期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于双目立体视觉的目标识别与定位 被引量:13
1
作者 王德海 洪伟 程群哲 《吉林大学学报(信息科学版)》 CAS 2016年第2期289-295,共7页
为从不同角度识别目标物体以及解决左右两幅图像中目标轮廓中心不匹配的问题,将SURF(Speeded Up Robust Features)算法与Grab Cut算法相结合,离线采集目标物体不同角度的图像,生成目标模板图片库。利用SURF算法完成目标物体的识别;利用S... 为从不同角度识别目标物体以及解决左右两幅图像中目标轮廓中心不匹配的问题,将SURF(Speeded Up Robust Features)算法与Grab Cut算法相结合,离线采集目标物体不同角度的图像,生成目标模板图片库。利用SURF算法完成目标物体的识别;利用SURF算法自动初始化Grab Cut算法,实现目标轮廓的提取;利用基于灰度相关的区域匹配算法完成目标轮廓中心点的匹配,结合三维重建原理实现目标定位。实验结果表明,该方法可以成功识别目标物体并对目标物体进行准确定位。 展开更多
关键词 立体视觉 目标识别与定位 SURF算法 GRAB Cut算法
在线阅读 下载PDF
基于双目视觉的目标识别与定位 被引量:9
2
作者 高如新 王俊孟 《河南理工大学学报(自然科学版)》 CAS 北大核心 2014年第4期495-500,共6页
给出一种双目视觉系统结合SURF(Speeded Up Robust Feature)特征的目标识别与定位方法,分析了采用SURF特征实现目标识别的方法,利用双目视觉的原理求取识别出的目标物体的三维坐标信息,从而实现目标物体的识别与定位,与传统的基于SIFT(S... 给出一种双目视觉系统结合SURF(Speeded Up Robust Feature)特征的目标识别与定位方法,分析了采用SURF特征实现目标识别的方法,利用双目视觉的原理求取识别出的目标物体的三维坐标信息,从而实现目标物体的识别与定位,与传统的基于SIFT(Scale Invariant Feature Transform)特征或基于颜色形状特征的目标识别与定位方法相比,该方法更具有鲁棒性和实时性.实验结果证明了该方法进行目标识别与定位的可行性,具有一定的应用价值. 展开更多
关键词 SURF特征匹配 双目视觉 目标识别与定位
在线阅读 下载PDF
深度学习在遥感影像目标识别与定位中的应用研究 被引量:6
3
作者 隋雪莲 张涛 曲乔新 《科技创新与应用》 2019年第34期180-181,共2页
长期以来,遥感影像的目标识别与定位主要依靠目视判读和人工手段,误判和漏判情况严重,且检测精度较低。文章介绍了基于深度学习的目标检测算法,探讨了将深度学习应用于遥感影像目标识别与定位需要的关键技术,并对深度学习在目标识别与... 长期以来,遥感影像的目标识别与定位主要依靠目视判读和人工手段,误判和漏判情况严重,且检测精度较低。文章介绍了基于深度学习的目标检测算法,探讨了将深度学习应用于遥感影像目标识别与定位需要的关键技术,并对深度学习在目标识别与定位中的应用进行了前景展望。 展开更多
关键词 深度学习 目标识别与定位 遥感影像 目标检测
在线阅读 下载PDF
基于CNN双目特征点匹配目标识别与定位研究 被引量:8
4
作者 蒋强卫 甘兴利 李雅宁 《无线电工程》 2018年第8期643-649,共7页
针对传统的目标识别和定位存在识别类别单一和实时性差等缺点,提出了一种卷积神经网络(Convolutional Neural Networks,CNN)结合双目特征点匹配算法实现目标识别与定位的方法。通过CNN对训练的目标进行识别并框出目标在图像上的位置,采... 针对传统的目标识别和定位存在识别类别单一和实时性差等缺点,提出了一种卷积神经网络(Convolutional Neural Networks,CNN)结合双目特征点匹配算法实现目标识别与定位的方法。通过CNN对训练的目标进行识别并框出目标在图像上的位置,采用SURF(Speeded Up Robust Features)算法对左右图像进行特征点匹配,计算目标框内的特征点得到视差,从而得到目标相对于摄像头的位置信息。由于随着目标与摄像头距离变化,重投影矩阵Q参数发生变化,影响定位精度,通过最小二乘法拟合矩阵Q和位置模型,提高定位精度。实验结果表明,该方法能够实时地实现目标识别与定位,通过改进的双目立体模型,提高了定位精度。 展开更多
关键词 卷积神经网络 双目视觉 SURF特征点匹配 目标识别与定位
在线阅读 下载PDF
基于深度学习的机器人疏果前毛桃目标识别方法 被引量:4
5
作者 谢圣桥 宋健 +1 位作者 汤修映 白阳 《农机化研究》 北大核心 2023年第6期183-187,共5页
为实现自然环境下疏果前期毛桃目标的识别,提出了基于Faster R-CNN的毛桃目标识别方法,设计的网络由ResNet-50特征提取网络、区域生成网络和感兴趣区域子网组成,并以ResNet-50为基础网络,用来提取目标特征。工作时,区域生成网络依据ResN... 为实现自然环境下疏果前期毛桃目标的识别,提出了基于Faster R-CNN的毛桃目标识别方法,设计的网络由ResNet-50特征提取网络、区域生成网络和感兴趣区域子网组成,并以ResNet-50为基础网络,用来提取目标特征。工作时,区域生成网络依据ResNet-50提取的特征生成感兴趣区域,感兴趣区域子网依据目标特征和感兴趣区域进行毛桃的识别与定位;对图像进行扩增后,随机选取1920幅作为训练集、240幅作为验证集。用测试集中的240幅图像对模型进行测试,结果表明:目标识别方法能有效识别出自然环境下的毛桃目标,准确度为92.97%,误识率为7.03%,召回率为84.62%,平均检测速度为0.189s/幅,可实现疏果前期毛桃目标的识别,模型具有较好的鲁棒性和泛化能力。 展开更多
关键词 毛桃 目标识别与定位 机器人 深度学习 Faster R-CNN
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部