欢迎光临机器视觉网
免费注册
用户登录
首页
新闻
企业动态
行业热点
宏观报道
案例
镜头
相机
传感器
采集卡
光源
传输及线材
系统产品
智能设备
解决方案
软件算法及深度学习
集成及工业计算机
机器人及机械臂
3D产品
行业综述
其他
产品
专访
供求
培训
视觉工程师认证课程
师资团队
培训资讯
下载
论文
招聘
书刊
报告
标准
展会
会员
联盟简介
联盟章程
联盟架构
联盟理事
入会申请
会员服务
在线调查
联盟党建
联盟活动
会员公告
会员企业
在线视频
Menu
导航
首页
新闻
返回
企业动态
行业热点
宏观报道
案例
返回
镜头
相机
传感器
采集卡
光源
传输及线材
系统产品
智能设备
解决方案
软件算法及深度学习
集成及工业计算机
机器人及机械臂
3D产品
行业综述
其他
产品
专访
供求
培训
返回
视觉工程师认证课程
师资团队
培训资讯
下载
论文
招聘
书刊
报告
标准
展会
会员
返回
联盟简介
联盟章程
联盟架构
联盟理事
入会申请
会员服务
在线调查
联盟党建
联盟活动
会员公告
会员企业
在线视频
首页
>
论文
类别:
全部
专家综述
技术前沿
专业论文
展开
标签:
全部
机器视觉
图像处理
机器人
人工智能
模式识别
其他
展开
重置
关于双目立体视觉的三大基本算法及发展现状的总结
双目立体视觉一直是机器视觉研究领域的发展热点和难点,“热”是因为双目立体视觉有着及其广阔的应用前景,且随着光学、计算机科学等学科的不断发展,双目立体技术将不断进步直到应用到人类生活的方方面面。“难”则是因为受到摄像机、镜头等硬件设备及一些相关算法的限制,双目立体视觉的研究及如何更好的应用到生产实际中仍有待在座的各位去进行突破。
技术前沿
2022-04-06 | 图像处理 | 模式识别 |
3953
用于密集型在轨边缘计算的微处理器和FPGA
随着卫星运营商在轨获取的数据越来越多,他们更愿意在载荷上处理这些数据并提取有价值的信息,而不是将大量数据下行传送到地面的云上进行后处理。现有宇航级半导体技术和/或射频带宽限制了可实时处理的数据量。我知道一些客户由于下行链路的需求违反了ITU的规定,而不得不降低他们的项目预期。 另一方面,尽可能接近原始数据源(即边缘)的局部处理基于对来自多个传感器的大量信息的实时计算,可通过使用低延迟的确定性接口和满足特定散热和可靠性要求的小型低功耗形状因数实现。在轨提取分析显著减少了延迟和RF下行带宽 – 我们正有效地将数据中心移动到原始数据的源头! 在这篇文章中,我想探讨和比较用于边缘密集型星载处理的微处理器和FPGA。一些应用需要从不同带宽的多个传感器(如RF、LIDAR、成像和GNSS)获取大量数据,同时需要实时做出关键决策,如用于航天器态势感知的物体识别和分类(即敌我识别)、避免空间碎片碰撞、高清视频地球观测、空间原位探测和资源利用等。利用机器学习技术在轨提取分析的自主星载处理的应用也呈上升趋势。
技术前沿
2022-03-30 | 图像处理 | 模式识别 |
2089
千眼狼光学应变测量系统在工程爆破技术中的应用
工程爆破技术经过多年研究发展,为中国的铁路建设、矿山开采、岩土工程、城镇拆旧定向爆破等做出了重要贡献。如何更准确地控制爆破范围、效果、速度是工程项目中一大难点,需要利用更有效的研究方法才能深入研究控制爆破技术和工程应用。
技术前沿
2022-03-03 | 机器视觉 | 人工智能 |
2101
无需标记鉴别病毒、单细胞、活细胞观测等生物样品
近年来,红外光谱和显微成像技术有了突飞猛进的发展,尤其是在生命科学领域,得益于红外光谱技术对于分子结构的敏感性,其能够在无任何标记的情况下实现对生物样品成分的鉴定和分布解析,这对于不便于荧光标记的一些生物样品鉴别十分有利。然而目前大多数的红外光谱空间分辨率受限于红外光的衍射极限,只有10-20 μm,且依赖于红外光波波长。另外多数红外检测设备对于生物样品制样过程也有着严格要求,如样品切片厚度,细胞和组织尺寸,含水量,需要荧光染色等,这对于生命科学研究非常不利。
技术前沿
2022-02-21 | 图像处理 | 模式识别 |
2071
多光谱相机技术浅析
最早问世的一批多光谱系统要么用于太空科学成像,要么用于绘画和文物的分析和数字化处理。1972年发射的陆地卫星1号(LANDSAT 1)装备了一个四波段多光谱成像系统,包括可见光的绿色和红色通道,以及两个NIR波段。随着方法的改进,多光谱的应用范围已经从超高端的卫星和艺术保护系统迁移到将分辨率、帧速率和性价比完美融合在一起的机器视觉相机,这使得它们得以用于广泛的多光谱应用。在本文中,我们将重点介绍这些基于相机的多光谱成像技术,这些技术在机器视觉应用中正变得越来越流行。
技术前沿
2021-12-22 | 机器视觉 |
5953
深度学习与工业场景之间的“语义鸿沟”及相应创新举措
2012年,神经网络之父Geoffrey Hinton的学生Alex Krizhevsky,通过改进的LeNet在视觉领域竞赛ILSVRC 2012中摘下桂冠。在百万量级的ImageNet数据集合上,改进的LeNet效果大幅度超过传统方法,从此引爆深度学习在各个场景中的应用。此后深度学习得到了广泛的应用。既然深度学习性能这么好,能不能把它应用在工业场景,重复、有效、可靠地解决问题?应用在瑕疵检测、缺陷分级和根因分析上?如果简单的把它移植过来,会出现哪些鸿沟和问题?
技术前沿
2021-12-22 | 机器视觉 | 人工智能 |
2351
首页
3
4
5
6
7
8
9
10
11
12
13
14
最后一页
推荐论文
光场成像中元素图像的不失真条件
领先现有顶级算法,无地图也能实现高性能视觉重定位
利用条件生成对抗网络的光场图像重聚焦
基于矢量光场的光学加工技术
抓毛织物表面质量的视觉检测方法
元光场事件计算成像
* 请登录会员后进行操作
会员登录
用户名
密码
忘记密码?
登录
新用户注册账号