cè)繪工程專業(yè)的學(xué)生畢業(yè)后單純從事攝影測(cè)量與遙感方面研究與實(shí)際工作的并不多，比較多的從事工程測(cè)量，但現(xiàn)在工程測(cè)量這方面的儀器不少涉及近景攝影測(cè)量原理的應(yīng)用，如工業(yè)場(chǎng)景監(jiān)測(cè)等;另一方面還有不少學(xué)生從事GIS數(shù)據(jù)處理的工作，其中會(huì)涉及不少航空、航天影像的處理。針對(duì)這些不同的學(xué)生，項(xiàng)目組成員認(rèn)為“攝影測(cè)量基礎(chǔ)”課教學(xué)的目的是在有限的學(xué)時(shí)下，傳授攝影測(cè)量最基本的概念方法，建立攝影測(cè)量學(xué)基本框架;為將來(lái)進(jìn)一步學(xué)習(xí)相關(guān)后續(xù)課程及將來(lái)工作中有關(guān)知識(shí)學(xué)習(xí)作準(zhǔn)備。考慮到同濟(jì)大學(xué)測(cè)繪工程專業(yè)攝影測(cè)量學(xué)方面課程分為攝影測(cè)量基礎(chǔ)和數(shù)字?jǐn)z影測(cè)量學(xué)兩部分，而衛(wèi)星影像幾何處理集中在后續(xù)的遙感課程中講授，且課時(shí)數(shù)有限，因此現(xiàn)在“攝影測(cè)量學(xué)基礎(chǔ)”課的教學(xué)，其指導(dǎo)思想應(yīng)是:對(duì)攝影測(cè)量學(xué)的講授內(nèi)容側(cè)重于攝影測(cè)量基本原理、基本過(guò)程，使學(xué)生建立起攝影測(cè)量的基本思想，保證學(xué)生對(duì)攝影測(cè)量整體過(guò)程的理解;在此基礎(chǔ)上適當(dāng)加強(qiáng)攝影測(cè)量實(shí)際應(yīng)用部分的教學(xué)，提升學(xué)生的學(xué)習(xí)興趣，同時(shí)通過(guò)雙語(yǔ)教學(xué)實(shí)踐來(lái)提高學(xué)生的專業(yè)外語(yǔ)能力，為今后進(jìn)一步學(xué)習(xí)做準(zhǔn)備。
2．構(gòu)建科學(xué)的“攝影測(cè)量基礎(chǔ)”課程教學(xué)的目標(biāo)體系
從上述“攝影測(cè)量基礎(chǔ)”教學(xué)指導(dǎo)思想出發(fā)，構(gòu)建了通識(shí)教育下“攝影測(cè)量基礎(chǔ)”課程教學(xué)的目標(biāo)體系。總體上，“攝影測(cè)量基礎(chǔ)”教學(xué)目的是為滿足寬口徑人才的培養(yǎng)，滿足不同部門對(duì)于攝影測(cè)量和影像空間信息獲取人才的要求，為學(xué)生將來(lái)的對(duì)攝影測(cè)量學(xué)相關(guān)內(nèi)容的進(jìn)一步學(xué)習(xí)、自主學(xué)習(xí)打好基礎(chǔ)，為這一目標(biāo)，將教學(xué)中涉及的內(nèi)容分成4類:需熟練掌握的、需掌握的、需了解的及興趣拓展部分。有關(guān)數(shù)字影像匹配方法的基本計(jì)算過(guò)程，數(shù)字高程模型的建立及其應(yīng)用，數(shù)字微分糾正的原理及正射影像圖的制作;全部放到數(shù)字?jǐn)z影測(cè)量課中講授，不在攝影測(cè)量基礎(chǔ)課上做要求。這樣通過(guò)本課程教學(xué)，使學(xué)生系統(tǒng)地學(xué)習(xí)攝影測(cè)量學(xué)的基本理論與方法，著重使學(xué)生掌握攝影測(cè)量學(xué)的基本知識(shí)(包括空間解析定位和圖像解譯)及利用攝影測(cè)量方法獲取空間幾何位置信息的基本操作過(guò)程;了解攝影測(cè)量學(xué)與遙感、GIS的密切關(guān)系，空間定位技術(shù)(GPS)的關(guān)系，在攝影測(cè)量影像信息處理中的應(yīng)用及攝影測(cè)量學(xué)的最新發(fā)展及其在國(guó)民經(jīng)濟(jì)建設(shè)中的主要應(yīng)用。一些感興趣的學(xué)生可以進(jìn)一步拓展了解其歷史發(fā)展知識(shí)及與計(jì)算機(jī)視覺(jué)的關(guān)系。
3．優(yōu)化教學(xué)內(nèi)容，為學(xué)生進(jìn)一步的學(xué)習(xí)打好基礎(chǔ)
合理選擇、組織的教學(xué)內(nèi)容是滿足在課時(shí)較少情況下學(xué)生仍能夠較好掌握攝影測(cè)量基本知識(shí)的重要保證。攝影測(cè)量學(xué)教學(xué)中既包括有大量的攝影幾何原理，又涉及很多數(shù)據(jù)處理的方法及相關(guān)應(yīng)用方面的知識(shí)，在現(xiàn)有的教學(xué)中各門相關(guān)課程的講授內(nèi)容各有側(cè)重。而傳統(tǒng)的教學(xué)方法中沿著攝影測(cè)量的發(fā)展脈絡(luò)，從模擬—解析—數(shù)字來(lái)介紹，其最大的好處是:對(duì)攝影測(cè)量的發(fā)展歷史、相關(guān)概念演變的關(guān)系學(xué)生能比較清晰的掌握，但這是建立在過(guò)去專業(yè)細(xì)分的基礎(chǔ)上的、需要大量課時(shí)，并且最好有一定模擬儀器的支持，這在現(xiàn)有情況下無(wú)法滿足，而且其中部分知識(shí)內(nèi)容已屬于比較陳舊過(guò)時(shí)的內(nèi)容，也沒(méi)有必要講授，而其中歷史部分，雖應(yīng)涉及，但不同學(xué)生對(duì)各部分內(nèi)容的興趣并不一樣。由于將“攝影測(cè)量基礎(chǔ)”課程的教學(xué)內(nèi)容分成了4部分，因此，攝影測(cè)量歷史部分知識(shí)屬于學(xué)生只需了解的內(nèi)容，而模擬攝影測(cè)量部分的絕大多數(shù)內(nèi)容則屬于興趣拓展部分的內(nèi)容。在教學(xué)中重點(diǎn)放在學(xué)生需要掌握或熟練掌握的內(nèi)容;同時(shí)考慮到計(jì)算機(jī)視覺(jué)研究對(duì)攝影測(cè)量的沖擊與促進(jìn)，在教學(xué)內(nèi)容中增加了相關(guān)內(nèi)容的介紹，其中部分如計(jì)算機(jī)視覺(jué)方向如何表示像點(diǎn)、物點(diǎn)的關(guān)系，它與攝影測(cè)量表示方法的關(guān)系，是學(xué)生應(yīng)了解或興趣拓展的內(nèi)容。目前對(duì)攝影測(cè)量基礎(chǔ)的教學(xué)內(nèi)容及教學(xué)順序作了較大調(diào)整:①考慮到學(xué)生在先前階段并沒(méi)有課程專門講授攝影測(cè)量中的影像獲取及其要求，在內(nèi)容中增加影像獲取部分，介紹過(guò)去膠面影像的獲取(簡(jiǎn)要介紹)和數(shù)字影像的獲取，并對(duì)相機(jī)檢校簡(jiǎn)要介紹;②由于將數(shù)字?jǐn)z影測(cè)量部分內(nèi)容獨(dú)立在專門的課程介紹，在攝影測(cè)量基礎(chǔ)部分重點(diǎn)介紹像片解析基礎(chǔ)、強(qiáng)化解析空中三角測(cè)量部分內(nèi)容，特別是光束法平差、增加直接線性變換內(nèi)容;③講授內(nèi)容去掉了模擬測(cè)圖部分內(nèi)容的介紹，這些內(nèi)容只作為學(xué)生興趣閱讀的材料;④考慮到整個(gè)航測(cè)成圖的整體性，在內(nèi)容中增加了航測(cè)外業(yè)部分介紹，包括坐標(biāo)框架選取、像控點(diǎn)獲取，以及影像的調(diào)繪。現(xiàn)有的一些攝影測(cè)量教材中模擬攝影測(cè)量的內(nèi)容已經(jīng)完全去掉，只在緒論的歷史回顧中出現(xiàn)。由于現(xiàn)在攝影測(cè)量中一些名詞、概念、處理方法中還留有模擬測(cè)圖的痕跡，將模擬部分完全去掉是否會(huì)影響學(xué)生對(duì)這些問(wèn)題理解?一些攝影測(cè)量還留有不少模擬的痕跡，完全去掉對(duì)學(xué)生理解是否有利?從這一角度出發(fā)，在講授過(guò)程中仍然將模擬測(cè)圖內(nèi)容作適當(dāng)介紹，作為學(xué)生拓展了解的內(nèi)容。而對(duì)于影像解析及解析空三的內(nèi)容，因其是攝影測(cè)量的基礎(chǔ)，對(duì)進(jìn)一步學(xué)習(xí)很重要，因此在授課中強(qiáng)化了這方面的內(nèi)容。
4．加強(qiáng)與創(chuàng)新項(xiàng)目的結(jié)合、與實(shí)踐的結(jié)合
攝影測(cè)量是一門應(yīng)用性很強(qiáng)的學(xué)科，為調(diào)動(dòng)學(xué)生的學(xué)習(xí)興趣，在教學(xué)過(guò)程中，增加了一些攝影測(cè)量知識(shí)應(yīng)用的小實(shí)驗(yàn)。如利用規(guī)則格網(wǎng)板進(jìn)行控制，利用普通相機(jī)(如手機(jī)自帶相機(jī))進(jìn)行面狀物體的攝影和基于影像的面狀物體形狀測(cè)量;結(jié)合網(wǎng)上大量的影像信息(特別是衛(wèi)星影像信息，如百度地圖、GoogleEarth上的影像信息)，與實(shí)地相對(duì)照，引導(dǎo)學(xué)生理解影像調(diào)繪、外業(yè)控制、像片控制點(diǎn)的概念，并結(jié)合學(xué)生自己的日常生活進(jìn)行有針對(duì)性的調(diào)繪。現(xiàn)在大學(xué)本科教育中，非常重視學(xué)生創(chuàng)新能力的培養(yǎng)，有各種學(xué)校和國(guó)家的創(chuàng)新項(xiàng)目。有些學(xué)生提出的一些項(xiàng)目申請(qǐng)想法就涉及影像的幾何處理、攝影測(cè)量的相關(guān)知識(shí)，因?yàn)槭菍W(xué)生自己提出的想法，所以學(xué)生的興趣高、學(xué)習(xí)主動(dòng)性強(qiáng)，并且很多想法更為新穎、有趣，為此在攝影測(cè)量基礎(chǔ)教學(xué)過(guò)程中加強(qiáng)了和創(chuàng)新項(xiàng)目的結(jié)合。現(xiàn)在測(cè)繪工程三、四年級(jí)學(xué)生正在進(jìn)行的創(chuàng)新項(xiàng)目中，有2～3個(gè)項(xiàng)目是與攝影測(cè)量學(xué)相關(guān)的。通過(guò)加強(qiáng)課程教學(xué)與實(shí)踐和創(chuàng)新項(xiàng)目的結(jié)合，原本抽象的概念內(nèi)容變得具體、實(shí)在，與日常生活中應(yīng)用相結(jié)合，調(diào)動(dòng)了學(xué)生的學(xué)習(xí)興趣，同時(shí)為完成這些項(xiàng)目和實(shí)踐活動(dòng)，還會(huì)涉及一些教學(xué)中未授內(nèi)容，這樣可以進(jìn)一步促進(jìn)學(xué)生深入、主動(dòng)地學(xué)習(xí)，能激發(fā)學(xué)生去思考該學(xué)科的更廣泛應(yīng)用，而不是僅局限于測(cè)圖方面，這也與現(xiàn)在通識(shí)教育背景下進(jìn)行通才培養(yǎng)的理念相一致。
三、結(jié)束語(yǔ)
如何學(xué)習(xí)計(jì)算機(jī)視覺(jué)范文5
關(guān)鍵詞：動(dòng)態(tài)紋理;網(wǎng)格;三維模型;動(dòng)態(tài)景物;基于圖像的繪制
0引言
近幾年，隨著虛擬場(chǎng)景建模技術(shù)的發(fā)展，客戶對(duì)虛擬場(chǎng)景的真實(shí)感和實(shí)時(shí)性要求越來(lái)越高。在大部分虛擬場(chǎng)景中，尤其是自然環(huán)境和戰(zhàn)場(chǎng)環(huán)境中，火焰、煙霧、硝煙以及干擾云等景物是必不可少的一部分。真實(shí)地模擬這些動(dòng)態(tài)景物是影響場(chǎng)景繪制速度的一個(gè)重要因素，也是計(jì)算機(jī)圖形圖像研究的一個(gè)重點(diǎn)和難點(diǎn)。用更少的運(yùn)算和內(nèi)存空間,更加逼真地模擬它們的狀態(tài)一直是人們努力的目標(biāo)。目前已經(jīng)有很多關(guān)于這方面的研究。Lamorletter和Foster對(duì)火焰的各個(gè)不同部分分別建立模型[1],然后分別計(jì)算不同部分的狀態(tài),從而體現(xiàn)整個(gè)火焰的運(yùn)動(dòng)狀態(tài)。首先建立火焰的外輪廓線模型,然后對(duì)火焰進(jìn)行上下分段,對(duì)不同段的粒子采用不同函數(shù)描述,從而體現(xiàn)火焰不同部分的亮度,通過(guò)各個(gè)部分亮度的變化展現(xiàn)火焰的動(dòng)態(tài)效果。Beaudoin則是建立三維的火焰骨架[2],并在三維骨架內(nèi)建立速度場(chǎng)。火焰的粒子以當(dāng)前所處位置的速度運(yùn)動(dòng),實(shí)現(xiàn)動(dòng)態(tài)效果。同時(shí),他把火焰由內(nèi)及外分成不同的層,不同的層用不同的亮度計(jì)算函數(shù),體現(xiàn)了火焰由內(nèi)及外的亮度變化。Ngu－yen則是從燃料入手[3],考察固體燃料由固體變成氣體燃燒然后再慢慢冷卻的過(guò)程。在燃燒的過(guò)程中,燃料顆粒以氣態(tài)在空氣中運(yùn)動(dòng)并且相互作用,產(chǎn)生火焰的動(dòng)態(tài)效果。同時(shí),燃料顆粒經(jīng)歷溫度由低到高的過(guò)程,亮度也相應(yīng)由弱到強(qiáng)地變化,使火焰在不同的段,亮度也不同。Schodl提出一種由少量動(dòng)態(tài)火焰產(chǎn)生無(wú)限動(dòng)態(tài)火焰序列的算法[4]。Fedkiw通過(guò)跟蹤點(diǎn)的運(yùn)動(dòng),利用渦流思路成功模擬了煙的運(yùn)動(dòng)[5]。Wijk就如何體現(xiàn)流體紋理隨機(jī)性和不確定性,并保持紋理一致性和連續(xù)性提出了很好的思路[6]。
1α－體建模思想
在以上提出的各種建模方法中，出于真實(shí)性、隨機(jī)性和實(shí)時(shí)性的考慮，在實(shí)際建模過(guò)程中常用的方法主要有基于粒子系統(tǒng)的建模和分形[7]建模以及依賴于已有的圖像序列的基于計(jì)算機(jī)視覺(jué)的建模。這類動(dòng)態(tài)現(xiàn)象包含的共同特性是產(chǎn)生它們的物理機(jī)制十分復(fù)雜,一般很難通過(guò)物理分析的方法對(duì)它們建模。而現(xiàn)有的建模算法多數(shù)都是基于粒子系統(tǒng)[7~9]，既要考慮其復(fù)雜的物理模型，又要利用流體力學(xué)的知識(shí)計(jì)算場(chǎng)景的運(yùn)動(dòng)狀態(tài)。其主要缺點(diǎn)是運(yùn)算量大，很難達(dá)到實(shí)時(shí)繪制的要求。另一方面,可以很容易收集這類動(dòng)態(tài)序列的樣本。于是，產(chǎn)生了圖像與幾何相結(jié)合的建模思想：首先從得到的原始圖像序列樣本恢復(fù)幾何信息，然后將紋理映射到幾何體表面。但是這種方法要用到計(jì)算機(jī)視覺(jué)理論，不可避免地要從圖像中精確地恢復(fù)對(duì)象的幾何模型。這是一個(gè)非常復(fù)雜的過(guò)程，尤其是對(duì)于這些沒(méi)有固定形狀的動(dòng)態(tài)景物而言。大部分的火焰合成系統(tǒng)都是動(dòng)態(tài)地展現(xiàn)紋理效果，使其在二維平面上展現(xiàn)出栩栩如生的逼真效果，目前在這方面已有很多研究成果[10，11]。在虛擬空間中，需要從各個(gè)視角對(duì)這種現(xiàn)象進(jìn)行觀察，只靠紋理的方法是不行的；同時(shí)，還要求必須能實(shí)時(shí)地生成。由于景物在運(yùn)動(dòng)過(guò)程中，紋理狀態(tài)具有不確定性，用傳統(tǒng)的基于粒子的和分形的建模方法，不僅需要大量?jī)?nèi)存空間來(lái)保持它們的連續(xù)性和一致性，還要通過(guò)大量的運(yùn)算來(lái)求得它們的下一個(gè)狀態(tài)。這會(huì)大大降低繪制的速度，不能滿足實(shí)時(shí)性要求。
基于這種狀況，本文提出了一種利用已有圖像序列的實(shí)時(shí)建模方法，即α－體建模思想。這種方法既避免了物理建模的復(fù)雜性，又省去了用計(jì)算機(jī)視覺(jué)恢復(fù)復(fù)雜幾何模型的過(guò)程。首先運(yùn)用動(dòng)態(tài)紋理合成思想從原始圖像集產(chǎn)生動(dòng)態(tài)紋理序列；其次對(duì)動(dòng)態(tài)紋理序列進(jìn)行背景消隱，得到?jīng)]有噪聲的動(dòng)態(tài)紋理序列；然后再對(duì)這個(gè)紋理序列中的每一張圖像進(jìn)行邊界合成，找出不同的顏色區(qū)域邊界并計(jì)算邊界的α值；最后根據(jù)α值生成α－體集合。在算法中，主要解決了如何利用合成的區(qū)域邊界勾勒出紋理的輪廓線以及如何從輪廓線計(jì)算α值，并生成α體的問(wèn)題。
2算法設(shè)計(jì)
2．1產(chǎn)生紋理的動(dòng)態(tài)序列
動(dòng)態(tài)紋理是一種基于圖像的繪制方法，通過(guò)對(duì)輸入圖像序列進(jìn)行學(xué)習(xí)，生成新的圖像序列。它與原序列在視覺(jué)上十分相似，不但具有很強(qiáng)的真實(shí)感，還具有一定的可編輯性。下面首先定義一個(gè)動(dòng)態(tài)紋理，然后分別對(duì)動(dòng)態(tài)紋理進(jìn)行學(xué)習(xí)、識(shí)別和合成。
2．2圖像的邊界合成
為了建立α－體集，必須找出不同區(qū)域的邊界。在火焰圖像中，不同顏色的區(qū)域之間的邊界都是曲線。這里用Alpha估計(jì)技術(shù)，通過(guò)以不同的比例混合兩種顏色產(chǎn)生邊界顏色，而且不需要知道邊界的詳細(xì)信息。
在實(shí)際圖片中，邊界的顏色往往受多個(gè)區(qū)域的影響，有多個(gè)區(qū)域的圖像可以被分解為只有兩個(gè)鄰接區(qū)域的圖像。因此，這里主要處理有兩個(gè)區(qū)域的圖像。本文用分割兩個(gè)區(qū)域的像素鏈形成區(qū)域邊界。像素鏈用邊緣監(jiān)測(cè)器發(fā)現(xiàn)的邊緣創(chuàng)建，而邊界使用區(qū)域分割算法或邊界尋找工具（如智能截取器IntelligentScissors[13]）發(fā)現(xiàn)。事實(shí)上的困難在于紋理可能有噪聲和其他數(shù)據(jù)源。本文采用如下的方法：
（2）計(jì)算Alpha和非混合顏色
兩個(gè)信號(hào)集X和Y是每個(gè)對(duì)象區(qū)域顏色的離散表達(dá)。現(xiàn)在必須在兩個(gè)分布之間建立關(guān)系和確定顏色空間的任意一個(gè)像素Q，只要將顏色信號(hào)轉(zhuǎn)換為連續(xù)的分布，這種關(guān)系可以很容易建立。這里使用一個(gè)均勻的高斯混合來(lái)確保在顏色空間所有的點(diǎn)有一個(gè)非空對(duì)應(yīng)和簡(jiǎn)化方程。在Q點(diǎn)比較這兩個(gè)方程是一個(gè)估計(jì)Q點(diǎn)Alpha值αQ的方式。當(dāng)假設(shè)Q是X和Y的顏色混合時(shí)，Q就不可能是這兩個(gè)分布中的任何一個(gè)。因?yàn)橐烙?jì)混合量，傳統(tǒng)的決策理論方法是沒(méi)有用的。這時(shí)要真正地從X分布的顏色穿過(guò)邊界變形到Y(jié)分布的顏色繪制Q點(diǎn)。這種變形通過(guò)在兩個(gè)分布之間線性插值實(shí)現(xiàn)。這樣估計(jì)Alpha就變成一個(gè)最大化可能的估計(jì)問(wèn)題，即發(fā)現(xiàn)最大化Q點(diǎn)值可能值的密度。
3實(shí)驗(yàn)結(jié)果和算法復(fù)雜度分析
摘要：提出了一種α－體建模方法：對(duì)實(shí)拍圖像的學(xué)習(xí)生成動(dòng)態(tài)紋理之后，再對(duì)紋理進(jìn)行邊界合成得到劃分了顏色區(qū)域的圖像;通過(guò)對(duì)圖像區(qū)域邊界的掃描勾勒出圖像的輪廓線網(wǎng)格，并根據(jù)其到中心的距離為每個(gè)網(wǎng)格邊界賦予標(biāo)準(zhǔn)的顏色值；最后根據(jù)網(wǎng)格的顏色值生成三維模型。實(shí)驗(yàn)證明這種動(dòng)態(tài)景物的建模方法能夠滿足虛擬場(chǎng)景實(shí)時(shí)繪制的要求，而且具有很好的魯棒性和連續(xù)性。
關(guān)鍵詞：動(dòng)態(tài)紋理;網(wǎng)格;三維模型;動(dòng)態(tài)景物;基于圖像的繪制
0引言
近幾年，隨著虛擬場(chǎng)景建模技術(shù)的發(fā)展，客戶對(duì)虛擬場(chǎng)景的真實(shí)感和實(shí)時(shí)性要求越來(lái)越高。在大部分虛擬場(chǎng)景中，尤其是自然環(huán)境和戰(zhàn)場(chǎng)環(huán)境中，火焰、煙霧、硝煙以及干擾云等景物是必不可少的一部分。真實(shí)地模擬這些動(dòng)態(tài)景物是影響場(chǎng)景繪制速度的一個(gè)重要因素，也是計(jì)算機(jī)圖形圖像研究的一個(gè)重點(diǎn)和難點(diǎn)。用更少的運(yùn)算和內(nèi)存空間,更加逼真地模擬它們的狀態(tài)一直是人們努力的目標(biāo)。目前已經(jīng)有很多關(guān)于這方面的研究。Lamorletter和Foster對(duì)火焰的各個(gè)不同部分分別建立模型[1],然后分別計(jì)算不同部分的狀態(tài),從而體現(xiàn)整個(gè)火焰的運(yùn)動(dòng)狀態(tài)。首先建立火焰的外輪廓線模型,然后對(duì)火焰進(jìn)行上下分段,對(duì)不同段的粒子采用不同函數(shù)描述,從而體現(xiàn)火焰不同部分的亮度,通過(guò)各個(gè)部分亮度的變化展現(xiàn)火焰的動(dòng)態(tài)效果。Beaudoin則是建立三維的火焰骨架[2],并在三維骨架內(nèi)建立速度場(chǎng)。火焰的粒子以當(dāng)前所處位置的速度運(yùn)動(dòng),實(shí)現(xiàn)動(dòng)態(tài)效果。同時(shí),他把火焰由內(nèi)及外分成不同的層,不同的層用不同的亮度計(jì)算函數(shù),體現(xiàn)了火焰由內(nèi)及外的亮度變化。Ngu－yen則是從燃料入手[3],考察固體燃料由固體變成氣體燃燒然后再慢慢冷卻的過(guò)程。在燃燒的過(guò)程中,燃料顆粒以氣態(tài)在空氣中運(yùn)動(dòng)并且相互作用,產(chǎn)生火焰的動(dòng)態(tài)效果。同時(shí),燃料顆粒經(jīng)歷溫度由低到高的過(guò)程,亮度也相應(yīng)由弱到強(qiáng)地變化,使火焰在不同的段,亮度也不同。Schodl提出一種由少量動(dòng)態(tài)火焰產(chǎn)生無(wú)限動(dòng)態(tài)火焰序列的算法[4]。Fedkiw通過(guò)跟蹤點(diǎn)的運(yùn)動(dòng),利用渦流思路成功模擬了煙的運(yùn)動(dòng)[5]。Wijk就如何體現(xiàn)流體紋理隨機(jī)性和不確定性,并保持紋理一致性和連續(xù)性提出了很好的思路[6]。
1α－體建模思想
在以上提出的各種建模方法中，出于真實(shí)性、隨機(jī)性和實(shí)時(shí)性的考慮，在實(shí)際建模過(guò)程中常用的方法主要有基于粒子系統(tǒng)的建模和分形[7]建模以及依賴于已有的圖像序列的基于計(jì)算機(jī)視覺(jué)的建模。這類動(dòng)態(tài)現(xiàn)象包含的共同特性是產(chǎn)生它們的物理機(jī)制十分復(fù)雜,一般很難通過(guò)物理分析的方法對(duì)它們建模。而現(xiàn)有的建模算法多數(shù)都是基于粒子系統(tǒng)[7~9]，既要考慮其復(fù)雜的物理模型，又要利用流體力學(xué)的知識(shí)計(jì)算場(chǎng)景的運(yùn)動(dòng)狀態(tài)。其主要缺點(diǎn)是運(yùn)算量大，很難達(dá)到實(shí)時(shí)繪制的要求。另一方面,可以很容易收集這類動(dòng)態(tài)序列的樣本。于是，產(chǎn)生了圖像與幾何相結(jié)合的建模思想：首先從得到的原始圖像序列樣本恢復(fù)幾何信息，然后將紋理映射到幾何體表面。但是這種方法要用到計(jì)算機(jī)視覺(jué)理論，不可避免地要從圖像中精確地恢復(fù)對(duì)象的幾何模型。這是一個(gè)非常復(fù)雜的過(guò)程，尤其是對(duì)于這些沒(méi)有固定形狀的動(dòng)態(tài)景物而言。大部分的火焰合成系統(tǒng)都是動(dòng)態(tài)地展現(xiàn)紋理效果，使其在二維平面上展現(xiàn)出栩栩如生的逼真效果，目前在這方面已有很多研究成果[10，11]。在虛擬空間中，需要從各個(gè)視角對(duì)這種現(xiàn)象進(jìn)行觀察，只靠紋理的方法是不行的；同時(shí)，還要求必須能實(shí)時(shí)地生成。由于景物在運(yùn)動(dòng)過(guò)程中，紋理狀態(tài)具有不確定性，用傳統(tǒng)的基于粒子的和分形的建模方法，不僅需要大量?jī)?nèi)存空間來(lái)保持它們的連續(xù)性和一致性，還要通過(guò)大量的運(yùn)算來(lái)求得它們的下一個(gè)狀態(tài)。這會(huì)大大降低繪制的速度，不能滿足實(shí)時(shí)性要求。
基于這種狀況，本文提出了一種利用已有圖像序列的實(shí)時(shí)建模方法，即α－體建模思想。這種方法既避免了物理建模的復(fù)雜性，又省去了用計(jì)算機(jī)視覺(jué)恢復(fù)復(fù)雜幾何模型的過(guò)程。首先運(yùn)用動(dòng)態(tài)紋理合成思想從原始圖像集產(chǎn)生動(dòng)態(tài)紋理序列；其次對(duì)動(dòng)態(tài)紋理序列進(jìn)行背景消隱，得到?jīng)]有噪聲的動(dòng)態(tài)紋理序列；然后再對(duì)這個(gè)紋理序列中的每一張圖像進(jìn)行邊界合成，找出不同的顏色區(qū)域邊界并計(jì)算邊界的α值；最后根據(jù)α值生成α－體集合。在算法中，主要解決了如何利用合成的區(qū)域邊界勾勒出紋理的輪廓線以及如何從輪廓線計(jì)算α值，并生成α體的問(wèn)題。
2算法設(shè)計(jì)
2．1產(chǎn)生紋理的動(dòng)態(tài)序列
動(dòng)態(tài)紋理是一種基于圖像的繪制方法，通過(guò)對(duì)輸入圖像序列進(jìn)行學(xué)習(xí)，生成新的圖像序列。它與原序列在視覺(jué)上十分相似，不但具有很強(qiáng)的真實(shí)感，還具有一定的可編輯性。下面首先定義一個(gè)動(dòng)態(tài)紋理，然后分別對(duì)動(dòng)態(tài)紋理進(jìn)行學(xué)習(xí)、識(shí)別和合成。
2．2圖像的邊界合成
為了建立α－體集，必須找出不同區(qū)域的邊界。在火焰圖像中，不同顏色的區(qū)域之間的邊界都是曲線。這里用Alpha估計(jì)技術(shù)，通過(guò)以不同的比例混合兩種顏色產(chǎn)生邊界顏色，而且不需要知道邊界的詳細(xì)信息。
在實(shí)際圖片中，邊界的顏色往往受多個(gè)區(qū)域的影響，有多個(gè)區(qū)域的圖像可以被分解為只有兩個(gè)鄰接區(qū)域的圖像。因此，這里主要處理有兩個(gè)區(qū)域的圖像。本文用分割兩個(gè)區(qū)域的像素鏈形成區(qū)域邊界。像素鏈用邊緣監(jiān)測(cè)器發(fā)現(xiàn)的邊緣創(chuàng)建，而邊界使用區(qū)域分割算法或邊界尋找工具（如智能截取器IntelligentScissors[13]）發(fā)現(xiàn)。事實(shí)上的困難在于紋理可能有噪聲和其他數(shù)據(jù)源。本文采用如下的方法：
（2）計(jì)算Alpha和非混合顏色
兩個(gè)信號(hào)集X和Y是每個(gè)對(duì)象區(qū)域顏色的離散表達(dá)。現(xiàn)在必須在兩個(gè)分布之間建立關(guān)系和確定顏色空間的任意一個(gè)像素Q，只要將顏色信號(hào)轉(zhuǎn)換為連續(xù)的分布，這種關(guān)系可以很容易建立。這里使用一個(gè)均勻的高斯混合來(lái)確保在顏色空間所有的點(diǎn)有一個(gè)非空對(duì)應(yīng)和簡(jiǎn)化方程。在Q點(diǎn)比較這兩個(gè)方程是一個(gè)估計(jì)Q點(diǎn)Alpha值αQ的方式。當(dāng)假設(shè)Q是X和Y的顏色混合時(shí)，Q就不可能是這兩個(gè)分布中的任何一個(gè)。因?yàn)橐烙?jì)混合量，傳統(tǒng)的決策理論方法是沒(méi)有用的。這時(shí)要真正地從X分布的顏色穿過(guò)邊界變形到Y(jié)分布的顏色繪制Q點(diǎn)。這種變形通過(guò)在兩個(gè)分布之間線性插值實(shí)現(xiàn)。這樣估計(jì)Alpha就變成一個(gè)最大化可能的估計(jì)問(wèn)題，即發(fā)現(xiàn)最大化Q點(diǎn)值可能值的密度。
3實(shí)驗(yàn)結(jié)果和算法復(fù)雜度分析
3．1復(fù)雜性分析
對(duì)于一個(gè)基于粒子的繪制系統(tǒng)而言，其算法的復(fù)雜度與粒子的屬性和實(shí)現(xiàn)過(guò)程有關(guān)。在任何系統(tǒng)中，粒子都有以下的屬性：粒子的數(shù)量、大小、顏色、亮度、透明度、形狀、運(yùn)動(dòng)速度和方向、生存期；它都要經(jīng)歷粒子狀態(tài)初始化、依照運(yùn)動(dòng)規(guī)則運(yùn)動(dòng)和屬性變化三個(gè)實(shí)現(xiàn)過(guò)程。粒子系統(tǒng)的具體實(shí)現(xiàn)過(guò)程如下：①在燃點(diǎn)處產(chǎn)生初始火焰粒子集；②賦予火焰粒子屬性；③繪制初始火焰；④重新選擇火焰粒子集；⑤粒子場(chǎng)中粒子運(yùn)動(dòng)、變換；⑥粒子生存期減1；⑦部分火焰粒子消亡；⑧產(chǎn)生新的火焰粒子；⑨繪制火焰粒子集。其中對(duì)于每一幀都要重復(fù)執(zhí)行④～⑨。而在本章提出的α－體建模方法中，第一步是初始化過(guò)程，是在程序運(yùn)行之前就必須準(zhǔn)備好的動(dòng)態(tài)紋理，這個(gè)過(guò)程遠(yuǎn)比粒子系統(tǒng)中①～③要簡(jiǎn)單得多；其次，在執(zhí)行過(guò)程中對(duì)每一幀都要?jiǎng)澐诌吔绾陀?jì)算α值并生成α－體，這個(gè)過(guò)程也遠(yuǎn)比粒子系統(tǒng)的④～⑨計(jì)算量要小很多，因此該算法的復(fù)雜性與基于粒子系統(tǒng)相比要小很多。用粒子系統(tǒng)在SGI圖形工作站生成100fps這樣的火焰序列，而用本文的建模方法在下面普通的試驗(yàn)環(huán)境中也能生成約100fps的序列，性能有明顯改善。
3．2效果圖
試驗(yàn)環(huán)境：PentiumⅢ600MHz的PC機(jī)，GeForce2MX顯示卡，256MB內(nèi)存，編程環(huán)境為VC++6.0,運(yùn)行在WindowsXP下,底層圖形繪制采用三維圖形標(biāo)準(zhǔn)軟件Direct3D，每個(gè)項(xiàng)目包含120幅圖像。
在該環(huán)境中，用上面的算法對(duì)圖1(a)的火焰進(jìn)行處理。圖2分別為三維模型繞軸旋轉(zhuǎn)90°的四個(gè)不同視角觀察的結(jié)果。由圖2結(jié)果可以看出，本文方法生成的視圖沒(méi)有人工痕跡，幾乎達(dá)到了與圖1（a）的真實(shí)圖片相媲美的效果。
4結(jié)束語(yǔ)
本文以火焰為例，介紹了一種在三維空間重建場(chǎng)景特效的方法。與傳統(tǒng)基于粒子系統(tǒng)的方法相比，該算法復(fù)雜度低、真實(shí)感強(qiáng)；與動(dòng)態(tài)紋理方法相比，該算法能夠滿足自由變換視點(diǎn)的需要。通過(guò)對(duì)實(shí)時(shí)生成的紋理分割，提取了紋理的邊界，并利用其邊界屬性生成幾何體，使得用戶在場(chǎng)景中，能從不同的視角和視點(diǎn)進(jìn)行觀察。實(shí)驗(yàn)證明這種方法不但滿足了特效在三維空間視點(diǎn)變換的需要，而且克服了傳統(tǒng)建模方法占用存儲(chǔ)空間大和運(yùn)算復(fù)雜的缺點(diǎn)，實(shí)現(xiàn)了動(dòng)態(tài)景物的實(shí)時(shí)繪制，提高了繪制速度。
在本文對(duì)虛擬火焰的模擬中，不同層的火焰亮度是用顏色和Alpha值確定的，Alpha值用來(lái)確定該層火焰的透明程度。在這里Alpha值的計(jì)算只是依據(jù)邊界到中心線的距離，而每一層的實(shí)際亮度并不是完全按照這種模式分布的，這將可能導(dǎo)致圖形因亮度因素而部分失真。如何準(zhǔn)確地再現(xiàn)特效的實(shí)際亮度是今后的努力方向。
參考文獻(xiàn)：
［1］LAMORLETTEA,FOSTERN.Structuralmodelingofflamesforaproductionenvironment:proceedingsofthe29thAnnualConferenceonComputerGraphicsandInteractiveTechniques[C].NewYork:ACMPress,2002:729－735.
[2]BEAUDOINP,PAQUETS,POULINP.Realisticandcontrollablefiresimulation:proceedingsofGraphicsInterface[C].Ottawa:[s.n.],2001:159－166.
[3]NGUYENDQ,FEDKIWR,JENSENHW.Physicallybasedmode－lingandanimationoffire[J].ACMTransactionsonGraphics,2002,21(3):721－728.
[4]SCHODLA,SZELISKIR,SALESINDH,etal.Videotexture:proceedingsofACMSIGGRAPHConference[C].NewOrleans:ACMPress,2000:489－498.
[5]FEDKIWR,STAMJ,JENSENHW.Visualsimulationofsmoke:proceedingsofACMSIGGRAPHConference[C].NewYork:ACMPress,2001:15－22.
[6]WIJKJJV.Imagebasedflowvisualization:proceedingsofthe29thAnnualConferenceonComputerGraphicsandInteractiveTechniques[C].NewYork:ACMPress,2002.
[7]周麗琨.虛擬現(xiàn)實(shí)系統(tǒng)中不規(guī)則形體的幾何表現(xiàn)[D].武漢：武漢理工大學(xué),2003.
[8]彭艷瑩.基于粒子系統(tǒng)的內(nèi)燃機(jī)燃燒可視化研究[D].杭州：浙江大學(xué),2003.
[9]孫麗娟.虛擬戰(zhàn)場(chǎng)環(huán)境建模及兵力的運(yùn)動(dòng)控制研究[D].哈爾濱：哈爾濱工業(yè)大學(xué),2002.
[10]林夕偉,于金輝.基于粒子和紋理繪制的火焰合成[J].計(jì)算機(jī)應(yīng)用，2004,24(4):77－79.
[11]HASINOFFSW.3DReconstructionoffirefromimage[D].Toronto:GraduateDepartmentofComputerScience,UniversityofToronto,2002.
[12]SOATTOS,DORETTOG,WUYN.Dynamictextures:proceedingsofIEEEICCV[C].Vancouver:[s.n.],2001:439－446.
如何學(xué)習(xí)計(jì)算機(jī)視覺(jué)范文6
關(guān)鍵詞：視覺(jué)導(dǎo)航；移動(dòng)機(jī)器人；圖像處理
中圖分類號(hào)：TP242文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044(2008)09-11705-01
Robot Vision Navigation's Summarize
WU Lin
(Liaoning Finace Vocational College Information Technology Department, Shenyang 110122, China)
Abstract: Navigation's technique is the core of mobile robot. Mobile robot has many navigation methods. This thesis make a analysis and contrast among all kinds of navigation methods, it gives that because of the development of vision theory and method,and compare to laser, radar and ultrasonic, vision navigation has many advantages,so vision navigation are adopted in many fields. Mobile robot processes the picture in the process of navigation, the bad of real-time always is a very tough problem. The key of solving this problem based on designing a kind of fast picture treatment method.
Key words: vision navigation; mobile robot; picture treatment
移動(dòng)機(jī)器人是一種在復(fù)雜的環(huán)境下工作的具有自規(guī)劃、自組織、自適應(yīng)能力的機(jī)器人。移動(dòng)機(jī)器人集人工智能、智能控制、信息處理、圖像處理、模式識(shí)別、檢測(cè)與轉(zhuǎn)換等專業(yè)技術(shù)為一體，跨計(jì)算機(jī)、自動(dòng)控制、模式識(shí)別、智能控制等多學(xué)科，成為當(dāng)前智能機(jī)器人研究的熱點(diǎn)之一。
在移動(dòng)機(jī)器人的運(yùn)動(dòng)過(guò)程中始終要解決的是自身的導(dǎo)航與定位問(wèn)題，相關(guān)技術(shù)研究中，導(dǎo)航技術(shù)可以說(shuō)是其核心技術(shù)，也是其實(shí)現(xiàn)真正的智能化和完全的自主移動(dòng)的關(guān)鍵技術(shù)。也就是DurrantWhyte提出的三個(gè)問(wèn)題：(1)“我現(xiàn)在何處？”；(2)“我要往何處去？”；(3)“要如何到該處去？”[1] 其中問(wèn)題(1)是移動(dòng)機(jī)器人導(dǎo)航系統(tǒng)中的定位及跟蹤問(wèn)題，問(wèn)題(2)、(3)是移動(dòng)機(jī)器人導(dǎo)航系統(tǒng)中路徑規(guī)劃問(wèn)題。導(dǎo)航研究的目標(biāo)就是沒(méi)有人的干預(yù)下使機(jī)器人有目的地移動(dòng)并完成特定任務(wù)，進(jìn)行特定操作。機(jī)器人通過(guò)裝配的信息獲取手段，獲得外部環(huán)境信息，實(shí)現(xiàn)自我定位，判定自身狀態(tài)，規(guī)劃并執(zhí)行下一步的動(dòng)作。
移動(dòng)機(jī)器人的導(dǎo)航方式分為：基于環(huán)境信息的地圖模型匹配導(dǎo)航；基于各種導(dǎo)航信號(hào)的路標(biāo)導(dǎo)航、視覺(jué)導(dǎo)航和味覺(jué)導(dǎo)航等[2]。
環(huán)境地圖模型匹配導(dǎo)航是機(jī)器人通過(guò)自身的各種傳感器，探測(cè)周圍環(huán)境，利用感知到的局部環(huán)境信息進(jìn)行局部地圖構(gòu)造，并與其內(nèi)部事先存儲(chǔ)的完整地圖進(jìn)行匹配。如兩模型相互匹配，機(jī)器人可確定自身的位置，并根據(jù)預(yù)先規(guī)劃的一條全局路線，采用路徑跟蹤和避障技術(shù)，實(shí)現(xiàn)導(dǎo)航。它涉及環(huán)境地圖模型建造和模型匹配兩大問(wèn)題。
路標(biāo)導(dǎo)航是事先將環(huán)境中的一些特殊景物作為路標(biāo)，機(jī)器人在知道這些路標(biāo)在環(huán)境中的坐標(biāo)、形狀等特征的前提下，通過(guò)對(duì)路標(biāo)的探測(cè)來(lái)確定自身的位置。同時(shí)將全局路線分解成為路標(biāo)與路標(biāo)間的片段，不斷地對(duì)路標(biāo)探測(cè)來(lái)完成導(dǎo)航。根據(jù)路標(biāo)的不同，可分為人工路標(biāo)導(dǎo)航和自然路標(biāo)導(dǎo)航。人工路標(biāo)導(dǎo)航是機(jī)器人通過(guò)對(duì)人為放置的特殊標(biāo)志的識(shí)別實(shí)現(xiàn)導(dǎo)航，雖然比較容易實(shí)現(xiàn)，但它人為地改變了機(jī)器人工作的環(huán)境。自然路標(biāo)導(dǎo)航不改變工作環(huán)境，是機(jī)器人通過(guò)對(duì)工作環(huán)境中的自然特征的識(shí)別完成導(dǎo)航，但路標(biāo)探測(cè)的穩(wěn)定性和魯棒性是研究的主要問(wèn)題[3]。
視覺(jué)導(dǎo)航，計(jì)算機(jī)視覺(jué)具有信息量豐富，智能化水平高等優(yōu)點(diǎn)，近年來(lái)廣泛應(yīng)用于移動(dòng)機(jī)器人的自主導(dǎo)航。視覺(jué)導(dǎo)航方式具有信號(hào)探測(cè)范圍廣，獲取信息完整等優(yōu)點(diǎn)，是移動(dòng)機(jī)器人導(dǎo)航的一個(gè)主要發(fā)展方向[4]。目前國(guó)內(nèi)外主要采用在移動(dòng)機(jī)器人上安裝車載攝像機(jī)的基于局部視覺(jué)的導(dǎo)航方式，如文獻(xiàn)[4]中所提及的：D.L.Boley等研制的移動(dòng)機(jī)器人利用車載攝像機(jī)和較少的傳感器通過(guò)識(shí)別路標(biāo)進(jìn)行導(dǎo)航；A.Ohya等利用車載攝像機(jī)和超聲波傳感器研究了基于視覺(jué)導(dǎo)航系統(tǒng)中的避碰問(wèn)題等。視覺(jué)導(dǎo)航中邊緣銳化、特征提取等圖像處理方法計(jì)算量大且實(shí)時(shí)性較差，解決該問(wèn)題的關(guān)鍵在于設(shè)計(jì)一種快速的圖像處理方法或采取組合導(dǎo)航方式[4-5]。
味覺(jué)導(dǎo)航是通過(guò)機(jī)器人配備的化學(xué)傳感器感知?dú)馕兜臐舛龋鶕?jù)氣味的濃度和氣流的方向來(lái)控制機(jī)器人的運(yùn)動(dòng)。由于氣味傳感器具有靈敏度高、響應(yīng)速度快以及魯棒性好等優(yōu)點(diǎn)，近年來(lái)許多研究人員在氣味導(dǎo)航技術(shù)上做了許多研究工作。但該項(xiàng)技術(shù)能夠真正應(yīng)用到實(shí)際環(huán)境中的卻很少，仍處于試驗(yàn)研究階段。Figaro Engineering Inc.公司研制的氧化錫氣味傳感器，被廣泛用于氣味導(dǎo)航試驗(yàn)。石英晶體微平衡氣味傳感器、導(dǎo)電聚合物氣味傳感器和一種模仿哺乳動(dòng)物鼻子功能的電子鼻等用于移動(dòng)機(jī)器人味覺(jué)導(dǎo)航的傳感器都處于試驗(yàn)階段。目前的味覺(jué)導(dǎo)航試驗(yàn)多采用將機(jī)器人起始點(diǎn)和目標(biāo)點(diǎn)之間用特殊的化學(xué)藥品，如酒精和樟腦丸等，引導(dǎo)出一條無(wú)碰氣味路徑，機(jī)器人根據(jù)不同的道路跟蹤算法，用氣味傳感器感知?dú)馕兜臐獾蜌馕对吹姆较蜻M(jìn)行機(jī)器人導(dǎo)航試驗(yàn)。味覺(jué)導(dǎo)航的研究具有很好的研究?jī)r(jià)值，該種移動(dòng)機(jī)器人可用來(lái)尋找化學(xué)藥品泄露源。
由于計(jì)算機(jī)視覺(jué)理論及算法的發(fā)展，又由于和激光、雷達(dá)和超聲在導(dǎo)航方面相比，視覺(jué)導(dǎo)航具有以下幾個(gè)優(yōu)點(diǎn)：首先，即使在丟棄了絕大部分的視覺(jué)信息后，所剩下的關(guān)于周圍環(huán)境的信息仍然比激光雷達(dá)和超聲更多更精確；其次，激光雷達(dá)和超聲的原理都是通過(guò)主動(dòng)發(fā)射脈沖和接受反射脈沖來(lái)測(cè)距的，因此當(dāng)多個(gè)機(jī)器人同時(shí)工作時(shí)，相互之間可能產(chǎn)生干擾，而視覺(jué)由于是被動(dòng)測(cè)量，因此多個(gè)機(jī)器人相互之間的干擾可以減少到最小；最后，激光雷達(dá)和超聲數(shù)據(jù)的采樣周期一般比攝像機(jī)長(zhǎng)，不能及時(shí)對(duì)高速運(yùn)動(dòng)的機(jī)器人提供信息并作出規(guī)劃，因此視覺(jué)傳感器被大量地采用。目前移動(dòng)機(jī)器人的導(dǎo)航大都采用基于視覺(jué)或有視覺(jué)參與的導(dǎo)航技術(shù)。最近二十年來(lái)，在未知或部分未知環(huán)境中，基于自然路標(biāo)導(dǎo)航與定位技術(shù)的研究；視覺(jué)導(dǎo)航中路標(biāo)的識(shí)別以及圖像處理的新型快速算法的研究成為了計(jì)算機(jī)視覺(jué)的主要研究方向。
視覺(jué)導(dǎo)航主要完成障礙物和路標(biāo)的探測(cè)及識(shí)別。國(guó)內(nèi)外應(yīng)用最多的是在機(jī)器人上安裝車載攝像機(jī)的基于局部視覺(jué)的導(dǎo)航方式。P.I.Corke等對(duì)有車載攝像機(jī)的移動(dòng)機(jī)器人視覺(jué)閉環(huán)系統(tǒng)的研究表明，這種控制方法可以提高路徑跟蹤精度。從視覺(jué)圖像中識(shí)別道路是影響移動(dòng)機(jī)器人導(dǎo)航性能的一個(gè)最重要因素。對(duì)于一般的圖像邊沿抽取而言，已有了許多方法，例如，局部數(shù)據(jù)的梯度法和二階微分法。Trahanias利用視覺(jué)探測(cè)路標(biāo)來(lái)完成機(jī)器人的導(dǎo)航。其中路標(biāo)不是預(yù)先定義的人工路標(biāo)，而是在學(xué)習(xí)階段自動(dòng)提取的自然路標(biāo)。在視覺(jué)導(dǎo)航中邊緣銳化、特征提取等圖像處理方法的計(jì)算量大，移動(dòng)機(jī)器人是在運(yùn)動(dòng)中對(duì)圖像進(jìn)行處理，實(shí)時(shí)性差始終是一個(gè)非常棘手的問(wèn)題。解決該問(wèn)題的關(guān)鍵在于設(shè)計(jì)一種快速圖像處理方法。為了滿足速度的要求，基于統(tǒng)計(jì)計(jì)算的預(yù)值法被應(yīng)用于機(jī)器人的導(dǎo)航，但在實(shí)際應(yīng)用中發(fā)現(xiàn)，它抑制噪聲的能力差，特別是預(yù)值的選取極大地依賴于環(huán)境，要想獲得理想的結(jié)果，僅在一幅圖像中的不同區(qū)域就要設(shè)置不同的預(yù)值。近些年，由于人工智能的發(fā)展，有很多好的算法被應(yīng)用到移動(dòng)機(jī)器人的視覺(jué)導(dǎo)航中去。比如，根據(jù)導(dǎo)航圖像的特點(diǎn)采用邊緣提取結(jié)合HOUGH變換的方法和帶濾波窗的區(qū)域掃描的方法，經(jīng)過(guò)檢驗(yàn)，這兩種算法都具有較好的實(shí)時(shí)性，對(duì)于直線形態(tài)的各類導(dǎo)航線以及對(duì)于已知半徑的弧形導(dǎo)航線具有較高的可靠性，以上算法目前對(duì)于分支較多的直線形態(tài)的導(dǎo)航線以及未知半徑的弧形導(dǎo)航線的效果不佳，這是今后努力的方向。
Stanley還提出了基于神經(jīng)網(wǎng)絡(luò)的機(jī)器人視覺(jué)導(dǎo)航技術(shù)。該技術(shù)中估算逆雅可比矩陣，并將圖像特征的變化與機(jī)器人的位置變化對(duì)應(yīng)起來(lái)，通過(guò)神經(jīng)網(wǎng)絡(luò)訓(xùn)練來(lái)近似特征雅可比矩陣的逆陣。該技術(shù)，通過(guò)提取幾何特征、平均壓縮、向量量化和主成分提取來(lái)簡(jiǎn)化圖像處理，實(shí)現(xiàn)實(shí)時(shí)視覺(jué)導(dǎo)航。
綜上所述，移動(dòng)機(jī)器人是在運(yùn)動(dòng)中對(duì)圖像進(jìn)行處理，實(shí)時(shí)性差始終是一個(gè)非常棘手的問(wèn)題。解決該問(wèn)題的關(guān)鍵在于設(shè)計(jì)一種快速圖像處理方法。將室內(nèi)地面作為機(jī)器人視覺(jué)導(dǎo)航的路標(biāo)。依據(jù)地面的顏色信息，將地面上沒(méi)有障礙物的區(qū)域識(shí)別并分割出來(lái)，機(jī)器人在可行走區(qū)域內(nèi)行走，這樣就可以實(shí)現(xiàn)機(jī)器人的自主導(dǎo)航。利用環(huán)境中地面的顏色特征，采用比較簡(jiǎn)單的圖像處理算法分割彩色圖像，經(jīng)實(shí)驗(yàn)證明可提高機(jī)器人導(dǎo)航的實(shí)時(shí)性、準(zhǔn)確性和魯棒性。
參考文獻(xiàn)：
[1] 郭戈,胡征峰,董江輝.移動(dòng)機(jī)器人導(dǎo)航與定位技術(shù)[J].微計(jì)算機(jī)信息,2003,19(8):10-11.
[2] 呂永剛,謝存禧.移動(dòng)機(jī)器人的導(dǎo)航與路徑規(guī)劃的研究[J].機(jī)電工程技術(shù),2004,33(1):19-21.
[3] Kenneth D Harrisa.Absolute localization for a mobile robot using place cells[J].Robotics and Autonomous System,1997,(22):393-406.
