一种基于雷达和机器视觉信息融合的车辆识别方法
2015年(第37卷)第6期
汽 车 工 程Automotive Engineering
2015(Vol.37)No.6
2015119
一种基于雷达和机器视觉信息融合的车辆识别方法
*
*国家自然科学基金(51005019)资助三
原稿收到日期为2013年10月10日,修改稿收到日期为2014年1月30日三
王宝锋,齐志权,马国成,陈思忠
(北京理工大学机械与车辆学院,北京 100081)
[摘要] 为提高先进驾驶员辅助系统对车辆前方环境识别的准确性,提出一种基于雷达和视觉传感器信息融合的车辆识别方法三系统工作前预先对毫米波雷达和摄像头进行联合标定,并确定雷达坐标系和摄像头坐标系的变换关系三车辆识别过程中,首先根据雷达信息确定图像坐标系中的车辆识别感兴趣区域;然后对感兴趣区域进行对称性分析获得车辆对称中心,并对车辆底部阴影特征进行分析处理完成车辆边缘检测;最后根据逆透视变换得到车辆识别宽度,根据识别宽度对识别结果进行验证三结果表明该算法具有较强的环境适应性和准确率,弥补了单一传感器在车辆识别中的不足三
关键词:车辆识别;雷达;机器视觉;信息融合
Vehicle Detection Based on Information Fusion of Radar and Machine Vision
Wang Baofeng ,Qi Zhiquan ,Ma Guocheng &Chen Sizhong
School of Mechanical Engineering ,Beijing Institute of Technology ,Beijing 100081
[Abstract ] For increasing the detection accuracy of advanced driver assisted system of the frontal surround-
ings of vehicle,a vehicle detection method based on the information fusion of radar and vision sensor is put forward.
Before the system starts operation,a co-calibration of millimeter-wave radar and camera is conducted,and the trans-
formation relationship between radar and camera coordinates is obtained.The process of vehicle detection stars with the determination of the region of interest (ROI)for vehicle detection in image coordinates based on radar informa-tion.Then a symmetry analysis is performed on ROI to get the symmetrical center of vehicle,and the features of ve-hicle bottom shadow are analyzed and processed with vehicle edge detection completed.Finally,through inverse perspective mapping the width of vehicle is obtained,based on which the results of detection are verified.It is dem-
onstrated that the algorithm proposed has strong environment adaptability and good accuracy,remedying the defects of vehicle detection with single sensor.
Keywords :vehicle detection ;radar ;vision sensor ;information fusion
前言
汽车追尾事故是公路交通中最多发也是车辆运行过程中最危险的事故之一,其中91%的追尾事故是由于驾驶员注意力分散(打盹二打电话等)引起的,如果提前0.5s 提醒驾驶员采取措施,60%的追尾事故可以避免,而如果提前1s 提醒驾驶员则追尾
事故避免率则可高达90%[1]三先进驾驶员辅助系
统(advanced driver assistance system,ADAS)可以通
过传感器实时监测前方车辆的运行情况,能够及时提醒驾驶员前向碰撞危险,防止追尾事故的发生;同时又可以减轻驾驶员驾驶强度,缓解驾驶疲劳三
随着低成本高性能图像传感器的不断普及和图像处理技术的不断发展,基于视觉的车辆识别方法越来越多地应用于驾驶员辅助系统中,国内外学者对此进行了大量研究三文献[2]中提出了一种应用单目视觉进行车辆检测的方法,该方法以车辆底部
2015(Vol.37)No.6王宝锋,等:一种基于雷达和机器视觉信息融合的车辆识别方法四675 四
阴影为特征,采用了自适应双阈值对图像进行预处理,并利用能量密度验证的方法进行车辆跟踪,具有较高的识别精度三文献[3]和文献[4]中均利用
Haar 特征的方法进行车辆识别,其中文献[4]在灰度Haar 特征的基础上,提出了基于边缘Haar 特征的车辆识别方法,有效降低了目标误检率三车辆尾部对称性是车辆又一重要特征,而基于对称性特征的车辆识别方法中,图像采样窗口尺寸的确定是算法的关键,文献[5]中采用多尺寸窗口和聚类技术对图像进行对称性分析完成车辆寻找,文献[6]中更是采用了全尺寸(从一个像素到最大宽度)窗口对图像进行对称性分析,二者对于采样窗口的确定都有一定的盲目性,大大增加了算法的运算量三此外,基于视觉传感器车辆的距离信息较难获得,且距离较远时精度较差,只能在一定范围内进行车辆识别[7]三
针对单一导航系统在汽车行驶环境识别过程中的不足,本文中采用基于雷达和视觉传感器融合的车辆识别方法三算法利用了雷达目标精确的位置信息对图像中车辆识别感兴趣区域(region of interest,ROI)进行动态规划,然后通过对称性分析和车辆底部阴影确定车辆在图像中的位置二边界和宽度三在对称性分析中,基于透视变换的自适应采样窗口的应用减少了算法运算量,基于底部阴影和宽度的车辆验证方法降低了目标误检率,提高了识别精度
三
图1 雷达/摄像头安装位置图
1 雷达和机器视觉的空间同步
雷达和摄像头用来采集信息,感知前方道路环境,本文中采用76-77GHz Delphi ESR 毫米波雷达和大恒GV400UM 单目摄像头作为传感器三雷达和摄像头安装位置如图1所示,雷达固定于车辆保险杠上方中央,摄像头固定于汽车前风窗玻璃下三完成雷达和摄像头安装之后,对其进行参数标定,摄像
头的标定采用标准棋盘角点提取的方法,首先采集不同位置关系与姿态下的标准棋盘图像,然后利用
Matlab 工具箱标定程序对棋盘图像进行角点提取,并根据棋盘实际尺寸和位置关系最终确定摄像头内外部参数三根据摄像头内外部参数和雷达与摄像头的位置关系获得二者坐标系空间转换关系,即透视变换:
(x I ,y I )=T (x R ,y R ,z I )
(1)
式中:x R ,y R ,z I 分别为目标在雷达坐标系中横向位置二纵向位置和垂直高度;x I ,y I 分别为图像中相应
目标的横坐标和纵坐标三
2 基于雷达信号的车辆识别感兴趣区
域规划
2.1 雷达信号预处理
将雷达各原始目标信号投影到图像中得到雷达原始数据图,如图2所示三可以看出,雷达探测到的原始目标信号包含所有探测到的障碍物,包括树木二护栏二桥墩和噪声等,所以须先对雷达返回的目标信号进行预处理,剔除目标噪声三根据透视原理,目标距离摄像头越远,图像中对应的目标体积越小,特征越不明显;而且辅助驾驶系统只须对主车道和旁侧车道内的目标进行识别即可满足安全要求三因此,在结合文献[8]中所提出的安全车距模型的要求下,将车辆前方横向10m 宽,纵向70m 远的矩形范围定义为识别区域,并剔除该范围以外的信号三对于识别区域内的目标再根据其速度与相对位置关系进行分析,有效剔除路边护栏和隔离带等静止目标,最后获得潜在车辆目标,如图3所示
三
图2 雷达原始数据图
2.2 车辆识别感兴趣区域的动态规划
车辆识别感兴趣区域的确定包括区域位置和区
域大小的确定三首先利用透视变换将2.1节中预处
四676四汽车工程2015年(第37卷)第6
期
图3 预处理后雷达数据图
理后的雷达目标映射到图像中,得到对应的点O I,理论上该点位于图像中对应的目标轮廓中心,因此将该点作为车辆识别感兴趣区域的中心三
根据道路交通相关法规和GB1589 2004对车辆外廓尺寸的要求,以预处理后的雷达目标的坐标位置为中心,将垂直于雷达坐标系纵轴,宽2.5m,高2m的矩形区域作为车辆尾部所在的平面,利用透视变换将该区域投影到图像中,得到像素尺寸为m?n,中心为O I的矩形图像窗口,如图4所示,该窗口为原
始感兴趣区域,其尺寸足以容纳车辆在图像中投影
三
图4 原始车辆识别感兴趣区域初始位置和大小
由于车辆在加减速二弯道行驶和经过起伏路面时,会造成悬架和轮胎的变形,引起车身侧倾和俯仰,导致摄像头外部参数发生变化,从而使图像中对应的雷达目标发生偏移,甚至偏离出车辆边界三因此,本文中对原始感兴趣区域进行修正,区域中心O I位置不变,高度依然为m,宽度拓展为2n,得到修正后的车辆识别感兴趣区域,如图5所示三
3 基于特征的车辆识别
3.1 车辆识别感兴趣区域对称性分析
对称性分析中,采样窗口的尺寸是算法性能的关键,窗口太大对称特征不明显,且运算量大;窗口太小车辆轮廓不能充分容纳三如图6所示,
本文中
图5 修正后的车辆识别感兴趣区域
以2.2节确定的m?n像素尺寸的窗口为采样模板,以单位像素为步长对车辆感兴趣区域进行横向采样,得到不同图像窗口序列W i,i=1,2,3, ,2n-1, 2n三由于光照条件的不同和摄像头相对于车辆角度
的变化,直接利用灰度信息进行对称性运算不但精度低而且运算量大,因此本文中利用Canny算子对窗口图像W i进行边缘提取,得到二值化边界图像W e I,然后对车辆尾部边缘信息进行对称分析三在对称性分析中,引入对称度的概念,首先沿图像中轴将边界图像W e I分为左半图I left和右半图I right两部分,然后对左右半图进行对称性运算,得出对称度S i为
S i=1-Σ|I left-I*right|
Sum(W edgeI)(2)式中I*right为右半图I right的镜像三
图6 车辆识别感兴趣区域对称性分析示意图
完成各图像窗口对称度计算后,得到车辆识别感兴趣区域内的对称度曲线,如图7所示三对称度曲线呈明显的单峰特性,对称度最大的窗口即为车辆识别窗口,该窗口中轴即为车辆对称轴线,该窗口边界图像记为W e三
3.2 车辆识别窗口验证
2015(Vol.37)No.6王宝锋,等:一种基于雷达和机器视觉信息融合的车辆识别方法四677
四
图7 感兴趣区域对称度曲线
通过对车辆识别感兴趣区域的对称性分析,确定了车辆识别窗口的位置三但是除了车辆,图像中的桥墩二交通牌等障碍物边缘也具有很强的对称性,因此需要对车辆识别窗口做进一步的车辆特征提取和分析三车辆底部无论在任何光照条件下都呈现出明显的阴影特征,根据该特征不但可以对桥墩二交通牌等干扰目标进行剔除,而且可以对车辆下边缘进行有效判断三
本文中采用图像灰度阈值的方法对车辆底部阴影进行求取三在车辆前方路面区域选取100?400的
像素矩阵M p ,计算该矩阵像素灰度的平均值v 三该矩形区域覆盖整个车道宽度,虽然偶尔会有车道线和车道标识线干扰,但能够反映路面灰度的基本信息三以v 为灰度阈值对原始图像进行二值化处理得到车辆底部阴影图像,如图8所示三图中可以看出,通过基于v 的灰度阈值处理,车辆底部阴影被有效提取出来
三
图8 车辆底部阴影图像
根据3.1节确定的位置,在该图中提取车辆识别窗口得到W s 三首先进行车辆底部阴影验证,对窗口W s 的下半部分进行连通区域识别并获得阴影面积S v ,计算阴影面积比P s :
P s =2S v
W s
(3)
如果P s 大于门限值T s ,则证明该车辆识别窗口中目标为车辆三
3.3 车辆边缘识别
如图9所示,对二值化窗口W s 和W e 做并集运
算,然后对得到窗口下半部分进行封闭空间填充和边缘平滑滤波而得到W c 三找出车辆底部阴影中最长的线L b 作为车辆下边界,则L b 长度为车辆宽度,L b
左右端点向上的垂线分别作为车辆左右边界线三根据L b 在图像中的位置和长度对其做逆透视变换,得到车辆识别宽度V w (小数点后保留两位精度),由于
车辆高度信息对驾驶员辅助系统没有参考价值,车辆顶部边界不做识别,车辆高度默认为车辆宽度三GB 1589 2004要求车辆宽度上限为2.5m,虽无下
限要求,但实际中四轮车辆宽度一般都大于1.6m三考虑识别过程中的误差,本文中设车辆宽度上限V w max =2.7m,下限V w min =1.5m,并据此对车辆识别
宽度V w 进行判断:
p =(V w max -V w )(V w -V w min )
(4)
图9 车辆边缘识别
如果p ?0则说明识别到的车辆是真实的,否则不是车辆目标三最终完成车辆识别如图10所示,该示意图中识别出的车辆信息如表1所示
三
图10 车辆识别结果
表1 示意图车辆识别结果
目标编号车辆型号真实宽度/m 识别宽度/m 识别误差/m
34
福特-Focus
1.84 1.800.448日产-TIIDA
1.76
1.76
4 实验结果
为验证车辆识别算法的性能,在北京三环路进行实车实验采集视频和雷达数据,并进行离线数据
处理三算法采用Matlab 编写,图像分辨率为752?
480三多工况的车辆识别结果如图11所示,所包含的工况有单目标车辆识别二多目标车辆识别二主车道车辆识别二旁侧车道车辆识别和弯道行驶车辆识别
三
图11 不同工况下车辆识别结果
5 结论
本文中提出了一种基于雷达和视觉信息融合的车辆识别方法,算法利用雷达信息对车辆识别区域
进行动态规划,并基于特征分析完成感兴趣区域的车辆识别和验证三实验结果表明,该算法对不同的车型和不同运行工况具有较强的适应性和准确性三车辆识别是车辆检测系统的初始化过程,本文中仅
(下转第736页)
图5
前围板侵入量变化曲线
图6 A-B 柱相对位移变化曲线
4 结论
本文中提出了一种多材料车身选材方法三基于模糊折衷决策理论,综合考虑零部件多种性能,通过调查问卷和专家打分法,量化评价顾客需求和定性的零部件性能指标,进而建立模糊折衷决策原始矩阵,并采用质量屋方法获得材料属性权重,从而获得加权规范化决策矩阵三最后通过计算海明距离和相对贴近度,得到零部件的材料排序方案三实例应用和仿真分析结果表明,采用该方法获得的多材料车身结构性能较原车身有明显改善三本文中提出的车
身选材方法为车身设计提供了新的思路三
参考文献
[1] Abdelraoof Mayyas,Qin Shen,Ahmad Mayyas,et https://www.wendangku.net/doc/3a14770956.html,ing Qual-ity Function Deployment and Analytical Hierarchy Process for Ma-
terial Selection of Body-in-White[J].Materials and Design,2011,
32:2771-2782.
[2] Rathod M K,Kanzaria H V.A Methodological Concept for Phase
Change Material Selection Based on Multiple Criteria Decision A-
nalysis with and without Fuzzy Environment[J].Materials &De-sign,2011,32:3578-3585.
[3] Girubha R Jeya,Vinodh S.Application of Fuzzy VIKOR and Envi-ronmental Impact Analysis for Material Selection of an Automotive
Component[J].Materials &Design,2012,37:478-486.[4] Rao R V,Davim J P.A Decision-making Framework Model for Ma-
terial Selection Using a Combined Multiple Attribute Decision-mak-ing Method[J].Advance Manufacture Technology,2008,35:751-
760.
[5] Jung G,Kim S M,Kim S Y,et al.Effects of Design Factors of the
Instrument Cluster Panel on Consumers Affection [C].Proceed-ings of the International Multi-conference of Engineers and Comput-er Scientists 2010,Vol III,March 17-19,Hong Kong,2010.
[6] Shemshadi A,Shirazi H,Toreihi M,et al.A Fuzzy VIKOR Meth-
od for Supplier Selection Based on Entropy Measure for Objective
Weighting [J ].Expert Systerms with Application,2011,38:
12160-12167.
[7] 徐玖平,吴巍.多属性决策的理论与方法[M].北京:清华大学
出版社,2006.
[8] 邵建旺,彭为,靳晓雄,等.SUV 白车身静态刚度试验研究[J].
汽车技术,2009(4):41-44.
[9] 姜国峰,成波,金哲,等.燃料电池客车氢系统碰撞安全性仿真
分析与评价[J].汽车工程,2010,32(9): 774-778.
(上接第678页)
对车辆识别进行研究,在后续研究中将开展基于车
辆识别结果的车辆跟踪研究三
参考文献
[1] National Transportation Safety Board:Special Investigation Report [R].2001.
[2] 郭磊,李克强,王建强,等.一种基于特征的车辆检测方法[J].
汽车工程,2006,28(11):1031-1035.
[3] Choi H C,Park J M,Choi W S,et al.Vision-Based Fusion of Ro-bust Lane Tracking and Forward Vehicle Detection in A Real Driv-ing Environment[J].International Journal of Automotive Technol-ogy,2012,13(4):653-669.
[4] Kim Giseok,Cho Jae-Soo.Vision-Based Vehicle Detection and In-
ter-Vehicle Distance Estimation for Driver Alarm System[J].Opti-cal Review,2012(6):388-393.
[5] Soo Siang Teoh,Thomas Br?unl.Symmetry-based Monocular Vehi-cle Detection System[J].Machine Vision and Applications,2012,
23:831-842.
[6] Giancarlo Alessandretti,Alberto Broggi,Pietro Cerri.Vehicle and
Guard Rail Detection Using Radar and Vision Data Fusion [J].
IEEE Transactions On Intelligent Transportation Systems,2007,8(1):95-105.
[7] 郭磊,刘志峰,王建强,等.雷达与机器视觉的空间同步方法[J].清华大学学报(自然科学版),2006,46(11):1904-1907.[8] Moon S,Yi K.Human Driving Data-based Design of a Vehicle A-daptive Cruise Control Algorithm[J].Vehicle System Dynamics,
2008,46(8):661-690.
一种基于雷达和机器视觉信息融合的车辆识别方法
作者：王宝锋， 齐志权， 马国成， 陈思忠， Wang Baofeng， Qi Zhiquan， Ma Guocheng，Chen Sizhong
作者单位：北京理工大学机械与车辆学院,北京,100081
刊名：
汽车工程
英文刊名：Automotive Engineering
年，卷(期)：2015(6)
引用本文格式：王宝锋.齐志权.马国成.陈思忠.Wang Baofeng.Qi Zhiquan.Ma Guocheng.Chen Sizhong一种基于雷达和机器视觉信息融合的车辆识别方法[期刊论文]-汽车工程 2015(6)
机器视觉基础知识详解
机器视觉基础知识详解 随着工业4.0时代的到来，机器视觉在智能制造业领域的作用越来越重要，为了能让更多用户获取机器视觉的相关基础知识，包括机器视觉技术是如何工作的、它为什么是实现流程自动化和质量改进的正确选择等。小编为你准备了这篇机器视觉入门学习资料。 机器视觉是一门学科技术，广泛应用于生产制造检测等工业领域，用来保证产品质量，控制生产流程，感知环境等。机器视觉系统是将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 机器视觉优势：机器视觉系统具有高效率、高度自动化的特点，可以实现很高的分辨率精度与速度。机器视觉系统与被检测对象无接触，安全可靠。人工检测与机器视觉自动检测的主要区别有：
为了更好地理解机器视觉，下面，我们来介绍在具体应用中的几种案例。 案例一：机器人+视觉自动上下料定位的应用： 现场有两个振动盘，振动盘1作用是把玩偶振动到振动盘2中，振动盘2作用是把玩偶从反面振动为正面。该应用采用了深圳视觉龙公司VD200视觉定位系统，该系统通过判断玩偶正反面，把玩偶处于正面的坐标值通过串口发送给机器人，机器人收到坐标后运动抓取产品，当振动盘中有很多玩偶处于反面时，VD200视觉定位系统需判断反面玩偶数量，当反面玩偶数量过多时，VD200视觉系统发送指令给振动盘2把反面玩偶振成正面。 该定位系统通过玩偶表面的小孔来判断玩偶是否处于正面，计算出玩偶中心点坐标，发送给机器人。通过VD200视觉定位系统实现自动上料，大大减少人工成本，大幅提高生产效率。 案例二：视觉检测在电子元件的应用： 此产品为电子产品的按钮部件，产品来料为料带模式，料带上面为双排产品。通过对每个元器件定位后，使用斑点工具检测产品固定区域的灰度值，来判断此区域有无缺胶情况。 该应用采用了深圳视觉龙公司的DragonVision视觉系统方案，使用两个相机及光源配合机械设备，达到每次检测双面8个产品，每分钟检测大约1500个。当出现产品不良时，立刻报警停机，保证了产品的合格率和设备的正常运行，提高生产效率。
基于机器视觉的工件识别和定位文献综述
基于机器视觉的工件识别和定位文献综述 1.前言 1.1工业机器人的现状与发展趋势 机器人作为一种最典型的应用范围广、技术附加值高的数字控制装备，在现代先进生产制造业中发挥的作用越来越重要，机器人技术的发展将会对未来生产和社会发展起到强有力的推动作用。《2l 世纪日本创建机器人社会技术发展战略报告》指出，“机器人技术与信息技术一样，在强化产业竞争力方面是极为重要的战略高技术领域。培育未来机器人产业是支撑2l 世纪日本产业竞争力的产业战略之一，具有非常重要的意义。” 研发工业机器人的初衷是为了使工人能够从单调重复作业、危险恶劣环境作业中解脱出来，但近些年来，工厂和企业引进工业机器人的主要目的则更多地是为了提高生产效率和保证产品质量。因为机器人的使用寿命很长，大都在10 年以上，并且可以全天后不间断的保持连续、高效地工作状态，因此被广泛应用于各行各业，主要进行焊接、装配、搬运、加工、喷涂、码垛等复杂作业。伴随着工业机器人研究技术的成熟和现代制造业对自动生产的需要，工业机器人越来越被广泛的应用到现代化的生产中。 现在机器人的价格相比过去已经下降很多，并且以后还会继续下降，但目前全世界范围的劳动力成本都有所上涨，个别国家和地区劳动力成本又很高，这就给工业机器人的需求提供了广阔的市场空间，工业机器人销量的保持着较快速度的增长。工业机器人在生产中主要有机器人工作单元和机器人工作生产线这两种应用方式，并且在国外，机器人工作生产线已经成为工业机器人主要的应用方式。以机器人为核心的自动化生产线适应了现代制造业多品种、少批量的柔性生产发展方向，具有广阔的市场发展前景和强劲生命力，已开发出多种面向汽车、电气机械等行业的自动化成套装备和生产线产品。在发达国家，机器人自动化生产线已经应用到了各行各业，并且已经形成一个庞大的产业链。像日本的FANUC、MOTOMAN，瑞典的ABB、德国的KUKA、意大利的COMAU 等都是国际上知名的被广泛用于自动化生产线的工业机器人。这些产品代表着当今世界工业机器人的最高水平。 我国的工业机器人前期发展比较缓慢。当将被研发列入国家有关计划后，发展速度就明显加快。特别是在每次国家的五年规划和“863”计划的重点支持下，我国机器人技术的研究取得了重大发展。在机器人基础技术和关键技术方面都取得了巨大进展，科技成果已经在实际工作中得到转化。以沈阳新松机器人为代表的国内机器人自主品牌已迅速崛起并逐步缩小与国际品牌的技术差距。 机器人涉及到多学科的交叉融合，涉及到机械、电子、计算机、通讯、控制等多个方面。在现代制造业中，伴随着工业机器人应用范围的扩大和机器人技术的发展，机器人的自动化、智能化和网络化的程度也越来越高，所能实现的功能也越来越多，性能越来越好。机器人技术的内涵已变为“灵活应用机器人技术的、具有实在动作功能的智能化系统。”目前，工业机器人技术正在向智能机器和智能系统的方向发展，其发展趋势主要为：结构的模块化和可重构化；控制技术的开放化、PC 化和网络化；伺服驱动技术的数字化和分散化；多传感器融合技术的实用化；工作环境设计的优化和作业的柔性化以及系统的网络化和智能化等方面。 1.2机器视觉在工业机器人中的应用 工业机器人是FMS（柔性加工）加工单元的主要组成部分，它的灵活性和柔性使其成为自动化物流系统中必不可少的设备，主要用于物料、工件的装卸、分捡和贮运。目前在全世界有数以百万的各种类型的工业机器人应用在机械制造、零件加工和装配及运输等领域，
智能车辆出入管理自动识别方案
智能车辆出入管理+车牌自动识别系统设计方案
一、针对性项目分析，实现功能概述 1:针对性设计理念 ****单位车辆管理采用“百灵智能”车辆收费管理+车牌自动识别系统，学校内部车辆通过管理电脑在管理软件发行后台输入车辆车牌号码进行登记，发行时可选择车辆进出的有效期限，在有效期限内，车辆进入单位，系统自动识别车辆车牌号码并自动记录车辆进入时间，出单位时系统自动识别车辆车牌号码可自由进出，不受次数限制；系统也可开通临时车辆自动识别进出，但需管理员确认后方能开启闸机放行，否则即使识别了车牌号码，车辆也不能进出，外来临时车辆取临时卡刷卡进入，离开时实现停车计时收费功能；另在学校大门处增设一套电动伸缩门人工管理，确保人员及车辆安全。 单位内部存在一个车位多个车停放的问题，在我司系统上有主副卡概念，每一个车位可以绑定多个卡或多个车牌，但同一时间只能一辆车读卡或车牌识别进入停放，当该车辆离开后，绑定的其他车辆中的一辆方能进入停放；总之，一个车位同一时只能停放一辆车，只有当进入的车辆离开后，其他同车位的车辆中的任何一辆车都可以进来停放。 2:针对性系统操作流程 车辆进入单位： 准备进入单位的车辆在通过学校大门的电动门后进入学校车辆管制通道时，已进入地面车辆检测器范围的车辆系统自动拍照进行自动识别车辆车牌号码，学校内部车辆（在设置有效进出时间段内），系统自动拍照并核对车辆登记资料，如为有效的车牌号码，闸机自动升起，当车辆进入并经过地面车辆检测器后，闸机自动关闭，系统在识别车辆车牌号码的同时电脑将记录车辆进入时间及车辆图像，以备车辆出单位时对比核对。如为临时来访车辆，需通过保安在大门口登记后放可通过电动门进入车辆管制通道，在入口读卡机箱前按提示取一张临时卡，系统自动读取卡信息开闸放行，当车辆进入并经过地面车辆检测器后，闸机自动关闭，系统也同时记录临时车辆进入数据。系统电脑自动将内部车辆或有登记的临时取卡车辆进入时间及车辆图像记录存档，以备车辆出学校时对比核对。
智能车牌识别系统
智能车牌识别系统 智能车牌识别系统是采用车牌识别技术做为基础，应用与停车场、高速路口、收费通道等场所的车辆管理系统。车牌识别技术(Vehicle License Plate Recognition，VLPR) 是指能够检测到受监控路面的车辆并自动提取车辆车牌信息（含汉字字符、英文字母、阿拉伯数字及号牌颜色）进行处理的技术。车牌识别是现代智能交通系统中的重要组成部分之一，应用十分广泛。它以数字图像处理、模式识别、计算机视觉等技术为基础，对摄像机所拍摄的车辆图像或者视频序列进行分析，得到每一辆汽车唯一的车牌号码，从而完成识别过程。通过一些后续处理手段可以实现停车场收费管理，交通流量控制指标测量，车辆定位，汽车防盗，高速公路超速自动化监管、闯红灯电子警察、公路收费站等等功能。对于维护交通安全和城市治安，防止交通堵塞，实现交通自动化管理有着现实的意义。 随着社会经济的发展、汽车数量急剧增加，对交通控制、安全管理、收费管理的要求也日益提高，运用电子信息技术实现安全、高效的智能交通成为交通管理的主要发展方向。汽车车牌号码是车辆的唯一“身份”标识，智能车牌识别系
统可以在汽车不作任何改动的情况下实现汽车“身份”的自动登记及验证，这项技术已经应用于公路收费、停车管理、交通诱导、交通执法、公路稽查、车辆调度、车辆检测等各种场合。 智能车牌识别系统的几种应用方式： 1、监测报警 对于纳入“黑名单”的车辆，例如：被通缉或挂失的车辆、欠交费车辆、未年检车辆、肇事逃逸及违章车辆等，只需将其车牌号码输入到应用系统中，智能车牌识别设备安装于指定的路口、卡口或由执法人员随时携带按需要放置，系统将识读所有通过车辆的车牌号码并与系统中的“黑名单”比对，一旦发现指定车辆立刻发出报警信息。系统可以全天不间断工作、不会疲劳、错误率极低；可以适应高速行驶的车辆；可以在车辆行使过程中完成任务不影响正常交通；整个监视过程中司机也不会觉察、保密性高。应用这种系统将极大地提高执法效率。 2、超速违章处罚 车牌识别技术结合测速设备可以用于车辆超速违章处罚，一般用于高速公路。具体应用是：在路上设置测速监测点，抓拍超速的车辆并识别车牌号码，将违章车辆的车牌号码及图片发往各出口；在各出口设置处罚点，用智能车牌识别设备识别通过车辆并将号码与已经收到的超速车辆的号码比对，一旦号码相同即启动警示设备通知执法人员处理。与传统的超速监测方式相比，这种应用可以节省警力，降低执法人员的工作强度，而且安全、高效、隐蔽，司机需时刻提醒自己不能超速，极大地减少了因超速引发的事故。 3、车辆出入管理 将智能车牌识别设备安装于出入口，记录车辆的车牌号码、出入时间，并与自动门、栏杆机的控制设备结合，实现车辆的自动管理。应用于停车场可以实现自动计时收费，也可以自动计算可用车位数量并给出提示，实现停车收费自动管理节省人力、提高效率。应用于智能小区可以自动判别驶入车辆是否属于本小区，对非内部车辆实现自动计时收费。在一些单位这种应用还可以同车辆调度系统相结合，自动地、客观地记录本单位车辆的出车情况。
基于机器视觉的产品检测技术研究【详述】
机器视觉概念/研究现状/应用/检测 内容来源网络，由“深圳机械展（11万㎡，1100多家展商，超10万观众）”收集整理！ 更多cnc加工中心、车铣磨钻床、线切割、数控刀具工具、工业机器人、非标自动化、数字化无人工厂、精密测量、3D打印、激光切割、钣金冲压折弯、精密零件加工等展示，就在深圳机械展. 1、机器视觉 1.1机器视觉的概念 机器视觉被定义为用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。一个典型的工业机器视觉应用系统包括光源、光学系统、图像采集系统、数字图像处理与智能判断决策模块和机械控制执行模块。系统首先通过CCD相机或其它图像拍摄装置将目标转换成图像信号,然后转变成数字化信号传送给专用的图像处理系统，根据像素分布!亮度和颜色等信息，进行各种运算来抽取目标的特征,根据预设的容许度和其他条件输出判断结果。 值得一提的是，广义的机器视觉的概念与计算机视觉没有多大区别，泛指使用计算机和数字图像处理技术达到对客观事物图像的识别、理解。而工业应用中的机器视觉概念与普通计算机视觉、模式识别、数字图像处理有着明显区别，其特点是： 1、机器视觉是一项综合技术，其中包括数字图像处理技术、机械工程技术、控制技术、电光源照明技术，光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、人机接口技术等。这些技术在机器视觉中是并列关系。相互协调应用才能构成一个成功的工业机器视觉应用系统。 2、机器视觉更强调实用性，要求能够适应工业生产中恶劣的环境，要有合理的性价比，
要有通用的工业接口，能够由普通工作者来操作，有较高的容错能力和安全性，不会破坏工业产品，必须有较强的通用性和可移植性。 3、对机器视觉工程师来说，不仅要具有研究数学理论和编制计算机软件的能力，更需要光、机、电一体化的综合能力。 4、机器视觉更强调实时性,要求高速度和高精度，因而计算机视觉和数字图像处理中的许多技术目前还难以应用于机器视觉，它们的发展速度远远超过其在工业生产中的实际应用速度。 1.2机器视觉的研究范畴 从应用的层面看，机器视觉研究包括工件的自动检测与识别、产品质量的自动检测、食品的自动分类、智能车的自主导航与辅助驾驶、签字的自动验证、目标跟踪与制导、交通流的监测、关键地域的保安监视等等。从处理过程看,机器视觉分为低层视觉和高层视觉两阶段。低层视觉包括边缘检测、特征提取、图像分割等，高层视觉包括特征匹配、三维建模、形状分析与识别、景物分析与理解等。从方法层面看，有被动视觉与主动视觉之，又有基于特征的方法与基于模型的方法之分。从总体上来看，也称作计算机视觉。可以说，计算机视觉侧重于学术研究方面，而机器视觉则侧重于应用方面。 机器人视觉是机器视觉研究的一个重要方向，它的任务是为机器人建立视觉系统，使得机器人能更灵活、更自主地适应所处的环境，以满足诸如航天、军事、工业生产中日益增长的需要（例如，在航天及军事领域对于局部自主性的需要，在柔性生产方式中对于自动定位与装配的需要，在微电子工业中对于显微结构的检测及精密加工的需要等）。机器视觉作为一门工程学科，正如其它工程学科一样，是建立在对基本过程的科学理解之上的。机器视觉系统的设计依赖于具体的问题，必须考虑一系列诸如噪声、照明、遮掩、背景等复杂因素，折中地处理信噪比、分辨率、精度、计算量等关键问题。
全自动车牌识别停车场管理系统技术方案
车牌自动识别停车场管理系统技术方案
前言 随着现代化管理手段的进步和科学技术的日益发展，小区用户对车辆管理的要求越来越高。过去的人工刷卡的管理方式已经不适应现代化发展的需要，针对目前快节奏，高速度的工作模式，要求管理方法和制度要有一个根本的改善，这种改善不但要适应用小区管理的需求，也要适应社会的需求，要适应人的感官的需求和习惯性操作的需求。但是目前任何高科技产品都不能完全代替人类的手工操作，不能完全取代人的思维，更不能与人的思维方式相吻合。因此我们在做自动化管理系统的设计时，要尽可能地强调自动化手段，但又不可忽略人工干预的因素，二者巧妙地结合起来，可达到事半功倍的效果。
本设计方案就是基于以上的思想基础，针对小区车辆管理的实际情况，结合各种现代化高科技手段完成的。 我们的目标是为小区用户的车辆管理提供一个车牌识别功能的解决方案。我们采用的是当前国内最先进的车牌识别技术。此设计方案着重考虑了识别的准确性，及车牌自动识别算法在各种停车场车辆管理系统中的灵活嵌入，既考虑到用户的需求，又囊括了各种高科技技术，而且增加了一些管理手段，尽可能地为用户提供一个完善的小区车辆管理系统。 第1章用户需求分析 在现代化停车场管理中，涉及到各方面的管理，其中车辆的管理是一个重要的方面。尤其是对特殊停车场、大院及政府机关、小区而言，要求对各种车辆实时地进行严格的管理，对其出入的时间进行严格的监视，并对各类车辆进行登记（包括内部车辆和外部车辆）和识别。对大规模的场区中，各种出入的车辆较多，如每辆车都要进行人工判断，既费时，又不利于管理和查询，保卫工作比较困难，效率低下。为了改善这种与现代化停车场、大院及政府机关、小区等不相称的管理模式，需要尽快实现车辆管理工作的自动化、智能化，并以计算机网络的形式进行管理，对所有出入口的车辆进行有效地、准确地监测和管理。要求系统提供相应的应用软件，实现营区管理的高效率、智能化。 该系统是利用视频流的车牌自动识别算法，无需地感触发，对车辆进行抓拍、号牌识别，当车辆进入小区入口时，车牌自动识别算法自动抓拍车辆照片并识别车牌号码，将车牌号码，颜色，车牌特征数据，入场时间信息等传记录下来，固定车辆可无障碍出入停车场，临时车辆人工审核后入场，为用户提供了一种崭新的服务模式。 系统自动识别进入小区车辆的号码和车牌特征，验证用户的合法身份，自动比对黑名单库，自动报警，并可对整个停车场情况进行监控和管理，包括出入口管理，内部管理，采集，存储数据和系统工作状态，以便管理员进行监控，维护，统计，查询和打印报表等工作。车辆出入小区，完全处于系统监控之下，使小区的出入，收费，防盗，车位管理完全智能化、自动化并具有方便快捷，安全可靠的优点。
机器视觉入门知识详解
机器视觉入门知识详解 随着工业4.0时代的到来，机器视觉在智能制造业领域的作用越来越重要，为了能让更多用户获取机器视觉的相关基础知识，包括机器视觉技术是如何工作的、它为什么是实现流程自动化和质量改进的正确选择等。小编为你准备了这篇机器视觉入门学习资料。 机器视觉是一门学科技术，广泛应用于生产制造检测等工业领域，用来保证产品质量，控制生产流程，感知环境等。机器视觉系统是将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 机器视觉优势：机器视觉系统具有高效率、高度自动化的特点，可以实现很高的分辨率精度与速度。机器视觉系统与被检测对象无接触，安全可靠。人工检测与机器视觉自动检测的主要区别有：
为了更好地理解机器视觉，下面，我们来介绍在具体应用中的几种案例。 啤酒厂采用的填充液位检测系统为例来进行说明： 当每个啤酒瓶移动经过检测传感器时，检测传感器将会触发视觉系统发出频闪光，拍下啤酒瓶的照片。采集到啤酒瓶的图像并将图像保存到内存后，视觉软件将会处理或分析该图像，并根据啤酒瓶的实际填充液位发出通过-未通过响应。如果视觉系统检测到一个啤酒瓶未填充到位，即未通过检测，视觉系统将会向转向器发出信号，将该啤酒瓶从生产线上剔除。操作员可以在显示屏上查看被剔除的啤酒 瓶和持续的流程统计数据。
机器人视觉引导玩偶定位应用： 现场有两个振动盘，振动盘1作用是把玩偶振动到振动盘2中，振动盘2作用是把玩偶从反面振动为正面。该应用采用了深圳视觉龙公司VD200视觉定位系统，该系统通过判断玩偶正反面，把玩偶处于正面的坐标值通过串口发送给机器人，机器人收到坐标后运动抓取产品，当振动盘中有很多玩偶处于反面时，VD200视觉定位系统需判断反面玩偶数量，当反面玩偶数量过多时，VD200视觉系统发送指令给振动盘2把反面玩偶振成正面。 该定位系统通过玩偶表面的小孔来判断玩偶是否处于正面，计算出玩偶中心点坐标，发送给机器人。通过VD200视觉定位系统实现自动上料，大大减少人工成本，大幅提高生产效率。 视觉检测在电子元件的应用：
机器视觉检测.
机器视觉检测 一、概念 视觉检测是指通过机器视觉产品（即图像摄取装置，分 CMOS 和CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 机器视觉检测的特点是提高生产的柔性和自动化程度。 2、典型结构 五大块：照明、镜头、相机、图像采集卡、软件 1.照明 照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。目前没有通用的照明设备，具体应用场景选择相应的照明装置。照射方法可分为： 分类具体说明优点 背向照明被测物放在光源和摄像机之 间能获得高对比度的图像 前向照明光源和摄像机位于被测物的 同侧 便于安装 结构光将光栅或线光源等投射到被 测物上，根据它们产生的畸 变，解调出被测物的三维信 息 频闪光照明将高频率的光脉冲照射到物
体上，摄像机拍摄要求与光 源同步 2.镜头 镜头的选择应注意以下几点：焦距、目标高度、影像高度、放大倍数、影响至目标的距离、中心点/节点、畸变。 3.相机 按照不同标准可分为：标准分辨率数字相机和模拟相机等。 要根据不同的实际应用场合选不同的相机和高分辨率相机：线扫描CCD 和面阵CCD；单色相机和彩色相机。 为优化捕捉到的图像，需要对光圈、对比度和快门速度进行调整。 4.图像采集卡 图像采集卡是图像采集部分和图像处理部分的接口。将图像信号采集到电脑中，以数据文件的形式保存在硬盘上。通过它，可以把摄像机拍摄的视频信号从摄像带上转存到计算机中。 5.软件 视觉检测系统使用软件处理图像。软件采用算法工具帮助分析图像。视觉检测解决方案使用此类工具组合来完成所需要的检测。是视觉检测的核心部分，最终形成缺陷的判断并能向后续执行机构发出指令。常用的包括，搜索工具，边界工具，特征分析工具，过程工具，视觉打印工具等。 3、关键——光源的选择 1.光源选型基本要素： 对比度机器视觉应用的照明的最重要的任务就是使需要被观察的特征与需要被忽略的图像特征之间产生最大的对比度，从而易于特
车牌自动识别系统方案
车牌自动识别停车场管理系统 设 计 方 案 xxx科技有限公司 地址： 电话：手机：
网址： QQ: 智能停车场解决方案 景第一章背 随着我国机动车增长速度的加快，停车场管理系统已经被广泛的应用起来，使车辆管理更加科学化，正规化。经过几年的推广应用，在广泛使用的同时，也发现了一些弊端和漏洞 一、月租卡与车无法准确对应 现有系统，当月租用户刷卡出入车场时，无法自动判定该卡是否对应该车，这样就造成了，用户卡片随意互借，丢失计时卡，车辆数目不准确，用不法手段获取他人月租卡进行高档车辆盗窃的严重安全隐患。 二、临时卡无法自动录入车牌 现有系统，当临时卡用户进入车场时，无法自动在数据库中存储牌照号，这样在查询停车场中某辆临时停放车辆的进出情况时，会变得非常麻烦，无法快速查找。需要依次调取所有进入车辆图片进行人工辨别。同时也无法对离场临停车辆进行车牌和卡片的双重验证，同样也存在安全隐患。 三、车辆进出效率低下。 现在小区规模越来越大，业主车辆越来越多，在经过停车场管理系统刷卡验证时，经常会出现业主找卡，忘记带卡，刷卡时无法靠边的情况，这样就严重影响了通行速度，造成车辆拥堵。在上下班高峰期的时候这种情况尤其严重。 针对以上的系统弊端和漏洞，我公司通过多年的技术研发和验证测试，推出了目前最先进的车牌自动识别系统，作为停车场系统的子系统，通过计算机的图像处理自动识别记录车牌，辨别同一车牌的车辆出入场时是否一致，是目前识别速度最快的车牌识别系统。其软件模块可以嵌入到停车场系统软件中，配合硬件共同实现车牌自动识别功能，使停车场系统更加完善精确。 在智能交通系统中，车牌自动识别系统是一个非常重要的发展方向，车牌自动识别系统正是在这种应用背景下研制出来的能够自动实时地检测车辆经过和识别汽车牌照的智能交通管理系统。 第二章关于车牌识别技术
机器视觉技术及其应用概述
机器视觉技术及其应用概述 姓名: 班级：机械0904班学号： 摘要：近年来，机器视觉已经发展成为光电子的一个应用分支，广泛应用于微 电子、PCB生产、自动驾驶、印刷、科学研究和军事等领域。机器视觉在中国的蓬勃发展，使从事机器视觉的公司和人员大量涌现。首先概述了机器视觉技术的基本原理并分析了机器视觉系统的构建；接着论述了机器视觉技术的当前主要应用领域与情况；最后分析了现阶段机器视觉技术存在的问题。 关键词：器视觉；技术；应用 机器视觉系统组成及其工作原理 机器视觉即用机器代替人眼来做测量和判断。机器视觉系统的工作流程大致为：被摄取目标——经图像摄取装臵——图像信号——经图像处理系统——数字信号——经抽取目标特征——判断结果并控制设备。该流程的实现需相应的硬件作为基础，典型的工业机器视觉系统构成有照明、镜头、相机、图像采集卡、视觉处理器等。下面将对机器视觉系统组成和工作原理进一步具体说明。 机器视觉系统组成 从原理上机器视觉系统主要由三部分组成：图像的采集、图像的处理和分析、输出或显示。—个典型的机器视觉系统应该包括光源、光学系统、图像捕捉系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块，如图1所示。 从中我们可以看出机器视觉是一项综合技术。其中包括数字图像处理技术、机械工程技术、控制技术、光源照明技术、光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、人机接口技术等。只有这些技术的相互协调应用才能构成一个完整的机器视觉应用系统。机器视觉应用系统的关键技术主要体现在光源照明、光学镜头、摄像机(CCD)、图像采集卡、图像信号处理以及执行机构等。以下分别就各方面展开论述。
小区车牌自动识别管理系统方案
车牌自动识别停车场管理系统 技 术 说 明 深圳市捷精诚科技（机电设备）有限公司
第1章前言 现代化管理手段的不断进步完善，人工刷卡的管理方式已经不适应现代化发展的需要，针对目前快节奏，高效率的管理方式，自动化管理系统的设计正适应当前需求而产生。 我们的目标是为小区用户的车辆管理提供一个车牌识别功能的解决方案。我们采用当前国内最先进的车牌识别技术结合百万高清络网摄像机方案，高识别率手段，尽可能地为用户提供完善的小区车辆管理系统。
第2章用户需求分析 在现代化停车场管理中，涉及到各方面的管理，其中车辆的管理是一个重要的方面。尤其是对特殊停车场、大院及政府机关、小区而言，要求对各种车辆实时地进行严格的管理，对其出入的时间进行严格的监视，并对各类车辆进行登记（包括内部车辆和外部车辆）和识别。对大规模的场区中，各种出入的车辆较多，如每辆车都要进行人工判断，既费时，又不利于管理和查询，保卫工作比较困难，效率低下。为了改善这种与现代化停车场、大院及政府机关、小区等不相称的管理模式，需要尽快实现车辆管理工作的自动化、智能化，并以计算机网络的形式进行管理，对所有出入口的车辆进行有效地、准确地监测和管理。要求系统提供相应的应用软件，实现营区管理的高效率、智能化。 该系统是利用视频流的车牌自动识别算法，无需地感触发，对车辆进行抓拍、号牌识别，当车辆进入小区入口时，车牌自动识别算法自动抓拍车辆照片并识别车牌号码，将车牌号码，颜色，车牌特征数据，入场时间信息等传记录下来，车辆可无障碍出入停车场，为用户提供了一种崭新的服务模式。 系统自动识别进入小区车辆的号码和车牌特征，验证用户的合法身份，自动比对黑名单库，自动报警，并可对整个停车场情况进行监控和管理，包括出入口管理，内部管理，采集，存储数据和系统工作状态，以便管理员进行监控，维护，统计，查询和打印报表等工作。车辆出入小区，完全处于系统监控之下，使小区的出入，收费，防盗，车位管理完全智能化、自动化并具有方便快捷，安全可靠的优点． 其主要特点如下： 识别系统对环境的依赖性降低至最低程度，可实现全天候正常工作，且 识别率保持较高水平。 基于LPR识别系统提高了识别的速度和准确性。 可识别的最小号牌宽度为60个像素 适应复杂的气候及光照条件，如阴天、雨天、晚上仍可保证高识别率。 适应高速大流量，车速在60 km/h，单车道流量为30辆/分钟时仍可保证 高识别率(>95%)。 实现对视频图像的逐帧处理，视频流触发。 工程安装简便、运行稳定，不干扰用户已有系统。 无需地感及车辆检测器，节省成本且施工简单快速，极大的缩短施工时 间。
解读机器视觉系统解析及优缺点
解读机器视觉系统解析及优缺点 在现代工业自动化生产中，涉及到各种各样的检验、生产监视及零件识别应用，例如零配件批量加工的尺寸检查，自动装配的完整性检查，电子装配线的元件自动定位，IC上的字符识别等。通常人眼无法连续、稳定地完成这些带有高度重复性和智能性的工作，其它物理量传感器也难有用武之地。 由此人们开始考虑利用光电成像系统采集被控目标的图像，而后经计算机或专用的图像处理模块进行数字化处理，根据图像的像素分布、亮度和颜色等信息，来进行尺寸、形状、颜色等的判别。这样，就把计算机的快速性、可重复性，与人眼视觉的高度智能化和抽象能力相结合，由此产生了机器视觉的概念。 一个成功的机器视觉系统是一个经过细致工程处理来满足一系列明确要求的系统。当这些要求完全确定后，这个系统就设计并建立来满足这些精确的要求。 机器视觉的优点包括以下几点： ■精度高 作为一个精确的测量仪器，设计优秀的视觉系统能够对一千个或更多部件的一个进行空间测量。因为此种测量不需要接触，所以对脆弱部件没有磨损和危险。 ■连续性 视觉系统可以使人们免受疲劳之苦。因为没有人工操作者，也就没有了人为造成的操作变化。多个系统可以设定单独运行。 ■成本效率高 随着计算机处理器价格的急剧下降，机器视觉系统成本效率也变得越来越高。一个价值10000美元的视觉系统可以轻松取代三个人工探测者，而每个探测者每年需要20000美元的工资。另外，视觉系统的操作和维持费用非常低。 ■灵活性 视觉系统能够进行各种不同的测量。当应用变化以后，只需软件做相应变化或者升级以适应新的需求即可。 许多应用满意过程控制（SPC）的公司正在考虑应用机器视觉系统来传递持续的、协调的和精确的测量SPC命令。在SPC中，制造参数是被持续监控的。整个过程的控制就是要保证这些参数在一定的范围内。这使制造者在生产过程失去控制或出现坏部件时能够调节过程参数。 机器视觉系统比光学或机器传感器有更好的可适应性。它们使自动机器具有了多样性、灵活性和可重组性。当需要改变生产过程时，对机器视觉来说“工具更换”仅仅是软件的变换而不是更换昂贵的硬件。当生产线重组后，视觉系统往往可以重复使用 机器视觉系统的构成 机器视觉技术用计算机来分析一个图像，并根据分析得出结论。现今机器视觉有两种应用。机器视觉系统可以探测部件，在此光学器件允许处理器更精确的观察目标并对哪些部件可以通过哪些需要废弃做出有效的决定；机器视觉也可以用来创造一个部件，即运用复杂光学器件和软件相结合直接指导制造过程。 尽管机器视觉应用各异，但都包括以下几个过程；
机器视觉与视觉检测知识点归纳
一总介 使用机器视觉系统五个主要原因： 1.精确性（无人眼限制） 2.重复性（相同方法检测无疲惫） 3.速度（更快检测） 4.客观性（无情绪主观性） 5.成本（一台机器可承担好几人工作） 机器视觉系统构成： 光学：1.相机与镜头；2.光源； 过渡：3.传感器（判断被测对象位置及状态）；4.图像采集卡（把相机图像传到电脑主机）； 电学（计算机）：5.PC平台；6.视觉处理软件；7.控制单元。 机器视觉系统一般工作过程：1.图像采集；2.图像处理；3.特征提取；4.判决和控制。 机器视觉系统的特点：1.非接触测量；2.具有较宽的光谱响应围；3.连续性；4.成本较低； 5.机器视觉易于实现信息集成； 6.精度高； 7.灵活性。 机器视觉应用领域两大类：科学研究和工业应用 科学研究主要对运动和变化的规律作分析； 工业方面主要是在线检测产品，机器视觉所能提供的标准检测功能主要有：有/无判断、面积检测、方向检测、角度测量、尺寸测量、位置检测、数量检测、图形匹配、条形码识别、字符识别、颜色识别等。 二机器视觉系统的构成 相机的主要特性参数： 分辨率：衡量相机对物象中明暗细节的分辨能力。 最大帧率：相机采集传输图像的速率。 曝光方式和快门速度；o(*￣)￣*)o？ 像素深度：每一个像素数据的位数。 固定图像噪声：不随像素点的空间坐标改变的噪声。 动态围等 CCD相机和CMOS相机的区别： 1.设计：CCD是单一感光器，CMOS是感光器连接放大器。 2.灵敏度：同样面积下，CCD灵敏度高；CMOS由于感光开口小，灵敏度低。 3.成本：CCD线路品质影响程度高，成本高；CMOS由整合集成，成本低。 4.解析度：CCD连接复杂度低，解析度高；CMOS新技术解析度高。 5.噪点比：CCD信号单一放大，噪点低；CMOS百万放大（每个像素都有各自的 放大器），噪点高。
项目信息管理
项目信息管理系统 一、项目信息管理的要求： 1、项目经理部应建立项目信息管理系统，优化信息结构，实现项目管理信息化。 2、项目经理部应及时收集整理真实、准确、快捷信息。未经验证的口头信息不能作为项目管理中的有效信息。并将信息及时、准确、完整地传递给使用单位和人员。 3、项目经理部应负责收集、整理、管理本项目范围内的信息。实行总分包的项目，项目分包人应负责分包范围的信息收集整理，承包人负责汇总、整理各分包人的全部信息。 4、项目经理部应根据工程特点设立项目级信息管理机构，按照企业要求应设专职或兼职的信息管理员，项目信息管理员必须经有资质的培训单位培训。 5、项目经理部应根据管理的需要对信息进行分类，并建立信息数据库。项目信息应包括项目管理过程中形成的各种数据、表格、图纸、文字、音像资料等。项目经理部应配置信息管理所需要的电脑、软件、影像设备（扫描仪、照相机、摄像机），专人保管、使用。 二、项目信息的内容 按照项目管理的工作职能和工作内容可将项目信息分为16类：
三、项目信息管理系统 1、项目经理部应及时收集整理真实、准确、快捷信息，并将信息及时、准确、完整地传递给相关使用单位和人员。项目分包人应负责分包范围的信息收集整理，承包人负责汇总、整理各分包人的全部信息。经签字确认的项目信息应及时存人计算机。 2、项目经理部应使项目信息管理系统目录完整清晰、结构严密、表格自动生成。 3、项目信息管理系统应满足下列要求： （1）应方便项目信息输入、整理与存储。
（2）应有利于用户提取信息。 （3）应能及时调整数据、表格与文档。 （4）应能灵活补充、修改与删除数据。 （5）信息种类与数量应能满足项目管理的全部需要。 （6）应能使设计信息、施工准备阶段的管理信息、施工过程项目管理各专业的信息、项目结算信息、项目统计信息等有良好的接口。 4、项目信息管理系统应能连接项目经理部各职能部门、项目经理与各职能部门、项目经理部与劳务作业层、项目经理部与企业各职能部门、项目经理与企业法定代表人、项目经理部与发包人和分包人、项目经理部与监理机构等；应能使项目管理层与企业管理层及劳务作业层信息收集渠道畅通、信息资源共享。 四、项目信息流通系统 1、项目信息收集与传递 （1）项目经理部应配备必要的仪器仪表，采用测量、检测、称重、量方、收方计价、点收、盘存、料单、报告等手段，通过施工记录、会议纪要、工程安全质量记录等形式，收集信息过去、现在、未来三种状态。 （2）项目信息的来源可以是网络和其他媒体、学术交流活动以及专业信息服务机构。 （3）项目经理部应通过会议、座谈、调查等多种形式，定期编制项目信息需求计划表，来识别项目管理各层次、各有关人员所需要的信息，并及时加以收集、传递和反馈。 （4）项目经理部应对特殊的施工过程，项目进展形象面貌、项目重大活动、特殊的隐蔽施工过程等拍摄影像资料。 （5）项目经理部对外报送信息由项目信息管理员负责，报送的内容和方式应经部门领导审阅、签字，项目经理审批后方可对外报送，并要求对方接受人员签署回执或发文记录。 （6）外来单位的重要收文应经项目经理签阅，以决定发布范围及处理方式。日常文件由项目技术负责人签阅处理。 2、项目信息保管和储存 （1）项目信息储存分电子化储存、纸质文件储存两种，并优先采用电子储存。项目信息数据应进行备份，确保数据的可靠性、完整性。 （2）项目经理部应建立信息资料借阅、查询管理制度，技术资料应专人保管。 （3）工程竣工或项目结束时，应按国家、地方及企业的要求，将工程档案及信息资料进行封存和移交，负责移交和签收的执行人应办理档案资料交接手续。 （4）项目经理部应建立《项目信息目录清单》。 附表：SWJ-PM-0501《项目信息目录清单》
机器视觉检测
研究背景： 产品表面质量是产品质量的重要组成部分，也是产品商业价值的重要保障。产品表面缺陷检测技术从最初的依靠人工目视检测到现在以 CCD 和数字图像处理技术为代表的计算机视觉检测技术，大致经历了三个阶段，分别是传统检测技术阶段、无损检测技术阶段、计算机视觉检测技术阶段。[] 传统检测技术 （1）人工目视检测法 （2）频闪检测法 无损检测技术 （1）涡流检测法 （2）红外检测法 （3）漏磁检测法 计算机视觉检测技术 （1）激光扫描检测法 （2）CCD 检测法 采用荧光管等照明设备，以一定方向照射到物体表面上，使用CCD摄像机来扫描物体表面，并将获得的图像信号输入计算机，通过图像预处理、缺陷区域的边缘检测、缺陷图像二值化等图像处理后，提取图像中的表面缺陷的相关特征参数，再进行缺陷图像识别，从而判断出是否存在缺陷及缺陷的种类信息等。 优点：实时性好，精确度高，灵活性好，用途易于扩充，非接触式无损检测。 基于机器视觉的缺陷检测系统优点： 集成化生产缩短产品进入市场时间改进生产流程 100%质量保证实时过程监控提高产量精确检测 100%检测 由于经济和技术原因国内绝大多数图像处理技术公司都以代理国外产品为主，没有或者很少涉足拥有自主知识产权的机器视觉在线检测设备，对视觉技术的开发应用停留在比较低端的小系统集成上，对需要进行大数据量的实时在线检测的研究很少也很少有成功案例，但是随着国内经济发展和技术手段不断提高对产品质量检测要求就更高，对在线检测设备的需求也就更大具有巨大的市场潜力。 机器视觉图像处理技术是视觉检测的核心技术 铸件常见缺陷：砂眼气孔缩孔披缝粘砂冷隔掉砂毛刺浇不足缺陷变形 问题的提出： 1.水渍、污迹等不属于铸件缺陷，但由于其外观形貌与缺陷非常类似, 因此易被检测系统误识为缺陷。从目前发表的文献来看，对于伪缺陷的识别率较低。 2.不同种缺陷之间可能存在形状、纹理等方面的相似性，造成缺陷误判。 国外研究发展现状： 20 世纪 90 年代后，基于机器视觉检测系统的自动化功能和实用化水平得到了进一步的提高。 1990 年芬兰Rautaruukki New Technology公司研制了Smartivis表面检测系统[]，该系统具有自学习分类功能，应用机器学习方法对决策树结构进行自动设计优化。 1996 年美国Cognex公司研发了一套iLearn自学习分类器软件系统并应用于其研制了iS-2000 自动检测系统。通过这两套系统的无缝衔接，极大地提高了检测系统实时的运算速度，有效的改进了传统自学习分类方法在算法执行速度、数据实时吞吐量、样本训练集规模及模式特征自动选择等方面的不足之处[]。 2004 年Parsytec公司发布了新一代表面质量检测产品Parsytec5i，该系统运用了自学习
车牌自动识别操作系统使用说明
车牌自动识别操作系统使用说明 使用车牌识别的优势在哪里? 车牌自动识别系统的优势在于可以把卡和车对应起来，使管理提高一个档次，卡和车的对应的优点在于长租卡须和车配合使用，杜绝一卡多车使用的漏洞，增加停车费的收取；同时自动比对进出车辆，防止偷盗事件的发生，无须人工干扰,作为档案保存，可以为一些纠纷提供有力的证据。 对固定车管理而言，“车牌识别”解决了以下问题： 解决了一卡多车的情况 解决了卡未携带进出小区受阻的情况 解决了卡丢失、损坏带来的换卡，补卡的 解决了因为卡安装摆放位置不同带来的刷卡不灵敏的问题 对临时车管理而言，“车牌识别”解决了以下问题： 1、解决了临时收费过程中，收费人员偷钱的机会； 2、解决了入口发卡机的卡容量有限的问题，入口需要配备工作人员。入口发卡机往往需要安排专人在“入口发卡机”和“临时车”之间传递“临时卡”，严重偏离了“节省人力资源的根本要求”。而临时车往往停得距离发卡机较远，是人们害怕撞到发卡机和道闸的下意识正常反映，是经常发生的情况； 3、解决了有个别临时车混出停车场，同时损失临时卡和停车费的情况； 4、解决了有个别的固定车在入场的时候恶意取走临时卡，造成临时卡不断流失的情况自动对大车，小车进行车型区分，执行不同的收费标准； 车牌识别对整个停车场领域带来了哪些便利 一、车牌识别对物业管理人员的适应性分析 1）物业管理人员不用担心卡流失后再补卡、卡注册、卡授权、卡挂失、卡解挂等繁琐的卡操作。 2）物业管理人员不用担心一卡多用带来的收益流失。 下面是车牌识别系统操作说明 将车牌识别加密狗插入电脑USB接口,再安装车牌识别加密狗驱动程序,安装完加密驱动程序完,电脑会提示加密狗驱动程序安装成功.待加密狗驱动程序安装完成后,再安装视频卡<此车牌自动识别系统可用MiniA视频卡>驱动程序.
车牌自动识别系统
车牌自动识别系统 生活水平的显著提升促成了私家车数量的不断增加，在城市中，几乎每个家庭都拥有一辆私家车，而这些私家车频繁地出入各种场所，这对停车场管理提出了更高的要求，提升管理水平势在必行。面对着巨大的车流量，停车场需要借助于一套现代化高效的停车场管理系统来进行管理，而车牌自动识别系统无疑是所有系统中最佳的管理解决方案。 一、车牌自动识别系统的技术说明 车牌自动识别系统采用车牌识别技术来实现技术效果的。车牌识别技术(Vehicle License Plate Recognition，VLPR) 是指能够检测到受监控路面的车辆并自动提取车辆牌照信息（含汉字字符、英文字母、阿拉伯数字及号牌颜色）进行处理的技术。车牌识别是现代智能交通系统中的重要组成部分之一，应用十分广泛。它以数字图像处理、模式识别、计算机视觉等技术为基础，对摄像机所拍摄的车辆图像或者视频序列进行分析，得到每一辆汽车唯一的车牌号码，从而完成识别过程。通过一些后续处理手段可以实现停车场收费管理，交通流量控制
指标测量，车辆定位，汽车防盗，高速公路超速自动化监管、闯红灯电子警察、公路收费站等等功能。对于维护交通安全和城市治安，防止交通堵塞，实现交通自动化管理有着现实的意义。 二、车牌自动识别系统识别原理分析 车牌自动识别系统是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备（监测车辆是否进入视野）、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机（如计算机）等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些车牌自动识别系统还具有通过视频图像判断是否有车的功能称之为视频车辆检测。一个完整的车牌自动识别系统应包括车辆检测、图像采集、车牌识别等几部分(如图1所示)。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。车牌识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。 车辆检测 车辆检测可以采用埋地线圈检测、红外检测、雷达检测技术、视频检测等多种方式。采用视频检测可以避免破坏路面、不必附加外部检测设备、不需矫正触发位置、节省开支，而且更适合移动式、便携式应用的要求。 系统进行视频车辆检测，需要具备很高的处理速度并采用优秀的算法，在基本不丢帧的情况下实现图像采集、处理。若处理速度慢，则导致丢帧，使系统无法检测到行驶速度较快的车辆，同时也难以保证在有利于识别的位置开始识别处理，影响系统识别率。因此，将视频车辆检测与牌照自动识别相结合具备一定的技术难度。 号码识别 为了进行车牌识别，需要以下几个基本的步骤： 1) 牌照定位，定位图片中的牌照位置； 2) 牌照字符分割，把牌照中的字符分割出来； 3) 牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。