计算机视觉技术在无人机领域的应用

计算机视觉在土木建筑领域的应用

摘要：随着电子计算机的普及，计算机视觉已经广泛用于各个不同的领域。本文就数图像识别、处理在土木建筑领域的应用、当前存在的问题及计算机视觉的发展现状进行了探讨。

关键字：计算机视觉 数字图像处理 土木建筑 发展现状

信息与能源和材料并称人类社会的三大支柱。人类通过眼、耳、手鼻、舌等五官来感受外部世界。主要有视觉信息、听觉信息、触觉信息、嗅觉信息以及味觉信息。在上述五种类型的信息中，人们对视觉和听觉信息研究得较多，利用也较多。如通信、电视和多媒体等。图形和图像均属于视觉信息。

近年来，随着电子计算机的普及和计算机视觉的深入研究，数字图像处理以其再现性好、适用面宽、灵活性高、信息压缩的潜力大等特点已经广泛用于各个不同的领域。它在土木建筑方面也有着广泛的应用。本文主要就数字图像处理在建筑学、桥梁道路等方面的应用及存在的问题展开讨论。

计算机视觉在土木领域的应用主要可以分为理论研究设计方面的应用，建筑等实物中的应用，建筑模拟方面的应用和其它方面的应用。

（1）在理论研究设计方面的应用

数字图像处理在土木建筑领域的理论设计以及模拟计算方面都有有广泛的应用，以下就一些实例加以说明。

一个典型的例子是利用计算机解决隧洞超欠挖的问题①。在地下隧洞的开挖过程中，钻爆法是开挖的主要方法之一，但钻爆法的缺点是其不可避免地造成隧洞大量的超欠挖现象。因此，方便、决捷且可靠的评价方法在隧洞的超欠挖评价中是十分必要的。图像处理技术是解决此类问题的可靠方法之一，它不仅可以方便的计算超欠挖的方量，而且可以分析引起超欠挖的原因，同时，它可以解决工程中由于回填混凝上方量不统一的争端。图像处理技术就是对隧洞的开挖断面进行一次数码成像，对数码图像进行计算机处理，从而计算超欠挖方量的技术。

另一个例子是建筑物表面模型的重建②。主要是针对建筑物模型的规则性，用基于平面的建筑物模型重建算法，从单幅透视图像恢复建筑物的表面模型。该方法主要分为相机定标、基平面的提取、平面位置和方向的计算等几个子过程。相机定标主要用于求解相机的焦距，是一个非常重要的部分。该方法以建筑物场景中的几何结构作为约束条件，从单幅图像中求解相机的焦距；然后计算基平面位置和法向；最后通过交互式操作指明场景中各平面之间的相互关系，递归求解各平面的位置和法向，达到根据图像重建建筑物场景表面模型的目的。

龙源期刊网

计算机视觉技术的发展及应用

作者：陈 丹

来源：《电脑知识与技术》2008年第35期

摘要：计算机视觉技术集数字图像处理、数字信号处理、光学、物理学、几何学、应用数学、模式识别及人工智能等知识于一体，其应用已经涉及到计算几何、计算机图形学、图像处理、机器人学等领域。文中简要地回顾了计算机视觉技术的发展史，主要介绍了计算机视觉中图像处理技术在检测技术方面的应用。利用工业摄像镜头替代目视作为传感器，通过图像采集，图像处理，图像识别等一系列操作，达到在线对包装产品进行标签检测的目的。

关键词：计算机视觉；图像处理；视觉系统；图像识别；检测；标签

中图分类号：TP311.5 文献标识码：A文章编号：1009-3044(2008)35-2449-02

The Development and Application of Computer Vision Technology

CHEN Dan

(Wuhan Vocational College of Software and Engineering, Wuhan 430205, China)

Abstract: Computer vision technology integrates the knowledge on digital image processing,

digital signal processing, optics, physics, geometry, applied mathematics, pattern recognition, artificial

intelligence, etc. Its application has involved in such fields as computational geometry, computer

I

摘 要

现行的无人机控制主要依靠专业的设备，由经过专业训练的人来完成。这给

无人机的普及以及推广带来了不小的困难。无人机越来越多的应用场景给操控的

便捷性带来了越来越高的要求，现有的依靠设备的方法在很多应用场合有着很大

的局限性，限制着无人机应用的扩展。为此，本文研究了简化无人机人机交互的

方法，该方法在拓展无人机应用方式上有着重要的应用意义。本文完成的工作如

下：

搭建了一套无人机实验验证平台。该平台包括了一台多旋翼无人机以及以

Nvidia Tegra K1芯片为核心的机载嵌入式信号处理平台。编写了机载嵌入式信号

平台与无人机飞行控制系统的接口程序，为后续的无人机控制、导航以及其它类

别的应用研究奠定了良好的软硬件实验验证基础。

设计并实现了一种基于双目视觉和深度学习的手势控制无人机方法。首先跟

踪并提取人物所在区域，通过立体匹配获取人物和背景均包含的深度图。然后通

过归一化并且阈值化的方法，将对动作识别造成干扰的背景去除，从而得到只含

有领航员的深度图序列。其次，通过对深度图序列前后两帧差分处理并且利用

HSV色彩空间按照时间顺序进行色彩映射与叠加，将深度图序列转换为同时含

有人物动作时间与空间信息的彩色纹理图。然后用深度学习方法对所获得的彩色

纹理图进行训练和分类，从而实现手势指令的识别。由于神经网络的训练对硬件

要求极高，因此本方案采用离线训练，在线分类的方式。

最后，构建了一个包含4个指令动作和一个非指令动作的数据集，利用数据

集对神经网络进行训练并且进行了测试。经验证，本文所述方法在室内和室外均

可使用，有效控制范围达到10m，可以简化无人机控制复杂度，对促进无人机普

及，拓展无人机应用范围都具有一定的参考价值。

关键词：

无人机，人机交互，双目视觉，深度学习 III

ABSTRACT

Traditionally, interacting with UAV（Unmanned Aerial Vehicle） required

基于计算机视觉的无人机自主导航研究

随着技术的不断发展，无人机在日常生活、军事、科学和航空等领域的应用越来越广泛。同时，无人机的自主导航成为了研究的热点之一。基于计算机视觉的无人机自主导航技术具有广泛的研究意义和应用价值，对未来的无人机技术发展、自主飞行、航拍等提供了更加安全、准确和高效的解决方案。

计算机视觉技术，是一种通过计算机或其他数字化设备对现实世界图像进行识别、处理和分析的技术。基于计算机视觉的无人机自主导航系统，通过识别无人机周围的环境信息，实现自主飞行和导航。这种技术有助于提高无人机的安全性和可靠性，可以大大减少人工干预的需要，降低操作风险。

无人机的自主导航技术需要依靠计算机视觉技术的支持，实现从图像中提取实际意义并实现对其的分析。这种技术需要依赖于一系列图像处理和计算机视觉算法，如特征提取、分类、目标跟踪和障碍物避难等等。同时，在无人机的自主导航系统中，重点需要解决的问题是如何通过计算机视觉的技术实现对环境信息的感知和处理。这需要计算机视觉技术与无人机控制系统的紧密结合和协同配合。

在计算机视觉技术的应用中，无人机视觉算法的研究是一个重要的方向。无人机视觉算法通常需要解决以下几个问题：目标识别和跟踪、路径规划和避障、环境感知和地图构建等。这些问题需要通过图像特征提取、机器学习、深度学习等计算机视觉算法实现。同时，机器视觉的发展也推动无人机自主导航技术的发展，为无人机提供更加精确、准确、高速的图像处理能力。

无人机的自主导航技术对于未来的无人机技术发展和应用具有重要意义。随着无人机市场的不断扩大，无人机的重要性越发突出。自主导航技术的发展也可以使无人机在各个领域都拥有更为广泛的应用前景，如农业、建筑、测绘、安保等。此外，计算机视觉技术也可以用于其他领域，如智慧城市、智能制造和智能物流等领域，发挥着越来越重要的作用。 综上所述，基于计算机视觉的无人机自主导航技术是无人机领域的重要研究方向之一，对无人机的安全性和可靠性提高具有重要意义。计算机视觉技术的发展和无人机自主导航技术的协同发展，可以为无人机的未来发展和应用提供更加精确、准确、高速的解决方案。同时，无人机的自主导航技术也将成为未来智慧城市、智能制造和智能物流等领域重要的支撑技术，推动人类社会的进一步发展。