的机电一体化和机器人技术的进步在过去的50年中已经提高了感官的输入系统,向他们提供的视觉能力,当机器视觉的解释是,它增加了系统的情报。虽然视觉感知机器承诺最大的改善,同时,提出了最大的挑战,特别是当他们在现实世界的情况。
这个特殊的问题是为了现在和讨论突破技术发展预计革新贡献传感器、信号处理、机器视觉算法,控制和导航。它提供了一个参考支持技术和机器视觉三维重建为研究人员和工程师。这些贡献的重点是对视觉传感器系统、智能导航算法,和机器的运动控制器,特别是在无人机的应用,无人机,自治和移动的人形机器人。我们收到了几个意见,经过两轮的严格审查,10论文被接受。
在第一篇论文“回顾深度学习方法和应用无人机,“A·卡里奥等人进行彻底审查最近的报道使用无人机的深度学习和应用程序,包括最相关的发展以及他们的表演和局限性。此外,一个详细的解释主要深度学习技术。
摘要”一个高效立体相机系统的标定方法和异构的镜头使用嵌入式棋盘模式,“p Rathnayaka等人提出两种方法使用不同镜头的校准立体相机设置:广角鱼眼镜头的镜头和窄角镜头左右,分别。而不是使用传统的黑白棋盘模式,设计一个嵌入式棋盘模式通过结合两种不同颜色的模式。
摘要“自动检测技术基于三维成像声纳图像的目标,”w .香港等人介绍了一套基于声纳图像自动检测技术的三维成像。这个过程包括两个步骤,对象的近似位置计算每个目标的信噪比,然后分离水体和地层之间的最大方差集群(首先)。
纸”的移动机器人视觉系统结合双目和深度相机,“y杨等人提出一种三维重建系统结合双目和深度相机提高三维重建的精度。整个系统由两个相同的彩色摄像机、TOF深度相机,图像处理主机,一个移动机器人控制主机,和移动机器人;最后,应用双线程处理方法来提高系统的效率。
摘要“蚜虫基于智能手机和机器视觉识别和计数,”美国Xuesong等人提出的设计计算软件,可以运行在智能手机实时枚举的蚜虫,温室里的计算精度高于95%,而外面可以达到92.5%。
摘要“多源数据融合框架为土地利用/土地覆盖分类使用机器视觉,”美国卡等人现在小说框架的设计多光谱和纹理特征数据融合识别正确的土地利用/土地覆盖数据类型。这项研究描述了五个土地利用/覆盖类型的数据融合,也就是说,裸露的土地,肥沃的耕地,沙漠草地,绿色的牧场,萨特累季河河流域土地来自遥感。获得精度获得使用纹理数据的多层感知器,多光谱数据,并融合数据为96.67%,97.60%,和99.60%,分别。
摘要“非局部方法和改进的初始成本和多个体重立体匹配,”美国高成本等人提出了一种新的外地聚合方法,立体匹配,使用修改后的初始成本,和一个健壮的和合理的树形结构。该方法明德数据集上进行了测试,实验结果表明,该方法超越经典的非局部方法。
摘要“全球大型组件的测量方法基于多个视野组合,“y张等人提出一种非接触和灵活的全球测量方法结合多个视野(FOV);测量系统包括两个经纬仪和双目视觉系统与传输。作者还提出一个新的全球标定方法解决坐标系统一不同仪器测量系统的问题。
摘要“自动识别从单个图像窗口之间的一堵墙,“y张等人提出一个方法来识别自动窗户从单一映像之间的墙。线段的方法从检测进一步选择。双方的颜色特征是用来检测窗口边缘线段作为候选人。最后,图像分割成几个子图象,窗口区域,然后窗口位于之间的墙。
摘要“视觉车辆跟踪和Semisupervised学习基于深表示,“y蔡等人提出一个Semisupervised跟踪算法和转移学习使用深表示。2 d多层深信念网络训练与大量的未标记样本。非线性映射点在这个网络中减去特征词典。字典的功能是用来转移培训和更新深度追踪。积极的训练样本追踪车辆。最后,使用粒子滤波来估计车辆的位置。
确认
客人编辑团队的作者要感谢所有的文件提交给这个特殊的问题。我们也要感谢我们下属的机构,专门下加利福尼亚的自治大学。最后,编辑也要感谢匿名评论者,他们中的一些人帮助与多个检查作业。我们希望您将享受阅读这个特殊的问题集中在机器视觉。
奥列格Sergiyenko
维拉Tyrsa
温迪Flores-Fuentes
胡里奥Rodriguez-Quinonez
保罗Mercorelli