以立体视觉引导PTZ摄影机的影像伺服系统研究.PPTVIP

以立體視覺引導PTZ攝影機的影像伺服系統研究 報告學生：陳嘉政 指導老師：彭守道 老師 大綱 前言 研究動機 實驗架構介紹 固定式與移動式攝影機比較圖 物件比對(Pattern Matching) RBF神經網路 SOM神經網路 結論 * 前言 攝影機的使用已經非常的普及，一般攝影機的解析度較差，其使用方式多數為定點拍攝，不容易取得想要的影像。 * 前言 影像除了可以記錄與觀看，也可以將影像資訊用於自動化系統，藉此解決部分無法自動化的問題，例如：水果與稻米的篩選。 * 研究動機 結合固定式攝影機與移動式攝影機，使我們能在拍攝大範圍影像時，也能取得重要且清晰的影像。 設計一個利用影像資訊，進行自動化的目標追蹤系統。 * 實驗架構介紹 實驗設備： 固定式攝影機2台 移動式攝影機1台 桌上型電腦1組 * 固定式與移動式攝影機比較圖 種類 優缺點 固定式攝影機 PTZ(Pan/Tilt/Zoom)攝影機 優點 拍攝範圍較廣 可使用Pan/Tilt角度追蹤目標物 具有光學放大(Zoom)功能，可取得較高的物體解晰度 缺點 物體解析度較低，不易判斷 移動與放大的功能需要人工操作 監視範圍較小，由PTZ攝影機畫面觀察操作時目標物容易追丟 * 物件比對(Pattern Matching) 可以透過事先建立的模型(model)，在影像中搜尋條件相似的物件。 * 影像座標 PTZ角度 RBF類神經網路 * 誤差與修正 RBF神經網路所運算的結果，不一定能讓目標物停在影像中心，因此需要使用到SOM神經網路。 藉由SOM神經網路取得正確的角度值，並將資訊給予RBF神經網路進行更新學習。 * SOM類神經網路 * 結論 使用RBF神經網路，能有效的轉換影像資訊為角度資訊。 藉由SOM神經網路的幫助，能使系統產生自我修正的功能。 Pattern Matching搜尋方式為全域搜尋，對系統負荷較大，容易造成系統運作變慢。 * 報告結束感謝聆聽 * * 單一定點式的攝影機，容易產生視覺死角，使用範圍較廣的攝影機，其影像清晰度就容易變差 * 在稻米與部分水果的篩選作業上，無法使用機械自動化來協助我們，甚至部分的檢測方式可能會對水果造成破壞 * * * 介紹兩種攝影機的優缺點與性質 * * * * * * 單一定點式的攝影機，容易產生視覺死角，使用範圍較廣的攝影機，其影像清晰度就容易變差 * 在稻米與部分水果的篩選作業上，無法使用機械自動化來協助我們，甚至部分的檢測方式可能會對水果造成破壞 * * * 介紹兩種攝影機的優缺點與性質 * * * *