-
公开(公告)号:CN105756834B
公开(公告)日:2018-11-09
申请号:CN201510942719.1
申请日:2015-12-15
Applicant: 江南大学
Abstract: 基于RANSAC的直喷发动机单次喷油量液位高度视觉检测方法,包括以下步骤:采集液位图像T1,处理图像T1,得到液位高度;触发喷油,按触发信号采集液位图像T2,处理图像T2,得到液位高度H2;计算本次喷油量触发放油。本发明构造简单,测量可靠,可以对发动机喷油进行单次或多次直接测量,通过对图像处理算法的优化,可以同时满足测量的高精密度与实时性的要求。
-
公开(公告)号:CN105759605A
公开(公告)日:2016-07-13
申请号:CN201510943171.2
申请日:2015-12-15
Applicant: 江南大学
IPC: G05B13/04
CPC classification number: G05B13/04
Abstract: 在本文中,提出了一种没有先验知识的基于PF的一个新的智能缺陷检测算法。我们制定了视觉缺陷的检测问题,使用PF估计隐状态,并由卡方检验判断缺陷的发生或缺陷在2-D图像中的位置。在我们的方法中,二维图像在每一行或列的亮度是假定时间序列或一个随机过程为了检测图像(系统)中的故障/缺陷,首先对粒子滤波提出合理的状态和测量模型。然后,根据提出的模型,粒子过滤器实现沿行和列来估计状态和测量新息(残差)。最后,通过卡方检验,突变的测量新息用于定位缺陷在检测图像中的位置。通过对真正数据库的测试证明该算法的有效性。
-
公开(公告)号:CN105756835A
公开(公告)日:2016-07-13
申请号:CN201510942720.4
申请日:2015-12-15
Applicant: 江南大学
CPC classification number: F02M65/00 , G06T7/0004 , G06T2207/10004 , G06T2207/30108
Abstract: 直喷发动机单次喷油量液位高度视觉测量修正方法,包括以下步骤:采集液位图像T1,处理图像T1,从而得到液位高度H1;对液位高度H1采用基于光线折射原理的液位高度校正算法进行液位补偿,触发喷油,按触发信号采集液位图像T2,处理图像T2,得到液位高度H2;对液位高度H2采用基于光线折射原理的液位高度校正算法进行液位补偿,计算本次喷油量触发放油。本发明构造简单,测量可靠,可以对发动机喷油进行单次或多次直接测量,通过对图像处理算法的优化和基于光线折射原理的液位高度校正算法,提高了液位测量精度和稳定性,可以同时满足测量的高精密度与实时性的要求。
-
公开(公告)号:CN105761237B
公开(公告)日:2019-02-12
申请号:CN201510943172.7
申请日:2015-12-15
Applicant: 江南大学
Abstract: 基于mean shift的芯片X光图像层次分割,包括以下步骤:输入模板匹配定位时模板图像矩阵;统计直方图和像素值;对图像进行mean shift聚类运算获取初步聚类结果;查找目标类的聚类中心和被聚为目标类的所有像素,计算灰度平均值;对聚类结果图像进行阈值分割,将图像中的像素点的灰度值小于等于基准阈值的目标像素赋值“1”,其他“0”,产生芯片模板图像逻辑矩阵;对芯片ROI图像矩阵实施以上步骤得到聚类结果图像和灰度平均值;对聚类结果图像采用优化阈值进行分割,并将图像中的像素点的灰度值小于等于优化阈值的目标像素赋值“1”,其他“0”,产生芯片目标逻辑矩阵并输出。本发明通过内外层分割,能够有效的分割出目标对象,提高分割的精度和可靠性。
-
公开(公告)号:CN104501812A
公开(公告)日:2015-04-08
申请号:CN201410737973.3
申请日:2014-12-05
Applicant: 江南大学
IPC: G01C21/20
CPC classification number: G01S13/726
Abstract: 本发明公开了一种基于自适应新生目标强度的概率假设密度滤波算法,包括以下步骤:航迹起始以及航迹确认操作;根据确认航迹的起始位置信息构造新生目标随机集的强度函数;合并当前帧构建的新生目标强度函数与前一时刻已知的新生目标强度函数产生该当前帧自适应新生目标强度函数;使用自适应新生目标强度函数启动PHD滤波器,从而完成PHD滤波器的预测以及更新;多目标状态抽取。本发明提出一种具有自适应新生目标强度的贝叶斯多目标跟踪方法,完全不需要先验信息,仅根据量测信息来构造新生目标强度函数。解决了原PHD滤波器缺少新生目标跟踪功能的问题。该算法具有能够很好地跟踪位置未知的新生目标,从而提高了PHD滤波器的应用范围和鲁棒性等优点。
-
公开(公告)号:CN105761276B
公开(公告)日:2018-11-09
申请号:CN201510943173.1
申请日:2015-12-15
Applicant: 江南大学
IPC: G06T7/277
Abstract: 一种基于迭代RANSAC的自适应新生目标强度估计的GM‑PHD多目标跟踪方法,包括I‑RANSAC新生目标检测模块和PHD滤波模块。其中:所述I‑RANSAC新生目标检测模块包括:有效量测生成子模块、假设生成子模块、假设检验子模块,其中:有效量测生成子模块分别与当前量测和当前状态估计相连传输当前“滑窗”的有效量测,假设生成子模块与有效量测子模块相连传输从有效量测中通过随机采样而生成的航迹假设,假设检验子模块与假设生成子模块相连传输对当前假设航迹的经验结果,即确认的新生目标的位置信息。本发明方法具有有效、鲁棒的优点,可广泛应用于雷达、机器人、视频监控等多目标跟踪领域。
-
公开(公告)号:CN105761276A
公开(公告)日:2016-07-13
申请号:CN201510943173.1
申请日:2015-12-15
Applicant: 江南大学
IPC: G06T7/20
CPC classification number: G06T2207/20004 , G06T2207/20024
Abstract: 一种基于迭代RANSAC的自适应新生目标强度估计的GM-PHD多目标跟踪方法,包括I-RANSAC新生目标检测模块和PHD滤波模块。其中:所述I-RANSAC新生目标检测模块包括:有效量测生成子模块、假设生成子模块、假设检验子模块,其中:有效量测生成子模块分别与当前量测和当前状态估计相连传输当前“滑窗”的有效量测,假设生成子模块与有效量测子模块相连传输从有效量测中通过随机采样而生成的航迹假设,假设检验子模块与假设生成子模块相连传输对当前假设航迹的经验结果,即确认的新生目标的位置信息。本发明方法具有有效、鲁棒的优点,可广泛应用于雷达、机器人、视频监控等多目标跟踪领域。
-
公开(公告)号:CN105761237A
公开(公告)日:2016-07-13
申请号:CN201510943172.7
申请日:2015-12-15
Applicant: 江南大学
IPC: G06T7/00
CPC classification number: G06T2207/10116
Abstract: 基于mean shift的芯片X光图像层次分割,包括以下步骤:输入模板匹配定位时模板图像矩阵;统计直方图和像素值;对图像进行mean shift聚类运算获取初步聚类结果;查找目标类的聚类中心和被聚为目标类的所有像素,计算灰度平均值;对聚类结果图像进行阈值分割,将图像中的像素点的灰度值小于等于基准阈值的目标像素赋值“1”,其他“0”,产生芯片模板图像逻辑矩阵;对芯片ROI图像矩阵实施以上步骤得到聚类结果图像和灰度平均值;对聚类结果图像采用优化阈值进行分割,并将图像中的像素点的灰度值小于等于优化阈值的目标像素赋值“1”,其他“0”,产生芯片目标逻辑矩阵并输出。本发明通过内外层分割,能够有效的分割出目标对象,提高分割的精度和可靠性。
-
公开(公告)号:CN105756834A
公开(公告)日:2016-07-13
申请号:CN201510942719.1
申请日:2015-12-15
Applicant: 江南大学
CPC classification number: F02M65/00 , G06T7/0004 , G06T2207/10004 , G06T2207/30108
Abstract: 基于RANSAC的直喷发动机单次喷油量液位高度视觉检测方法,包括以下步骤:采集液位图像T1,处理图像T1,得到液位高度;触发喷油,按触发信号采集液位图像T2,处理图像T2,得到液位高度H2;计算本次喷油量触发放油。本发明构造简单,测量可靠,可以对发动机喷油进行单次或多次直接测量,通过对图像处理算法的优化,可以同时满足测量的高精密度与实时性的要求。
-
公开(公告)号:CN104637070A
公开(公告)日:2015-05-20
申请号:CN201410779080.5
申请日:2014-12-15
Applicant: 江南大学
IPC: G06T7/20
Abstract: 本发明公开了一种基于概率假设密度的目标数变化的视频跟踪算法,包括以下步骤:采用运动检测方法,实现运动目标的快速有效分割产生目标量测;利用运动检测结果设计新生目标强度更新方法以产生新生目标强度函数;对PHD进行预测并更新;对更新后高斯元进行修剪;状态抽取,输出估计的目标数和状态;采用auction的航迹识别方法进行“航迹-状态估计”关联以识别目标航迹,输出带有身份标识的航迹。本发明能够有效跟踪数目变化的多目标,尤其能够跟踪位置未知的新生目标,并能够产生目标航迹。该算法改进了GM-PHD滤波的性能,能够在目标数发生变化和目标发生交叉情况下,取得较为鲁棒的估计状态,并能够识别目标航迹。
-
-
-
-
-
-
-
-
-