一种基于色彩特征模型的集成电路板多形态焊点定位方法

    公开(公告)号:CN106780426B

    公开(公告)日:2023-05-23

    申请号:CN201610839437.3

    申请日:2016-09-21

    IPC分类号: G06T7/00 G06T7/90

    摘要: 本发明公开了一种基于色彩特征模型的集成电路板多形态焊点定位方法,该方法实现对集成电路板上的各种形态焊点目标的定位功能,从而为集成电路板喷涂绝缘材料设备提供视觉定位信息。首先,采用工业相机采集集成电路板的彩色图像,图像中焊点部分为银色,其余部分是以绿色的背景为主,包括白色的文字与线条、黑色的镂空,将图像按颜色分为焊点部分、背景部分、白色部分与黑色部分;然后,根据彩色图像的色彩特征建立色彩特征模型,提取色度区间特征与色差特征;最后,采用色彩特征模型实现集成电路板的多形态焊点定位。

    一种机器人视觉导航中视觉里程计构建方法

    公开(公告)号:CN112184763A

    公开(公告)日:2021-01-05

    申请号:CN202010939522.3

    申请日:2020-09-09

    摘要: 本发明提供了一种机器人视觉导航中视觉里程计构建方法,包括:提取图像特征点;获取物体边界框的位置;判断提取到的特征点是否在检测得到的物体边界框内,若不是,则剔除特征点;若在物体边界框内,则通过光流跟踪物体边界框内的特征点,并通过光流极线法进行动态点的判断,若物体边界框内动态点数目大于阈值,则认为该物体边界框内物体是运动的,将其中所有特征点剔除。若未超过阈值,则认为该物体边界框内物体是静止的,物体边界框内的特征点是有效特征点。根据有效特征点估算相机运动轨迹,恢复出相机旋转和平移运动,估计出相机位姿,完成视觉里程计的构建。本发明解决了动态环境下位姿估计的不准确问题,提高了定位精度。

    一种机器人视觉导航中视觉里程计构建方法

    公开(公告)号:CN112184763B

    公开(公告)日:2024-09-10

    申请号:CN202010939522.3

    申请日:2020-09-09

    摘要: 本发明提供了一种机器人视觉导航中视觉里程计构建方法,包括:提取图像特征点;获取物体边界框的位置;判断提取到的特征点是否在检测得到的物体边界框内,若不是,则剔除特征点;若在物体边界框内,则通过光流跟踪物体边界框内的特征点,并通过光流极线法进行动态点的判断,若物体边界框内动态点数目大于阈值,则认为该物体边界框内物体是运动的,将其中所有特征点剔除。若未超过阈值,则认为该物体边界框内物体是静止的,物体边界框内的特征点是有效特征点。根据有效特征点估算相机运动轨迹,恢复出相机旋转和平移运动,估计出相机位姿,完成视觉里程计的构建。本发明解决了动态环境下位姿估计的不准确问题,提高了定位精度。

    一种基于实例分割的多人体姿态检测及状态判别方法

    公开(公告)号:CN111563452A

    公开(公告)日:2020-08-21

    申请号:CN202010371935.6

    申请日:2020-05-06

    摘要: 本发明提供了一种基于实例分割的多人体姿态检测及状态判别方法,包括:采集课堂视频的原始分帧图像;分割出学生个体和非学生个体,以不同颜色的掩码标注不同学生个体,同时进行姿态检测,提取出各学生人体姿态的关键点,并进行标注连接;对学生的听课状态进行具体判别,对学生脸部进行识别和定位,判断所有学生个体是否能检测到正面人脸,如果能,则初步说明该同学处于听课状态,并判断该同学是否处于举手状态;如果无法检测出人脸,则进一步判断其是否处于不听课状态。结合每个学生个体听课状态对学生听课效率进行评估。本发明为实现学生听课状态的判别与分析提供解决方法,具有可实时识别,识别精度高,抗复杂环境干扰性强等优点。

    一种基于限值学习的异常电量数据辨识方法

    公开(公告)号:CN111401460A

    公开(公告)日:2020-07-10

    申请号:CN202010213305.6

    申请日:2020-03-24

    IPC分类号: G06K9/62

    摘要: 本发明公开了一种基于限值学习的异常电量数据辨识方法。该方法首先通过异常电量数据分析得出异常电量数据的类型和鉴别算法;然后通过对OneClassSVM算法分析研究,对异常电量数据的鉴别限值进行学习,得到限值学习表,通过限值学习表校核历史数据的异常电量数据,接着通过分析基于密度的聚类算法DBSCAN算法校核历史数据中的离群值,实现基于限值学习的异常电量数据辨识;最后对同样基于密度的聚类算法LOF算法进行分析研究,结合两种基于密度的聚类算法进行实验,同时对多维数据进行离群值辨识,实现了基于密度聚类算法的多维电量数据离群值辨识。

    一种基于可见性图构建的机器人路径规划方法

    公开(公告)号:CN118466517B

    公开(公告)日:2024-10-15

    申请号:CN202410911034.X

    申请日:2024-07-09

    摘要: 本发明公开了一种基于可见性图构建的机器人路径规划方法,通过获取环境的点云数据,提取点云数据中的障碍物的轮廓特征点;并构建障碍物的封闭多边形;对顶点数量大于阈值的封闭多边形,消除其长度小于阈值的边,得到优化后的障碍物多边形;并根据障碍物多边形各顶点之间的可视关系构建可见性图;给定机器人起点和终点,在可见性图上通过双向A*路径规划算法搜索机器人从起点到终点的最短路径。通过设置阈值来控制复杂的大型多边形的顶点数量,充分考虑移动机器人真实环境中冗余节点过多的特点,提高移动机器人在大场景环境下路径规划计算效率,满足实时性要求,使得移动机器人平滑、快速躲避动态障碍物,应用前景广泛。