【调研笔记】寒假记录 无人机巡检 图像处理方法调研总结
来源:互联网 发布:java redis isinmulti 编辑:程序博客网 时间:2024/06/05 03:54
寒假任务之一:调研巡检相关的图像处理技术,如根据无人机采集的图像进行自动检测分析是否存在问题。例子:高铁桥梁检测、楼房墙皮破损等。
———————————————分割线——————————————————
就最近阅读的论文,围绕“巡检 图像处理 无人机”三个关键词进行查询,在国内论文搜索上所见相关论文都看了下。国外关键词用了patrol inspection 但是目前没有搜索到相关的技术应用论文,后续若有发现再补充。
顺便这里贴一个传送门:在家中如何免费使用知网等文献库
无人机可算作机器人的范畴,随着近几年无人机的发展,无人机与智能技术的结合在一些方面取得了成功。关于无人机应用与前景分析可参考:无人机与智能前沿技术与应用
将无人机技术和图像处理技术以及大数据、智能学习技术相融合已成为目前大多无人机研究应用的趋势,而巡检是一个合适且有这方面需求的领域。目前国内做巡检的主要是在电力方面,包括电网、输电站、输电线路等巡检,(其中做绝缘子巡检的论文偏多)也有做桥梁、路面裂缝巡检的。按照个人认为的技术发展顺序,我下面分为三类总结我关于国内“巡检”技术应用的调研情况。
1、早期:采集图像+图像处理+人工判定
在相对较早的时候,主要是采用机器人采集需要检测部分的图像,然后进行图像预处理(去噪声、灰度变换、图像增强等),然后通过边缘检测或者图像匹配算法,突出图像关键部位的变化,然后人工进行注意排查检测。
2、近期:采集图像+图像处理、提取特征+机器学习判别
在第一部分的发展上,目前的方法如下:(为了表达清晰 做了个图)
其中1的特征匹配方法可参考:
图像特征提取——在满足分类识别正确率要求的前提下,使用较少的特征就能完成分类设别任务。
利用Bag Feature模型提取特征并构建图像的虚拟字典,其原理是:
a. 利用surf算法生成每幅图像的特征点;
b. 生成每幅图像的向量;
c. 将有疑问的图像向量与图库中图像的向量求夹角,夹角最小的即为匹配成功。
3、发展中:采集图像+图像处理 、提取特征+ 深度学习&大数据智能分析
在这部分主要是第二部分的发展,结合深度学习的方法对无人机采集的大量数据进行训练,或者自动学习更深层次的特征,然后进行检测分类,在数据量充足且特征合适的情况下,提取和识别的准确率预想的比机器学习方法要高。
2的特征分类方法可参考:
图像分类——利用神经网络训练样本数据,在图像识别阶段,只要将图像的特征向量作为神经网络分类器的输入,经过网络计
算,分类器的输出就是识别结果。
神经网络分类器用n个表示的样本送入神经网络,这些分类用二值表示,其原理是:
a. 第一级计算匹配度,然后被平行的通过输出线送到第二级;
b. 第二级中各类均有一个输出,当得到正确的分类结果后,分类器的输出可反馈到第一级;
c. 当样本十分相似时,分类器会做出正确的响应。
目前国内相关的可参考这篇介绍:深度学习在智能电网图像识别与故障检测中的应用
其他参考链接:http://www.ideayapai.com/index.php/article/detail/id/47.html
- 【调研笔记】寒假记录 无人机巡检 图像处理方法调研总结
- 四旋翼无人机调研结果
- 调研
- 调研
- 调研
- 学习笔记:做需求调研的方法
- 无人机后门技术调研与确认
- 需求调研总结
- CAS调研总结
- [数据结构]之调研总结
- Solr调研总结
- Solr调研总结
- Solr调研总结
- 需求调研总结
- 2015_1_15调研总结
- UIDataPicker调研总结
- Solr调研总结(转载)
- Solr调研总结
- Java 类和对象
- android中两种未公开API
- C++初级主题--(2)构造函数和析构函数
- VTK修炼之道43:图形进阶_vtkPolyData数据生成与显示
- Windows下Scrapy爬虫框架的安装
- 【调研笔记】寒假记录 无人机巡检 图像处理方法调研总结
- 杨辉三角 (sdut oj)
- 运行Maven程序报错-Dmaven.multiModuleProjectDirectory system propery is not set.
- 对称矩阵的判定 (sdut oj)
- hihocoder 1372 平方求和
- #“Machine Learning”(Andrew Ng)#Week 3_2:Logistic Regression Model
- CSS3实现动态多级菜单效果
- JSON解析和GSON解析
- JAVA中数组的内存(栈和堆)