隨著人工智能技術(shù)的不斷提高,具有視覺(jué)能力的機(jī)器人在軍、民用領(lǐng)域的需求不斷增多。目前的機(jī)器視覺(jué)平臺(tái)以單目探測(cè)系統(tǒng)構(gòu)架為主導(dǎo),這種結(jié)構(gòu)的探測(cè)系統(tǒng)視場(chǎng)范圍較小,無(wú)法對(duì)大范圍環(huán)境進(jìn)行完整的視場(chǎng)覆蓋與全面的圖像捕捉,導(dǎo)致其探測(cè)靈活度較低。同時(shí)現(xiàn)階段配合機(jī)器視覺(jué)平臺(tái)的目標(biāo)識(shí)別算法主要由人工目標(biāo)特征定義與匹配法實(shí)現(xiàn),該方法在定義目標(biāo)特征環(huán)節(jié)經(jīng)常會(huì)因人為誤差導(dǎo)致識(shí)別精度下降,且對(duì)于復(fù)雜目標(biāo)幾乎無(wú)法進(jìn)行精準(zhǔn)定義。所以單目探測(cè)系統(tǒng)與人工定義特征匹配目標(biāo)識(shí)別算法均不適用于現(xiàn)代機(jī)器視覺(jué)的使用環(huán)境中。為解決以上問(wèn)題,同時(shí)提高機(jī)器視覺(jué)系統(tǒng)的探測(cè)范圍與目標(biāo)識(shí)別能力,通過(guò)對(duì)昆蟲(chóng)復(fù)眼結(jié)構(gòu)的研究與神經(jīng)網(wǎng)絡(luò)的搭建,設(shè)計(jì)了一種基于深度學(xué)習(xí)的仿生復(fù)眼目標(biāo)識(shí)別探測(cè)系統(tǒng)。系統(tǒng)通過(guò)多孔徑拼接成像的方法在大范圍內(nèi)采集目標(biāo)物圖像信息,整合信息后利用以壓縮的YOLO V3深度卷積神經(jīng)網(wǎng)絡(luò)為主體算法進(jìn)行目標(biāo)識(shí)別,同時(shí)采用KCF目標(biāo)跟蹤算法對(duì)識(shí)別的目標(biāo)物進(jìn)行鎖定,完成對(duì)目標(biāo)物的實(shí)時(shí)識(shí)別與跟蹤。通過(guò)實(shí)驗(yàn)證明,系統(tǒng)能夠在較大的視場(chǎng)范圍內(nèi)對(duì)目標(biāo)進(jìn)行識(shí)別與追蹤,解決了以往單目探測(cè)系統(tǒng)圖像捕捉范圍窄、靈活性差的問(wèn)題。同時(shí)將圖像特征匹配算法與卷積神經(jīng)網(wǎng)絡(luò)... 

【文章來(lái)源】：沈陽(yáng)理工大學(xué)遼寧省

【文章頁(yè)數(shù)】：100 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．１百度測(cè)繪車(chē)載激光全景相機(jī)??Ｆｉｇ．?１．１?Ｍａｐｐｉｎｇ?ｖｅｈｉｃｌｅ?ｍｏｕｎｔｅｄ?ｌａｓｅｒ?ｐａｎｏｒａｍｉｃ?ｃａｍｅｒａ?ｆｏｒｍ?Ｂａｉｄｕ??

微透鏡的光軸互相平行、光學(xué)結(jié)構(gòu)相同。日本大阪大學(xué)ＪｕｎＴａｎｉｄａ等人Ｗ于２００１??年研制了?ＴＯＭＢＯ?（Ｔｈｉｎ?Ｏｂｓｅｒｖａｔｉｏｎ?Ｍｏｄｕ丨ｅ?ｂｙ?Ｂｏｕｎｄ?Ｏｐｔｉｃｓ）仿生復(fù)眼，該系??統(tǒng)由微透鏡陣列、光線(xiàn)隔離層與光電探測(cè)器陣列組成，其結(jié)構(gòu)如圖１．２所示。系??統(tǒng)中每個(gè)微透鏡與其正下方的光線(xiàn)隔離層和對(duì)應(yīng)的光電探測(cè)器組合為一組子眼，??圖像光信號(hào)經(jīng)過(guò)微透鏡成像在光電探測(cè)器上，光線(xiàn)隔離層對(duì)相鄰子眼間的干擾光??信號(hào)進(jìn)行阻斷，以防止信號(hào)間串?dāng)_造成成像偏差，ＴＯＭＢＯ系統(tǒng)雖然具有結(jié)構(gòu)緊??湊、組裝方便與大視場(chǎng)角的特點(diǎn)，但由于每個(gè)微透鏡直徑較小，導(dǎo)致系統(tǒng)通光量??較低，衍射現(xiàn)象嚴(yán)重，成像分辨率較差。??＿ｒ??辟濾光片??￥?笟透梗ｅ列??光線(xiàn)渦離蕓??光電探５９Ｓ這列??圖１．２?ＴＯＭＢＯ平面仿生復(fù)眼結(jié)構(gòu)??Ｆｉｇ．?１．２?Ｓｔｒｕｃｔｕｒｅ?ｏｆ?ＴＯＭＢＯ?ｐｌａｎａｒ?ｂｉｏｎｉｃ?ｃｏｍｐｏｕｎｄ?ｅｙｅ??德國(guó)的Ｆｒａｕｎｈｏｆｅｒ?qū)嶒?yàn)室在平面仿生復(fù)眼領(lǐng)域做出了大量的研究。早期階段，??Ｄｕｐａｒｒｅ等人利用光刻法制作了?ＡＡＣＥ仿生復(fù)眼Ｗ。該復(fù)眼系統(tǒng)以透明玻璃為襯??底，利用光刻技術(shù)在其正反兩面分別加工出透光孔與微透鏡陣列。圖像光信號(hào)通??過(guò)微透鏡后

▼．、ｆｆ?’??．．?－?？?■．?，?＇？?．?．?．?．?．：＇?．?．?？?Ｉ??＼光‘接收器??圖１．３?ＡＮＳＥ平面仿生復(fù)眼結(jié)構(gòu)??Ｆｉｇ．?１．３?Ｓｔｒｕｃｔｕｒｅ?ｏｆ?ＡＮＳＥ?ｐｌａｎａｒ?ｂｉｏｎｉｃ?ｃｏｍｐｏｕｎｄ?ｅｙｅ??為優(yōu)化成像問(wèn)題，Ｆｒａｕｎｈｏｆｅｒ?qū)嶒?yàn)室在原有基礎(chǔ)上研制了?ｏＣｌｅｙ仿生復(fù)眼［４］，??該系統(tǒng)由三層的啁啾微透鏡和光闌陣列組成。其中每個(gè)獨(dú)立的子眼由三個(gè)來(lái)自不??同層的啁啾微透鏡組成，且每個(gè)透鏡光軸存在一定夾角，使得子眼能夠同時(shí)接收??不同方向的光信號(hào)，最終將整個(gè)系統(tǒng)接受到的全部圖像信息進(jìn)行拼接，得到最終??成像結(jié)果。該系統(tǒng)視場(chǎng)角為７０°?＞＜１０°，分辨率為７１１ｐ／ｍｍ。隨后Ｆｒａｕｎｈｏｆｅｒ?qū)??驗(yàn)室又對(duì)ｏＣｌｅｙ平面仿生復(fù)眼系統(tǒng)作出改進(jìn)，設(shè)計(jì)出了結(jié)構(gòu)更為簡(jiǎn)單且成像質(zhì)量??更好的ｅＣｌｅｙ【５］。??目前，Ｆｒａｕｎｈｏｆｅｒ?qū)嶒?yàn)室于２０１７年己能夠利用該原理設(shè)計(jì)出可量產(chǎn)的平面??仿生復(fù)眼系統(tǒng)ｆａｃｅｔＶＩＳＩＯＮ，該系統(tǒng)厚度僅為２毫米，分辨率能夠達(dá)到百萬(wàn)像素??級(jí)

【參考文獻(xiàn)】：
期刊論文
[1]基于Zemax的消球差非球面透鏡的優(yōu)化設(shè)計(jì)[J]. 靳伍銀,高姣林,剡昌峰.  蘭州理工大學(xué)學(xué)報(bào). 2018(05)
[2]基于改進(jìn)的TLD目標(biāo)跟蹤算法[J]. 胡欣,高佳麗.  計(jì)算機(jī)應(yīng)用研究. 2019(05)
[3]基于機(jī)器視覺(jué)的TLD目標(biāo)跟蹤算法改進(jìn)[J]. 劉雪飛,蔣蓁.  工業(yè)控制計(jì)算機(jī). 2018(08)
[4]改進(jìn)YOLO V3遙感圖像飛機(jī)識(shí)別應(yīng)用[J]. 鄭志強(qiáng),劉妍妍,潘長(zhǎng)城,李國(guó)寧.  電光與控制. 2019(04)
[5]基于YOLO的車(chē)輛信息檢測(cè)和跟蹤系統(tǒng)[J]. 王福建,張俊,盧國(guó)權(quán),李翔,羅鵬.  工業(yè)控制計(jì)算機(jī). 2018(07)
[6]基于Faster RCNN的智能車(chē)道路前方車(chē)輛檢測(cè)方法[J]. 史凱靜,鮑泓,徐冰心,潘衛(wèi)國(guó),鄭穎.  計(jì)算機(jī)工程. 2018(07)
[7]改進(jìn)的Faster RCNN煤礦井下行人檢測(cè)算法[J]. 李偉山,衛(wèi)晨,王琳.  計(jì)算機(jī)工程與應(yīng)用. 2019(04)
[8]解析CMOS圖像傳感器技術(shù)及未來(lái)發(fā)展[J].   電子元器件與信息技術(shù). 2018(03)
[9]改進(jìn)的KCF紅外空中目標(biāo)跟蹤方法[J]. 鄭武興,王春平,付強(qiáng).  激光與紅外. 2017(12)
[10]基于Faster RCNN以及多部件結(jié)合的機(jī)場(chǎng)場(chǎng)面靜態(tài)飛機(jī)檢測(cè)[J]. 戴陳卡,李毅.  計(jì)算機(jī)應(yīng)用. 2017(S2)

博士論文
[1]仿生曲面復(fù)眼系統(tǒng)設(shè)計(jì)及其圖像處理研究[D]. 史成勇.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所) 2017
[2]仿生復(fù)眼全景立體成像關(guān)鍵技術(shù)研究[D]. 王玉偉.中國(guó)科學(xué)技術(shù)大學(xué) 2017

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)研究[D]. 楊俊.蘭州理工大學(xué) 2018
[2]基于ZEMAX的非球面遠(yuǎn)心系統(tǒng)優(yōu)化設(shè)計(jì)研究[D]. 羅迪.廣東工業(yè)大學(xué) 2018
[3]基于人臉檢測(cè)YOLO算法的專(zhuān)用型卷積神經(jīng)網(wǎng)絡(luò)推理加速器的研究與設(shè)計(jì)[D]. 羅聰.華南理工大學(xué) 2018
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的小目標(biāo)行人檢測(cè)研究[D]. 蔣家俊.蘭州理工大學(xué) 2018
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的行人檢測(cè)和識(shí)別研究[D]. 郝旭政.天津工業(yè)大學(xué) 2018
[6]基于特征約束的視頻目標(biāo)跟蹤算法研究[D]. 陸徐行.南京郵電大學(xué) 2017
[7]基于深度學(xué)習(xí)的室外車(chē)輛跟蹤算法研究[D]. 杜省.西安理工大學(xué) 2017
[8]交通事故現(xiàn)場(chǎng)圖像處理仿生復(fù)眼陣列設(shè)計(jì)研究[D]. 劉丹.吉林大學(xué) 2017
[9]基于KCF和視覺(jué)注意的多特征動(dòng)態(tài)融合視覺(jué)目標(biāo)跟蹤研究[D]. 陳佳興.西南交通大學(xué) 2017
[10]基于Faster RCNN的視頻動(dòng)作檢測(cè)[D]. 賈川川.北京工業(yè)大學(xué) 2017



本文編號(hào)：3343909