Spelling suggestions: "subject:"kameros"" "subject:"cameros""
1 |
Interaktyvus transporto numerio atpažinimas / Interactive vehicle number plate recognitionTučkovskij, Vitalij 02 July 2014 (has links)
Baigiamajame magistro darbe “Interaktyvus transporto numerio atpažinimas” nagrinėjami bei pritaikomi stebėjimo zonos išskyrimo, fono eliminavimo, Gauso, Sobel metodai ir algoritmai. Taip pat atliekama metodų bei filtrų analizė. Tyrimo eigoje buvo sukurta programa skirta duomenų įvedimui į kompiuterį iš vaizdo kameros, vaizdo failo arba interneto. Atlikti eismo filtravimo eksperimentai, vartotojų patogumui įgyvendintas įrankis skirtas gauti ir pateikti apdorojimo rezultatus į mobilujį telefoną. / This work presents an approach to license plate localization and recognition. A proposed method is designed to perform recognition of any kind of license plates under any environmental conditions. The main assumption of this method is the ability to recognize all kinds of license plates which can be found in an individual picture. The algorithm takes a raster image as an input, and yields the position of a plate in the image. After the position is determined, the algorithm can determine the locations of characters on the license plate, which could be easily combined with an OCR algorithm to convert the license plate number into an ASCII string. User could view collected license plate localizations results with mobile phone, which has JAVA (MIDP 1.0) support and internet access. Future work could focus on determining the positions of characters more precisely. Determining the correct positions of all characters in a license plate would dramatically improve the results of the license plate recognition.
|
2 |
Objekto geometrijos įvertinimas pagal kameros su papildomais jutikliais vaizdus / Reconstruction of Object Geometry using Camera with Additional SensorsVenckus, Arūnas 29 September 2008 (has links)
Registruojant (fotografuojant) objektus, dėl netinkamos vaizdo kameros padėties ar nepakankamos judėjimo erdvės gaunami vaizdo iškraipymai. Tokie vaizdų iškraipymai vadinami sukimosi ir perspektyvos iškraipymais. Šio darbo tikslas – ištirti kaip tiksliai, panaudojant vaizdo kameros posvyrio kampų reikšmes ir atstumą iki registruojamo objekto, galima atstatyti iškreiptą vaizdą. Vaizdo kameros posvyrio kampų (krypavimo ir nuolydžio) matavimui, pritaikomas trijų ašių analoginis akcelerometras, o atstumui matuoti – ultragarsinis atstumo jutiklis. Pasuktų vaizdų atstatymui naudojami sukonstruoto vaizdo kameros posvyrio kampų matuoklio duomenys. Kaip alternatyvi priemonė, vaizdo pasukimo kampui nustatyti, naudojama „radon“ transformacija. Tyrimai parodė, kad vaizdų atstatymui geriau naudoti vaizdo kameros posvyrio kampų matuokliu išmatuotus krypavimo kampus, nes „radon“ transformacija negalima nustatyti sudėtingų vaizdų pasukimo kampo. Vaizdo perspektyvos iškraipymų atstatymui, pagal “pinhole” (mažos skylutės) kameros modelį, kuris dažniausiai naudojamas robotų regoje, buvo sudarytas matematinis modelis. Šis modelis, lyginant su vaizdų atstatymo pagal keturis objekto kampus metodu, tinka įvairesnių formų iškreiptiems vaizdams atstatyti. Vaizdų atstatymui pasitelktas MathWorks, Image Processing paketas. Atstatytų vaizdų palyginimui su originaliu, skaičuojamas dvimatis koreliacijos koeficientas tarp dviejų to paties dydžio vaizdo matricų. / Image distortions may appear because of inappropriate position of the camera or because of an insufficient space movement while taking pictures of objects. These kinds of image distortions are called rotation and perspective distortions. The aim of the work is to investigate how the camera tilt meanings and distance to the object could help to restore the image distortions. To measure camera tilt angles (roll and pitch angles) the three axis analogical accelerometer is used, and to measure the distance - ultrasonic range finder. The measurements of designed camera tilt angles device data is used in order to restore rotated images. As an alternative method for setting roll angle, the “radon” transformation is used. The researches have showed that it is more useful to use the measurements of camera roll angles, because “radon” transformation is not capable to identify rotation angles of elaborate images. To set image perspective distortion rectification according to “pinhole” camera model, which is used in robot vision, the mathematical model was made. This model compared with image restoration according to four object corners method is more suitable for various forms of image distortions. To restore image MathWorks, Image Processing batch was used. The comparison between original and restorted image was found computing the two-dimensional correlation coefficient between image matrices of the same size.
|
Page generated in 0.0345 seconds