導(dǎo)語(yǔ)：如何才能寫(xiě)好一篇計(jì)算機(jī)視覺(jué)總結(jié)，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

關(guān)鍵詞：總量核算法 河道排水 水力計(jì)算

在城市排水設(shè)計(jì)的實(shí)際中，經(jīng)常會(huì)遇到城市區(qū)域排水為管道系統(tǒng)與河道系統(tǒng)共同完成排水任務(wù)的情況，如文中所涉及的"廢墻子河改造工程"就是其中一例。廢墻子河改造工程被天津市政府列為民心工程之一，它是天津二級(jí)河道系統(tǒng)改造的一部分。該河道貫穿和平區(qū)和河西區(qū)兩區(qū)，為東西向的排水河，全長(zhǎng)約5 km，兩側(cè)服務(wù)面積約為8 km2，該服務(wù)區(qū)域南北向最長(zhǎng)約1 km，最短處約200 m，呈不規(guī)則分布。原河道為梯形明渠，上口寬約16 m，沿途有約8處管道直接排水進(jìn)入河道系統(tǒng)，排水出路為河道最東頭的海河，是典型的管道與河道排水的城市區(qū)域。因?yàn)樯婕暗椒?wù)區(qū)域的排水是否能自流入河，出口泵站水量多大合適以及河道斷面尺寸的選取等問(wèn)題，其水力計(jì)算顯得特別重要。本文就上述水力計(jì)算問(wèn)題的解決，借助常用成熟的計(jì)算方法和"總量核算法"，并應(yīng)用計(jì)算機(jī)技術(shù)提供了解決此類(lèi)問(wèn)題的途徑和方法，供業(yè)內(nèi)人士參考。

1　總量核算法

通過(guò)對(duì)實(shí)際工程的分析，兩側(cè)匯水面積的雨水是通過(guò)現(xiàn)狀管道排至河道內(nèi)，其計(jì)算采用分步進(jìn)行是最合適的，即求出各管道在降雨某時(shí)刻的入河水量，并進(jìn)行疊加，進(jìn)而求出河道總水量。而明渠內(nèi)流態(tài)紊亂，當(dāng)各出口極限強(qiáng)度水量到達(dá)河道時(shí)，由于水量的差異，會(huì)形成倒流等現(xiàn)象，無(wú)法按常規(guī)明渠計(jì)算設(shè)計(jì)參數(shù)，為了使計(jì)算更符合實(shí)際，設(shè)計(jì)采用河道水量狀態(tài)核算法，即所謂的"總量核算法"。

總量核算法設(shè)計(jì)計(jì)算分為5個(gè)步驟，其中第一～第三步為服務(wù)區(qū)域水量計(jì)算，第四、五步為河道內(nèi)水量計(jì)算兩部分。具體步驟為：第一步是按極限強(qiáng)度法求各服務(wù)區(qū)管道出口洪峰流量；第二步是通過(guò)極限強(qiáng)度法模擬管道出口流量線(Q～t曲線)；第三步是對(duì)Q～t曲線進(jìn)行修正；第四步是對(duì)各服務(wù)區(qū)Q～t曲線求和(W總～t曲線)；第五步是按工程情況設(shè)計(jì)河道幾何尺寸和控制參數(shù)。其中按極限強(qiáng)度法求各服務(wù)區(qū)管道出口洪峰流量是按國(guó)家規(guī)范通常的做法，不作為本文討論的重點(diǎn)。下面就基本模式中涉及的其它各方面討論如下。

1.1　通過(guò)極限強(qiáng)度法模擬管道出口流量

使用極限強(qiáng)度法是基于暴雨強(qiáng)度公式各地都很容易得到，其使用普及程度高、參數(shù)全、計(jì)算管道出口流量最接近工程實(shí)際，且不降低設(shè)計(jì)標(biāo)準(zhǔn)。因此，它成為本文實(shí)踐的首選。但該法計(jì)算的結(jié)果是管道最大出口流量，而非各時(shí)段管道出口流量。但稍加分析就可以發(fā)現(xiàn)其計(jì)算過(guò)程與管道出口各時(shí)段的流量關(guān)系，即假設(shè)計(jì)算區(qū)域的降雨強(qiáng)度在降雨某歷時(shí)均相等，其起端和末端地面覆蓋程度基本相同，在相同面積下所產(chǎn)生的徑流水量相同，則有從首端區(qū)域集水并到達(dá)管道內(nèi)某段所計(jì)算的水量和時(shí)間即為末端相同面積流入河道的水量和時(shí)間，截取不同的水量和時(shí)間，就能求出高峰流量出口以前的流量線。對(duì)于高峰流量出口以后的水量和時(shí)間的計(jì)算則是采用延長(zhǎng)首端地面集水時(shí)間，在管徑一定的情況下逐一計(jì)算到管道出口水量。將計(jì)算結(jié)果合并后，即為這個(gè)服務(wù)區(qū)域的流量和時(shí)間曲線，即Q～t曲線，見(jiàn)圖1。計(jì)算中應(yīng)注意起端和末端的面積相差懸殊且地面覆蓋程度相差較大時(shí)，應(yīng)進(jìn)行必要的修正；還應(yīng)注意整個(gè)暴雨計(jì)算時(shí)間以當(dāng)?shù)乇┯陱?qiáng)度公式所適用的最長(zhǎng)時(shí)間為準(zhǔn)。

1.2　對(duì)Q～t曲線進(jìn)行修正

使用暴雨強(qiáng)度公式求管道出口流量的Q～t曲線中，由于其參量化等因素，致使暴雨強(qiáng)度歷時(shí) 2/3時(shí)間以后的殘余強(qiáng)度偏大，這將會(huì)給總水量造成較大誤差，特別是河道兼有調(diào)蓄功能時(shí)更加明顯。結(jié)合天津市暴雨強(qiáng)度公式的使用條件和公式推導(dǎo)的適用條件以及工程實(shí)際，折算出一個(gè)降雨歷時(shí)為：當(dāng)?shù)乇┯陱?qiáng)度公式所適用的最長(zhǎng)時(shí)間加上服務(wù)區(qū)內(nèi)管道從首端集水開(kāi)始到高峰流量從管道中排出的時(shí)間，此時(shí)令管道出口流量為零。按照上述時(shí)間修正的Q～t曲線，對(duì)河道總水量的影響小于5%，如圖1中的修正段所示。

1.3　對(duì)各服務(wù)區(qū)Q～t曲線求和(W總～t曲線)

從本步驟開(kāi)始即進(jìn)入到河道內(nèi)水量計(jì)算階段，對(duì)每個(gè)服務(wù)區(qū)計(jì)算的流量進(jìn)行疊加，以求出排水系統(tǒng)的W總～t曲線。因W總～t曲線是由多條Q～t過(guò)程線疊加而成，數(shù)學(xué)回歸公式較難推導(dǎo)，且時(shí)常因管材的影響而出現(xiàn)跳躍。因此，本文計(jì)算中采用的是單位時(shí)間內(nèi)插中值法進(jìn)行分步疊加，以更趨理論值，最終求出W總～t曲線。

1.4　按工程情況設(shè)計(jì)河道幾何尺寸和控制參數(shù)

考慮設(shè)計(jì)河道的實(shí)際情況，沿途5 km各入流口雨水高峰流量進(jìn)入河道的時(shí)間相差不多，且此時(shí)河道內(nèi)流態(tài)紊亂，上下游只表現(xiàn)在水位的升高，加之河道按調(diào)蓄設(shè)計(jì)，故在計(jì)算中可忽略水力坡度的影響，以平均水位為基準(zhǔn)。因此，W總～t曲線即是表示河道內(nèi)在某個(gè)降雨歷時(shí)時(shí)的最大水量，此時(shí)河道內(nèi)的水量關(guān)系為：W總-W排＝W蓄。即通過(guò)對(duì)強(qiáng)排泵站設(shè)計(jì)流量W排的設(shè)定，進(jìn)而求出河道調(diào)蓄能力W蓄的各種工況，見(jiàn)圖2。在此基礎(chǔ)上，再對(duì)不同斷面的河道進(jìn)行設(shè)計(jì)，直到蓄排滿足各種參數(shù)為準(zhǔn)。

2　結(jié)論

采用總量核算法成功地解決了廢墻子河改造工程水力計(jì)算問(wèn)題，并為解決此類(lèi)計(jì)算問(wèn)題進(jìn)行了理論和方法上的延伸，且具有下列特點(diǎn)：

①是對(duì)以往排水計(jì)算方法只能計(jì)算一個(gè)工況點(diǎn)的發(fā)展和擴(kuò)寬，能提供多種供選擇的設(shè)計(jì)工況；

②計(jì)算中采用極限強(qiáng)度法計(jì)算管道流量，采用總量核算法計(jì)算河道參數(shù)，工程整體不降低設(shè)計(jì)標(biāo)準(zhǔn)；

③是直接使用暴雨強(qiáng)度公式，各地極易得到，且充分貼近廣泛使用的極限強(qiáng)度法，實(shí)用性更強(qiáng)。

另外，使用本方法時(shí)也應(yīng)注意如下問(wèn)題：

①水量計(jì)算時(shí)是在"極限強(qiáng)度法"基礎(chǔ)上進(jìn)行的，使用時(shí)要對(duì)它的假設(shè)條件了解清楚，以避免計(jì)算偏差過(guò)大；

②由于暴雨強(qiáng)度公式統(tǒng)計(jì)假設(shè)的原因，一般在120 min后曲線變平緩，對(duì)入河總水量影響較大，故應(yīng)進(jìn)行趨零修正；

篇2

Abstract： This paper puts forward the camera calibration method in computer vision， through analysis of principle of computer vision， and analyzes the application of camera calibration methods in computer vision.

關(guān)鍵詞： 計(jì)算機(jī)；視覺(jué)；攝像機(jī)；定標(biāo)

Key words： computer；visual；camera；scaling

中圖分類(lèi)號(hào)：TP391.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2013）24-0193-02

0 引言

在計(jì)算機(jī)技術(shù)快速發(fā)展的今天，人們?cè)絹?lái)越依賴于計(jì)算機(jī)，計(jì)算機(jī)在人們的生活工作中占有重要的地位。計(jì)算機(jī)中的各種應(yīng)用層出不窮，廣泛應(yīng)用在各個(gè)領(lǐng)域，計(jì)算機(jī)視覺(jué)在攝像中的應(yīng)用為攝像機(jī)定標(biāo)方法提供了巨大的參考價(jià)值。由于人們對(duì)攝像機(jī)拍攝效果的要求，使得攝像機(jī)在不斷改革更新，攝像機(jī)的定標(biāo)方法是攝像機(jī)研究領(lǐng)域備受關(guān)注的話題。計(jì)算機(jī)視覺(jué)中攝像機(jī)的定標(biāo)方法是攝像機(jī)研究領(lǐng)域所推崇的，它受到了研究人員的高度重視。計(jì)算機(jī)視覺(jué)中攝像機(jī)的定標(biāo)方法呈現(xiàn)出了高質(zhì)量的攝像效果，極大地滿足了人們對(duì)攝像機(jī)攝像效果的要求。

1 計(jì)算機(jī)視覺(jué)投影原理

計(jì)算機(jī)視覺(jué)投影原理是利用光的折射現(xiàn)象，把視覺(jué)中呈現(xiàn)的影像投射到攝影機(jī)的屏幕上，形成了固定的圖像。在計(jì)算機(jī)視覺(jué)中攝影機(jī)的成像原理就是利用光的感應(yīng)，通過(guò)對(duì)攝像機(jī)的焦距進(jìn)行調(diào)整，確定拍攝目標(biāo)在攝像機(jī)鏡頭中的位置，然后利用光的折射形成固定的圖像。在進(jìn)行攝像時(shí)調(diào)整焦距是非常關(guān)鍵的，焦距就是鏡頭與目標(biāo)之間的距離，這兩者距離的遠(yuǎn)近決定了攝像的效果。如果焦距太遠(yuǎn)的話，目標(biāo)成像就會(huì)非常小甚至是模糊。如果焦距太近的話，目標(biāo)成像會(huì)很大也會(huì)導(dǎo)致無(wú)法看清圖像，所以調(diào)整焦距是非常必要的，只有調(diào)好了焦距才會(huì)形成高質(zhì)量的圖像。

2 計(jì)算機(jī)視覺(jué)中的攝像機(jī)定標(biāo)方法

2.1 三維立體定標(biāo)法 攝像機(jī)的成像往往都是三維立體的，把圖形通過(guò)每個(gè)立體面詳細(xì)的表現(xiàn)出來(lái)，以達(dá)到完美的效果。要想達(dá)到三維立體的效果在對(duì)攝像目標(biāo)的位置進(jìn)行確定時(shí)，就要找出目標(biāo)的三維坐標(biāo)點(diǎn)，以便接下來(lái)的攝像工作可以順利進(jìn)行。然后在圖像投影中找到對(duì)應(yīng)的三維坐標(biāo)，這一步?jīng)Q定了整個(gè)攝像過(guò)程的設(shè)計(jì)方案。最后確定目標(biāo)在攝影鏡頭中的實(shí)際三維坐標(biāo)，根據(jù)鏡頭中目標(biāo)的實(shí)際三維坐標(biāo)形成具體的圖像。三維立體定標(biāo)方法的操作原理就是把目標(biāo)的三維投影進(jìn)行分步成像，和實(shí)際成像效果相聯(lián)系，形成鏡頭中具體的三維圖像。在計(jì)算機(jī)視覺(jué)中把三維成像圖進(jìn)行處理，對(duì)三維定標(biāo)的參數(shù)進(jìn)行分析，找出最優(yōu)的三維成像方法，使攝像機(jī)呈現(xiàn)出高質(zhì)量的攝像效果。

2.2 平面定標(biāo)法 平面定標(biāo)法就是利用多個(gè)成像平面對(duì)目標(biāo)的位置進(jìn)行分析，選擇合適的成像平面對(duì)目標(biāo)進(jìn)行位置的確定。每個(gè)平面的成像都是不同的，由于每個(gè)平面的成像都是在運(yùn)動(dòng)的，所以應(yīng)該在攝像機(jī)與目標(biāo)之間的平面內(nèi)找到一個(gè)點(diǎn)，來(lái)分析目標(biāo)與攝像機(jī)之間的成像規(guī)律，然后根據(jù)這一規(guī)律對(duì)目標(biāo)進(jìn)行定標(biāo)，使攝像機(jī)中運(yùn)動(dòng)的目標(biāo)給人們帶來(lái)不一樣的感受。隨著目標(biāo)的不斷運(yùn)動(dòng)，攝像機(jī)與目標(biāo)之間平面內(nèi)的點(diǎn)會(huì)越來(lái)越多，對(duì)物體的定標(biāo)會(huì)受到這些點(diǎn)的影響，物體定標(biāo)的準(zhǔn)確度也越來(lái)越高，為攝像機(jī)定標(biāo)提供了可靠的信息支持，會(huì)減少攝像機(jī)定標(biāo)的成本，提高了攝像的經(jīng)濟(jì)效益。相比三維立體定標(biāo)法，平面定標(biāo)的精確度更高，定標(biāo)所用的時(shí)間相對(duì)較短，所以平面定標(biāo)法在攝像研究領(lǐng)域中值得推廣。

2.3 雙平面定標(biāo)法 所謂的雙平面定標(biāo)法就是利用鏡頭與目標(biāo)之間的兩個(gè)平面的成像點(diǎn)來(lái)進(jìn)行定標(biāo)，不需要成像平面上的光線通過(guò)平面中心，只要選取兩個(gè)平面之間任意兩點(diǎn)坐標(biāo)來(lái)對(duì)定標(biāo)參數(shù)進(jìn)行計(jì)算分析，得出具體的成像圖。這種定標(biāo)方式不受平面中心的影響可以在任意點(diǎn)上成像，減少了定標(biāo)參數(shù)的數(shù)量，提高了定標(biāo)的工作效率。但是由于雙平面定標(biāo)法只是任意選取兩平面上的點(diǎn)，對(duì)定標(biāo)的精確度造成了一定的影響，使計(jì)算機(jī)對(duì)參數(shù)的運(yùn)算缺少可靠的數(shù)據(jù)支持，一定程度上降低了攝像機(jī)的成像清晰度，使計(jì)算機(jī)視覺(jué)中攝像機(jī)的定標(biāo)精度存在一定的偏差，呈現(xiàn)出來(lái)的具體圖像質(zhì)量相對(duì)比較差。

2.4 直線兩點(diǎn)定標(biāo)法 在三維立體和平面定標(biāo)法的基礎(chǔ)上，又進(jìn)一步研究了直線兩點(diǎn)定標(biāo)法，極大程度上滿足了人們對(duì)攝像效果的要求。直線兩點(diǎn)定標(biāo)法是利用定標(biāo)物與攝像機(jī)鏡頭之間的直線上的兩點(diǎn)進(jìn)行定標(biāo)。然后通過(guò)計(jì)算機(jī)視覺(jué)對(duì)這兩點(diǎn)的坐標(biāo)參數(shù)進(jìn)行分析，然后攝像機(jī)利用這些參數(shù)對(duì)攝像機(jī)的焦距進(jìn)行調(diào)整，確定物體的具置。在三維立體和平面定標(biāo)的基礎(chǔ)上對(duì)計(jì)算機(jī)視覺(jué)程序進(jìn)行改進(jìn)升級(jí)，進(jìn)一步提高對(duì)物體定標(biāo)的精確度。對(duì)原有定標(biāo)方法進(jìn)行創(chuàng)新改進(jìn)得出了直線兩點(diǎn)定標(biāo)法使定標(biāo)參數(shù)的數(shù)量大幅度的下降，節(jié)省了很多的人工成本，攝像機(jī)的清晰度也會(huì)大大提高。

2.5 透視變換焦距的定標(biāo)法 透視變換焦距定標(biāo)法是通過(guò)分析鏡頭與目標(biāo)之間的距離，不斷調(diào)整兩者之間的距離使鏡頭里呈現(xiàn)出來(lái)的圖形清晰為止，然后就將現(xiàn)在的目標(biāo)設(shè)置為定標(biāo)物。由于這種定標(biāo)方法不用去分析具體的定標(biāo)參數(shù)被人們廣泛的應(yīng)用。隨著科技的發(fā)展現(xiàn)在的攝像機(jī)都有自動(dòng)調(diào)整焦距功能，不用人為的去調(diào)整焦距，使定標(biāo)物更快地呈現(xiàn)在鏡頭中，節(jié)省了大量的定標(biāo)時(shí)間，計(jì)算機(jī)的運(yùn)算速度也加快了。但是這種定標(biāo)方法也存在一定的缺陷，在實(shí)際操作如果不考慮攝像環(huán)境以及攝像鏡頭的變化，定標(biāo)的精確度會(huì)存在一定的偏差，導(dǎo)致鏡頭中的定標(biāo)物成像不清晰。

3 計(jì)算機(jī)視覺(jué)中攝像機(jī)定標(biāo)方法的應(yīng)用

3.1 在計(jì)算機(jī)視覺(jué)中攝像機(jī)的主動(dòng)定標(biāo) 計(jì)算機(jī)視覺(jué)中攝像機(jī)的定標(biāo)方法推動(dòng)了計(jì)算機(jī)技術(shù)在攝像機(jī)中的廣泛應(yīng)用。計(jì)算機(jī)視覺(jué)中攝像機(jī)的主動(dòng)定標(biāo)是計(jì)算機(jī)技術(shù)在攝像機(jī)中的顯著應(yīng)用。計(jì)算機(jī)技術(shù)使攝像機(jī)在定標(biāo)過(guò)程中主動(dòng)尋找定標(biāo)物，使焦距和視角很好地配合，充分發(fā)揮計(jì)算機(jī)視覺(jué)在攝像機(jī)中的成像原理，把定標(biāo)方法合理地運(yùn)用在攝像機(jī)主動(dòng)定標(biāo)過(guò)程中，使攝像機(jī)的清晰度得到大幅度地提升。

3.2 分層次進(jìn)行攝像機(jī)的定標(biāo) 隨著計(jì)算機(jī)技術(shù)在攝像機(jī)定標(biāo)中的不斷發(fā)展更新，攝影者喜歡分層次地進(jìn)行定標(biāo)，把自己的觀點(diǎn)融入到攝像機(jī)定標(biāo)過(guò)程中，用自己的思維對(duì)定標(biāo)參數(shù)進(jìn)行分析，利用計(jì)算機(jī)視覺(jué)成像原理把定標(biāo)物直觀的反映在計(jì)算機(jī)上，以便更好的對(duì)定標(biāo)物進(jìn)行分析，以其中一個(gè)定標(biāo)物的成像平面來(lái)確定定標(biāo)物的具體成像圖，使攝像機(jī)鏡頭中的定標(biāo)物圖像可以更清晰。這種分層次的定標(biāo)使計(jì)算機(jī)技術(shù)可以更好的應(yīng)用在攝像機(jī)定標(biāo)過(guò)程中，呈現(xiàn)出高質(zhì)量的攝像效果。

4 總結(jié)

在計(jì)算機(jī)視覺(jué)中攝像機(jī)的定標(biāo)方法都是可行的，但各種方法都存在一定的缺陷，所以在實(shí)際應(yīng)用中還應(yīng)該根據(jù)攝影環(huán)境以及攝影機(jī)的質(zhì)量選擇最優(yōu)的定標(biāo)方法，保證定標(biāo)參數(shù)的準(zhǔn)確性，在鏡頭里呈現(xiàn)出清晰的成像。針對(duì)計(jì)算機(jī)視覺(jué)中攝像機(jī)定標(biāo)方法的缺陷，攝像機(jī)的研究領(lǐng)域應(yīng)該要不斷更新攝像機(jī)定標(biāo)方法，提高攝像機(jī)定標(biāo)的精確度，不斷滿足人們對(duì)攝像機(jī)清晰度的要求，呈現(xiàn)出清晰的攝像效果。

參考文獻(xiàn)：

[1]邱茂林，馬頌德，李毅.計(jì)算機(jī)視覺(jué)中攝像機(jī)定標(biāo)綜述[J].自動(dòng)化學(xué)報(bào)，2000（1）.

[2]伍雪冬，蔣新華，李建興，黃靖.計(jì)算機(jī)視覺(jué)中傳統(tǒng)攝像機(jī)定標(biāo)方法綜述[J].福建工程學(xué)院學(xué)報(bào)，2007（1）.

篇3

關(guān)鍵詞 計(jì)算機(jī)視覺(jué)；攝像機(jī)定標(biāo)方法；應(yīng)用特點(diǎn)；線性關(guān)系；參照物

中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671—7597（2013）022-067-3

計(jì)算機(jī)視覺(jué)中的攝像機(jī)定標(biāo)方法總得來(lái)說(shuō)可以分為兩類(lèi)——傳統(tǒng)的攝像機(jī)定標(biāo)法和攝像機(jī)自定標(biāo)法。為了能夠使所獲取的場(chǎng)景更加自然，計(jì)算機(jī)視覺(jué)系統(tǒng)可以通過(guò)運(yùn)用攝像機(jī)定標(biāo)方法，加之合理安排攝像機(jī)和計(jì)算機(jī)這兩種成像裝置，來(lái)對(duì)二維的圖像信息進(jìn)行虛擬空間的三維建模，進(jìn)而控制整個(gè)攝像效果。這其中攝像及內(nèi)部的一些參數(shù)起到了很大的作用，最初在計(jì)算機(jī)視覺(jué)中都是采用的傳統(tǒng)攝像機(jī)定標(biāo)方法，但是這種方法存在著一定的局限性。這種定標(biāo)方法在攝像機(jī)隨意運(yùn)動(dòng)和未知場(chǎng)景的安排下很難進(jìn)行有效的標(biāo)定。隨著計(jì)算機(jī)視覺(jué)中的攝像機(jī)定標(biāo)方法的不斷進(jìn)步和發(fā)展，以及攝像機(jī)自定標(biāo)方法的誕生，使得這項(xiàng)技術(shù)逐漸獲得了相對(duì)廣泛的應(yīng)用。

1 計(jì)算機(jī)視覺(jué)中與攝像機(jī)定標(biāo)解析

計(jì)算機(jī)視覺(jué)的基本任務(wù)是采集一定數(shù)量的圖片或視頻資料并進(jìn)行處理，以此來(lái)獲得相應(yīng)場(chǎng)景環(huán)境下的的三維信息。而這些三維信息與圖像、視頻對(duì)應(yīng)點(diǎn)的相互關(guān)系需要通過(guò)攝像機(jī)的幾何模型來(lái)決定，經(jīng)過(guò)計(jì)算分析得出這些幾何模型參數(shù)的過(guò)程即為攝像機(jī)定標(biāo)。如此看來(lái)，計(jì)算機(jī)視覺(jué)與攝像機(jī)定標(biāo)的關(guān)系密不可分，目前可知，計(jì)算機(jī)視覺(jué)與攝像機(jī)定標(biāo)的結(jié)合已經(jīng)運(yùn)用到相關(guān)領(lǐng)域，如高速公路上的車(chē)輛自主導(dǎo)航，部分醫(yī)學(xué)圖像的處理，電腦中臉孔或指紋識(shí)別等。但是由于所使用的目標(biāo)人群相對(duì)較窄，以及攝像機(jī)定標(biāo)方法的相對(duì)局限，使得計(jì)算機(jī)視覺(jué)的攝像機(jī)定標(biāo)無(wú)法廣泛的運(yùn)用到各個(gè)行業(yè)領(lǐng)域。正因如此，才加大了對(duì)計(jì)算機(jī)中攝像機(jī)定標(biāo)方法的研究的必要性。下面就來(lái)對(duì)攝像機(jī)定標(biāo)的兩種方法進(jìn)行簡(jiǎn)要的探討。

2 傳統(tǒng)的攝影機(jī)定標(biāo)方法及應(yīng)用特點(diǎn)

傳統(tǒng)的攝像機(jī)定標(biāo)方法主要是在相應(yīng)的攝像機(jī)模型下面，通過(guò)對(duì)一系列的數(shù)學(xué)公式進(jìn)行變換計(jì)算和改進(jìn)優(yōu)化，然后對(duì)標(biāo)定的具體參照物進(jìn)行科學(xué)的圖像處理，最終來(lái)獲取攝像機(jī)模型的主要外部參數(shù)和內(nèi)部參數(shù)。但是，由于不同的標(biāo)的參照物與不同的算法思路的限制，傳統(tǒng)的攝像機(jī)定標(biāo)方法也各不相同，其大致可分為以下三種：三維型——3D立體靶標(biāo)定標(biāo)法、平面型——2D平面靶標(biāo)定標(biāo)法以及以徑向約束為基準(zhǔn)的定標(biāo)法。

2.1 基于3D立體靶標(biāo)的攝像機(jī)定標(biāo)

這種基于3D立體靶標(biāo)的攝像機(jī)定標(biāo)方法就是在攝像機(jī)的前面安置一個(gè)具有3D效果的立體靶標(biāo)裝置，然后將靶標(biāo)上面的任何一個(gè)點(diǎn)都拿出來(lái)作為i這個(gè)參照物的特征點(diǎn)。在計(jì)算機(jī)視覺(jué)系統(tǒng)的作用下，將每一個(gè)靶標(biāo)上面的特征點(diǎn)在整個(gè)三維坐標(biāo)系中進(jìn)行精確的制作測(cè)定。與此同時(shí)，攝像機(jī)首先在拍攝過(guò)程中獲取靶標(biāo)上面的特征點(diǎn)影像信息，然后對(duì)平面圖像坐標(biāo)系和立體空間坐標(biāo)系二者的內(nèi)外部數(shù)據(jù)參數(shù)排列出非線性方程，找出方程中系數(shù)矩陣的非線性關(guān)系，最后通過(guò)數(shù)學(xué)算法中的線性變換法來(lái)對(duì)整個(gè)透視系數(shù)矩陣中的每一個(gè)元素進(jìn)行求解。通常在這種定標(biāo)方法的應(yīng)用過(guò)程中，計(jì)算機(jī)視覺(jué)系統(tǒng)都會(huì)忽略攝相機(jī)鏡頭在拍攝時(shí)的非線性畸變，將透視變幻矩陣中的相關(guān)元素定義為未知數(shù)，繼而在整個(gè)定標(biāo)過(guò)程確定有效的三維控制點(diǎn)和相應(yīng)的圖像點(diǎn)。在裝置3D立體靶標(biāo)后，整個(gè)攝像機(jī)定標(biāo)就能夠根據(jù)靶標(biāo)上特征點(diǎn)的圖像坐標(biāo)和世界坐標(biāo)，在數(shù)學(xué)變幻算法的應(yīng)用下，計(jì)算出攝像機(jī)的內(nèi)部參數(shù)和外部參數(shù)。

這種3D立體靶標(biāo)的攝像機(jī)定標(biāo)方法不僅能夠優(yōu)化定標(biāo)物的獲取方法，而且能夠適應(yīng)程序功能的改進(jìn)，并且較高的精度，因而得到了廣泛的應(yīng)用，但是這種定標(biāo)方法通常比較繁瑣。

2.2 基于2D平面靶標(biāo)的攝像機(jī)定標(biāo)

基于2D平面靶標(biāo)的攝像機(jī)定標(biāo)方法在傳統(tǒng)攝像機(jī)定標(biāo)方法分類(lèi)中屬于一種新型的定標(biāo)方法，又名張正友定標(biāo)法。這種定標(biāo)法具有靈活適用的特點(diǎn)，也是對(duì)傳統(tǒng)攝像機(jī)定標(biāo)方法的一種簡(jiǎn)化。在定標(biāo)過(guò)程中首先是要在兩個(gè)以上的不同方位對(duì)一個(gè)平面靶標(biāo)進(jìn)行攝相機(jī)拍攝，整個(gè)拍攝過(guò)程中2D平面靶標(biāo)和攝相機(jī)鏡頭都能夠自由地進(jìn)行移動(dòng)，而且要保持整個(gè)攝像機(jī)的內(nèi)部參數(shù)一直固定。通常在基于2D平面靶標(biāo)的攝像機(jī)定標(biāo)法的應(yīng)用中，我們都需要先假定這個(gè)靶標(biāo)在三維空間坐標(biāo)系中的豎軸為0，然后為了求出攝像機(jī)內(nèi)外參數(shù)的優(yōu)化解，要建立相應(yīng)的線性模型，通過(guò)對(duì)線性模型的線性分析來(lái)計(jì)算出優(yōu)化解，最后，運(yùn)用最大似然法排列參數(shù)之間的非線性關(guān)系來(lái)求出其非線性解。在整個(gè)定標(biāo)流程中，必須對(duì)攝像機(jī)的鏡頭畸變的目標(biāo)函數(shù)進(jìn)行綜合考慮，才能夠計(jì)算出攝像機(jī)的外部和內(nèi)部參數(shù)。

這種方法既具有較高的精確性，又不需要很昂貴的定標(biāo)成本，因此在計(jì)算機(jī)視覺(jué)系統(tǒng)中很為實(shí)用。但是，這種方法在進(jìn)行整個(gè)攝像機(jī)內(nèi)外參數(shù)的線性分析時(shí)，因?yàn)樘卣鲌D像上面的直線在透視之后依然是直線，在進(jìn)行圖像處理的過(guò)程中，會(huì)引入一定的誤差。因此，在很多具有廣角鏡頭的攝像機(jī)定標(biāo)上會(huì)出現(xiàn)因?yàn)殓R頭畸變而引起的較大誤差。

2.3 基于徑向約束的攝像機(jī)定標(biāo)

基于徑向約束的攝像機(jī)定標(biāo)就是通常所說(shuō)的兩步法標(biāo)定方法。這種方法通常是先利用徑向一致約束對(duì)超定性的線性方程進(jìn)行最小二乘法求解，這樣就能夠?qū)⒊藬z像機(jī)光軸方向平移外的其他的攝像機(jī)參數(shù)，然后對(duì)攝相機(jī)鏡頭存在和不存在透鏡畸變的情況下分別進(jìn)行其他攝像機(jī)參數(shù)的求解。這種方法的計(jì)算量較為適中，而且精度也比較高，適用于攝像機(jī)的精密測(cè)量。然而，兩步法對(duì)于整個(gè)定標(biāo)設(shè)備的要求也高，對(duì)于簡(jiǎn)單的攝像機(jī)標(biāo)定而言不易采用。

總的來(lái)說(shuō)，基于徑向約束的攝像機(jī)定標(biāo)的精準(zhǔn)是通過(guò)設(shè)備的復(fù)雜和精確來(lái)獲得的，因此具有針對(duì)性的應(yīng)用特點(diǎn)。

3 攝像機(jī)自定標(biāo)方法及其應(yīng)用特點(diǎn)

攝像機(jī)自定標(biāo)方法是指在攝像機(jī)在移動(dòng)時(shí)，周?chē)h(huán)境中的圖像會(huì)形成一定的對(duì)應(yīng)關(guān)系，通過(guò)這種對(duì)應(yīng)關(guān)系來(lái)對(duì)攝像機(jī)進(jìn)行定標(biāo)的方法，這種方法無(wú)需依賴參照物。攝像機(jī)自定標(biāo)方法主要有以下四種：基于主動(dòng)視覺(jué)的自定標(biāo)法、基于Kruppa方程的自定標(biāo)方法、分層逐步定標(biāo)法以及基于二次曲面的自定標(biāo)方法等。這些方法相較于傳統(tǒng)的攝像機(jī)定標(biāo)方法來(lái)說(shuō)有了很大的改進(jìn)和提高，下面就進(jìn)行簡(jiǎn)要的探討。

3.1 基于主動(dòng)視覺(jué)的自定標(biāo)法

目前，在攝像機(jī)自定標(biāo)方法中的應(yīng)用最為普遍的方法便是基于主動(dòng)視覺(jué)的自定標(biāo)法。這種方法主要是能夠通過(guò)對(duì)攝像機(jī)在移動(dòng)過(guò)程中的對(duì)環(huán)境中的多幅圖像進(jìn)行標(biāo)定，進(jìn)而建立對(duì)應(yīng)關(guān)系來(lái)求出標(biāo)定參數(shù)，由此可見(jiàn)，整個(gè)標(biāo)定過(guò)程不需要精密的標(biāo)定物，如此一來(lái)就能夠使得標(biāo)定問(wèn)題簡(jiǎn)單化。主動(dòng)視覺(jué)系統(tǒng)是這種標(biāo)定方法的核心技術(shù)，就是攝像機(jī)在拍攝過(guò)程中被固定在了一個(gè)能夠得到精確控制的移動(dòng)平臺(tái)上，并且這個(gè)平臺(tái)的相關(guān)參數(shù)能夠通過(guò)計(jì)算機(jī)進(jìn)行精確的讀出，在整個(gè)拍攝過(guò)程中攝像機(jī)只需要通過(guò)一定的特殊運(yùn)動(dòng)來(lái)獲取多幅圖像信息，然后在結(jié)合攝像機(jī)運(yùn)動(dòng)的具體參數(shù)和圖像的參數(shù)來(lái)確定整個(gè)攝像機(jī)的內(nèi)部和外部參數(shù)，達(dá)到攝像機(jī)定標(biāo)的效果。其中基于主動(dòng)視覺(jué)的自定標(biāo)法的代表方法就是馬頌德提出的控制攝像機(jī)的兩組三正交平移運(yùn)動(dòng)的標(biāo)定方法。后來(lái)，李華、楊長(zhǎng)江等人對(duì)這種方法進(jìn)行了改進(jìn)和優(yōu)化，提出了基于四組平面正交和五組平面正交運(yùn)動(dòng)的標(biāo)定方法，并能夠利用獲取圖像中的機(jī)電信息來(lái)對(duì)攝像機(jī)的參數(shù)進(jìn)行線性表定。

這種方法算法簡(jiǎn)便，能夠獲得整個(gè)參數(shù)的線性解，但是這種方法對(duì)整個(gè)攝像機(jī)的運(yùn)動(dòng)平臺(tái)要求很高，因此要求必須具有精確控制的能力。

3.2 基于Kruppa方程的自定標(biāo)方法

基于Kruppa方程的自定標(biāo)方法主要是在整個(gè)攝像機(jī)自定標(biāo)過(guò)程中導(dǎo)入了Kruppa方程，并對(duì)該方程進(jìn)行直接求解，從而得到整個(gè)攝像機(jī)的具體參數(shù)的方法?；贙ruppa方程的自定標(biāo)方法在應(yīng)用時(shí)利用了極線變幻和二次曲線像的概念對(duì)Kruppa進(jìn)行推導(dǎo)，直接進(jìn)行求解。

這種標(biāo)定方法不需要對(duì)整個(gè)圖像的序列進(jìn)行射影重建，通常是對(duì)兩個(gè)圖像之間的信息建立一個(gè)方程，相較于逐步分層標(biāo)定方法而言，基于Kruppa方程的自定標(biāo)方法能夠?qū)⒛承┖茈y做到所有圖像整合到一個(gè)統(tǒng)一的射影框架中的情況更加具有優(yōu)勢(shì)，但是這種方法還是存在著一定的局限性，它無(wú)法保證在無(wú)窮遠(yuǎn)處的平面能夠保持所有圖像在確定的攝影平面中還具有一致性的效果。當(dāng)整個(gè)攝像機(jī)拍攝的圖像的序列較長(zhǎng)的時(shí)候，基于Kruppa方程的自定標(biāo)方法就顯得很不穩(wěn)定，繼而不能夠很好地算出整個(gè)攝像機(jī)的內(nèi)外參數(shù)，對(duì)定標(biāo)造成了一定的影響。

3.3 分層逐步定標(biāo)法

分層逐步定標(biāo)法是攝像機(jī)自定標(biāo)方法中的一個(gè)研究熱點(diǎn)，在攝像機(jī)自定標(biāo)的實(shí)際應(yīng)用中以及逐步取代了可以直接求解的基于Kruppa方程的自定標(biāo)方法。分層逐步定標(biāo)法在應(yīng)用過(guò)程中首先需要對(duì)整個(gè)拍攝的圖像序列進(jìn)行攝影重建，這點(diǎn)和基于Kruppa方程的自定標(biāo)方法一樣，然后利用絕對(duì)二次曲面加以約束，最后在確定出無(wú)窮遠(yuǎn)處平面方程中的仿射參數(shù)以及攝像機(jī)內(nèi)部的參數(shù)。分層逐步定標(biāo)法的應(yīng)用特點(diǎn)是必須建立在射影定標(biāo)的基礎(chǔ)之上，利用某一幅圖形作為特征基準(zhǔn)點(diǎn)進(jìn)行射影對(duì)其，將整個(gè)攝像機(jī)自定標(biāo)的未知數(shù)的數(shù)量減少，再運(yùn)用數(shù)學(xué)算法中的非線性優(yōu)化算法來(lái)進(jìn)行未知數(shù)的求解。

這種方法的不知自出就是在進(jìn)行非線性優(yōu)化算法時(shí)，初值是通過(guò)事前的預(yù)估得到的，不能夠保證這個(gè)方程的收斂性。由于在射影重建時(shí)，選擇的基準(zhǔn)圖像不同，整個(gè)攝像機(jī)自定標(biāo)的結(jié)果也會(huì)存在差異。

3.4 基于二次曲面的自定標(biāo)方法

基于二次曲面的自定標(biāo)方法和基于Kruppa方程的自定標(biāo)方法在本質(zhì)上答題一致，這兩種方法都是利用了絕對(duì)二次曲面在歐式變幻算法的計(jì)算下維持的不變性進(jìn)行的。最早將二次曲面的概念引入到計(jì)算機(jī)視覺(jué)系統(tǒng)中攝像機(jī)自定標(biāo)方法的是Triggs，他在這種定標(biāo)方法上作出了可行性的研究，最后形成了基于二次曲面的自定標(biāo)方法。

在輸入了多幅的圖像并且在進(jìn)行統(tǒng)一的射影重建的狀態(tài)下，基于二次曲面的自定標(biāo)方法會(huì)比基于Kruppa方程的自定標(biāo)方法更加適用一些，原因就是基于二次曲面的自定標(biāo)方法包含了絕對(duì)二次曲面和無(wú)窮遠(yuǎn)處平面的所有信息，進(jìn)而能夠辦證整個(gè)圖像在無(wú)窮遠(yuǎn)處平面的一致性。

4 傳統(tǒng)攝像機(jī)定標(biāo)方法與自定標(biāo)方法優(yōu)缺點(diǎn)分析

從上文可知，對(duì)于傳統(tǒng)攝像機(jī)定標(biāo)方法應(yīng)該取其精華，去其糟粕；對(duì)于攝像機(jī)自定標(biāo)方法，在吸取傳統(tǒng)攝像機(jī)定標(biāo)方法的優(yōu)點(diǎn)的同時(shí)，應(yīng)該加強(qiáng)自身的精度要求?？偠灾?，兩種攝像機(jī)定標(biāo)方法各自存在利弊，如何改進(jìn)才是正確的研究方向。

4.1 傳統(tǒng)的攝像機(jī)定標(biāo)方法弊端

傳統(tǒng)的攝像機(jī)定標(biāo)方法通過(guò)實(shí)踐證明，在理論上和實(shí)際運(yùn)用上十分有用的，但仍有不少地方需要進(jìn)一步改進(jìn)，以下為它目前存在的問(wèn)題所在：1）攝像機(jī)所拍攝的圖像或視頻存在一定噪聲。在實(shí)際數(shù)據(jù)計(jì)算分析中，這種噪音無(wú)論大小，都會(huì)對(duì)內(nèi)部參數(shù)的實(shí)際解造成大的干擾，并且使實(shí)際解與由約束關(guān)系所求得的解之間有著相當(dāng)大的差異。因此，怎樣才能夠提高解的魯棒性、減少解之間的差異性成為了傳統(tǒng)攝像機(jī)定標(biāo)亟待解決的1問(wèn)題；2）線性模型所得的優(yōu)化解并非全局的。由上可知，攝像機(jī)定標(biāo)的實(shí)際過(guò)程便是獲得實(shí)際參數(shù)的過(guò)程，即使用各種不同的優(yōu)化計(jì)算方法，來(lái)獲得相應(yīng)的非線性方程的一組解，但實(shí)際上，以此所獲得的優(yōu)化解并非全局的。因此，如何變化或者提高線性方程的解答方法也很重要；3）攝像機(jī)定標(biāo)參數(shù)的不確定性。一般來(lái)講，攝像機(jī)定標(biāo)參數(shù)的不確定性決定著計(jì)算參數(shù)的可信程度，同時(shí)，其對(duì)三維重建有著影響，進(jìn)一步來(lái)講，攝像機(jī)定標(biāo)的不確定性也決定著約束關(guān)系的不確定性傳播。因此，這個(gè)問(wèn)題也需要深入進(jìn)一步研究。

總之，傳統(tǒng)攝像機(jī)的定標(biāo)方法依然存在著許多無(wú)法忽視的弊端和需要解決的問(wèn)題，深入研究并盡快解決這些問(wèn)題，應(yīng)該是傳統(tǒng)攝像機(jī)的定標(biāo)方法今后的大的研究方向。

4.2 攝像機(jī)自定標(biāo)方法相關(guān)問(wèn)題

目前普遍認(rèn)為，攝像機(jī)自定標(biāo)方法實(shí)現(xiàn)隨時(shí)隨地的校準(zhǔn)攝像機(jī)模型參數(shù)，與傳統(tǒng)的攝像機(jī)定標(biāo)方法相比顯得更為靈活先進(jìn)。攝像機(jī)自定標(biāo)方法無(wú)需參照物，僅僅從圖像或視頻的相關(guān)點(diǎn)中得到它們之間的約束關(guān)系，從而通過(guò)相應(yīng)的分析，計(jì)算出攝像機(jī)模型的參數(shù).這種定標(biāo)方法看似毫無(wú)缺點(diǎn)，但自定標(biāo)的精度與傳統(tǒng)的攝像機(jī)定標(biāo)方法相比，還是存在者一定的缺點(diǎn)，以下便是對(duì)其缺點(diǎn)的歸納總結(jié)：部分?jǐn)z像機(jī)自定標(biāo)方法所求得的解不夠穩(wěn)定。例如：在圖像或視頻存在一定噪聲的情況下，實(shí)際的解與理論的解有著相當(dāng)差異，或者所求得的解并不唯一。因此，解的不穩(wěn)定性和精度不夠的情況，不僅是傳統(tǒng)攝像機(jī)定標(biāo)方法的缺點(diǎn)，也是自定標(biāo)方法的一個(gè)問(wèn)題，提高解的精度及穩(wěn)定性，是自定標(biāo)研究的一個(gè)重要方向。實(shí)際上，在現(xiàn)在的解決方案中，各種優(yōu)化算法是最常用最普遍的方法，但是，在多解的情況下，優(yōu)化算法也無(wú)法能夠保證得出全局的最優(yōu)解。由此看來(lái)，這個(gè)問(wèn)題是計(jì)算機(jī)是絕種攝像機(jī)定標(biāo)方法普遍存在的關(guān)鍵性問(wèn)題。

5 結(jié)束語(yǔ)

隨著計(jì)算機(jī)視覺(jué)系統(tǒng)的不斷發(fā)展，攝像機(jī)定標(biāo)技術(shù)也呈現(xiàn)了進(jìn)步的狀態(tài)。綜上所述，計(jì)算機(jī)視覺(jué)中的攝像機(jī)定標(biāo)方法主要有傳統(tǒng)的攝像機(jī)定標(biāo)法和攝像機(jī)自定標(biāo)法，對(duì)這兩類(lèi)的定標(biāo)方法進(jìn)行深入的研究能夠?yàn)槿嬲J(rèn)識(shí)和了解攝像機(jī)定標(biāo)方法起到很好的幫助作用。計(jì)算機(jī)視覺(jué)中的攝像機(jī)定標(biāo)方法在今后的發(fā)展過(guò)程中應(yīng)該得到更多的研究，但其所存在的不足和弊端也理應(yīng)得到研究人員的重視。在這個(gè)多元化信息化的世界里，計(jì)算機(jī)視覺(jué)中的攝像機(jī)定標(biāo)技術(shù)若能夠根據(jù)現(xiàn)有的條件，適應(yīng)如今的環(huán)境，選擇合適的方法，對(duì)一些還存在局限性的環(huán)節(jié)取得更好地突破，則能夠?qū)⒄麄€(gè)定標(biāo)技術(shù)提升一個(gè)高度。相信隨著未來(lái)計(jì)算機(jī)視覺(jué)系統(tǒng)的不斷擴(kuò)展和不斷完善，攝像機(jī)定標(biāo)技術(shù)的應(yīng)用范圍也會(huì)越來(lái)越廣闊。

參考文獻(xiàn)

[1]宋雪峰，楊明，王宏.用于攝像機(jī)標(biāo)定的網(wǎng)格狀紋理的檢測(cè)方法[A].2001年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C].2001.

[2]譚躍鋼，吳正平.一種新的基于雙目視模型的三維重建方法[A].中國(guó)儀器儀表學(xué)會(huì)第三屆青年學(xué)術(shù)會(huì)議論文集（上）[C].2001.

[3]劉健勤，鮑光淑.面向數(shù)據(jù)采掘的自適應(yīng)圖象分割技術(shù)[A].中國(guó)圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國(guó)圖象圖形科技大會(huì)論文集[C].1998.

[4]洪俊田，陶劍鋒，李剛，桂預(yù)風(fēng)，徐曉英.基于灰色關(guān)聯(lián)的數(shù)字圖像去噪研究[J].武漢理工大學(xué)學(xué)報(bào)（交通科學(xué)與工程版），2006，04.

[5]趙江濤，周仁斌，劉寶源.基于線結(jié)構(gòu)激光三維掃描系統(tǒng)的攝像機(jī)標(biāo)定方法研究[A].2010振動(dòng)與噪聲測(cè)試峰會(huì)論文集[C].2010.

[6]王鵬，王紅平.基于網(wǎng)格圖像的雙線性插值畸變校正的方法研究[A].科技創(chuàng)新與節(jié)能減排——吉林省第五屆科學(xué)技術(shù)學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C].2008.

[7]程建璞，項(xiàng)輝宇，于修洪.基于OpenCV的視覺(jué)測(cè)量技術(shù)中攝像機(jī)標(biāo)定方法[J].北京工商大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，01.

[8]趙越，江南.一種基于3D矩形靶標(biāo)的攝像機(jī)標(biāo)定算法及其實(shí)現(xiàn)[A].第九屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅰ[C].2011.

篇4

進(jìn)行了闡述。

關(guān)鍵詞：自動(dòng)控制技術(shù)　農(nóng)業(yè)自動(dòng)化

由于歷史、觀念和技術(shù)等方面的原因, 我國(guó)傳統(tǒng)農(nóng)業(yè)機(jī)械與發(fā)達(dá)國(guó)家相比有很大差距, 已遠(yuǎn)遠(yuǎn)不能適應(yīng)農(nóng)業(yè)的科技進(jìn)步。近些年來(lái), 自動(dòng)化的研究逐漸被人們所認(rèn)識(shí), 自動(dòng)控制在農(nóng)業(yè)上的應(yīng)用越來(lái)越受到重視。例如,把計(jì)算機(jī)技術(shù)、微處理技術(shù)、傳感與檢測(cè)技術(shù)、信息處理技術(shù)結(jié)合起來(lái), 應(yīng)用于傳統(tǒng)農(nóng)業(yè)機(jī)械, 極大地促進(jìn)了產(chǎn)品性能的提高。我國(guó)農(nóng)業(yè)部門(mén)總結(jié)了一些地區(qū)的農(nóng)業(yè)自動(dòng)化先進(jìn)經(jīng)驗(yàn)(如臺(tái)灣地區(qū)的農(nóng)業(yè)生產(chǎn)自動(dòng)化、漁業(yè)生產(chǎn)自動(dòng)化、畜牧業(yè)生產(chǎn)自動(dòng)化及農(nóng)產(chǎn)品貿(mào)易自動(dòng)化)的開(kāi)發(fā)與應(yīng)用情況, 同時(shí)也汲取了國(guó)外一些國(guó)家的先進(jìn)經(jīng)驗(yàn)、技術(shù), 如日本的四行半喂人聯(lián)合收割機(jī)是計(jì)算機(jī)控制的自動(dòng)化裝置在半喂人聯(lián)合收割機(jī)中的應(yīng)用,英國(guó)通過(guò)對(duì)施肥機(jī)散播肥料的動(dòng)力測(cè)量來(lái)控制肥料的精確使用量。這些技術(shù)和方法是我國(guó)農(nóng)業(yè)機(jī)械的自動(dòng)化裝置得到了補(bǔ)充和新的發(fā)展, 從而形成了一系列適合我國(guó)農(nóng)業(yè)特點(diǎn)的自動(dòng)化控制技術(shù)。

一、已有的農(nóng)業(yè)機(jī)械及裝置的部分自動(dòng)化控制

自動(dòng)化技術(shù)提高了已有農(nóng)業(yè)機(jī)械及裝置的作業(yè)性能和操作性能。浙江省把自動(dòng)化技術(shù)應(yīng)用于茶葉機(jī)械上, 成功研制出6CRK-55型可編程控制加壓茶葉揉捻機(jī), 它利用計(jì)算機(jī)控制電功加壓機(jī)構(gòu), 能根據(jù)茶葉的具體情況編制最佳揉捻程序?qū)崿F(xiàn)揉捻過(guò)程的自動(dòng)控制, 是機(jī)電一體化技術(shù)在茶葉機(jī)械上的首次成功應(yīng)用。

1.應(yīng)用于拖拉機(jī)

在農(nóng)用拖拉機(jī)上已廣泛使用了機(jī)械油壓式三點(diǎn)聯(lián)結(jié)的位調(diào)節(jié)和力調(diào)節(jié)系統(tǒng)裝置, 現(xiàn)又在開(kāi)發(fā)和采用性能更完善的電子油壓式三點(diǎn)聯(lián)結(jié)裝置。

2.應(yīng)用于施肥播種機(jī)

根據(jù)行駛速度和檢測(cè)種子粒數(shù)來(lái)確定播種量是否符合要求的裝置, 以及將馬鈴薯種子割成瓣后播種的裝置等。

3.應(yīng)用于谷物干燥機(jī)

不受外界條件干擾, 能自動(dòng)維持熱風(fēng)溫度的裝置停電或干燥機(jī)過(guò)熱引起火災(zāi)時(shí), 自動(dòng)掐斷燃料供給的裝置。

二、微灌自動(dòng)控制技術(shù)

我國(guó)從20世紀(jì)年50代就開(kāi)始進(jìn)行節(jié)水灌溉的研究與推廣據(jù)統(tǒng)計(jì)。到1992年, 全國(guó)共有節(jié)水灌溉工程面積0.133億m2, 其中噴灌面積80萬(wàn)m2, 農(nóng)業(yè)節(jié)水工程取得了巨大的進(jìn)展。灌溉管理自動(dòng)化是發(fā)展高效農(nóng)業(yè)的重要手段, 高效農(nóng)業(yè)和精細(xì)農(nóng)業(yè)要求必須實(shí)現(xiàn)水資源的高效利用。采用遙感遙測(cè)等新技術(shù)監(jiān)測(cè)土壤墑性和作物生長(zhǎng)情況, 對(duì)灌溉用水進(jìn)行動(dòng)態(tài)監(jiān)測(cè)預(yù)報(bào), 實(shí)現(xiàn)灌溉用水管理的自動(dòng)化和動(dòng)態(tài)管理。在微灌技術(shù)領(lǐng)域, 我國(guó)先后研制和改進(jìn)了等流量滴灌設(shè)備、微噴灌設(shè)備、微灌帶、孔口滴頭、壓力補(bǔ)償式滴頭、折射式和旋轉(zhuǎn)式微噴頭、過(guò)濾器和進(jìn)排氣閥等設(shè)備, 總結(jié)出了一套基本適合我國(guó)國(guó)情的微灌設(shè)計(jì)參數(shù)和計(jì)算方法, 建立了一批新的試驗(yàn)示范基地。在一些地區(qū)實(shí)現(xiàn)了自動(dòng)化灌溉系統(tǒng), 可以長(zhǎng)時(shí)間地自動(dòng)啟閉水泵和自動(dòng)按一定的輪灌順序進(jìn)行灌溉。這種系統(tǒng)中應(yīng)用了灌水器、土壤水分傳感器、溫度傳感器、壓力傳感器、水位傳感器和雨量傳感器、電線等。

三、自動(dòng)控制技術(shù)在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用

篇5

【關(guān)鍵詞】照相軟件 人臉識(shí)別技術(shù) 計(jì)算機(jī)

人臉識(shí)別作為一項(xiàng)現(xiàn)代化科技技術(shù)，具有極大的發(fā)展空間。1964年，人臉識(shí)別（AFR）這一領(lǐng)域逐漸出現(xiàn)在人們的視野里，至于1991年至1997年，若干具有代表性的人臉識(shí)別算法誕生于世，到如今，以支持向量機(jī)為代表的統(tǒng)計(jì)學(xué)習(xí)理論被應(yīng)用到了人臉識(shí)別中來(lái)。前人的側(cè)重點(diǎn)在于對(duì)其算法的延伸探究，但就筆者而言，存在一定程度上專(zhuān)業(yè)知識(shí)的限制，因而根據(jù)自身的知識(shí)儲(chǔ)備與探究能力，將人臉識(shí)別技術(shù)這一寬泛概念的探討縮小至相對(duì)更貼近生活，且較為容易理解與研究的一個(gè)主題――對(duì)于照相機(jī)軟件中人臉識(shí)別技術(shù)的探究，并由此展開(kāi)對(duì)計(jì)算機(jī)人臉識(shí)別的部分性探究。

1 對(duì)于人臉識(shí)別技術(shù)的初步了解

科幻性質(zhì)的故事往往以其并不符合實(shí)際的奇幻情節(jié)，模糊得描繪了現(xiàn)實(shí)世界未來(lái)的發(fā)展藍(lán)圖。這里不得不提及一部具有啟發(fā)意義的電影――《生化危機(jī)》，電影中追蹤主角行蹤的衛(wèi)星定位人臉識(shí)別技術(shù)，是否未來(lái)也將存在于我們的現(xiàn)實(shí)社會(huì)當(dāng)中？由此，便聯(lián)想到生活中照相軟件的人臉識(shí)別是否也是通過(guò)相似的原理而執(zhí)行的。

關(guān)于人臉識(shí)別，其本質(zhì)上隸屬于生物特征識(shí)別的一支。其余包含指紋識(shí)別，虹膜識(shí)別，DNA識(shí)別等技術(shù)。當(dāng)今最為廣泛運(yùn)用的是指紋識(shí)別，但隨之而來(lái)產(chǎn)生的是一定的安全性問(wèn)題。例如去年熱門(mén)的高考替考話題，指紋貼的出現(xiàn)使指紋識(shí)別的安全性受到質(zhì)疑。而人臉識(shí)別仍處于一個(gè)不完全成熟的發(fā)展階段，就目前現(xiàn)狀來(lái)說(shuō)，其所具有的不可復(fù)制性、自然性、不可察覺(jué)性，使其安全性與實(shí)用性都處于相對(duì)較高的水平。但同樣，其技術(shù)難度也呈正比例增長(zhǎng)。

通過(guò)對(duì)與計(jì)算機(jī)信息科技的學(xué)習(xí)，能夠得出這樣一個(gè)總結(jié)性結(jié)論：“人臉識(shí)別是通過(guò)計(jì)算機(jī)視覺(jué)的一些算法所實(shí)現(xiàn)的。”

前人對(duì)從不斷更新的研究中得出，人臉識(shí)別的基本算法有四種：

（1）基于人臉特征點(diǎn)的識(shí)別算法（Feature-based recognition algorithms）。

（2）基于整幅人臉圖像的識(shí)別算法（Appearance-based recognition algorithms）。

（3）基于模板的識(shí)別算法（Template-based recognition algorithms）。

（4）利用神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別的算法（Recognition algorithms using neural network）。

當(dāng)然，如今也早已存在許多其他的的算法能夠支持人臉識(shí)別技術(shù)的實(shí)現(xiàn)。而對(duì)于該項(xiàng)技術(shù)的應(yīng)用的范圍也在逐漸擴(kuò)大，門(mén)禁考勤系統(tǒng)、住宅安全管理、電子身份等等，都將在很大程度上的得益于其的不斷發(fā)展。

讓我們回到主題：照相機(jī)的人臉跟蹤究竟是如何實(shí)現(xiàn)的呢？圍繞這一問(wèn)題，由淺及深，筆者將本文中的探究?jī)?nèi)容主要分為以下三個(gè)部分：

（1）圖像在計(jì)算機(jī)內(nèi)部的存儲(chǔ)方式。

（2）計(jì)算機(jī)如何區(qū)分出物體與其所在背景。

（3）計(jì)算機(jī)如何定位人臉并從而實(shí)現(xiàn)識(shí)別功能。（注：由于照相軟件只是作為一個(gè)對(duì)于人臉識(shí)別問(wèn)題的切入點(diǎn)，單單深究照相軟件會(huì)帶來(lái)一定的局限性，因此二、三兩點(diǎn)將跳過(guò)作為載體的照相軟件，直接對(duì)于照相機(jī)功能背后的原理作進(jìn)一步探究。）

1.1 圖像在計(jì)算機(jī)內(nèi)部的儲(chǔ)存方式

計(jì)算機(jī)通過(guò)往往通過(guò)bitmap的形式來(lái)儲(chǔ)存圖像，也就是像素矩陣。

從結(jié)構(gòu)上講，計(jì)算機(jī)中儲(chǔ)存的圖像一把可以分為兩大類(lèi)，即矢量圖和位圖。矢量圖通過(guò)數(shù)學(xué)公式計(jì)算獲得，優(yōu)點(diǎn)在于不會(huì)失真，但其最大的缺點(diǎn)是難以表現(xiàn)色彩層次豐富的逼真圖像效果。而位圖的基本思想，則是把一幅圖像按照行列進(jìn)行分割，所獲得的點(diǎn)成為像素。相機(jī)所拍攝獲得的照片便是以位圖的形式儲(chǔ)存的。每一幅圖像均是由無(wú)數(shù)像素組成，而每一個(gè)像素對(duì)應(yīng)顯存中1、8、16或24位二進(jìn)制數(shù)來(lái)表示顏色信息。位數(shù)決定了圖像所含的最大顏色數(shù)，位數(shù)越多，圖像的色彩就越豐富。

1.2 計(jì)算機(jī)如何區(qū)分出物體與其所在背景

大致的過(guò)程可以由圖1所知，用相對(duì)容易理解的話來(lái)解釋?zhuān)?jì)算機(jī)對(duì)于區(qū)分物體與其所在背景，首先是通過(guò)對(duì)要是別的物體提取表面特征，然后再對(duì)真實(shí)的照片提取表面特征，最終在進(jìn)行匹配，配合相應(yīng)的算法，這樣，計(jì)算機(jī)便可以區(qū)分出物體與其所在背景。

由此所延伸的科目是計(jì)算機(jī)視覺(jué)。

正如定義所提到：計(jì)算機(jī)視覺(jué)是一門(mén)關(guān)于如何運(yùn)用照相機(jī)和計(jì)算機(jī)來(lái)獲取我們所需的，被拍攝對(duì)象的數(shù)據(jù)與信息的學(xué)問(wèn)。

通過(guò)這門(mén)科目，我們能夠做到使用計(jì)算機(jī)來(lái)處理圖像，并區(qū)分出目的對(duì)象。形象地說(shuō)，在這門(mén)科目的輔助之下，計(jì)算機(jī)能夠成為人類(lèi)的第二雙眼睛，對(duì)目標(biāo)進(jìn)行識(shí)別、跟蹤和測(cè)量。

“One picture is worth ten thousand words.”圖像的處理，將為人類(lèi)提供巨大的便捷。

大致羅列出其處理所進(jìn)行的步驟，分別是：圖像獲取、特征提取、檢測(cè)分割、高級(jí)處理。

1.3 計(jì)算機(jī)如何定位人臉并從而實(shí)現(xiàn)識(shí)別功能

關(guān)于人臉的定位與識(shí)別，在很大一定程度上與區(qū)別物體與背景的技術(shù)存在著相似之處。但是人臉的定位與識(shí)別，又是更高于目標(biāo)對(duì)象的識(shí)別的。這正是算法的不停更新與發(fā)展所帶來(lái)的科技發(fā)展的結(jié)果。

目前比較流行的Cascade Classifier（Opencv中做人臉檢測(cè)的時(shí)候的一個(gè)級(jí)聯(lián)分類(lèi)器）效果還是比較好的，正臉檢測(cè)到的成功率能達(dá)到90%以上。

此外，在人臉局部區(qū)域特征提取時(shí)，一種叫做CNN（Convolutional Neural Network）卷積神經(jīng)網(wǎng)絡(luò)技術(shù)的運(yùn)用――使用提取特征的filter對(duì)像素點(diǎn)進(jìn)行幾層處理，也為識(shí)別帶來(lái)一定的便利。CNN運(yùn)用到了深度學(xué)習(xí)，因此這里將拓展以下有關(guān)deep learning的概念：

deep learning的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究。其三大框架為：CNN（Convolutional Neural Network，卷積神經(jīng)網(wǎng)絡(luò)），DBN（Deep Belief Network，深度置信網(wǎng)絡(luò)），AE（AutoEncoder，自動(dòng)編碼機(jī)）。而目前在CV（Computer Vision的縮寫(xiě)，指計(jì)算機(jī)視覺(jué)）領(lǐng)域應(yīng)用最廣的是CNN。到近來(lái)也有很多人嘗試用deep learning的方法來(lái)實(shí)現(xiàn)人臉識(shí)別，其與先前所提到的計(jì)算機(jī)區(qū)分物體和背景的原理也是相似的。

2 結(jié)論

回到最初的問(wèn)題：照相機(jī)的人臉跟蹤是如何實(shí)現(xiàn)的？綜上所述，可以獲得的結(jié)論是：照相機(jī)的人臉跟蹤是通過(guò)計(jì)算機(jī)視覺(jué)的一些算法實(shí)現(xiàn)的。但這些算法在技術(shù)方面人仍然面臨著一些難點(diǎn)，例如，在特征識(shí)別時(shí)，外界客觀因素，有如，光線、著裝遮擋、目標(biāo)對(duì)象的姿態(tài)、臉型、樣本缺乏等等尚未解決的問(wèn)題。這些都使人臉識(shí)別技術(shù)尚有巨大的可發(fā)展空間。就像前段時(shí)間由推出的How Old do I Look線上臉部偵測(cè)服務(wù)，曾一度掀起熱潮，可見(jiàn)，人們對(duì)于人臉識(shí)別技術(shù)的期望也是很高的。

那么，未來(lái)的人臉識(shí)別技術(shù)到底能夠發(fā)展到何種程度呢？香港中文大學(xué)教授湯曉鷗、王曉剛及其研究團(tuán)隊(duì)曾在2014年6月宣布，他們研發(fā)的DeepID人臉識(shí)別技術(shù)的準(zhǔn)確率超過(guò)99%，比肉眼識(shí)別更加精準(zhǔn)。相信未來(lái)，計(jì)算機(jī)人臉識(shí)別技術(shù)將與我們共同成長(zhǎng)，逐漸成熟與完善。畢業(yè)于UC Berkeley的博士賈揚(yáng)清，創(chuàng)造了Caffe――全稱(chēng)Convolutional Architecture for Fast Feature Embedding，一個(gè)清晰而高效的深度學(xué)習(xí)框架，具有上手快、速度快、模塊化、開(kāi)放性、社區(qū)好等優(yōu)點(diǎn)。如此不斷迅捷發(fā)展的計(jì)算機(jī)技術(shù)，在這個(gè)數(shù)字化的時(shí)代，正是對(duì)未來(lái)發(fā)展很好的導(dǎo)向。

參考文獻(xiàn)

[1]韋鳳年.怎樣寫(xiě)科技論文[J].河南水利，2006（09）.

[2]董琳，趙懷勛.人臉識(shí)別技術(shù)的研究現(xiàn)狀與展望[J].China Academic Journal Electronic Publishing House，2011，10.

作者簡(jiǎn)介

孫文倩（1998-），上海市人?，F(xiàn)在上海市洋涇中學(xué)高中在讀。

篇6

關(guān)鍵詞：數(shù)字?jǐn)z影測(cè)量；影像匹配；影像匹配分類(lèi)；匹配策略

中圖分類(lèi)號(hào)： P216 文獻(xiàn)標(biāo)識(shí)碼： A

1．前言

影像匹配是數(shù)字?jǐn)z影測(cè)量的典型問(wèn)題之一。在航空攝影測(cè)量領(lǐng)域，影像匹配是自動(dòng)獲取數(shù)字地面模型(DTM)的關(guān)鍵技術(shù)，是以影像匹配代替?zhèn)鹘y(tǒng)的人工觀測(cè)，來(lái)達(dá)到自動(dòng)確定同名點(diǎn)的目的。一般來(lái)說(shuō)，由于影像在不同時(shí)間、不同傳感器、不同視角獲得的成像條件不同，因此即使是對(duì)同一物體，在影像中所表現(xiàn)出來(lái)的幾何特性、光學(xué)特性、空間位置都會(huì)有很大的不同，如果考慮到噪聲、干擾等影響會(huì)使影像發(fā)生很大差異，影像匹配就是通過(guò)這些不同之處找到它們的相同點(diǎn)。在計(jì)算機(jī)視覺(jué)中，通常稱(chēng)為影像配準(zhǔn)，而且很多領(lǐng)域中影像匹配都是必不可少的關(guān)鍵環(huán)節(jié)。目前影像匹配己成為現(xiàn)代信息處理，特別是圖像信息處理領(lǐng)域中的一項(xiàng)非常重要的技術(shù)，已有很多學(xué)者進(jìn)行這方面的研究而且已經(jīng)取得了很好的成就。影像匹配研究涉及到了影像采集、影像預(yù)處理、影像分割、特征提取等，并且與計(jì)算機(jī)視覺(jué)、多維信號(hào)處理和數(shù)值計(jì)算方法等緊密結(jié)合。它也是其它一些影像分析技術(shù)，如立體視覺(jué)、運(yùn)動(dòng)分析、數(shù)據(jù)融合等的基礎(chǔ)。目前，它的應(yīng)用范圍相當(dāng)廣泛，在計(jì)算機(jī)視覺(jué)、虛擬現(xiàn)實(shí)場(chǎng)景、航空航天遙感與數(shù)字?jǐn)z影測(cè)量、醫(yī)學(xué)影像分析、光學(xué)和雷達(dá)跟蹤、景物制導(dǎo)、地形匹配、指紋與肖像檢測(cè)等領(lǐng)域都有著重要的應(yīng)用價(jià)值。在數(shù)字?jǐn)z影測(cè)量的研究中，幾何變換和對(duì)應(yīng)關(guān)系是兩大關(guān)鍵問(wèn)題。幾何變換問(wèn)題經(jīng)過(guò)數(shù)學(xué)和圖形圖像學(xué)的研究已經(jīng)得到了解決，而對(duì)應(yīng)問(wèn)題(特別是同名點(diǎn)的對(duì)應(yīng)問(wèn)題)正是影像匹配的研究目的。影像匹配的良好實(shí)現(xiàn)，可以大大促進(jìn)數(shù)字?jǐn)z影測(cè)量自動(dòng)化量測(cè)的發(fā)展，并為立體測(cè)圖、建立立體模型、自動(dòng)生成DEM、正射影像、等高線，構(gòu)建三維立體和虛擬現(xiàn)實(shí)場(chǎng)景提供技術(shù)支撐。

2．影像匹配國(guó)內(nèi)外研究現(xiàn)狀與內(nèi)容

影像匹配技術(shù)一直是數(shù)字?jǐn)z影測(cè)量、計(jì)算機(jī)視覺(jué)等領(lǐng)域的關(guān)鍵技術(shù)難題，但它廣闊的應(yīng)用前景吸引了眾多領(lǐng)域的科研人員孜孜不倦地對(duì)它進(jìn)行攻關(guān)，成為經(jīng)久不衰的研究熱點(diǎn)。最初的影像匹配是利用相關(guān)技術(shù)實(shí)現(xiàn)的，因此又稱(chēng)為影像相關(guān)。從上個(gè)世紀(jì)五十年代至今，國(guó)內(nèi)外學(xué)者提出了許多相應(yīng)的理論，涌現(xiàn)了大量的匹配算法[1][[2][3][4]，如相關(guān)函數(shù)法、相關(guān)系數(shù)方法、整體法等。Bellman于上個(gè)世紀(jì)50年代提出的動(dòng)態(tài)規(guī)劃法影像匹配，德國(guó) Ackerlnann 教授提出的最小二乘匹配方法[5]，Rosenhlm提出的多點(diǎn)最小二乘影像匹配[6]，已及Ton Jez-ehing、JainA K提出的確定兩影像區(qū)域間對(duì)應(yīng)關(guān)系的點(diǎn)匹配方法[7],Daniel P Huttenlocher等人提出的Hausdorff距離匹配方法[8]等等；1978年，我國(guó)攝影測(cè)量學(xué)的先驅(qū)王之卓院士率先提出了“全數(shù)字?jǐn)z影測(cè)量”的概念[9], 利用影像匹配來(lái)代替?zhèn)鹘y(tǒng)的人眼立體觀測(cè)；張祖勛院士提出了基于跨接法的影像匹配 [10]；呂言提出了特征提取的呂言算子和基于特征的影像匹配方法[11]；張力、沈未名等也提出了基于空間約束的神經(jīng)網(wǎng)絡(luò)影像匹配算法[12]。盡管發(fā)展出了多種多樣的匹配方法，但這些影像匹配算法按其匹配基元分類(lèi)，主要可以分為基于像元灰度的影像匹配算法、基于特征的影像匹配算法以及基于影像的理解和解釋的匹配算法。

3.影像匹配的基本概念

匹配是圖像處理的一個(gè)基礎(chǔ)問(wèn)題。簡(jiǎn)單的說(shuō)，匹配技術(shù)就是找到兩幅不同影像之間的空間位置關(guān)系實(shí)現(xiàn)同一目標(biāo)的兩幅(或兩幅以上)影像在空間位置上的對(duì)準(zhǔn)。 Barbara zitova和 Jan Flusser在其著作中對(duì)影像匹配進(jìn)行了定義[23]，稱(chēng)其是針對(duì)來(lái)自于同一場(chǎng)景、不同時(shí)間、不同視角、不同傳感器的兩幅或多幅圖像進(jìn)行重疊 (Overlapping)的過(guò)程，這個(gè)重疊就是幾何對(duì)齊 (Geometrically Align)的過(guò)程?？梢詮闹锌闯鰞牲c(diǎn)，其一，影像匹配所研究的影像具有成像機(jī)理、自然條件、成像時(shí)間等的不同，這些都造成參與匹配的影像對(duì)具有很大的差異;其二，影像重疊的目的為了對(duì)兩幅影像在空間上進(jìn)行對(duì)準(zhǔn)，以確定兩幅影像之間的平移以及旋轉(zhuǎn)關(guān)系。也可以說(shuō)影像匹配時(shí)利用兩個(gè)信號(hào)的相似性評(píng)價(jià)函數(shù)，評(píng)價(jià)它們的相似性以確定同名點(diǎn)。即首先取出以待定點(diǎn)為中心的小區(qū)域中的影像信號(hào)，然后取出其在另一影像中相應(yīng)區(qū)域的影像信號(hào)，計(jì)算兩者的相似性評(píng)價(jià)函數(shù)，以相似性評(píng)價(jià)函數(shù)值的大小來(lái)確定相應(yīng)區(qū)域中心點(diǎn)位同名點(diǎn)，即以影像信號(hào)分布最相似的區(qū)域?yàn)橥麉^(qū)域，同名區(qū)域的中心點(diǎn)為同名點(diǎn)。

4.影像匹配的困難與解決問(wèn)題思路

影像匹配的方法有很多，但都有不同程度的局限性。對(duì)于一些共性的問(wèn)題，如匹配模糊度問(wèn)題，匹配組合問(wèn)題等，目前仍是影像匹配中的難點(diǎn)問(wèn)題。在實(shí)際應(yīng)用中主要表現(xiàn)在以下幾種情況的影像匹配中存在的問(wèn)題：

1.信息貧乏區(qū)域（非重疊覆蓋范圍）和紋理重復(fù)區(qū)域（遮蔽區(qū)域）的匹配

2.陰影區(qū)域的匹配

3.陡坡表面和斷裂線地區(qū)的匹配

4.影像之間存在大的旋轉(zhuǎn)角度的匹配

5.非漫反射地區(qū)的匹配

6.對(duì)運(yùn)動(dòng)的目標(biāo)和陰影的匹配

7.存在較大比例尺差異的影像間的匹配

8.不同傳感器影像之間的匹配

針對(duì)這些問(wèn)題，一般的對(duì)于紋理貧乏和周期性紋理重復(fù)區(qū)域，自適應(yīng)的調(diào)整窗口大小；對(duì)于遮蔽和斷裂線區(qū)域采用雙向匹配的方法；對(duì)于陡坡區(qū)域采用跨接法影像匹配；對(duì)于存在較大旋轉(zhuǎn)角度的影像匹配則采用SIFT算子[28]進(jìn)行處理。

5.小結(jié)

發(fā)展至今，影響匹配技術(shù)已經(jīng)取得了很大的成就，多種多樣的影像匹配算法基本能夠滿足實(shí)際應(yīng)用的需求。但影像匹配中仍存在著諸多問(wèn)題和挑戰(zhàn)，這也是數(shù)字?jǐn)z影測(cè)量面臨的典型問(wèn)題之一，也是我們今后科研的主攻方向和著力點(diǎn)。另外，目前的影像匹配算法大多是針對(duì)特定情況的應(yīng)用，適應(yīng)性方面不是太強(qiáng)。因此，尋找一種普適性的影像匹配算法或適應(yīng)性較強(qiáng)的影響匹配處理系統(tǒng)從而實(shí)現(xiàn)數(shù)字?jǐn)z影測(cè)量發(fā)展的一次飛躍是我們不得不思考的問(wèn)題。

參考文獻(xiàn)：

[1]張祖勛，新的核線相關(guān)算法一跨接法[J]，武漢測(cè)繪科技大學(xué)學(xué)報(bào)，1988，13(4):19-26.

[2]王之卓，攝影測(cè)量原理續(xù)編[M]，北京:測(cè)繪出版社，1986.

[3]呂言，用于提取數(shù)字圖像點(diǎn)特征之有利算子研究[J]，測(cè)繪學(xué)報(bào)，1989，18(3):175-182.

[4]張力，沈未名，張祖勛等.基于空間約束的神經(jīng)網(wǎng)絡(luò)影像匹配[J].武漢測(cè)繪科技大學(xué)報(bào)，2000，25(1):55-58.

篇7

關(guān)鍵詞 機(jī)器視覺(jué) 農(nóng)業(yè) 具體應(yīng)用

中圖分類(lèi)號(hào)：R471 文獻(xiàn)標(biāo)識(shí)碼：A

0引言

機(jī)器視覺(jué)是一門(mén)涉及模式識(shí)別、神經(jīng)生物學(xué)、計(jì)算機(jī)科學(xué)、人工智能、圖像處理、心理物理學(xué)等諸多領(lǐng)域的交叉學(xué)科。主要是通過(guò)計(jì)算機(jī)對(duì)人類(lèi)某些視覺(jué)方面的智能行為的模擬和再現(xiàn)，再處理并理解從客觀事物的圖像中提取到的信息，最終達(dá)到在實(shí)際檢測(cè)和控制中應(yīng)用的目的。近年來(lái)，隨著農(nóng)業(yè)的智能化發(fā)展，使得機(jī)器視覺(jué)越來(lái)越多的應(yīng)用于農(nóng)業(yè)之中。

1機(jī)器視覺(jué)的主要結(jié)構(gòu)

1.1照明

照明是機(jī)器視覺(jué)系統(tǒng)里的一個(gè)非常重要的部分。它直接影響著攝像機(jī)采集到的數(shù)據(jù)的質(zhì)量，所以，在選擇照明設(shè)備的事情上，要非常的謹(jǐn)慎。一個(gè)好的光源的判別標(biāo)準(zhǔn)是：

（1）能夠突出對(duì)比被測(cè)物體的特征。

（2）保證穩(wěn)定性和亮度。

（3）物體的位移不會(huì)對(duì)成像質(zhì)量有影響。

生活中常見(jiàn)的光源主要有白熾燈、氙燈、熒光燈、LED等幾種類(lèi)型。在照明上，有兩種方法可以來(lái)增強(qiáng)需要的目標(biāo)特征：

（1）利用光譜。選取合適的照明光源反射呈現(xiàn)出希望看到的光譜范圍。

（2）利用照明的方向性。有兩種方法：其中一種是具利用光源本身的照射效果。光進(jìn)行漫反射時(shí)，光的照射強(qiáng)度在每個(gè)方向上基本相同。而當(dāng)光直射時(shí)，光源的光會(huì)集中在一個(gè)狹小的范圍內(nèi)。特定的環(huán)境下，光源會(huì)發(fā)出單向平行光。

（3）可以從被測(cè)物、光源、攝像機(jī)三個(gè)部分的相對(duì)位置入手。有正面光、背光、明場(chǎng)照明、暗場(chǎng)照明四種相互獨(dú)立的方法。

1.2鏡頭

攝像鏡頭是一種光學(xué)設(shè)備。具有把光轉(zhuǎn)換為攝像機(jī)內(nèi)部成像的功能。鏡頭是機(jī)器視覺(jué)中舉足輕重的部分，對(duì)判斷圖像的質(zhì)量好壞有著很客觀的作用。鏡頭性能的參數(shù)主要有工作距離、角度、視場(chǎng)、景深、分辨率等幾個(gè)方面。工作距離指的是鏡頭的前部到被測(cè)物體的距離。視場(chǎng)表示攝像頭能觀察到的最大的范圍。景深指的是在物體在攝像機(jī)照射到清晰圖像的情況下能移動(dòng)的前后距離范圍。

1.3攝像機(jī)

攝像機(jī)是可是將光線轉(zhuǎn)換成圖像的裝置。攝像機(jī)又分CCD和CMOS傳感器攝像機(jī)兩種。兩者主要的區(qū)別是讀出數(shù)據(jù)的方式。CCD的成本高，工藝復(fù)雜，耗電高，但是效果好。CMOS制造成本低，制造工藝簡(jiǎn)單，消耗的電力小，但是CMOS的通透性和對(duì)色彩的還原能力都比較差。CCD可分為兩類(lèi)，面陣式和線陣式。在速度較高的情況下一般采用線陣式，速度低的情況下采用面陣式。面陣式價(jià)格也比較便宜。

1.4 圖像采集卡

把攝像機(jī)采集到的數(shù)據(jù)通過(guò)圖像采集卡轉(zhuǎn)存到電腦中。

2機(jī)器視覺(jué)在農(nóng)業(yè)中的應(yīng)用

2.1機(jī)器視覺(jué)在棉花氮素營(yíng)養(yǎng)診斷中的應(yīng)用

農(nóng)作物生長(zhǎng)發(fā)育進(jìn)程和產(chǎn)量形成受肥料影響很大，基于機(jī)器視覺(jué)的作物生長(zhǎng)監(jiān)測(cè)與診斷技術(shù)是近地面遙感監(jiān)測(cè)的方法之一，其優(yōu)質(zhì)清晰的數(shù)字圖像既能方便地對(duì)作物生長(zhǎng)發(fā)育的季節(jié)性變化進(jìn)行評(píng)估，也能實(shí)時(shí)高效、快速準(zhǔn)確、自動(dòng)無(wú)損地提供作物長(zhǎng)勢(shì)信息和營(yíng)養(yǎng)狀態(tài)診斷，在信息化精準(zhǔn)農(nóng)業(yè)生產(chǎn)中扮演著極其重要的角色，還可以幫助農(nóng)戶適時(shí)采取農(nóng)藝措施（施肥、灌水、耕作、收割以及病、蟲(chóng)、草、鼠害防治等），從而提高農(nóng)作物產(chǎn)量與品質(zhì)。

2.2機(jī)器視覺(jué)在嫁接苗移栽實(shí)時(shí)定位中的應(yīng)用

為了降低嫁接苗培育整個(gè)環(huán)節(jié)的工作強(qiáng)度、提高嫁接苗存活率以及生長(zhǎng)質(zhì)量，嫁接苗的全自動(dòng)培育是未來(lái)發(fā)展的趨勢(shì)。嫁接苗的全自動(dòng)培育包括精密定向自動(dòng)播種、自動(dòng)育苗、自動(dòng)供苗、自動(dòng)嫁接、嫁接苗自動(dòng)移栽以及溫室自動(dòng)管理幾個(gè)步驟，每個(gè)環(huán)節(jié)都有大量的研究人員深入研究。其中，嫁接苗的自動(dòng)移栽主要完成從嫁接機(jī)上取苗再到穴盤(pán)上進(jìn)行種苗的過(guò)程。移栽效果一般取決于穴孔定位的精度、穩(wěn)定性以及末端執(zhí)行器的設(shè)計(jì)。針對(duì)移栽過(guò)程中基于機(jī)器視覺(jué)的穴孔位置的定位研究是目前的研究熱點(diǎn)。

2.3機(jī)器視覺(jué)在茶隴識(shí)別與采茶機(jī)導(dǎo)航中的應(yīng)用

中國(guó)是茶葉的主要原產(chǎn)地，也是世界上茶葉種植、消費(fèi)、出口最大的國(guó)家之一。目前，我國(guó)茶葉采摘和用工的矛盾已經(jīng)成為茶葉產(chǎn)業(yè)發(fā)展的瓶頸，加快發(fā)展茶葉采摘機(jī)械化勢(shì)在必行。采用機(jī)械化作業(yè)替代人工，不僅可以降低成本，而且能夠提高采茶質(zhì)量和生產(chǎn)效率。機(jī)器視覺(jué)在茶隴識(shí)別與采茶機(jī)導(dǎo)航中的應(yīng)用，給茶產(chǎn)業(yè)帶來(lái)了新的春天。利用計(jì)算機(jī)視覺(jué)系統(tǒng)識(shí)別茶樹(shù)嫩芽并實(shí)現(xiàn)定位采摘的方法，不僅可以保證葉片的完整性，還能使整個(gè)采摘過(guò)程完全自動(dòng)化，節(jié)省大量的人力物力，但機(jī)器視覺(jué)的識(shí)別效率還有待提高。

3總結(jié)與展望

機(jī)器視覺(jué)在農(nóng)業(yè)中的應(yīng)用為精細(xì)農(nóng)業(yè)和農(nóng)業(yè)生產(chǎn)自動(dòng)化奠定了基礎(chǔ)，不僅有助于解放勞動(dòng)力，還有助于提高農(nóng)作物產(chǎn)品的品質(zhì)和產(chǎn)量。

另外，植物生長(zhǎng)過(guò)程的三維重構(gòu)是目前國(guó)內(nèi)外的研究熱點(diǎn)，機(jī)器視覺(jué)技術(shù)是改過(guò)程中不可或缺的重要環(huán)節(jié)。植物生長(zhǎng)周期長(zhǎng)，利用三維重構(gòu)技術(shù)可將作物在虛擬空間中結(jié)構(gòu)的發(fā)育與生長(zhǎng)過(guò)程進(jìn)行仿真，并以三維圖像進(jìn)行展現(xiàn)，不僅能夠直觀、精確地呈現(xiàn)植物的三維生長(zhǎng)過(guò)程，還可對(duì)植物的生長(zhǎng)進(jìn)行預(yù)測(cè)，為生物育種、育苗提供高效便捷的實(shí)驗(yàn)方法。

參考文獻(xiàn)

篇8

關(guān)鍵詞：三維點(diǎn)云；配準(zhǔn)；迭代最近點(diǎn)

中圖分類(lèi)號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2012）31-7568-03

在計(jì)算機(jī)應(yīng)用領(lǐng)域，三維點(diǎn)云數(shù)據(jù)的配準(zhǔn)對(duì)解決曲線曲面匹配、圖像拼接、三維重建、計(jì)算機(jī)輔助文物復(fù)原等問(wèn)題至關(guān)重要。以計(jì)算機(jī)輔助文物碎片拼接為例，在過(guò)去十年間有很多研究項(xiàng)目需要獲取文物詳細(xì)的三維表示，但是通過(guò)三維掃描設(shè)備獲取的多個(gè)掃描需要采取一定的技術(shù)恢復(fù)每個(gè)掃描的相對(duì)視點(diǎn)，然后將多個(gè)掃描融合到一個(gè)最終的模型。這一過(guò)程就是三維點(diǎn)云數(shù)據(jù)的配準(zhǔn)，它是獲取文物準(zhǔn)確的三維表示的關(guān)鍵步驟。1992年，Besl和Mckay提出了一種基于幾何模型的三維物體配準(zhǔn)算法——迭代最近點(diǎn)算法[1]。近年來(lái)，伴隨著三維掃描技術(shù)的不斷進(jìn)步，該算法得到了廣泛應(yīng)用，也吸引了眾多研究者的目光。許多研究者對(duì)該算法進(jìn)行了系統(tǒng)的研究，分析了該算法的特點(diǎn)與不足，提出了各種改進(jìn)算法。國(guó)外學(xué)者M(jìn)ichael　Wild[2]回顧了2002年到2007年ICP算法的發(fā)展；介紹了ICP算法的流程并對(duì)幾種改進(jìn)算法做了詳細(xì)的分析和比較；最后介紹了該算法在放射療法中的應(yīng)用。近幾年，ICP算法的研究改進(jìn)以及應(yīng)用仍然是國(guó)內(nèi)外眾多學(xué)者熱衷的一個(gè)研究方向，這從發(fā)表在IEEE上的論文數(shù)量即可看出。本文詳細(xì)總結(jié)了ICP算法的基本原理，然后從數(shù)據(jù)采樣、特征點(diǎn)選取與點(diǎn)對(duì)權(quán)重、非重疊區(qū)域檢測(cè)、兼容性約束四個(gè)方面對(duì)幾種改進(jìn)算法進(jìn)行了系統(tǒng)而詳細(xì)的分析與研究?？偨Y(jié)了這些算法的基本思想和特點(diǎn)，這些工作對(duì)后期的研究將會(huì)起到重要的作用。

1　ICP算法的基本原理

篇9

【關(guān)鍵詞】灰度化 RGB HSI HSV

一、引言

彩色攝像機(jī)采集的圖像一般是RGB三個(gè)顏色通道的模型，即擁有紅（700nm）、綠（546.1nm）、藍(lán)（435.8nm）三個(gè)分量，這三個(gè)分量不同比例的混合，可以得到人類(lèi)視覺(jué)上幾乎全部的色彩信息[1]。但由于該信息占據(jù)存儲(chǔ)空間大小灰度化后的三倍，并且三個(gè)通道沒(méi)辦法按照數(shù)學(xué)方法進(jìn)行一些必要的處理（比如邊緣檢測(cè)或者二值化），故需將RGB模型處理成為一種新的色彩通道，該模型只有一個(gè)色彩通道，可以令R=G=B，這樣原本用三個(gè)通道的信息，便轉(zhuǎn)化為一個(gè)叫做灰度的值，而這個(gè)值的范圍同樣是0～255，并且可以直觀地認(rèn)為，該數(shù)字表示圖像上色彩的亮度。由于彩色光（RGB混合）同一波長(zhǎng)有可能對(duì)應(yīng)不同的混合顏色，所以我們又定義了色調(diào)、飽和度、明度的概念。色調(diào)用于標(biāo)識(shí)顏色，如果顏色可以用單一色光和白光按照一定比例配合，則這個(gè)顏色的色調(diào)用此單一色光的波長(zhǎng)表示，若非單色光和白光按照比例合成，則這個(gè)顏色的色調(diào)用此非單色光的補(bǔ)光表示[2]。飽和度用以表示顏色的純潔程度，明度用于表示顏色的明亮程度。要提取亮度分量，需要用到HSV和HSL模式。HSV由色調(diào)、飽和度、純度表示顏色。HSL則由色調(diào)、飽和度、亮度三個(gè)通道構(gòu)成，是目前應(yīng)用最多的色彩模式之一[3～4]?；叶然话憧梢圆扇GB分量、HSL分量、HSV分量、HSI分量等方式。

二、 灰度化原理

（一）RGB分量法：將RGB空間中的R分量、G分量或B分量提取出來(lái)稱(chēng)為強(qiáng)度信號(hào)，變?yōu)樗膱D形。

（二）HSL分量法：將RGB空間按公式轉(zhuǎn)換為HSL空間，然后分別提取H、S、L分量[5]。

（三）HSV分量法：將RGB空間按公式轉(zhuǎn)換為HSV空間，然后分別提取H、S、L分量。

（四）HSI分量法：人的視覺(jué)系統(tǒng)經(jīng)常采用HSI色彩空間，它比RGB色彩空間更符合人的視覺(jué)特性。在圖像處理和計(jì)算機(jī)視覺(jué)中大量算法都可在HSI色彩空間中方便地使用，它們可以分開(kāi)處理而且是相互獨(dú)立的。因此，在HSI色彩空間可以大大簡(jiǎn)化圖像分析和處理的工作量。

三、灰度化的實(shí)現(xiàn)

四、總結(jié)

本文介紹了幾種圖像灰度化的方法，并用LABVIEW編程實(shí)現(xiàn)了，仿真結(jié)果表明對(duì)于不同的圖像應(yīng)該針對(duì)圖像本身采用相應(yīng)的灰度化方法。

參考文獻(xiàn)：

[1]郝建青，張仲義，陳濱.基于車(chē)輛實(shí)時(shí)跟蹤的編組站綜合自動(dòng)化系統(tǒng)集成方案的研究[J].鐵道學(xué)報(bào)，2000，（2）：1-6.

[2]徐杰民，肖云.二維條碼技術(shù)現(xiàn)狀及發(fā)展前景[J].計(jì)算機(jī)與現(xiàn)代化，2004，（12）：141-142.

[3]張聰，張慧.復(fù)雜背景下維條碼圖像的提取[J].微計(jì)算機(jī)信息，2007，23（10）：302-304.

[4]霍宏濤，林小竹，何薇.數(shù)字圖像處理[M].北京：北京理工大學(xué)出版社，2003.

[5]劉紅霞.圖像分割算法的研究與實(shí)現(xiàn)[D].上海：華東師范大學(xué)，2004.

作者簡(jiǎn)介：

篇10

（大連東軟信息學(xué)院電子工程系，遼寧大連116023）

摘要：智能科學(xué)與技術(shù)概論課程是智能科學(xué)與技術(shù)專(zhuān)業(yè)重要的必修基礎(chǔ)課，對(duì)整個(gè)專(zhuān)業(yè)課程體系有概括性的引導(dǎo)作用，對(duì)學(xué)生深入學(xué)習(xí)后續(xù)課程有很大幫助。文章從智能科學(xué)與技術(shù)概論課程的教學(xué)實(shí)際出發(fā)，提出該課程的整體課程規(guī)劃，并根據(jù)學(xué)生的學(xué)習(xí)情況驗(yàn)證其適用性。

關(guān)鍵詞 ：智能科學(xué)；專(zhuān)業(yè)基礎(chǔ)必修課；課程規(guī)劃

基金項(xiàng)目：2012年遼寧省普通高等學(xué)校本科工程人才培養(yǎng)模式改革試點(diǎn)項(xiàng)目(G2201249)。

第一作者簡(jiǎn)介：林寶尉，男，講師，研究方向?yàn)橛?jì)算機(jī)視覺(jué)、模式識(shí)別，linbaowei@neusoft．edu．cn。

0 引言

智能科學(xué)與技術(shù)概論課程是智能科學(xué)與技術(shù)專(zhuān)業(yè)的必修基礎(chǔ)課。學(xué)生通過(guò)學(xué)習(xí)基礎(chǔ)課，能夠了解整個(gè)專(zhuān)業(yè)的知識(shí)構(gòu)成、體系結(jié)構(gòu)以及發(fā)展方向，便于將來(lái)學(xué)習(xí)必修專(zhuān)業(yè)課，包括模式識(shí)別、人工智能、智能機(jī)器人等課程。在這個(gè)過(guò)程中，如何讓學(xué)生順利地過(guò)渡到更高層次的專(zhuān)業(yè)課學(xué)習(xí)中，如何提高其學(xué)習(xí)興趣，如何幫助學(xué)生深入了解各門(mén)專(zhuān)業(yè)課之間的層次關(guān)系，都是該專(zhuān)業(yè)設(shè)置過(guò)程中需要考慮的問(wèn)題。智能科學(xué)與技術(shù)概論的規(guī)劃起到了承上啟下的作用。雖然專(zhuān)業(yè)導(dǎo)引課也從全局對(duì)該專(zhuān)業(yè)的情況進(jìn)行了介紹，但其內(nèi)容以學(xué)生職業(yè)引導(dǎo)、興趣培養(yǎng)為主，對(duì)專(zhuān)業(yè)課程的設(shè)置并無(wú)過(guò)多展開(kāi)。因此，智能科學(xué)與技術(shù)概論課程的設(shè)置十分必要。

1 課程規(guī)劃設(shè)置

1.1 能力指標(biāo)

課程將學(xué)生的能力體系分為5個(gè)部分：技術(shù)知識(shí)與推理能力、開(kāi)發(fā)式思維與創(chuàng)新、個(gè)人職業(yè)能力、態(tài)度與習(xí)慣、時(shí)間構(gòu)思設(shè)計(jì)實(shí)現(xiàn)和社會(huì)貢獻(xiàn)，與其對(duì)應(yīng)的二級(jí)、三級(jí)及詳細(xì)指標(biāo)見(jiàn)表1。每個(gè)能力指標(biāo)平均對(duì)應(yīng)4個(gè)學(xué)時(shí)，共32個(gè)學(xué)時(shí)。

1.2 講授方式

(1)精講多練。通過(guò)講解智能科學(xué)的相關(guān)內(nèi)容并結(jié)合相關(guān)實(shí)驗(yàn)，讓學(xué)生掌握智能科學(xué)的基礎(chǔ)知識(shí)，提高其學(xué)習(xí)興趣，為后續(xù)課程的學(xué)習(xí)打下良好基礎(chǔ)。

(2)以項(xiàng)目為導(dǎo)向組織教學(xué)，通過(guò)案例教學(xué)，將構(gòu)思、設(shè)計(jì)、實(shí)施和運(yùn)行引入教學(xué)過(guò)程中。

(3)鼓勵(lì)學(xué)生自主學(xué)習(xí)，加強(qiáng)基本職業(yè)能力的訓(xùn)練。教學(xué)過(guò)程中注意互動(dòng)和引導(dǎo)，運(yùn)用講授教學(xué)、練習(xí)教學(xué)、實(shí)驗(yàn)教學(xué)、案例教學(xué)等多種教學(xué)方法完成教學(xué)任務(wù)。

(4)教學(xué)實(shí)施過(guò)程中，提供豐富的教學(xué)資源，如多媒體課件、案例、網(wǎng)絡(luò)資源、優(yōu)秀學(xué)生作品和外文技術(shù)資料等。

(5)對(duì)學(xué)生進(jìn)行多方面考核與評(píng)價(jià)。結(jié)合課程實(shí)施過(guò)程，從知識(shí)掌握、能力水平、態(tài)度表現(xiàn)等方面，對(duì)學(xué)生進(jìn)行全方位的考核。

1.3 講授內(nèi)容

該課程講授內(nèi)容分為3個(gè)單元，具體內(nèi)容如下。

單元一：智能科學(xué)導(dǎo)論，主要涉及智能科學(xué)與技術(shù)的目標(biāo)界定、學(xué)科分類(lèi)、涉及范圍、學(xué)科定位、人類(lèi)認(rèn)知以及學(xué)科簡(jiǎn)史等知識(shí)點(diǎn)。該單元將在2個(gè)學(xué)時(shí)中完成，并要求學(xué)生課外學(xué)習(xí)2個(gè)學(xué)時(shí)。

單元二：學(xué)科基礎(chǔ)理論知識(shí)，主要涉及機(jī)器系統(tǒng)、視覺(jué)感知、高級(jí)語(yǔ)言編程等知識(shí)點(diǎn)。該單元主要介紹支撐學(xué)科的相關(guān)課程，并在實(shí)踐課中使用高級(jí)語(yǔ)言編寫(xiě)簡(jiǎn)單系統(tǒng)。該單元共10個(gè)課時(shí)，其中包括4個(gè)實(shí)踐課時(shí)。

單元三：專(zhuān)業(yè)課介紹，主要涉及數(shù)字圖像處理介紹、模式識(shí)別介紹、計(jì)算機(jī)視覺(jué)介紹、智能機(jī)器人介紹等相關(guān)必修專(zhuān)業(yè)課的入門(mén)介紹，并在每次課程結(jié)束后配合實(shí)踐編程、工具使用、機(jī)器人搭建等實(shí)踐環(huán)節(jié)提高學(xué)生的學(xué)習(xí)興趣，使其全面認(rèn)識(shí)后續(xù)專(zhuān)業(yè)學(xué)習(xí)。該單元共20個(gè)學(xué)時(shí)，其中包括12個(gè)實(shí)踐課時(shí)。

1.4 實(shí)驗(yàn)設(shè)置

實(shí)驗(yàn)課程共16個(gè)學(xué)時(shí)，包括4次實(shí)驗(yàn)，詳細(xì)內(nèi)容如下。

實(shí)驗(yàn)一：數(shù)字圖像處理實(shí)驗(yàn)。使用課程中講授的Matlab語(yǔ)言，實(shí)現(xiàn)數(shù)字圖像的傅里葉變換、邊緣檢測(cè)功能。該實(shí)驗(yàn)共4個(gè)課時(shí)，配合單元一以及單元二的部分知識(shí)點(diǎn)，使學(xué)生基本掌握Matlab編程語(yǔ)言，并理解數(shù)字圖像處理的基本知識(shí)。

實(shí)驗(yàn)二：模式識(shí)別機(jī)器學(xué)習(xí)實(shí)驗(yàn)。該實(shí)驗(yàn)利用高級(jí)程序語(yǔ)言，實(shí)現(xiàn)數(shù)據(jù)的SVM算法以及KMeans算法，讓學(xué)生理解模式識(shí)別以及機(jī)器學(xué)習(xí)等知識(shí)。該實(shí)驗(yàn)共4個(gè)學(xué)時(shí)。

實(shí)驗(yàn)三：計(jì)算機(jī)視覺(jué)實(shí)驗(yàn)。使用圖像拼接、3D場(chǎng)景重建等相關(guān)專(zhuān)業(yè)工具，實(shí)現(xiàn)二維圖片的3D重現(xiàn)。該實(shí)驗(yàn)共4個(gè)學(xué)時(shí)。

實(shí)驗(yàn)四：機(jī)器人實(shí)驗(yàn)。學(xué)生在機(jī)器人實(shí)驗(yàn)室，實(shí)際動(dòng)手組裝博創(chuàng)模塊化機(jī)器人，并編程實(shí)現(xiàn)機(jī)器人運(yùn)動(dòng)調(diào)試。該實(shí)驗(yàn)共4個(gè)學(xué)時(shí)，實(shí)驗(yàn)地點(diǎn)為模塊化機(jī)器人實(shí)驗(yàn)室。

1.5 結(jié)課考試

在教學(xué)的各個(gè)環(huán)節(jié)，教師從出勤情況、日常表現(xiàn)、作業(yè)、實(shí)驗(yàn)、結(jié)課項(xiàng)目及結(jié)課報(bào)告的完成情況對(duì)學(xué)生進(jìn)行全方位的考核，其中結(jié)課項(xiàng)目、調(diào)查報(bào)告及實(shí)驗(yàn)作業(yè)占最終成績(jī)的90%。結(jié)課項(xiàng)目為小組項(xiàng)目，4個(gè)學(xué)生為一個(gè)小組完成系統(tǒng)的設(shè)計(jì)、編寫(xiě)、調(diào)試等步驟，并組織5名教師對(duì)每個(gè)小組進(jìn)行答辯考核。

2 問(wèn)題及改進(jìn)

學(xué)校于2012年申請(qǐng)創(chuàng)辦智能科學(xué)與技術(shù)專(zhuān)業(yè)。該專(zhuān)業(yè)培養(yǎng)學(xué)生掌握計(jì)算機(jī)基礎(chǔ)、電子電路、控制方法、智能信息處理與識(shí)別等基本知識(shí)，使其具備信息處理、自動(dòng)控制、人工智能系統(tǒng)開(kāi)發(fā)等基本能力。智能科學(xué)與技術(shù)概論課程在大二下學(xué)期開(kāi)設(shè)，共32學(xué)時(shí)，其中理論教學(xué)16學(xué)時(shí)，實(shí)踐教學(xué)16學(xué)時(shí)。通過(guò)理論教學(xué)和實(shí)踐教學(xué)，學(xué)生了解了智能科學(xué)的基礎(chǔ)理論知識(shí)，掌握該專(zhuān)業(yè)核心專(zhuān)業(yè)課的關(guān)系，認(rèn)識(shí)相關(guān)后續(xù)課程，并能夠使用簡(jiǎn)單的算法和工具，為日后深入學(xué)習(xí)專(zhuān)業(yè)課打下良好基礎(chǔ)。

2.1 教材選擇

由于本專(zhuān)業(yè)辦學(xué)時(shí)間較短，沒(méi)有足夠的針對(duì)智能科學(xué)與技術(shù)概論的教材可供選擇?，F(xiàn)階段使用較多的教材為《智能科學(xué)與技術(shù)導(dǎo)論》以及《智能科學(xué)》?！吨悄芸茖W(xué)與技術(shù)導(dǎo)論》是鐘義信主編、北京郵電大學(xué)出版社出版的、適合智能專(zhuān)業(yè)大一新生使用的專(zhuān)業(yè)教材，對(duì)整個(gè)專(zhuān)業(yè)有詳細(xì)的介紹，適合作為新生的專(zhuān)業(yè)導(dǎo)引課程，安排16個(gè)學(xué)時(shí)較為合適，并不適于我校智能科學(xué)與技術(shù)概論課程的要求。《智能科學(xué)》是史忠植主編、清華大學(xué)出版社出版的專(zhuān)業(yè)教材，該教材對(duì)整個(gè)智能專(zhuān)業(yè)的重要內(nèi)容都有涉及，系統(tǒng)地介紹了智能科學(xué)的概念和方法，吸收了腦科學(xué)、認(rèn)知科學(xué)、人工智能、數(shù)理邏輯、社會(huì)思維學(xué)、系統(tǒng)理論、科學(xué)方法論和哲學(xué)等方面的研究成果，適合高年級(jí)學(xué)生使用，安排64個(gè)學(xué)時(shí)較為合適，也不適于我校情況。

鑒于上述原因，我們?cè)O(shè)計(jì)該課程時(shí)，前半部分理論知識(shí)介紹使用了《智能科學(xué)與技術(shù)導(dǎo)論》，后半部分專(zhuān)業(yè)課程介紹使用自制課件。經(jīng)過(guò)2輪的教學(xué)實(shí)踐以后，我們將根據(jù)教材使用情況編寫(xiě)自用的講義教材。

2.2 內(nèi)容設(shè)計(jì)

該課程內(nèi)容會(huì)介紹智能專(zhuān)業(yè)的重要專(zhuān)業(yè)課，但要在32學(xué)時(shí)內(nèi)完成所有專(zhuān)業(yè)課程的介紹，并保證該課程內(nèi)容不與專(zhuān)業(yè)導(dǎo)引課以及智能信息處理導(dǎo)引課沖突，難度很大，因此選擇最合適的講授內(nèi)容，對(duì)于該課程的授課效果非常重要。

在授課過(guò)程中我們發(fā)現(xiàn)，學(xué)生對(duì)簡(jiǎn)單的數(shù)字圖像處理、計(jì)算機(jī)視覺(jué)的流行應(yīng)用以及動(dòng)手要求強(qiáng)的機(jī)器人課程興趣較大，但對(duì)數(shù)學(xué)推導(dǎo)要求較高的模式識(shí)別、機(jī)器學(xué)習(xí)等課程接受程度較低。該課程的教學(xué)目的是讓學(xué)生了解相關(guān)課程的意義、歷史、發(fā)展等知識(shí)，所以，建議加大實(shí)驗(yàn)動(dòng)手課程的課時(shí)比例，讓學(xué)生多使用相關(guān)知識(shí)、算法和應(yīng)用，盡量避開(kāi)復(fù)雜的數(shù)學(xué)推導(dǎo)。

2.3 資源配置

學(xué)校的智能科學(xué)與技術(shù)專(zhuān)業(yè)創(chuàng)建于電子工程系，依托電子系的軟硬件實(shí)驗(yàn)室，培養(yǎng)學(xué)生的軟硬件知識(shí)儲(chǔ)備，提高學(xué)生的實(shí)際動(dòng)手能力。其中，軟件算法將配合嵌入式設(shè)備進(jìn)行硬件集成，并指導(dǎo)學(xué)生設(shè)計(jì)具有智能算法應(yīng)用的硬件設(shè)備。教學(xué)過(guò)程中將使用校實(shí)驗(yàn)室中的模式識(shí)別嵌入式開(kāi)發(fā)板、博創(chuàng)模塊化機(jī)器人平臺(tái)以及Turtlebot智能機(jī)器人平臺(tái)。該課程在實(shí)際講授時(shí)，理論課以及算法相關(guān)實(shí)驗(yàn)在大班進(jìn)行，硬件實(shí)踐課程在小班進(jìn)行，能取得較好的授課效果。

3 實(shí)施效果

在該課程設(shè)計(jì)內(nèi)容的指導(dǎo)下，智能科學(xué)與技術(shù)概論已經(jīng)完成了2輪的課程教學(xué)，并在課程結(jié)束后組織學(xué)生填寫(xiě)調(diào)查問(wèn)卷。題目分兩類(lèi)，第一類(lèi)包括課程目標(biāo)是否清晰、該課程能否提起學(xué)生對(duì)該專(zhuān)業(yè)課的學(xué)習(xí)興趣、該課程的實(shí)驗(yàn)設(shè)計(jì)能否有效提高學(xué)生的動(dòng)手能力，以及該課程的內(nèi)容相關(guān)設(shè)計(jì)是否優(yōu)秀。統(tǒng)計(jì)結(jié)果如圖1所示。除極個(gè)別學(xué)生外，大多數(shù)學(xué)生都選擇了符合以及完全符合，說(shuō)明該課程設(shè)計(jì)可以滿足教學(xué)要求。第二類(lèi)問(wèn)題總結(jié)學(xué)生在課程中獲取的知識(shí)能力，包括編程調(diào)試、理論知識(shí)應(yīng)用、信息獲取、技術(shù)文檔寫(xiě)作、自主學(xué)習(xí)、分析問(wèn)題、解決問(wèn)題等，為多選題。從圖2可以看出，學(xué)生對(duì)各項(xiàng)能力的認(rèn)可率均超過(guò)50%，其中信息獲取、分析問(wèn)題等能力的認(rèn)可率接近80%，說(shuō)明該課程設(shè)計(jì)基本滿足教學(xué)目標(biāo)。

4 結(jié)語(yǔ)

智能科學(xué)與技術(shù)概論對(duì)智能專(zhuān)業(yè)學(xué)生的深入學(xué)習(xí)起到了重要的引導(dǎo)作用。我們根據(jù)自身的實(shí)際情況出發(fā)，設(shè)計(jì)出適合該專(zhuān)業(yè)學(xué)生的課程設(shè)計(jì)安排。經(jīng)過(guò)兩輪的實(shí)施效果證明，該課程的設(shè)計(jì)方式比較適合學(xué)生。隨著課程的持續(xù)，我們將不斷解決存在的問(wèn)題，并編寫(xiě)適合我校學(xué)生使用的教材。

參考文獻(xiàn)：

[1]鐘義信，智能科學(xué)技術(shù)導(dǎo)論[M]．北京：北京郵電大學(xué)出版社，2007.

[2] Edward FC，Johan M，Soren O．重新認(rèn)識(shí)工程教育：國(guó)際CDIO培養(yǎng)模式與方法[M]．顧佩華，沈民奮，陸小華，譯．北京：高等教育出版社，2009．