基于机器视觉的自动仪表盘指针检测研究

来源 :机电工程 | 被引量 : 0次 | 上传用户:siaonn
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
传统的汽车仪表检测方法主要是依靠人工进行检测,该方法存在着检测效率低下且检测精度不高的问题,针对这些问题,设计了一种基于机器视觉的汽车仪表检测系统.首先,介绍了该检测系统的整体组成,然后主要介绍了该系统中的软件,以及仪表指针的检测算法和流程;并且根据指针与背景是否易于分离,将汽车仪表分为两类;接着,采用阈值分割法对指针进行了粗定位,随后根据仪表类型,分别采用骨架提取和灰度法对指针进行了细化,采用基于Tukey权重函数的迭代加权最小二乘法拟合了指针直线,对指针进行了精定位;提出了一种最小距离和的交点法对指针的回转中心进行了定位;采用角度法对指针读数进行了识别;最后,将A、B两款仪表分别在该检测系统中进行了指针检测的实验.研究结果表明:系统检测值与理论偏转值之间的误差,即该系统指针检测的读数误差均小于1%,该算法具有较好的精度;并且其平均识别时间约为200 ms,可见该检测系统的识别精度和速度均能够满足仪表指针检测的实际需求.
其他文献
边缘计算模式满足数据的实时和低功耗处理需求,是缓解当前网络数据洪流实时处理问题的有效方法之一.但边缘设备资源的异构与多样性给任务的调度与迁移带来极大的困难与挑战.目前,边缘计算任务调度研究主要集中在调度算法的设计与仿真,这些算法和模型通常忽略了边缘设备的异构性和边缘任务的多样性,不能使多样化的边缘任务与异构的资源能力深度匹配.本文针对边缘计算系统资源异构且受限的特性,研究边缘任务与目标设备资源深度匹配的有效方法,提出基于任务资源匹配、负载均衡和任务公平性的综合匹配度评估方法(integrative mat
食品与人类的行为、健康和文化等密切相关.社交网络、移动网络和物联网等泛在网络产生了食品大数据,这些大数据与人工智能,尤其是快速发展的深度学习催生了新的交叉研究领域食品计算.作为食品计算的核心任务之一,食品图像识别同时是计算机视觉领域中细粒度视觉识别的重要分支,因而具有重要的理论研究意义,并在智慧健康、食品智能装备、智慧餐饮、智能零售及智能家居等方面有着广泛的应用前景.为此,本文对食品图像识别领域进行了全面综述.该文首先从识别对象、视觉特征表示及学习方法等不同维度对目前的食品图像识别进行分类并深入阐述和分析
流行病数据的多层面可视分析,可以加快流行病数据分析任务的交互式探索效率和加深对潜在模式的深刻理解.本文对流行病数据可视分析的相关工作展开综述,并主要通过四个方面进行总结和归纳:(1)流行病数据的时空可视分析,帮助用户发现和理解流行病数据在时间、空间以及时空维度中潜在的流行病特征和传播规律等;(2)流行病数据中涉及非结构化/半结构化文本的语义可视分析,辅助用户快速了解长、短文本内容中的流行病内容态势、情感走向等;(3)流行病传播模型的可视分析,增强用户对流行病传播过程中的预测、仿真、监测等任务的交互式理解;