計算機視覺的基本技術(shù)精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的計算機視覺的基本技術(shù)主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：計算機視覺的基本技術(shù)范文

關(guān)鍵詞：計算機視覺；課程創(chuàng)新；教學改革

中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2016）20-0118-02

計算機視覺課程是人工智能學科的分支學科，對互聯(lián)網(wǎng)技術(shù)的發(fā)展有著重要的推進作用。隨著時代的飛速變遷，越來越多的學生對這一領(lǐng)域產(chǎn)生了濃厚的興趣，計算機視覺課程在信息專業(yè)中也開始占據(jù)重要的地位。如何讓學生對這門課程保持長久的興趣，如何培養(yǎng)學生的專業(yè)能力和實踐能力，是當前高校應(yīng)該考慮的問題。經(jīng)過近幾年的教學實踐后，很多高校已經(jīng)逐步確定了通過實際應(yīng)用培養(yǎng)學生興趣的教學方法，在滿足學生對計算機視覺應(yīng)用需求的同時，加深了學生對理論知識的理解，這已經(jīng)成為了當前高校計算機視覺課程教學的重要模式。

一、計算機視覺課程的特點

近年來，隨著計算機網(wǎng)絡(luò)的飛速發(fā)展，計算機視覺的應(yīng)用也越來越廣泛，成為了信息相關(guān)專業(yè)學生的一門必修課。計算機視覺課程涉及眾多領(lǐng)域，包括人工智能與模式識別、應(yīng)用數(shù)學等，其覆蓋范圍廣，綜合性較強。具體來說，計算機視覺課程有以下幾個特點：一是內(nèi)容廣泛，理論抽象。計算機視覺是一門新技術(shù)，隨著時代的變遷，互聯(lián)網(wǎng)新技術(shù)的更新日新月異，這就使得課程內(nèi)容的更新過快，內(nèi)容廣泛，教師很難在第一時間向?qū)W生輸送所有的課程知識。二是計算機視覺課程涉及多個學科領(lǐng)域，并且所涉及的領(lǐng)域知識內(nèi)容復雜，表達抽象，這對學生的學習來說是一個較大的障礙。三是實踐性強。計算機視覺課程的知識內(nèi)容來源于各種專業(yè)不同的領(lǐng)域，操作性極強，學生只有在具有一定的工程項目綜合能力后，才能進行計算機視覺應(yīng)用和操作。

二、計算機視覺與計算機圖形學、數(shù)字圖像處理之間的聯(lián)系和區(qū)別

1.計算機視覺與計算機圖形學的聯(lián)系與區(qū)別。計算機視覺一般輸入的都是圖像或圖像序列，其輸入資料主要來自usb攝像頭或是相機。經(jīng)過處理后，計算機視覺輸出的是對圖像序列和圖像對應(yīng)的對真實世界的一種理解，在這一方面，計算機視覺有識別車牌、人臉的作用。而計算機圖形學則是一種對虛擬場景的描述。它一般是由多個多邊性數(shù)組組成，每個多邊性有三個頂點，輸出的是二維像素數(shù)組。在增強現(xiàn)實的應(yīng)用中，人們不僅需要用計算機視覺來提高對物體識別和姿態(tài)獲取的效率，還需要用到計算機圖形學對虛擬三維物體的疊加方法。

2.計算機視覺與數(shù)字圖像處理的聯(lián)系和區(qū)別。首先，計算機視覺與數(shù)字圖像處理之間的聯(lián)系在于數(shù)字圖像處理是計算機視覺處理的基礎(chǔ)，而計算機視覺的研究成果也可以作為數(shù)字處理的素材。其次，計算機視覺與數(shù)字圖像處理之間的區(qū)別在于圖形是一種純數(shù)字化、矢量的單位，而圖像則不僅包括圖形，有時還包括來自現(xiàn)實世界的信號，并且圖形的處理不是一種簡單的堆積，計算機視覺的處理要從圖像中找到一些統(tǒng)計數(shù)據(jù)和信息，并做進一步的數(shù)據(jù)分析。

三、高校計算機視覺課程教學的創(chuàng)新策略

1.以工程應(yīng)用為導向的課程內(nèi)容。鑒于學習本課程的學生在畢業(yè)之后多數(shù)會進入相關(guān)工程企業(yè)或者研究院工作，因此，在對學生進行培養(yǎng)時，高校一方面要考慮到學生的知識接受度，另一方面要設(shè)置以工程應(yīng)用為導向的課程內(nèi)容，幫助學生更好的進入企業(yè)或研究院開展工作。高校在進行計算機視覺課程教學創(chuàng)新時，首先要創(chuàng)新課程教材，摒棄以往枯燥的理論書籍，多選取一些實踐性和應(yīng)用性強的教材?？紤]到國內(nèi)教材的滯后性和學生基礎(chǔ)的薄弱性，高校應(yīng)該選擇以下兩本書作為學生的專用教材：一本是我國著名教授賈云得編纂的《機器學習》，這部教材深刻體現(xiàn)了時展的教學要求，書中不僅詳細講述了計算機視覺中的一些基本知識，包括計算機視覺的基本概念、算法及其應(yīng)用，還有一些經(jīng)典的數(shù)字圖像處理方法和視覺應(yīng)用分析，對學生了解基礎(chǔ)知識和實踐內(nèi)容有著重要的意義；另外一本是國內(nèi)外十分推崇的計算機視覺著作，它是美國教授Richard Szeliski教授的作品。該書在2010年出版，獲得了眾多業(yè)界人士的好評。Richard Szeliski教授是華盛頓大學的兼職教授，也是微軟研究院交互視覺與多媒體的主任，他對計算機視覺的發(fā)展和未來走向十分清楚，也深刻了解產(chǎn)業(yè)界和大學需要什么樣的計算機視覺課程教材。因此，這本教材面向應(yīng)用，與當今最新的科技成果緊密相連，綜合論述了計算機視覺在各個領(lǐng)域的發(fā)展，展示了計算機視覺的最新研究成果和未來的發(fā)展趨勢。此外，本書中還有詳細的國外研究案例和更加深入的應(yīng)用案例，適合學生開展探究性學習。兩本教材都是遵循以工程應(yīng)用為導向的原則，對學生開放性思維的培養(yǎng)有著重要的意義。

2.面向科技最新成果的課程定位。計算機視覺是一門新技術(shù)，科技創(chuàng)新是其發(fā)展的原動力，因此，高校在進行課程安排時，應(yīng)該將當今計算機視覺領(lǐng)域的重要的科技成果作為計算機課程的基本教學內(nèi)容。要想以科技最新成果定位計算機視覺課程，高校要做到以下兩個方面：（1）選取涵蓋最新成果的教材?？紤]到不同學生的數(shù)字圖像處理基礎(chǔ)不一的問題，學?？梢栽谡n程中補充一些有關(guān)數(shù)字圖像處理的基礎(chǔ)內(nèi)容。在選擇教材內(nèi)容時，計算機視覺課程的內(nèi)容應(yīng)該包括數(shù)字圖像處理、視覺學習和模式識別這三大部分。數(shù)字圖像處理是視覺課程的基礎(chǔ)內(nèi)容，主要向?qū)W生介紹數(shù)字圖像處理和計算機視覺所涉及的一些基礎(chǔ)知識，包括圖像的分割和檢測、圖像濾波的處理等。數(shù)字圖像處理是整個計算機課程學習的重要基礎(chǔ)內(nèi)容，其課時可占總課時的二分之一。其次，視覺部分是近幾年來計算機視覺的最新科技成果，內(nèi)容主要包括攝像機的幾何設(shè)定和計算機攝影機的序列處理等。作為最前沿的科技領(lǐng)域，視覺部分將會是該課程后期的重點內(nèi)容，與實踐作業(yè)緊密結(jié)合。而模式識別則更多的是新技術(shù)的一種工程應(yīng)用，學生會更多的涉及到實踐操作，更好的培養(yǎng)學生的實踐能力。（2）強化學生自學和調(diào)研能力。課程調(diào)研和實踐是信息專業(yè)學生強化能力的重要方法之一，高?？梢栽谡n程項目中引入新技術(shù)的探究，在使課程在具有基礎(chǔ)性、研究性的同時，具有一定的前沿性，還能讓學生在第一時間了解到最新的科技成果和互聯(lián)網(wǎng)應(yīng)用技術(shù)。在課程調(diào)研和實踐中，高校必須要強化學生的自學和調(diào)研能力，在調(diào)研時給每一個小組安排一位高年級研究生作為指導，每組學生獨立完成任務(wù)，高年級研究生只做引導和輔助的作用。學生在自我設(shè)置調(diào)研程序，查找資料，理解和熟悉相關(guān)程序的時候，能夠更加掌握最新科技成果的內(nèi)容，同時還提高了學生的自學能力和團隊協(xié)作能力。

3.工程實踐化的教學形式。工程項目綜合能力是信息專業(yè)的學生必須具備的素質(zhì)之一，因此在計算機視覺課程的教學過程中，培養(yǎng)學生的工程實踐能力是教學目標之一。高?？梢圆扇∫韵聝煞N方法：（1）選取適當?shù)墓こ虒嵗τ谛畔I(yè)的學生而言，計算機視覺課程各個獨立的算法和方法較多，彼此沒有過多的聯(lián)系。這對學生來說過于抽象，不易理解，因此教師不應(yīng)當僅僅限于知識的傳授，還應(yīng)該選取一些適當?shù)墓こ虒嵗瑢⒅R體系串聯(lián)在一起，加深學會對教學內(nèi)容的理解，從而達到良好的教學效果。例如，在教學過程中，教師可以著重介紹手機制造的例子。手機是現(xiàn)在學生十分熟悉的產(chǎn)品，用手機舉例更加貼近學生的生活，教師可以詳細介紹手機鍵盤和主板的制造過程，并在這一過程中將所學的算法和理論融合進去，加深學生對知識的理解。其次，教師在手機講解時，還可以引導學生思考類似的產(chǎn)品制造，從而引出數(shù)碼相機的制造原理，和學生一起探討其制造算法。這種做法不僅可以幫助學生學習，還可以讓學生拓寬思路，發(fā)散思維，不斷創(chuàng)新計算機視覺領(lǐng)域。（2）選擇合適的實際應(yīng)用。計算機視覺課程是一門實踐性和操作性極強的學科，因此，為了學生更好的學習，教師要將理論工程實踐化，選擇合適的實際應(yīng)用來提高學生的實踐能力。教師可以安排學生進入手機制造廠房，給學生上一堂別開生面的實踐課，詳細介紹每個制造流程，并向?qū)W生不斷拋出與課程有關(guān)的問題，引發(fā)學生的思考，比如選擇什么樣的模板匹配法可以更為簡單。學生在不斷的解答和提問中，對學科知識的了解也會逐步加深。其次，高?？梢越ｉT的實訓基地，學生可以在基地里實踐操作，將理論轉(zhuǎn)化為實物，親自嘗試做出模型，這種做法可以極大地提高學生的實踐能力，使學生更快的將理論轉(zhuǎn)化為實際。

四、結(jié)語

在新形勢下，高校應(yīng)不斷創(chuàng)新計算機視覺課程的教學模式，并以此展開教學活動，培養(yǎng)學生的實踐能力和創(chuàng)新精神。將工程應(yīng)用和科技最新成果結(jié)合的教學模式，有利于解決理論和實踐相脫節(jié)的問題，在增強學生學習興趣、提高學生獨立分析能力的同時，還使學生接觸了國際最新的研究成果，拓寬了學生的思路，這對學生未來的發(fā)展有著重要的意義。

參考文獻：

[1]郭小勤，曹廣忠.計算機視覺課程的CDIO教學改革實踐[J].理工高教研究，2010，（05）.

[2]倫向敏，侯一民.高?！队嬎銠C視覺》課程輔助教學系統(tǒng)的研究[J].教育教學論壇，2012，（18）.

[3]陳芳林，劉亞東，沈輝.在《計算機視覺》課程中引入研討式教學模式[J].當?shù)亟逃碚摵蛯嵺`，2013，（07）.

[4]楊晨.視覺傳達設(shè)計專業(yè)插畫設(shè)計課程創(chuàng)新與實踐人才培養(yǎng)機制探究[J].藝術(shù)科技，2015，（05）.

[5]蔣辰.基于數(shù)字媒體環(huán)境的視覺傳達設(shè)計專業(yè)綜合實驗課程改革探證[J].文藝生活：中旬刊，2015，（07）.

[6]張勝利.視覺傳達設(shè)計專業(yè)中色彩風景寫生課程多元立體化教學模式的構(gòu)建[J].美術(shù)教育研究，2015，（08）.

第2篇：計算機視覺的基本技術(shù)范文

關(guān)鍵詞：計算機視覺技術(shù) 鐵路檢測 應(yīng)用

中圖分類號：TP391 文獻標識碼：A 文章編號：1007-3973（2012）002-075-03

1 前言

自1825年世界第一條鐵路在英國出現(xiàn)以來，鐵路已經(jīng)成為人們不可或缺的交通工具，越來越多的人在使用鐵路出行，由于近年來鐵路事故頻頻發(fā)生，促使了計算機視覺技術(shù)在鐵路檢測上的廣泛使用并大力發(fā)展。

傳統(tǒng)的鐵路檢測一直是靠人工和靜態(tài)檢測，這種檢測缺乏實時性和準確性，并且效率低下，根本無法滿足鐵路的發(fā)展。這就要求研究一種新的檢測方法來適應(yīng)環(huán)境的發(fā)展，人們就試圖將計算機視覺技術(shù)應(yīng)用于鐵路檢測上，并取得了很好的效果。將計算機視覺技術(shù)應(yīng)用在鐵路檢測上顯著提高了鐵路檢測的實時性、準確性，有效的減輕了人工檢測中工作條件惡劣，工作量大等缺點。它能在列車行駛的過程中就能對鐵路和列車狀況進行檢測，并及時的做出預(yù)警，防止安全事故的發(fā)生。目前有關(guān)鐵路檢測主要集中在鐵路信號檢測、軌道檢測、接觸網(wǎng)檢測、電力機車檢測及站臺環(huán)境監(jiān)測等五個方面。

2 計算機視覺技術(shù)

計算機視覺，也稱機器視覺。它是利用一個代替人眼的圖像傳感器獲取物體的圖像，將圖像轉(zhuǎn)換成數(shù)字圖像，并利用計算機模擬人的判別準則去理解和識別圖像，達到分析圖像和作出結(jié)論的目的。

計算機視覺是多學科的交叉和結(jié)合，涉及到數(shù)學、光學、人工智能、神經(jīng)生物學、心理物理學、計算機科學、圖像處理、圖像理解、模式識別等多個領(lǐng)域。計算機視覺已有多年的發(fā)展歷程。隨著計算機、控制理論、模式識別、人工智能和生物技術(shù)的發(fā)展，計算機視覺在機器人、工業(yè)檢測、物體識別的應(yīng)用越來越廣，研究方向也從二維到三維，從串行到并行，從直接依賴于輸入信號的低層處理到依賴于特征、結(jié)構(gòu)、關(guān)系和知識的高層處理。

一般的計算機視覺系統(tǒng)是有CCD(電荷耦合器件)攝像機、裝備有圖像采集板的計算機、光照系統(tǒng)以及專用圖像處理軟件等組成。CCD攝像機將所要研究的對象和背景以圖像的形式記錄下來，這其實是一個光電傳感器，將光學信號轉(zhuǎn)成電信號，圖像采集板把采集的電信號轉(zhuǎn)為數(shù)字信號，即數(shù)字化，一般情況下在攝取圖像時都需要一個照明系統(tǒng)提供光照，然后再用專用的圖像處理軟件對圖像進行處理，輸出分析結(jié)果。

3 計算機視覺技術(shù)在鐵路信號中的應(yīng)用

鐵路信號燈和現(xiàn)在的交通公路上的紅綠燈是一個功能，但鐵路和公路不同，鐵路有限定的道路，列車必須在限定的股道上行駛，所以一旦與其他車輛相遇的話根本沒有辦法避讓，如果發(fā)生車禍將會對國家和人民的生命和財產(chǎn)造成嚴重的損失，因此列車必須嚴格按照信號燈的指示行駛。

鐵路信號燈識別主要是利用了信號燈在不同情況下會發(fā)出特定色彩光的特點。文獻[1]在HSV空間中對S分量圖像邊緣檢測和膨脹等，結(jié)合各種信號燈色調(diào)H分量的取值范圍得到信號燈區(qū)域，然后多次腐蝕直到消除孤立點得到信號燈的邊緣，最后填充信號燈區(qū)域，從而實現(xiàn)了信號燈的識別。在文獻[2]也與此類似。文獻[3]將彩色圖像由RGB模式轉(zhuǎn)化為HSI模式，用彩色特征聚類分析法來對圖像進行分割，文中提出了基于顏色和形狀相結(jié)合的復雜環(huán)境中目標檢測與識別方法，用Hough變化來提取目標邊界，從而提取出特定目標，而后得到指示燈區(qū)域所有像素的H，S統(tǒng)計值確定信號燈的顏色。在文獻[4]提出一種基于改進的Hough變化的吊車信號燈識別算法。Roberto將攝取的圖片轉(zhuǎn)換到HIS顏色空間，用基于形狀特征和模板匹配的方法探測到相關(guān)的鐵路標志而放棄無關(guān)的基礎(chǔ)設(shè)施。

為了部分消除因為光照條件、背景和拍攝角度對目標識別的影響，文獻[5]提出使用一種利用sift特征的方法，它首先建立已知樣本模型的特征集，然后將視頻流每幀灰度圖像的sift特征與之比較，從而實現(xiàn)對目標的檢測或跟蹤。實驗表明該方法不僅能避免目標的錯誤識別，而且也明顯優(yōu)于基于邊緣檢測的算法，在識別準確率上達到了90%。

4 計算機視覺技術(shù)在軌道檢測中的應(yīng)用

隨著世界鐵路運營速度的不斷提高，列車在行駛時對軌道的撞擊、摩擦加劇，這就會造成軌道的變形、零件松動、磨損乃至缺失等，這些都會對列車的安全性造成嚴重影響，極有可能會造成鐵路安全事故的發(fā)生。因此軌道設(shè)備具備良好的狀態(tài)是鐵路運輸安全的重要保證。

隨著電子技術(shù)和檢測技術(shù)的發(fā)展，軌道檢測技術(shù)也經(jīng)歷了翻天覆地的變化，其中也有不少研究機構(gòu)將計算機視覺技術(shù)應(yīng)用于軌道檢測上，且取得了若干有效的檢測方法。

軌道表面缺陷對列車行駛的質(zhì)量和鐵路系統(tǒng)的安全性會造成嚴重的影響，文獻[7]提出了一種軌道表面缺陷檢測的實時視覺檢測系統(tǒng)。利用跟蹤提取算法分割出軌道的灰度圖像，然后用局部歸一化法增強軌道圖像的對比度，最后用基于投影輪廓的缺陷定位法檢測缺陷。該算法對噪聲有較強的魯棒性和計算速度快，在一定程度上克服了光照不均和軌道表面反射性質(zhì)不同對圖像的影響，但對局部歸一化過程中參數(shù)的選擇有待進一步研究，以使該系統(tǒng)有更強的魯棒性。該系統(tǒng)在216km/h速度下能進行實時檢測，但隨著檢測速度的提高檢測的準確度會明顯下降且缺乏實時性。

文獻[8]利用一排結(jié)構(gòu)光視覺傳感器，將鋼軌輪廓的大圓周和小圓周的中心作為檢查點。首先結(jié)構(gòu)光視覺傳感器拍攝鐵軌側(cè)面并且將其標記 在參考坐標幀中，最后通過比較測量的鋼軌輪廓與參考輪廓的比較計算出鐵軌磨損程度。該方法簡單快速精確且不需要特殊的圖像處理設(shè)備，在列車較高速度時仍然能達到良好效果。

5 計算機視覺技術(shù)在接觸網(wǎng)檢測中的應(yīng)用

接觸網(wǎng)是沿鐵路線上空架設(shè)的向電力機車供電的特殊形式的輸電線路。其由接觸懸掛、支持裝置、定位裝置、支柱與基礎(chǔ)幾部分組成。它是軌道交通的主要組成部分，主要為機車提供動力，接觸網(wǎng)的連接件由于受外界因素的影響容易產(chǎn)生過熱現(xiàn)象，嚴重時會導致供電中斷，引發(fā)列車停運事故。

我國的計算機視覺技術(shù)的接觸網(wǎng)檢測系統(tǒng)是基于德國相關(guān)技術(shù)而建立起來的，目前基于計算機視覺技術(shù)的接觸網(wǎng)磨耗檢測主要有兩種方案：(1)基于鏡面反射，激光照射接觸線，線性CCD照相機捕獲反射圖像；(2)基于漫反射原理和CMOS(互補金屬氧化物半導體)照相機。由于長期的頻繁摩擦，接觸網(wǎng)與受電弓接觸部分很少被空氣氧化，所以用光進行照射時該部分光反射率明顯高于其他部分，因此這也為計算機視覺技術(shù)用于接觸網(wǎng)檢測提供了可能。

基于機器視覺的接觸網(wǎng)檢測系統(tǒng)主要是建立在圖像識別和圖像處理等視覺技術(shù)基礎(chǔ)之上的，檢測的內(nèi)容涵蓋接觸網(wǎng)的所有基本幾何參數(shù)。隨著鐵路的發(fā)展，原有的檢測系統(tǒng)已經(jīng)暴露出了一些問題，已無法滿足需求，所以研究人員在系統(tǒng)硬件設(shè)備不變的情況下提出了許多改進的算法，如文獻[9]針對現(xiàn)行的接觸網(wǎng)定位器傾斜度檢測方法效率低下、精確度不高的缺點，提出了一種基于計算機視覺的接觸網(wǎng)定位器傾斜度自動測量裝置，應(yīng)用圖像分割、剔除干擾線、圖像細化等算法，對采集的圖像進行處理，然后利用改進的霍夫(Hough)變換檢測細化后的圖像，對相鄰的特征像素點進行聚類并感知編組，最后用隨機Hough變換使感知編組后的每條線段更接近直線，進而計算裝置中定位器的傾斜度，實驗證明該算法精度高、速度快。

6 計算機視覺技術(shù)在電力機車檢測中的應(yīng)用

在列車的行進過程中，機車車輪與鋼軌接觸面不斷發(fā)生摩擦，也就是輪緣與踏面的摩擦。從而會造成踏面的擦傷或剝離，而剝離會嚴重影響列車運行的安全性和平穩(wěn)性以及軌道設(shè)施的使用壽命，因此需要對輪緣進行定期的檢測和維修。

傳統(tǒng)的檢測方法需要人工逐項檢測，存在費時費力、工作量大、工作環(huán)境差、效率低等缺點，所以人們就提出了一種基于計算機視覺技術(shù)的檢測技術(shù)，該技術(shù)是一種非接觸式檢測方法，它能檢測出所有關(guān)于火車輪緣輪廓的幾何參數(shù)，從而計算出火車輪緣的磨損情況。這種檢測方法檢測速度快、準確率高且大大減輕了勞動強度，在實驗中取得了滿意的效果，并且在實際檢測中也得到了廣泛的應(yīng)用。

文獻[10]中研發(fā)設(shè)計了一種利用CCD成像測量技術(shù)、圖像處理理論和計算機控制等相關(guān)技術(shù)，提出了一種非接觸式的在線測量系統(tǒng)。采用二元多項式方法對由于硬件裝置引起的誤差的圖像進行幾何校正，用統(tǒng)計均值法對圖像進行分割，從而求出車輪踏面的各項參數(shù)，通過在實驗室對標準物進行測試實驗而得到的測量數(shù)據(jù)結(jié)果進行分析而得出。此系統(tǒng)能夠完成對火車輪對幾何參數(shù)的測量，并且可得到相對準確的測量結(jié)果。

為了解決檢測輪緣高度和寬度存在精度難以保證及穩(wěn)定性不高的問題，文獻[11]提出了一種基于三角法測量的在線監(jiān)測系統(tǒng)，該系統(tǒng)由CCD高速攝像機和結(jié)構(gòu)光發(fā)射器完成數(shù)據(jù)的采集，然后利用三角測量原理導出測量模型和計算模型，根據(jù)輪緣高度和寬度的定義完成對高度和寬度的測量，最終對輪緣磨損程度進行量化，實驗表明該算法測量精度高，結(jié)果穩(wěn)定可靠。

7 計算機視覺技術(shù)在站臺環(huán)境監(jiān)測中的應(yīng)用

近年來鐵路交通事業(yè)發(fā)展迅速，鐵路客流量也不斷增大，如中國每年的春運期間都有上億人次通過火車返鄉(xiāng)，各種危害乘客安全的事故也時有發(fā)生，因此世界各國特別是中國站臺監(jiān)控就顯得越來越重要，目前的站臺監(jiān)控主要是依靠安裝在各個角落的閉路電視或?qū)I(yè)技術(shù)人員，這不僅需要專業(yè)技術(shù)知識還需要大量的人力物力。隨著計算機、圖像處理等技術(shù)的快速發(fā)展，對站臺的自動監(jiān)控也逐漸成為發(fā)展趨勢。

近年來人們做了許多關(guān)于站臺人群檢測的研究，這些研究大都使用鐵路站臺中的閉路電視（CCTV）系統(tǒng)，在現(xiàn)代的CCTV系統(tǒng)中基本上使用的是數(shù)字化圖像，在人群監(jiān)測過程中大量使用了數(shù)字圖像處理技術(shù)，如邊緣檢測、細化、像素計算等，通過圖像的處理可以輕易的得到想要的結(jié)果。

文獻[12]仍采用原有的CCTV監(jiān)控系統(tǒng)拍攝的灰度圖像作為處理對象，利用基于視覺的經(jīng)過最小二乘法和全局搜索的混合算法訓練的工業(yè)的額神經(jīng)網(wǎng)絡(luò)來估算站臺的擁擠程度，該系統(tǒng)在實際的運行中獲得了較高的精確度，雖然不能計算人數(shù)但卻能實時的預(yù)測人群的密度。

文獻[13]所設(shè)計的系統(tǒng)就較為復雜，它利用多臺攝像頭對站臺進行檢測。首先判斷站臺上列車的四種狀態(tài)，如：沒有列車、有列車、列車正在出站、列車正在入站等，然后對物體或行人檢測及跟蹤，最后對所檢測的結(jié)果綜合分析，做出合理的預(yù)警或警告。

8 計算機視覺技術(shù)在鐵路檢測上的發(fā)展趨勢

隨著計算機視覺技術(shù)的鐵路檢測中的應(yīng)用越來越廣泛和深入，并且隨著計算機視覺技術(shù)等關(guān)鍵技術(shù)的不斷發(fā)展，計算機視覺技術(shù)在鐵路檢測上應(yīng)用發(fā)揮更大的作用，它就目前而言在鐵路檢測的應(yīng)用上仍然存在技術(shù)難題需要研究：

第3篇：計算機視覺的基本技術(shù)范文

關(guān)鍵詞：序貫相似性檢測算法 圖像匹配 計算機視覺

中圖分類號：TN911 文獻標識碼：A 文章編號：1672-3791（2013）06（c）-0205-01

圖像匹配最早是70年代美國從事飛行器輔助導航系統(tǒng)，武器投射系統(tǒng)的制導等應(yīng)用研究中提出的。國內(nèi)外學者對匹配輔助導航技術(shù)進行深入研究，使其在民用領(lǐng)域的應(yīng)用越來越廣泛[1，2]。計算機視覺計算主要分為低層處理、中層處理和高層處理，而在低層進行數(shù)字化差異檢測、中層進行參數(shù)化相似分析，高層處理完成圖像的識別、解釋和描述等任務(wù)，都需要圖像匹配技術(shù)[3]。序貫相似性檢測算法（SSDA）能夠快速地丟棄非匹配點，減少非匹配點的計算量，從而提高匹配的速度，算法簡單，易于實現(xiàn)。

1 序貫相似性檢測算法

序貫相似性檢測算法的基本思想是基于對誤差的積累進行分析。在進行圖像匹配時，通常非匹配點處的誤差ε會隨著運算點數(shù)的增加而迅速增長，很快超過某一門限，而對于匹配點處，誤差的增長要緩慢得多。這樣對于大多數(shù)非匹配點，只需要分析前幾項，而只有匹配點附近的點才需要計算整個循環(huán)，這樣就大大地減少了匹配的運算量。

設(shè)源圖像S的大小為J×K，模板圖T的大小為M×N（其中M≤J，N≤K），模板覆蓋的區(qū)域子圖為，（p，q）為模板左上角像素點在圖像S中的坐標，S中的待匹配區(qū)域是以點（p，q），（p，q+M-1），（p+N-1，q），（p+N-1，q+M-1）組成的區(qū)域。相對于參考點位置為（m，n）點的匹配誤差定義為：

其中k=1，2，…r。將累計誤差值與預(yù)定閾值進行比較，當累加值超過設(shè)定閾值Tk時，就停止累加計算，并記下累加次數(shù)k。計算下一個待匹配點處的誤差，若累計誤差小于預(yù)定閾值，則繼續(xù)計算此處的誤差，直到>Tk或k=r，記下k值。對不同的待匹配點進行上述匹配計算，最后取最大k值對應(yīng)的待匹配點位置，即為要找的匹配點。

2 實驗結(jié)果與分析

圖1顯示了基準圖與實時圖像，圖1（a）為基準圖像，大小為256×256，圖1（b）為實時圖，大小為65×65。圖1（c）找到了實時圖像在基準圖中的位置。

由圖1可以看出，SSDA算法能夠良好地進行匹配。而通過對匹配時間的計算可以看出，SSDA算法的運行時間相對較短，效率較高。

參考文獻

[1] GONG H C.Development of terrain contour matching algorithm for the aided inertial navigation using radial basis functions [J].Journal of Astron Space Science，1998，15（1）：229-234.

第4篇：計算機視覺的基本技術(shù)范文

【關(guān)鍵詞】株高 HALCON 雙目視覺 誤差修正

1 引言

計算機視覺技術(shù)是近幾年來發(fā)展較快的信息處理技術(shù)，隨著圖像處理技術(shù)的專業(yè)化、計算機硬件成本的降低和速度的提高，計算機視覺的應(yīng)用已變得越來越廣泛，其中不乏在農(nóng)業(yè)中的應(yīng)用。

株高是植物生長指標的重要參數(shù)，是一個物種爭奪陽光的能力的主要決定因素[1]。對于作物來講，株高參數(shù)是作物產(chǎn)量預(yù)估不可或缺的參數(shù)。

然而對于具體的利用機器視覺方法直接測量株高的研究還是比較少的，本文就是利用HALCON軟件，采用雙目計算機視覺方法來實現(xiàn)株高的測量。

2 雙目視覺原理

雙目視覺的基本原理是從兩個視點觀察同一景物，獲取不同視角下的兩幅圖像，然后根據(jù)三角測量原理計算不同圖像對應(yīng)像素間的視差（disparity ），獲取景物的三維信息，從而實現(xiàn)場景三維重構(gòu)。

根據(jù)兩個攝像機位姿的不同，雙目視覺有多種模式，常用的有雙目橫向模式，雙目橫向會聚模式以及雙目縱向模式（也稱雙目軸向模式）。

為了增加測量精度，基線一般不能太小，但基線長度也不可太長，否則，由于物體各部分相互遮擋，兩個攝像機可能不能同時觀察到目標點。

圖1是會聚雙目成像中的視差原理圖。圖中給出兩鏡頭連線所在平面（XZ平面），兩鏡頭中心間的距離（即基線）是B，兩光軸在XZ平面相交于（0，0，Z）點，交角為（未知）?，F(xiàn)在來看如果已知像平面坐標點（x1， y1）和（x2， y2 ），如何求取世界點W的坐標（X，Y，Z）。

根據(jù)相似三角形的關(guān)系可以很明顯得出： （2.1）

（2.2）

（2.3）

其中r為從（任一）鏡頭中心到兩系統(tǒng)會聚點的距離（未知）。將式（2.2）和（2.3）聯(lián)立， 可得：

（2.4）

上式把物體和像平面的距離Z與視差d直接聯(lián)系起來，若想求解式（2.4），除視差d外，還需要知道x1和x2本身。另外，由圖1可以得到：

（2.5）

代入式（2.2）或（2.3）可得：

代入式（2.2）或（2.3）可得：

（2.6）

現(xiàn)實測量中，兩相機的光軸與世界坐標Z軸的夾角不可能相等，不過即便如此，也只會引入幾個待確定的三角函數(shù)，而這些三角函數(shù)在相機標定時即可確定。

3 測量過程

實現(xiàn)該測量過程包括如下幾個功能模塊：圖像獲取、攝像機標定、特征提取、立體匹配與三維信息恢復、后處理。本實驗采用是分比率為960×720的雙攝像頭。被測區(qū)域大小約為56cm×42cm，所以采用的標定板應(yīng)為被測區(qū)域1/3大小的HALCON專用的200mm標定板。標定數(shù)為24×2張圖片。利用HALCON自帶的標定助手，可以輕松實現(xiàn)單目標定。

雙目標定時，需要有15張以上左右相機相同時刻拍攝的標定板的圖片。再利用for循環(huán)，find_caltab函數(shù)，find_marks_and_pose函數(shù)以及binocular_calibration函數(shù)，可以實現(xiàn)雙目標定。將標定過程中，獲得的攝像機的內(nèi)參以及兩個攝像機相對位置關(guān)系作參數(shù)傳遞給函數(shù)gen_binocular_rectification_map，可以很好地實現(xiàn)雙目視覺校正的目的，得到兩幅校正后的圖像，還能得到校正后虛擬立體視覺系統(tǒng)中兩個攝像機的內(nèi)參和外參。

不同種類的植物其株高定義不同，測量方式也不盡相同。本文研究的株高只針對直立型的，是指從植株根部露出土壤部分到植株最高處的株高。

先利用gen_binocular_rectification_map函數(shù)為map_image函數(shù)提供控制參數(shù)，再通過map_image函數(shù)對采集到的圖像做校正處理，利用threshold函數(shù)，fill_up_shape函數(shù)以及select等函數(shù)找出校正后圖像中植株的最低和最高點，利用intersect_lines_of_sight函數(shù)，可獲得植株最低點和最高點的真實三維坐標，最后通過幾何運算得到雙目測量結(jié)果。

我們在圖像采集時就應(yīng)該考慮到，攝像頭應(yīng)該稍微帶一點俯拍的角度，保證左右兩幅圖像上最高處均為現(xiàn)實坐標中的最高處。切忌俯拍角度不可太大，否則由于拍攝角度而引起的像差會很大，對結(jié)果將會有很大的影響。

經(jīng)過以上幾步驟得到的三維坐標，常因各種原因而存在一定的誤差，需要進行誤差校正。我們對已知高度的對象進行了測量，得出結(jié)果如表1：

通過上述數(shù)據(jù)得出的修正關(guān)系如下：

y=-0.0002x2+1.0699x （3.1）

其相關(guān)系數(shù)R2=0.9993

4 實驗結(jié)果

我們對三種植物進行了測量得出的結(jié)果如下：

從測量結(jié)果中可以看出，修正后相對誤差控制在2%之內(nèi)，可以接受。誤差引入的原因可能如下：

1、標定板的選擇決定了標定精度。一定要選用高精度的標定板，且標定板的大小應(yīng)約為測量范圍1/3大小。

2、相機是圖像獲取的根本，高質(zhì)量的圖像離不開高分辨率相機，但是高分比率，高解析度的相機又會帶來成本上的提升。本文中，對于390.0mm左右的對象，1個像素的誤差可以帶入約0.4mm的實際誤差。

3、本文所采用的算法只能針對比較理想，比較直的植株，算法的不斷優(yōu)化，才能不斷減少誤差，提高精度。

5 結(jié)語

本文介紹了一種基于HALCON的，利用雙目視覺測量株高的方法。對于直立型植物，通過對立體匹配與三維信息恢復結(jié)果的誤差修正，其株高測量相對誤差不超過2%，方法具有一定的可借鑒性。

參考文獻

[1]章毓晉.計算機視覺教程 [M].北京： 人民郵電出版社，2011.

作者簡介

郝慧鵬（1988-），男，內(nèi)蒙古烏蘭察布人，碩士研究生，主要研究方向為計算機視覺技術(shù)在農(nóng)作物檢測上的應(yīng)用。

指導老師

田躍（1956-），男，北京人，北京科技大學數(shù)理學院物理系教授，北京市弱磁檢測及應(yīng)用工程技術(shù)研究中心副主任。

作者單位

第5篇：計算機視覺的基本技術(shù)范文

【關(guān)鍵詞】 運動目標檢測 視頻圖像 OpenCV

一、緒論

隨著計算機技術(shù)日新月異的發(fā)展，計算機視覺，模式識別，人工智能，多媒體技術(shù)，越來越受到人們的重視的快速發(fā)展。廣泛地被定位對象使用運動跟蹤和檢測，監(jiān)測和智能人機交互和分析他們的行為，一旦發(fā)現(xiàn)有異常行為的對象，監(jiān)控系統(tǒng)發(fā)出警報，提醒人們注意和及時的治療，改善人類的人工監(jiān)督注意力浪費資源等問題。計算機視覺是通過計算機代替人的眼睛和大腦感知外部環(huán)境，分析和理解。

1.1 OpenCV技術(shù)介紹

視覺處理算法的OpenCV提供了非常豐富的，它部分是用C寫的，有它的開源特性，妥善處理，無需添加新的外部支持進行編譯和鏈接，生成程序的完整實現(xiàn)，所以很多人們用它做算術(shù)移植，OpenCV的可正常運行的系統(tǒng)DSP和MCU系統(tǒng)正常重寫代碼。

二、運動目標檢測

運動目標的檢測在整個視頻監(jiān)控系統(tǒng)的底層，各種高級應(yīng)用，如目標跟蹤，目標分類，目標行為的隨訪，了解互惠的基礎(chǔ)。運動對象檢測裝置，從在實時目標視頻流中提取，目標通常設(shè)置面積和顏色特性。結(jié)果運動目標檢測是描述一些靜態(tài)功能的“靜態(tài)”的目標前景。根據(jù)上下文，其中環(huán)境可分為兩大類靜態(tài)背景下運動目標檢測和動態(tài)背景運動目標檢測，本章與實際紙工作主攝像機靜態(tài)背景運動目標運動結(jié)合，不會發(fā)生前景對象的運動目標檢測檢測算法。

2.1運動目標檢測的基本方法

目標檢測和提取已在目標跟蹤應(yīng)用程序中的重要地位。目標檢測和提取的精度直接影響結(jié)果和準確性的跟蹤。一個良好的各種環(huán)境動目標檢測算法的應(yīng)能適用于監(jiān)測，在正常情況下，移動體檢測算法可以根據(jù)場景被監(jiān)視在室內(nèi)或室外監(jiān)測算法被分成室內(nèi)和室外監(jiān)視算法，則可以按照使用特定算法的方法分為連續(xù)幀差分方法，背景減除法和光流法。

2.1.1幀間差分法

對于許多應(yīng)用，圖像的連續(xù)幀之間的差檢測出圖像的順序是非常重要的一步。場景中的任何可觀察到的運動將反映在場景圖像序列的變化，如果能檢測到這種變化，我們可以分析的運動特性。

2.1.2背景差法

基于該原理的背景差分方法非常簡單，基本操作過程示于（4.2）如下：首先使用式（4.3）來計算背景圖像之間的差fbk當前幀fk，然后根據(jù)下式（4.4）是差分圖像的Dk值化和形態(tài)學濾波處理，并獲得當該區(qū)域的通信區(qū)域比給定的閾值RK進行連通區(qū)域分析的結(jié)果，它成為檢測對象，并且該區(qū)域是區(qū)域目標在區(qū)間的，你能確定的最小邊界矩形的目標。

其中T 是二值化設(shè)定閥值。

2.1.3光流法

光流是指在圖像模式（或表觀的）運動的表觀亮度。用“表觀運動”，主要是由于光流的運動圖像不能有部分信息只以確定，例如，區(qū)域性或亮度輪廓點更均勻的亮度不能唯一確定的運動對應(yīng)的點，但觀察到的運動。這解釋了光流和該流不一定是由物體的運動所產(chǎn)生的光，而運動的主體不一定會產(chǎn)生光流體育場不一定是唯一的。

三、目標跟蹤算法的研究

目標對象的運動信息的條件的先驗知識下跟蹤，通過從信息源的實時數(shù)據(jù)來估計所述目標狀態(tài)，以實現(xiàn)所述目標位置和運動趨勢判定。運動目標跟蹤問題是一個復雜的估計。研究精度高，性能穩(wěn)定，目標跟蹤方法的適用性仍面臨巨大挑戰(zhàn)，具有重要的理論意義和實用價值。

3.1圖像匹配法

通過圖像匹配方法可以識別要跟蹤的運動對象，并確定它們的相對位置。早期跟蹤涉及的目標位置的變化的兩個圖像之間的測量計算出的相關(guān)函數(shù)，跟蹤點是，這兩個圖象相匹配的最佳位置，這是相關(guān)函數(shù)的峰值。

3.2基于團塊的目標跟蹤

基于團塊（BLOB）的基本原理是用于圖像分割候選像素跟蹤算法，它決定像素是否屬于背景或?qū)儆诙ㄎ换驅(qū)儆谄渌麉^(qū)域?；诟櫵惴ǖ馁|(zhì)量也可稱為基于圖像分割的跟蹤，分割結(jié)果剛夠目標和背景之間的區(qū)分，而傳統(tǒng)的圖像分割算法需要目標輪廓的精確顯示。分裂臺球在目標，紋理特征和圖像的深度信息的一般特性。

四、結(jié)語

隨著在軍事領(lǐng)域的計算機視覺，智能交通監(jiān)控，視頻運動目標檢測與跟蹤的發(fā)展必將得到更廣泛的應(yīng)用和發(fā)展。在本文中，歷時四個月中，主要研究的OpenCV實現(xiàn)運動目標檢測與跟蹤的應(yīng)用，實驗結(jié)果表明，該系統(tǒng)具有良好的魯棒性和準確性，實現(xiàn)畢業(yè)設(shè)計的預(yù)期目標，在工作和問題結(jié)合起來實際應(yīng)用中。

參 考 文 獻

[1]劉瑞禎， 于仕琪. OpenCV教程基礎(chǔ)篇[M]. 北京： 北京航空航天大學出版社，2007.

[2]彭達. Visual C++多媒體編程技術(shù)[M]. 北京： 人民郵電出版社， 1999.

[3]丁金鑄. 基于圖像處理的運動目標檢測跟蹤系統(tǒng)的設(shè)計與實現(xiàn)[D]. 華中師范大學， 2007.

[4]王建中， 姜昱明. 基于塊匹配的運動對象檢測算法[J]. 微電子與計算機， 2005， 22（1）： 10-12.

[5]林少丹. VC++程序設(shè)計基礎(chǔ)[M]. 北京： 人民交通出版社， 2009.

[6]唐雙發(fā). 基于OpenCV的車輛視頻檢測技術(shù)研究[D]. 華中科技大學， 2009.

[7]李慶忠，陳顯華，王立紅. 視頻監(jiān)視中運動目標檢測與識別方法[J]. 計算機工程， 2004， 30（16）：30-33.

[8]胡曉峰， 吳玲達， 老松楊， 司光亞. 多媒體技術(shù)教程[M]. 北京： 人民郵電出版社， 2002.

[9]韓鴻哲， 王志良， 劉冀偉， 李郴， 韓忠濤. 陰影消除的自適應(yīng)背景建模[C]. 第二屆全國智能視覺監(jiān)控學術(shù)會議論文集， 2003， 35-39.[10]張玲， 葉海炳， 何偉. 一種基于邊緣信息的改進車輛檢測方法[J]. 重慶大學學報（自然科學版）， 2004， 27（11）： 56-58.

[11] J.B.Kim， H.J.Kim. Efficient Region―based Motion Segmentation for Video Monitoring System [J]. Pattern Recognition Letters， 2003， 3（24）：113-128.

[12]王春平， 朱元昌，黃允華. 基于圖像信息的跟蹤算法分析[J]. 火力與指揮控制， 2000， 25（1）： 64-67.

[13]楊枝靈， 王開. Visual C++數(shù)字圖像獲取處理及實踐應(yīng)用[M].北京： 人民郵電出版社， 2003.

第6篇：計算機視覺的基本技術(shù)范文

關(guān)鍵詞：農(nóng)業(yè)機械；技術(shù)手段；應(yīng)用；發(fā)展前景

我國在國際上的地位正在逐漸提高，這與我國的經(jīng)濟發(fā)展是分不開的，經(jīng)濟的發(fā)展需要基礎(chǔ)的支持，農(nóng)業(yè)就是我國的基礎(chǔ)，我國是農(nóng)業(yè)大國，農(nóng)村人口基數(shù)大。隨著近幾年我國農(nóng)業(yè)的發(fā)展，很多高新技術(shù)也被運用到農(nóng)業(yè)的機械設(shè)備中，使農(nóng)機設(shè)備向著智能化的方向發(fā)展，有效地提升了農(nóng)業(yè)生產(chǎn)的整體效率。在農(nóng)業(yè)的生產(chǎn)中使用高新技術(shù)還能夠提高農(nóng)業(yè)的生產(chǎn)效率，保證農(nóng)機相關(guān)機械的正常運作。

1農(nóng)業(yè)機械技術(shù)的應(yīng)用分析

1.1計算機技術(shù)

這里所說的計算機技術(shù)主要指的是計算機視覺技術(shù)，這一技術(shù)最早被運用在農(nóng)業(yè)機械上是在20世紀70年代中期，當時主要運用的是計算機技術(shù)中的視覺技術(shù)，利用這一技術(shù)的主要目的是可以對農(nóng)產(chǎn)品的品質(zhì)質(zhì)量進行分級別檢查。計算機視覺技術(shù)是以圖像處理為基準，隨著圖像處理以及視覺模擬技術(shù)的發(fā)展，計算機視覺技術(shù)不僅可以用來檢查農(nóng)產(chǎn)品的品質(zhì)，而且還可以用來對農(nóng)產(chǎn)品進行播種、收割。雖然計算機視覺技術(shù)在我國農(nóng)業(yè)技術(shù)領(lǐng)域的應(yīng)用時間還不是很長，在實際的使用中還有很多的問題出現(xiàn)，但是相信隨著科學技術(shù)的不斷發(fā)展，計算機視覺技術(shù)必將會改變傳統(tǒng)的農(nóng)業(yè)作業(yè)模式，為現(xiàn)代化農(nóng)業(yè)發(fā)展提供技術(shù)上的支持。

1.2網(wǎng)絡(luò)信息技術(shù)

網(wǎng)絡(luò)信息技術(shù)在我國農(nóng)業(yè)機械上的應(yīng)用是非常成功的，信息技術(shù)與地理信息系統(tǒng)的有機結(jié)合不僅可以為農(nóng)業(yè)的生產(chǎn)提供高精度的監(jiān)控，而且還能夠?qū)r(nóng)業(yè)生產(chǎn)中出現(xiàn)病蟲害的情況進行及時的檢測，然后根據(jù)定位系統(tǒng)來進行田間作業(yè)。

1.3液壓技術(shù)

液壓技術(shù)主要依靠的是微電子技術(shù)和工業(yè)傳感技術(shù)，在數(shù)據(jù)的采集上，運用液壓技術(shù)主要完成的是能量的轉(zhuǎn)換和匹配，其目的是為了讓農(nóng)業(yè)機械的效率能夠得到進一步的提高，讓機械設(shè)備的相關(guān)系統(tǒng)特征可以得到完善，讓機械設(shè)備的可靠性能夠得到提升，這也很好地符合了環(huán)境保護的相關(guān)標準要求。而大部分的農(nóng)業(yè)機械都是采用內(nèi)燃機作為原動力，所以很多時候都會出現(xiàn)工作負荷，一般情況下，我們都是通過電液控制手段來完成負載與原動力之間的匹配情況，盡可能地減少功率傳輸過程中出現(xiàn)的損失，從而提高農(nóng)業(yè)機械系統(tǒng)的工作效率。

1.4人工智能技術(shù)

隨著信息全球化的不斷深入，高端技術(shù)不僅在大型的企事業(yè)單位中被運用，在農(nóng)業(yè)中也得到了廣泛的應(yīng)用，比較有成果的就是美國利用人工智能技術(shù)研發(fā)出激光拖拉機、機械的內(nèi)部導航裝置，等等，這些裝置可以對拖拉機的運行方向及所處位置進行實時的測定，在了解地區(qū)土地信息之后，再制定合理的土地種植方案、農(nóng)藥及種子的數(shù)量，等等。

2農(nóng)業(yè)機械技術(shù)的發(fā)展趨勢

2.1推廣農(nóng)業(yè)機械產(chǎn)品的技術(shù)發(fā)展

目前在我國的農(nóng)業(yè)機械發(fā)展上，已經(jīng)開始運用機電智能化技術(shù)和計算機技術(shù)，這使得農(nóng)業(yè)機械化設(shè)備的科技含量有了極大的提高，不僅有效地提高了農(nóng)業(yè)機械的作業(yè)效率，而且也提升了農(nóng)業(yè)的生產(chǎn)效率。

2.2農(nóng)業(yè)資源的利用率得到了提升

只有提高了農(nóng)業(yè)資源的開發(fā)利用率，才能夠確保農(nóng)業(yè)實現(xiàn)可持續(xù)發(fā)展，同時也為保護生態(tài)環(huán)境奠定基礎(chǔ)，如回收農(nóng)業(yè)生產(chǎn)的廢棄物，普及無害化的處理設(shè)備，運用無害化技術(shù)來處理廢水可以有效地達到保護環(huán)境的作用。而在農(nóng)業(yè)種植的過程中，使用有機肥料還可以進一步提高農(nóng)業(yè)資源的利用效率。除此之外，大力發(fā)展節(jié)能型動力機械設(shè)備可以有效地避免出現(xiàn)資源浪費，從而提高農(nóng)業(yè)資源的整體利用效率。

2.3提高農(nóng)業(yè)機械產(chǎn)品的質(zhì)量監(jiān)督水平

要想提升農(nóng)業(yè)的機械化水平，還要從規(guī)范設(shè)計的基本要求出發(fā)，全面提高農(nóng)業(yè)產(chǎn)品的質(zhì)量。在質(zhì)量提升的過程中，還要注重農(nóng)業(yè)產(chǎn)品的整體造型和外觀，農(nóng)機設(shè)備的耐久性也要經(jīng)得起考驗。選用與農(nóng)機設(shè)備相配套的發(fā)電機及元件，能夠最大程度上提高農(nóng)業(yè)機械產(chǎn)品的質(zhì)量。在農(nóng)業(yè)機械設(shè)備完成安裝之后，還要對其進行試運行，只有保證了設(shè)備各項指標都正常的基礎(chǔ)上，才能夠真正的投入使用，這也是提高農(nóng)業(yè)機械產(chǎn)品可靠性的前提。

2.4加大政府的補貼力度

各級地方政府要加大農(nóng)業(yè)機械的技術(shù)推廣，做好農(nóng)業(yè)機械的培訓工作。國家還要將拖拉機、插秧機等農(nóng)機具作為農(nóng)具購置補貼的關(guān)鍵，普及農(nóng)業(yè)機械知識。這樣也能夠更好地提高農(nóng)業(yè)機械化的發(fā)展進程。

2.5確保農(nóng)業(yè)機械技術(shù)的安全生產(chǎn)

關(guān)注安全監(jiān)督管理及裝備的創(chuàng)建工作，加大農(nóng)業(yè)機械的安全投入，以便更好地滿足農(nóng)業(yè)機械工作安全監(jiān)督管理的需求。除此之外，最重要的是，要將農(nóng)業(yè)機械的安全檢驗工作納入到各級縣市政府的財政預(yù)算當中。

3結(jié)語

隨著科學技術(shù)的飛速發(fā)展，一些高新技術(shù)正在逐漸地被運用到農(nóng)業(yè)的機械設(shè)備中，這些機械設(shè)備的出現(xiàn)不僅提高了農(nóng)業(yè)的整體生產(chǎn)水平，而且還進一步提升了農(nóng)業(yè)的生產(chǎn)效率，很好地實現(xiàn)了農(nóng)業(yè)的可持續(xù)發(fā)展。在今后的農(nóng)業(yè)發(fā)展過程中，農(nóng)業(yè)機械也必定是智能化的，所以要求操作人員要不斷地提高自己的專業(yè)素養(yǎng)，全面推廣農(nóng)業(yè)機械新技術(shù)，只有這樣才能夠真正意義上實現(xiàn)我國農(nóng)業(yè)機械的智能化。

作者:徐家亮 劉曉鵬 單位:黑龍江省克東縣農(nóng)機安全監(jiān)理站

參考文獻：

［1］陶樂然.長春星宇小區(qū)新技術(shù)應(yīng)用［C］//增強自主創(chuàng)新能力促進吉林經(jīng)濟發(fā)展———啟明杯•吉林省第四屆科學技術(shù)學術(shù)年會論文集（下冊）.2006.

［2］劉蒙之.傳播新技術(shù)與國家發(fā)展———一種政治經(jīng)濟學的觀察［C］//中國傳播學會成立大會暨第九次全國傳播學研討會論文集.2006.

［3］張仁江，田莉.制造業(yè)企業(yè)新技術(shù)采納：動因、路徑及障礙分析———基于T公司的縱向案例研究［C］//第六屆（2011）中國管理學年會———技術(shù)與創(chuàng)新管理分會場論文集.2011.

［4］胡札進，姚尚斌，徐七三“.雙低”儲藏與四項儲糧新技術(shù)的綜合應(yīng)用［C］//全面建設(shè)小康社會：中國科技工作者的歷史責任———中國科協(xié)2003年學術(shù)年會論文集（上）.2003.

［5］柳旭.淺析電視空間新技術(shù)對審美體驗的影響［C］//2009中國電影電視技術(shù)學會影視技術(shù)文集.2010.

第7篇：計算機視覺的基本技術(shù)范文

進行了闡述。

關(guān)鍵詞：自動控制技術(shù)　農(nóng)業(yè)自動化

由于歷史、觀念和技術(shù)等方面的原因, 我國傳統(tǒng)農(nóng)業(yè)機械與發(fā)達國家相比有很大差距, 已遠遠不能適應(yīng)農(nóng)業(yè)的科技進步。近些年來, 自動化的研究逐漸被人們所認識, 自動控制在農(nóng)業(yè)上的應(yīng)用越來越受到重視。例如,把計算機技術(shù)、微處理技術(shù)、傳感與檢測技術(shù)、信息處理技術(shù)結(jié)合起來, 應(yīng)用于傳統(tǒng)農(nóng)業(yè)機械, 極大地促進了產(chǎn)品性能的提高。我國農(nóng)業(yè)部門總結(jié)了一些地區(qū)的農(nóng)業(yè)自動化先進經(jīng)驗(如臺灣地區(qū)的農(nóng)業(yè)生產(chǎn)自動化、漁業(yè)生產(chǎn)自動化、畜牧業(yè)生產(chǎn)自動化及農(nóng)產(chǎn)品貿(mào)易自動化)的開發(fā)與應(yīng)用情況, 同時也汲取了國外一些國家的先進經(jīng)驗、技術(shù), 如日本的四行半喂人聯(lián)合收割機是計算機控制的自動化裝置在半喂人聯(lián)合收割機中的應(yīng)用,英國通過對施肥機散播肥料的動力測量來控制肥料的精確使用量。這些技術(shù)和方法是我國農(nóng)業(yè)機械的自動化裝置得到了補充和新的發(fā)展, 從而形成了一系列適合我國農(nóng)業(yè)特點的自動化控制技術(shù)。

一、已有的農(nóng)業(yè)機械及裝置的部分自動化控制

自動化技術(shù)提高了已有農(nóng)業(yè)機械及裝置的作業(yè)性能和操作性能。浙江省把自動化技術(shù)應(yīng)用于茶葉機械上, 成功研制出6CRK-55型可編程控制加壓茶葉揉捻機, 它利用計算機控制電功加壓機構(gòu), 能根據(jù)茶葉的具體情況編制最佳揉捻程序?qū)崿F(xiàn)揉捻過程的自動控制, 是機電一體化技術(shù)在茶葉機械上的首次成功應(yīng)用。

1.應(yīng)用于拖拉機

在農(nóng)用拖拉機上已廣泛使用了機械油壓式三點聯(lián)結(jié)的位調(diào)節(jié)和力調(diào)節(jié)系統(tǒng)裝置, 現(xiàn)又在開發(fā)和采用性能更完善的電子油壓式三點聯(lián)結(jié)裝置。

2.應(yīng)用于施肥播種機

根據(jù)行駛速度和檢測種子粒數(shù)來確定播種量是否符合要求的裝置, 以及將馬鈴薯種子割成瓣后播種的裝置等。

3.應(yīng)用于谷物干燥機

不受外界條件干擾, 能自動維持熱風溫度的裝置停電或干燥機過熱引起火災(zāi)時, 自動掐斷燃料供給的裝置。

二、微灌自動控制技術(shù)

我國從20世紀年50代就開始進行節(jié)水灌溉的研究與推廣據(jù)統(tǒng)計。到1992年, 全國共有節(jié)水灌溉工程面積0.133億m2, 其中噴灌面積80萬m2, 農(nóng)業(yè)節(jié)水工程取得了巨大的進展。灌溉管理自動化是發(fā)展高效農(nóng)業(yè)的重要手段, 高效農(nóng)業(yè)和精細農(nóng)業(yè)要求必須實現(xiàn)水資源的高效利用。采用遙感遙測等新技術(shù)監(jiān)測土壤墑性和作物生長情況, 對灌溉用水進行動態(tài)監(jiān)測預(yù)報, 實現(xiàn)灌溉用水管理的自動化和動態(tài)管理。在微灌技術(shù)領(lǐng)域, 我國先后研制和改進了等流量滴灌設(shè)備、微噴灌設(shè)備、微灌帶、孔口滴頭、壓力補償式滴頭、折射式和旋轉(zhuǎn)式微噴頭、過濾器和進排氣閥等設(shè)備, 總結(jié)出了一套基本適合我國國情的微灌設(shè)計參數(shù)和計算方法, 建立了一批新的試驗示范基地。在一些地區(qū)實現(xiàn)了自動化灌溉系統(tǒng), 可以長時間地自動啟閉水泵和自動按一定的輪灌順序進行灌溉。這種系統(tǒng)中應(yīng)用了灌水器、土壤水分傳感器、溫度傳感器、壓力傳感器、水位傳感器和雨量傳感器、電線等。

三、自動控制技術(shù)在精準農(nóng)業(yè)中的應(yīng)用

第8篇：計算機視覺的基本技術(shù)范文

關(guān)鍵詞：增強現(xiàn)實；計算機視覺；三維注冊

中圖分類號：TP242 文獻標識碼：A 文章編號：1007-9599?。?012）　19-0000-02

1 引言

隨著計算機技術(shù)的迅速發(fā)展，計算機視覺、虛擬現(xiàn)實技術(shù)、人工智能、計算機圖形學等技術(shù)被廣泛地研究和應(yīng)用，這些技術(shù)引導著人們進入了一個信息數(shù)字化的虛擬時代。

增強現(xiàn)實技術(shù)（Augmented　Reality，AR）作為虛擬現(xiàn)實技術(shù)和計算機圖形學相結(jié)合的產(chǎn)物，它是在通過計算機渲染生成虛擬的物體或文字信息模型的同時，對真實的場景進行標定，從而使虛擬的物體能夠被準確地放置到真實的場景中，最終通過顯示設(shè)備顯示出來，使用戶處于虛擬和現(xiàn)實相融合的亦真亦幻的新環(huán)境中，無法清楚地分辨出真實和虛擬。增強現(xiàn)實技術(shù)增強了用戶的觀感及其與真實場景之間的交互。

增強現(xiàn)實技術(shù)作為虛擬現(xiàn)實的一個重要分支，是虛擬現(xiàn)實技術(shù)發(fā)展過程中的產(chǎn)物。如圖1.1所示，該圖為Milgram提出的增強現(xiàn)實和虛擬現(xiàn)實關(guān)系的一種分類學表示方法。由圖我們可以看出，虛擬現(xiàn)實所創(chuàng)建出來的是一種完全虛擬的三維世界，它與真實的世界相隔離。而增強現(xiàn)實是以現(xiàn)實場景為基礎(chǔ)，場景中的虛擬物體隨著真實物體的變化而變化，提供給用戶的是一種復合的視覺效果，就好像這些虛擬物體真實的存在于場景中。

2 增強現(xiàn)實技術(shù)的應(yīng)用

增強現(xiàn)實技術(shù)在20世紀90年代真正興起，其發(fā)展與20世紀60年代計算機圖形學的迅速發(fā)展密不可分。增強現(xiàn)實技術(shù)不僅擁有虛擬現(xiàn)實的各種優(yōu)點，同時又有其獨特的視覺增強功能，因此成為了國內(nèi)外研究機構(gòu)和知名大學的研究熱點，并廣泛的被應(yīng)用于教育、醫(yī)療、工業(yè)、娛樂、軍事等多個領(lǐng)域。

2.1 教育

增強現(xiàn)實豐富了教育學習生活。傳統(tǒng)的書籍中只存在文字信息，通過增強現(xiàn)實技術(shù)，我們可以透過書籍看見文字相關(guān)的動態(tài)畫面或是影像，圖文并茂，極大的增強了學生的學習興趣。目前的魔法書系統(tǒng)就是這一技術(shù)的很好運用，用戶通過頭盔顯示器可以看到書中描述的場景，使讀者可以完全沉浸在虛實結(jié)合的環(huán)境中，提高學習興趣和效率。

2.2 醫(yī)療

增強現(xiàn)實技術(shù)可以幫助醫(yī)生實現(xiàn)可視化手術(shù)或手術(shù)培訓。準確地定位真實場景是增強現(xiàn)實技術(shù)的一個重要方面，在醫(yī)療中，運用增強現(xiàn)實技術(shù)可以進行手術(shù)定位，實時地收集病人體內(nèi)的3D影像，并將其與真實的人體相結(jié)合，使得醫(yī)生可以“透視”病人體內(nèi)，從而減少手術(shù)的風險，該技術(shù)對微創(chuàng)手術(shù)也有著深遠的意義。手術(shù)培訓方面，通過加入虛擬的提示注解，可以提醒醫(yī)生手術(shù)中的一些必要步驟，降低手術(shù)風險。

2.3 工業(yè)

增強現(xiàn)實的另一個應(yīng)用是工業(yè)組裝和維修。通過增強現(xiàn)實技術(shù)可以顯示出各種設(shè)備零件的內(nèi)部結(jié)構(gòu)圖、使用說明等，方便安裝和維修。顯示的內(nèi)容可以不僅僅是簡單的文字或圖片，更能直接渲染生成3D的圖形，并按步驟一步一步的顯示出來，方便操作。

2.4 娛樂

電影、廣告、游戲、體育比賽轉(zhuǎn)播中，增強現(xiàn)實技術(shù)也得到了廣泛的運用。體育比賽中，能夠在直播現(xiàn)場實時地插入三維的圖形、動畫、視頻等虛擬的比賽相關(guān)信息或廣告。日常生活中，出現(xiàn)一種增強現(xiàn)實瀏覽器，它利用多種傳感器將日常需求通過實景與虛景結(jié)合后呈現(xiàn)在用戶面前，用戶可以通過增強現(xiàn)實瀏覽器看到實景的文字介紹、三維模型等，并可以搜索定位。

3 增強現(xiàn)實相關(guān)技術(shù)

增強現(xiàn)實系統(tǒng)具有虛實結(jié)合、三維注冊、實時交互三個特點。三個特點之間緊密聯(lián)系，要求在合成的場景中虛擬的物體能夠擁有真實的存在感和位置感。因此顯示技術(shù)、定位技術(shù)、虛實融合技術(shù)、用戶交互技術(shù)是實現(xiàn)增強現(xiàn)實系統(tǒng)的基礎(chǔ)支撐技術(shù)。

3.1 顯示技術(shù)

理想的AR系統(tǒng)的顯示器具有體積小、移動方便、圖像繪制清晰、交互自然等特點，但是目前仍不能制造出完成符合這些特點的顯示器。常用的顯示設(shè)備可以分為四類：普通液晶現(xiàn)實器；頭戴式顯示器；手持式顯示器；投影式顯示器。

液晶顯示器是最為常見，也最容易得到的顯示設(shè)備。但是液晶顯示器體積較大，移動不方便，限制了用戶的活動范圍。頭戴式顯示器，佩戴于用戶的頭部，這種顯示器本身提供了一路或兩路攝像機，采用視頻合成技術(shù)，為用戶提供場景的顯示。但是頭戴式顯示器在戶外長時間佩戴很不舒服，因此也不能為用戶廣泛接受。手持式顯示器，較頭戴式顯示器稍有改進，但是也限制了用戶手部的活動。投影式顯示器能夠?qū)鼍巴队暗捷^大范圍的環(huán)境中，位置固定，適合于室內(nèi)的AR系統(tǒng)。

3.2 定位技術(shù)

增強現(xiàn)實系統(tǒng)需要將虛擬的物體準確地放置到真實的場景中，因此定位技術(shù)顯得尤為重要。目前的定位技術(shù)主要分為兩種：一種是基于硬件的定位技術(shù)；一種是基于計算機視覺技術(shù)的定位技術(shù)。

基于硬件的定位技術(shù)一般使用硬件設(shè)備定位，主要包括：全球衛(wèi)星定位系統(tǒng)、測距儀、導航儀、機械裝置等。

基于計算機視覺的定位技術(shù)一般是從真實場景中獲得一幅或多幅圖像，根據(jù)圖像中的信息，計算出攝像機和圖形中物體的相對信息，最終恢復出三維場景的結(jié)構(gòu)，從而達到定位的目的。

基于計算機視覺的定位技術(shù)主要包括以下幾種：

（1）單視圖法：在一幅圖像中找到六個以上特征點進行跟蹤，通過已知的特征點的三維坐標和其成像坐標進行定位。

（2）多視圖法：從多個角度拍攝場景，根據(jù)常用的角點檢測法，檢測多幅圖像的角點并進行匹配，從而計算出真實場景中物體的景深，最終實現(xiàn)定位。

（3）運動目標的序列圖像：根據(jù)序列圖像估算運動目標的各項參數(shù)。

（4）模板匹配法：從多個視角出發(fā)尋找真實圖像中的物體作為模板數(shù)字化圖像，繼而將虛擬物體疊加到真實場景。

3.3 虛實融合技術(shù)

增強現(xiàn)實技術(shù)中的虛擬融合主要指虛擬物體在真實場景中的配準，以及虛擬物體與真實場景的一致性。

在增強現(xiàn)實系統(tǒng)的實現(xiàn)過程中，一致性是一個關(guān)鍵性問題。虛實融合的一致性包括動態(tài)一致性和靜態(tài)一致性。其中，動態(tài)一致性通常指場景的實時繪制，跟蹤過程中虛擬物體和真實場景的空間位置的一致性等；靜態(tài)一致性通常指虛擬物體與真實場景外觀的一致性變化等。

另一方面，為了實現(xiàn)很好的虛實融合效果，必須對拍攝真實場景的相機進行標定，并與繪制虛擬物體的虛擬相機參數(shù)進行匹配。攝像機標定主要是對攝像機的內(nèi)外參數(shù)的確定。目前，攝像機標定技術(shù)已經(jīng)較為成熟，主要可以分為三類：傳統(tǒng)的標定法，如張正友標定法；自標定法，如基于Kruppa方程的自標定法；基于主動視覺的標定法，如基于射影重建的標定法。三類標定法各有利弊，并沒有一種可以普遍適用，因此攝像機標定技術(shù)仍是一個研究重點。

3.4 用戶交互技術(shù)

人們總是向往能夠使用自然的方式和虛擬的物體交互，但這是十分困難的，增強現(xiàn)實系統(tǒng)根據(jù)跟蹤定位獲得的有關(guān)真實場景的信息對虛擬物體發(fā)出指令。目前，交互技術(shù)主要使用以下三種方式：

（1）在場景中選擇一個或多個特征點作為標記點，這是增強現(xiàn)實系統(tǒng)中最基本的交互方式。

（2）使用計算機識別出人或物體的姿態(tài)，進而交互操作。

（3）制作特殊工具，能夠通過按鍵等簡單方式觸發(fā)事件。

4 結(jié)束語

本文總結(jié)了現(xiàn)階段增強現(xiàn)實技術(shù)的應(yīng)用領(lǐng)域，并對其涉及到的關(guān)鍵技術(shù)進行了闡述。增強現(xiàn)實技術(shù)作為一個多學科交叉的研究領(lǐng)域，必將飛速發(fā)展，更多的融入到我們的生活中。

參考文獻：

[1]紀慶革，潘志庚，李祥晨.虛擬現(xiàn)實在體育體育仿真中的應(yīng)用綜述[J].計算機輔助設(shè)計與圖形學學報，2003，15（11）：1333-1338.

[2]陳靖，王涌天，閆達遠.增強現(xiàn)實系統(tǒng)及其應(yīng)用[J].計算機工程與應(yīng)用，2001，15：72-75.

[3]Milgram　Pand　Kishino　F.A　taxonomy　of　mixed　reality　visual　displays[J].IEICE　Trans.Information　Systems，1994，E772D（12）：1321-1329.

第9篇：計算機視覺的基本技術(shù)范文

關(guān)鍵詞：解析幾何 代數(shù)方程 計算機繪圖 人C交互 教學實驗

一、解析幾何與線性代數(shù)課程教學內(nèi)容的現(xiàn)狀和歷史

解析幾何主要內(nèi)容是用向量代數(shù)方法研究二、三維空間內(nèi)曲線、曲面的幾何問題。向量代數(shù)方法主要是一、二次的代數(shù)方程與線性方程組。從現(xiàn)在一些高校使用的教材可也看到，解析幾何與線性代數(shù)課程[1][2]的合并（或集成）為一門課占有不小的比例。下面相關(guān)教材的信息統(tǒng)計，可以獲知這些變化。工科與理科專業(yè)使用教材的情況：工科專業(yè)使用的教材《線性代數(shù)與解析幾何》 （網(wǎng)絡(luò)檢索結(jié)果約500，000個）或 《線性代數(shù)與空間解析幾何》（網(wǎng)絡(luò)檢索結(jié)果約562，000個）的主要章節(jié)為：行列式及其計算，向量代數(shù)，平面與直線，平面與直線，矩陣及其運算，n維向量與線性方程組，特征值與特征向量，二次型與二次曲面，線性代數(shù)與空間解析幾何的應(yīng)用模型。工科專業(yè)使用的教材《線性代數(shù)》（網(wǎng)絡(luò)檢索結(jié)果約686，000個）。使用這兩類教材的比例約為562s686。理科專業(yè)使用的教材《高等代數(shù)與解析幾何》（網(wǎng)絡(luò)檢索結(jié)果約19，400個）的主要章節(jié)為：多項式，行列式，矩陣，線性空間，線性變換， Euclid 空間，雙線性函數(shù)與二次型。理科專業(yè)使用的教材《空間解析幾何》（網(wǎng)絡(luò)檢索結(jié)果約49，200個）。使用這兩類教材的比例約為194：492。從教材和課程內(nèi)容，我們看到二次曲面與線性代數(shù)在其中扮演重要角色。把高等代數(shù)與解析幾何合并成一門課具有其內(nèi)在的合理性，但是，解析幾何范圍內(nèi)的幾何問題包括除了圓錐曲線（Conic Sections）和二次曲面性質(zhì)與圖形之外，還有其他的曲線、曲面。這些曲線和曲面大量地出現(xiàn)不同的科學、工程領(lǐng)域中。例如螺旋線、環(huán)面。對于這些曲線和曲面，線性代數(shù)方法很難處理。同時，按目前的信息與計算科學的解析幾何課程教學計劃學時，學生系統(tǒng)地學習解析幾何比較困難。我們希望了解和認識一門課程的內(nèi)涵，也就必須認識它的發(fā)展史。解析幾何的創(chuàng)立得益于代數(shù)學的飛速發(fā)展，17世紀笛卡爾[3]引進坐標系后，一大類幾何圖形和代數(shù)方程成為等價的事物。把圖形轉(zhuǎn)換為代數(shù)方程描述的數(shù)與數(shù)的關(guān)系來研究的方法就稱為解析幾何。1874年，美國翻譯出版的法國學者J.B.BIOT的解析幾何教材：《AN ELEMENTARY TREATISE ON ANALYTICAL GEOMETRY》[4]，其中沒有出現(xiàn)行列式與矩陣等線性代數(shù)的主要方法。1902年，David Hilbert 的幾何基礎(chǔ)[5]出版了。100多年后，北京師范大學出版社在1984年出版了朱鼎勛與陳紹菱的解析幾何教材《空間解析幾何學》[6]。這是一本解析幾何課程的典型教材。其中主要的方法是向量代數(shù)、坐標變換與二次型。傳統(tǒng)的數(shù)學課程體系中（包括工學數(shù)學課程體系），將解析幾何單獨列為一門課程（或一些獨立的章節(jié)），主要講述空間圖形（包括空間直線、平面和二次曲面）的代數(shù)處理方法。其實，解析幾何本身與線性代數(shù)有著深刻的內(nèi)在聯(lián)系，例如，空間直線和平面都是由線性方程組來表示的，二次曲面的分類其實就是二次形的標準形問題。所以將這些內(nèi)容加入到高等代數(shù)中來，不但節(jié)省了大量的時間，而且對學生加深兩門課程的理解也是非常有益的[1]。

二、解析幾何的現(xiàn)代化與應(yīng)用前沿以及課程的教學實驗

1963年，伊凡?蘇澤蘭（Ivan Sutherland）在麻省理工學院發(fā)表了名為《畫板》的博士論文[7]，它標志著計算機圖形學的正式誕生。至今已有五十多年的歷史。使用計算機處理三維空間的曲線與曲面的顯示與人機關(guān)系。它可以研究大量的復雜方程的曲線與曲面的性質(zhì)以及它們之間的關(guān)系。在解析幾何課程教學方面，計算機作圖確實可以增加學生的對非二次曲面幾何的直觀理解，極大地提高了教學的效率，以及學生直觀地理解復雜曲線、曲面。例如用某種計算機語言，計算、繪制一個旋轉(zhuǎn)的橢圓拋物面。如果用z=x^2+y^2形式的方程，編寫程序：

x=[-10：0.1：10]；y=[-10：0.1：10]；[X，Y]=meshgrid（x，y）；Z=X.^2+Y.^2 ；

plot3（X，Y，Z）

畫出來的立體圖上的網(wǎng)格是分別按x、y的參數(shù)值的變化生成的圖（1）。同樣的方法，編寫程序：

x=[-10：0.2：10]；y=[-10：0.2：10]；[X，Y]=meshgrid（x，y）；Z=X.^2-Y.^2；

plot3（X，Y，Z）

畫出的方程為z=x^2-y^2的雙曲拋物面上的網(wǎng)格是分別按x、y的參數(shù)值的變化生成的圖（2）。

不僅僅如此，計算機作圖是對解析幾何的傳統(tǒng)教學方法、手段的重大改進，還克服了復雜曲面曲線無法繪制的寰場H綣僅僅認識到利用計算軟件繪制曲線與曲面，可以比較直觀的看到曲面的一些基本性質(zhì)，例如：對稱性，有界性，邊界等，那實質(zhì)上還是輔助教學，教學的內(nèi)容沒有進化與更新，也就是給定了曲面的方程，然后計算、繪制該曲面的3維圖像，那是遠遠不夠的。一方面計算機繪圖滲透到了解析幾何課程的教學中，另一方面更重要的發(fā)展是三維空間中的曲面、曲線已深入到了可以直觀展示不同學科領(lǐng)域的現(xiàn)象、性質(zhì)與規(guī)律。例如，近二、三十年，計算機計算速度的大幅提高，曲線、曲面的計算已經(jīng)有了相當?shù)陌l(fā)展。最初的3D動畫、3D電影，現(xiàn)在的3D打印、3D重構(gòu)已經(jīng)深入到科學研究、工程設(shè)計以及日常生活中，這些新應(yīng)用、新技術(shù)、新理論還在不斷地進化。這些都依賴曲線、曲面的計算與測量。一般情形是曲面并不都是教材中的二次曲面。測量方法有無線電、激光等電學、光學設(shè)備，例如：照相機、攝像機、雷達等。特別是在計算機視覺[8]方面， 3D重構(gòu)[9]的發(fā)展對三維空間的曲面、曲線的計算提出更高的要求，計算機視覺是計算機圖形學的反向計算。計算機圖形學是從3維對象測量計算獲得圖像數(shù)據(jù)，而計算機視覺通常是從圖像數(shù)據(jù)通過計算獲得觀測對象的3維圖形，也有這兩種方法的結(jié)合趨勢，例如：在增強現(xiàn)實技術(shù)中，就是在屏幕上把虛擬世界套在現(xiàn)實世界并進行互動。

1.解析幾何中，n次曲線、曲面在笛卡爾坐標系下的3維計算的手段是n次代數(shù)方程，笛卡爾坐標系與代數(shù)方程構(gòu)成了這類3維計算的基礎(chǔ)。 笛卡爾坐標系與代數(shù)方程幫助我們充分認識了二次曲線與曲面。例如：圖（1）與圖（2）就是使用了笛卡爾坐標系與橢圓拋物面方程x2+y2-z=0、雙曲拋物面方程x2-y2-z=0，通過計算給出的這兩類曲面的視圖。

2.在工程與其他科技領(lǐng)域，等高線圖可以表示觀測對象特定數(shù)據(jù)的3維圖。這一類曲面一般不能由代數(shù)方程來表示。例如：陸地的海拔等高線地圖，規(guī)則物體或流體的溫度分布圖，某區(qū)域的大氣的水汽分布圖，運動物體的GPS軌跡圖。等高線圖實質(zhì)上是一張關(guān)于某種特定數(shù)據(jù)的照片，形式上等同于圖（1）與圖（2）。這類圖都是通過對觀測對象進行測量而獲得的某種特定數(shù)據(jù)對應(yīng)的三維空間的曲線與曲面圖。這些曲線與曲面沒有對應(yīng)的方程，都用離散的二維數(shù)據(jù)來表示，并存儲為一張數(shù)字照片。

3.觀測對象的3D重構(gòu)是從一些二維數(shù)據(jù)照片通過計算得到其他若干個笛卡爾坐標系下的二維數(shù)據(jù)照片。

1）如果已知曲線、曲面在一個笛卡爾坐標系內(nèi)的代數(shù)方程，那么通過不同笛卡爾坐標系之間的坐標變換，能夠確定地計算曲線與曲面的新代數(shù)方程。

2）如果已知曲線、曲面在一個笛卡爾坐標系內(nèi)的等高線圖，同樣的方法可以得到新笛卡爾坐標系下的二維數(shù)據(jù)照片。

3）如果已知曲線、曲面在一個笛卡爾坐標系內(nèi)的其他類型的二維數(shù)據(jù)照片（例如：一般的相機照片），如何得到新笛卡爾坐標系下的二維數(shù)據(jù)照片？這部分內(nèi)容正是計算機視覺研究的核心內(nèi)容之一。我們指導學生在這個方面做了一些試驗與計算。下面簡單介紹一下實驗的基本方法與實驗的結(jié)果。在對物體進行拍攝后得到的相片中，由于物體表面幾何形態(tài)、點光源位置、光強等因數(shù)的改變會導致物體表面反射光路的改變與反射光光強的變化，照片中拍攝對象的明暗關(guān)系都會發(fā)生變化。我們可以根據(jù)光源與物體表面的關(guān)系（包括理想反射面與一般反射面的成像理論，點光源與反射面亮度的關(guān)系），得到點光源下理想表面反射成像的規(guī)律?？刂破渲幸粋€或多個影響物體表面成像的重要參數(shù)，改變點光源位置等，拍攝觀測對象，利用軟件讀取照片，用給定的光反射模型進行計算，可以得到觀測對象的一個完整的表面的三維數(shù)值圖像。下圖（6）（7）是試驗中拍攝的傾斜紙板照片與計算得到的三維數(shù)值圖像。

三、解析幾何教學實驗的一些體會

解析幾何課程本著聯(lián)系實際科技應(yīng)用與科學前沿[10]，拓展教學內(nèi)容，開闊視野的目標，把計算機圖形學與“3D計算”的思想、方法與實踐引入。我們可以在教學過程使用計算機與顯示設(shè)備，一方面，在三維空間中，把復雜代數(shù)方程對應(yīng)的圖像的基本性質(zhì)比較直觀地顯示出來。另一方面，認識到三維數(shù)值圖像在計算機視覺等高新科技領(lǐng)域的重要應(yīng)用。通過這一方面的教學與實踐，讓學生認識到不僅僅方程的計算與推理可以分析曲線、曲面的性質(zhì)，還可以通過適當?shù)挠嬎阋部梢苑治銮€、曲面的性質(zhì)。進一步，認識到計算機的計算能力與顯示同樣能夠證實曲線、曲面的特征。即基于適度的基本編程的人機交互[7]來學習曲線、曲面的基本規(guī)律。上文列舉了的解析幾何與計算機相結(jié)合的例子，通過使用這種更簡潔易懂，同時更加現(xiàn)代化的解題辦法，真正實現(xiàn)數(shù)學與計算機的結(jié)合，使得解析幾何這門學科具有新的生命力。

參考文獻：

[1] 孟道驥. 一門“國家精品課程”的建設(shè)-南開大學“高等代數(shù)與解析幾何”課程[J]. 高等數(shù)學研究， 2005，8（3）.

[2] 馮良貴，戴清平，謝瑞強，李超，陳摯. 國防科技大學“線性代數(shù)與解析綴巍笨緯探ㄉ璧奶厴[J]. 大學數(shù)學，2009，（6）25.

[3] R.Descartes.The Geometry of René Descartes [M].Translated by David Eugene Smith and L. MaricaLatham，Dover Publications， Inc. 1954.

[4] D.Hilbert. Foundations of Geometry[M]. Authorized by translation by E.J.Townsend， 1902.

[5] J.B.Biot. An Elementary Treatise on Analytical Geometry[M]. Cadets of the Virginia Military Institute at Lexington VA， 1874.

[6] 朱鼎勛，陳紹菱.空間解析幾何學[M].北京師范大學出版社，1984.

[7] I.Sutherland.Sketchpad：A Man-Machine Graphical Communication System[D].Mass-

achusetts Institute of Technology， 1963.

[8] O.Faugeras. Three-Dimensional Computer Vision ： A Geometric Viewpoint[M]. MIT Press， 1993.

[9] U. C. Pati. 3-D Surface Geometry and Reconstruction：Developing Concepts and Ap-