目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】工业相机

最新推荐文章于 2024-10-05 21:45:56 发布
最新推荐文章于 2024-10-05 21:45:56 发布
阅读量1.7k 收藏 45
点赞数 37
分类专栏： 目标检测YOLO系列从入门到精通技术详解100篇 文章标签： 数码相机 目标检测 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/getusushu/article/details/134282546
版权

目录

知识储备

深度相机

1 TOF

2 双目视觉

3 结构光

4 智能门锁应用

5 手机应用

算法原理

相机的成像与标定模型

相机标定的实施  

 ·标定过程的算法实施 

相机标定的扩展  

CCD工业相机、镜头倍率及相关参数计算方法

 

知识储备

深度相机

1 TOF

1.1 Kinect v2

Kinect v2是Microsoft在2014年发售的，如图1-1所示。相比于Kinect v1在硬件和软件上作出了很大的进化，且在深度测量的系统和非系统误差方面表现出更好的性能。

图片

图1-1 Kinect v2

Kinect v2中一共有三个摄像头，从左至右分别为颜色摄像头，红外摄像机，红外投影机，如图1-2所示。

了解本专栏 订阅专栏 解锁全文
格图素书
关注
专栏目录
订阅专栏
目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】SLAM（基础篇）
getusushu的博客
11-16 558
R3LIVE重建的彩色点云是要得到雷达在地图里面全环境的辐射信息，才能够重建出地图的纹理，且必须要求每个点覆盖到了才会有。然而，点云的密度有限，即不能在没有点的地方看着这个点，现有一种解决方案是重建地图的网格(mesh)模型，然后用相机得到图像RGB信息后贴到网格上，这样能够无损的去重建地图纹理。在这个背景下，做了一个在线激光雷达的实时定位和网格重建系统。主要贡献是完成了一个实时的、在线的网格重建。
目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】计算机视觉（基础篇）（三）
getusushu的博客
12-19 1802
目录几个高频面试题目计算机视觉与图像处理、模式识别、机器学习学科之间的关系全景图及计算机视觉技术全景图的简易制作方式合成全景图中计算机视觉技术的知识和原理1特征点匹配2图片匹配应用案例 基于计算机视觉使用Python和OpenCV计算道路交通背景提取算法过滤基于轮廓的目标检测构建处理管道 要实现计算机视觉必须有图像处理的帮助，而图像处理倚仗与模式识别的有效运用，而模式识别是人工智能领域的一个重要分支，人工智能与机器学习密不可分。纵观一切关系，发现计算机视觉的应用服务于机器学习。各个环节缺一不可，相辅相成。计
目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】机器视觉
getusushu的博客
11-07 648
在单芯片相机中，传感器上两个或三个相邻线的输出被组合以生成RGB信号，而在三个或四个传感器相机中，来自物体的光被收集到一个棱镜中，该棱镜将RGB分量（和近红外（NIR）在四芯片相机中）用于单个传感器的同时检测。多传感器棱镜相机是一种强大的替代方案。结晶红外材料，例如硒化锌和氟化钙，具有高色散性能，但这些材料的机械强度远低于玻璃，而且价格也更高，因此，大多数SWIR镜头继续由具有抗反射涂层的玻璃制成。这种色散是一个可测量的量，会导致镜头产生色差，镜头的边缘会模糊物体的边缘，从而无法进行准确的机器视觉测量。
目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】3D视觉
getusushu的博客
11-21 470
在3D相机中，取代光源的是激光发射器，通过复杂的光学系统设计，激光发射器发出的激光会形成一条直线，激光投射到物体表面就会形成反射，在光学系统的设计下，反射光会被镜头捕捉到，最后通过镜头反射到感光芯片上。下面我们来了解一下3D激光相机的测距原理，我司采用的是激光三角测距法，一般工业领域都是普遍采用这个方法，因为激光三角测距法的精度比较高，抗干扰能力也很强，此外，还有很多的测距方法，主要分为两个大类，分别是被动测量类和主动测量类。在传统的2D视觉中，一套详细的解决方案最基础的是相机、镜头、和光源。
目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】点云
getusushu的博客
11-22 294
功能目标是基于点云的轨迹引导，即无论待引导物体以何种位姿摆放（要求该位姿在机械臂的行程范围内），视觉系统均能定位到该物体，并引导机械臂按需要的轨迹实现一定的工艺流程（比如鞋底涂胶等）。应用场景是鞋底涂胶等需要轨迹引导的工业现场。经过四十多年的改革开放，我国制鞋产业迅猛发展，但大而不强，主要依靠大量廉价劳动力维持生产。而鞋底涂胶作为制鞋的重要工序，目前主要依靠工人手工生产或半自动设备生产，喷涂质量良莠不齐，生产效率低，并且粘胶剂挥发出的毒性气体对操作工人的身体健康有着严重的威胁。
目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】机器视觉（基础篇）（七）
getusushu的博客
11-30 1337
目前，钢管的表面缺陷的检测大多通过人工方式实现，人工方式依赖于现场经验且效率低，受现场环境的影响，劳动强度大，易产生漏检和误检现象，不能全面反应钢管表面的质量，检测实时性差，检测种类少，检测效率低，缺乏对产品的表面质量的综合评估。当图像获取不理想时，会增加图像处理的难度。根据图像饱和度、像素分布、目标图像边沿、亮度等信息转换成计算机识别的数字信号，利用先进的算法对图像进行特征识别，将特征识别出来的结果进行评价，输出最终的缺陷结果，包括缺陷、尺寸、角度、个数、合格与不合格、有无等，实现自动识别功能。
目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】AOI检测
getusushu的博客
12-10 999
企业在使用AOI检测装置大体经历了三个阶段，分别为被动使用阶段、逼迫使用阶段、主动要求使用阶段，随着PCB、FPD制造企业对AOI检测设备的接受程度逐渐加深，AOI检测设备的渗透率也逐渐提高。FPD平板显示器：Mura缺陷检测，Color Filter检测，PI检测，LC液晶检测，色度、膜厚、光学密度检测LC液晶检测，色度、膜厚、光学密度检测。随着技术的发展，SMT组装逐步精细化和细小化，人眼检测无法满足产品质量的要求，人工成本提升，企业为了节约成本，提升质量要求，主动使用AOI检测设备。
目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】SLAM（基础篇）（四）
getusushu的博客
12-10 1314
SLAMsimultaneous localization and mapping),也称为CML (Concurrent Mapping and Localization), 即时定位与地图构建，或并发建图与定位。问题可以描述为：将一个机器人放入未知环境中的未知位置，是否有办法让机器人一边逐步描绘出此环境完全的地图，同时一边决定机器人应该往哪个方向行进。例如扫地机器人就是一个很典型的SLAM问题，所谓完全的地图（）是指不受障碍行进到房间可进入的每个角落。SLAM。
目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】SLAM
getusushu的博客
11-06 225
视觉SLAM (vSLAM)是指移动机器人通过相机感知外部世界并估计机器人的位姿和重建周围环境的三维地图。vSLAM在各种应用中扮演着不可或缺的角色，包括自动驾驶，机器人导航和增强现实。例如，在机器人导航里，vSLAM能够提供环境信息和机器人的位置来帮助它到达指定的地点。vSLAM通常利用传统的RGB相机获取图片信息。然而传统的相机局限于低动态感光范围和运动中产生的动态模糊，而无法在复杂的场景下得到精准的位姿估计和三维重建结果。近年来，基于一种新的仿生相机，即事件相机，相应的vSLAM算法被相继提出。
【C++并发入门】摄像头帧率计算和多线程相机读取（上）：并发基础概念和代码实现
m0_73800387的博客
09-29 1018
本文介绍了并发的基础入门知识，讲解了摄像头帧率计算，线程进程，并发和并行，std::thread，std::mutex，死锁，数据竞争问题，以及std::lock_guard
OpenGL笔记之事件驱动设计将相机控制类和应用程序类分离
小勇博客
10-02 1036
— 2024-10-02 下午。
如何给一张图像判断失真类型？
GamBleout的博客
09-30 683
判断失真类型类型 类型 模糊失真： 表现：图像细节不清晰，边缘模糊，整体看起来像是被一层薄雾笼罩。 原因：可能是由对焦不准确、相机抖动、快门速度过慢或景深过浅等原因造成。 判断方法：观察图像中的细节是否清晰，边缘是否锐利。如果整体模糊，且没有明显的几何形状变化，则可能是模糊失真。 色彩失真： 表现：图像中的颜色与原始场景的颜色不一致，出现偏色或色彩饱和度异常。 原因：可能是由白平衡设置不当、光线条件变化、相机色彩传感器性能限制或后期处理过度等原因造成。 判断方法：将图像中的颜色与参考颜色或实际场景进行对比
相机基础概念
AuvKaixin的博客
09-29 803
是指在摄影机镜头或其他成像器前沿能够取得清晰图像的成像所测定的被摄物体前后距离范围。光圈、镜头、及焦平面到拍摄物的距离是影响景深的重要因素。定义3：在镜头前方（焦点的前、后）有一段一定长度的空间，当被摄物体位于这段空间内时，其在底片上的成像恰位于同一个弥散圆之间。被摄体所在的这段空间的长度，就叫景深。换言之，在这段空间内的被摄体，其呈现在底片面的影象模糊度，都在容许弥散圆的限定范围内，这段空间的长度就是景深。焦距一般定义为：镜头光点与成像平面（感光元件CMOS）之间的距离。是由光线实际交汇形成的图像。
openpnp - 图像传送方向要在高级校正之前设置好
谢绝(无视)留言与私信
10-04 314
因为设备上的相机安装方向，在安装的时候，并不知道是不是和X/Y轴的移动方向一致。所以基本上要在openpnp里面调一下。图像传送方向和JOG面板的移动控制和实际设备的顶部摄像头/底部摄像头要一致，这样才能和贴板子时的实际操作方向对应起来。所以图像传送方向要在顶部相机高级校正/底部相机高级校正之前，就要设置的合适才行。设备标定完，发现图像传送方向改不了了。
订阅ROS2中相机的相关话题并保存RGB、深度和点云图
qq_45445740的博客
10-03 675
订阅ROS2中相机的相关话题并保存RGB图、深度图和点云图
openpnp - juki吸嘴尺寸
最新发布
谢绝(无视)留言与私信
10-05 86
在网上买的juki吸嘴的商品页面，并没有具体的吸嘴尺寸。现在贴片时，要根据吸嘴外径大小来决定具体元件要用哪种吸嘴，先自己量一下。
根据给定的相机和镜头参数，估算相机的内参。
u013798595的博客
09-29 624
需要计算每个像素对应的实际尺寸（mm/pixel）：水平方向像素大小： 垂直方向像素大小： 焦距f 为 35 mm，我们需要将其转换为像素单位：主点通常位于图像中心： 综上所述，相机的内参可以大致表示为： 最后，内参矩阵 K 可以写成：
Android 开启相机一键拍照，一键录制
qq_46687516的博客
09-30 800
一键拍照：try {一键打开相机拍照位置：try {一键录制：try {一键打开相机录像位置：try {
Yolo系列目标检测算法详解：从R-CNN到Faster R-CNN
R-CNN系列的发展展示了目标检测技术从基于区域的分步方法向更高效、端到端模型的转变，这些进展为后来的YOLO（You Only Look Once）系列算法奠定了基础，YOLO以其实时处理能力和高效率成为了目标检测领域的新里程碑...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

格图素书

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值