在林業(yè)作業(yè)中,集材機(jī)廣泛用于收集、牽引木材。然而在操作集材機(jī)時(shí),操作員在駕駛的同時(shí)必須留意各類駕駛室外部的物體、對(duì)象以保障自身及他人人身安全,例如其他林業(yè)工作者、機(jī)械、路徑、地貌地形,并且他們還需要操作集材機(jī)擬定合適的行進(jìn)路線以便工作計(jì)劃的進(jìn)行。由于注意力長(zhǎng)期不集中可能導(dǎo)致工作效率低下,甚至人員傷亡、車輛器械的損毀。確定操作員如何駕駛集材機(jī),他們的視線分布和為什么集中在特定區(qū)域來(lái)完成相關(guān)任務(wù),對(duì)于提高集材機(jī)的使用效率和安全性是不可或缺的。為了獲取集材機(jī)操作員的視線,一種基于圖像處理的計(jì)算機(jī)算法以及空間向量的運(yùn)算被運(yùn)用到此次研究中。通過(guò)視頻處理,將采集到的操作員面部圖像處理后得到操作員眼部的空間向量。通過(guò)估測(cè)頭部后方圖形的空間方位從而逆推操作員的頭部運(yùn)動(dòng),隨后將眼部和頭部的空間向量疊加,生成投影到前擋風(fēng)玻璃的虛擬視線點(diǎn)。本次研究設(shè)計(jì)了一個(gè)在前部裝有固定支架以放置攝像機(jī),而在后部放有供捕捉圖形的安全帽。在實(shí)驗(yàn)過(guò)程中,三個(gè)GoPro運(yùn)動(dòng)攝像機(jī)負(fù)責(zé)建立視線的3D模型。第一個(gè)GoPro相機(jī)連接到安全帽前面的支架上,以獲得操作員的視線。第二個(gè)GoPro相機(jī)安裝在駕駛室的后方,以便在操作員前視期間捕獲頭部運(yùn)動(dòng)。第三個(gè)GoPro相機(jī)安裝在駕駛室的左前側(cè),使頭部動(dòng)作在向后觀察或者操作抓鉤的過(guò)程中可以跟蹤頭部方位。然后用計(jì)算機(jī)進(jìn)行圖像處理,恢復(fù)重構(gòu)操作員的視線點(diǎn)。通過(guò)計(jì)算注視行為的密度并生成由虛擬透視的注視熱點(diǎn)圖,從熱點(diǎn)圖的色塊分布可以得出操作員在林業(yè)作業(yè)過(guò)程中的視線集中區(qū)域。為了降低操作事故率和長(zhǎng)時(shí)間在駕駛室采伐木材引發(fā)的疲勞,以及提高多任務(wù)執(zhí)行效率等目標(biāo),本次研究還測(cè)試了遠(yuǎn)程遙控駕駛的可行性。由于現(xiàn)有的技術(shù)條件以及資金配備,不具有直接進(jìn)行遠(yuǎn)程遙控駕駛的軟硬件條件,本次研究以一種模擬遠(yuǎn)程駕駛的方式進(jìn)行了實(shí)驗(yàn)。集材機(jī)的駕駛室內(nèi)設(shè)置了基于視頻的驅(qū)動(dòng)系統(tǒng)以此測(cè)試遙控駕駛的可行性。廣角攝像頭安裝在集材機(jī)的前端,根據(jù)之前得到的視線點(diǎn)熱點(diǎn)圖,校正了攝像頭的方位。一個(gè)顯示器安裝在方向盤(pán)以上的區(qū)域,另一臺(tái)筆記本電腦與相機(jī)和顯示器相連接,負(fù)責(zé)快速處理并傳輸實(shí)時(shí)視頻。實(shí)驗(yàn)中,集材機(jī)的可視窗口均被遮蔽,操作者僅憑由攝像頭傳輸?shù)斤@示器上的實(shí)時(shí)畫(huà)面進(jìn)行駕駛操作,完成一段標(biāo)準(zhǔn)的林業(yè)作業(yè)路徑。同時(shí),研究人員也采集了集材機(jī)的實(shí)時(shí)位置以及對(duì)應(yīng)的速度。實(shí)驗(yàn)的結(jié)果表明,基于實(shí)時(shí)視頻的遠(yuǎn)程控制是可行的。
【學(xué)位單位】：上海海洋大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2017
【中圖分類】：S776.32;TP391.41
【部分圖文】：

3圖 2.1 人眼結(jié)構(gòu)Figure 2.1 Human eye structure白色部分）、虹膜（有色部分）和位于虹膜中心的瞳孔是眼睛在部分。覆蓋虹膜的角膜是一層負(fù)責(zé)保護(hù)血管的透明膜。位于虹稱為瞳孔。瞳孔通過(guò)不斷調(diào)整大小控制進(jìn)入眼睛的光線。位于體，它通過(guò)改變形狀使物體的圖像清晰聚焦到視網(wǎng)膜。然而，睛背部的光敏細(xì)胞組成的一層膜。角膜和晶狀體之間的區(qū)域由晶狀體和視網(wǎng)膜之間的空間由透明的凝膠狀玻璃體組成。視網(wǎng)為視網(wǎng)膜中心凹，其中包含大部分顏色敏感細(xì)胞并負(fù)責(zé)收集場(chǎng)被定義為眼睛的光軸，而視線顯示為從視網(wǎng)膜中心凹到瞳孔中心決定一個(gè)人的視覺(jué)注意力，但凝視點(diǎn)可以估計(jì)物體的信息以及的關(guān)系。表 2.1 總結(jié)了從角膜到視網(wǎng)膜的光路中位于邊界表面的

圖 2.2 浦肯野圖像Figure 2.2 Purkinje image紅外瞳孔-角膜反射捕捉是基于可見(jiàn)光、瞳孔中心以及角膜反射點(diǎn)協(xié)同完膜的反射點(diǎn)在不影響視線的情況下保障眼部區(qū)域的亮度，因著近紅外光源對(duì)瞳孔圖像造成侵蝕。infield 設(shè)計(jì)了一個(gè)低成本頭戴式視線捕捉器，通過(guò)一個(gè)混合算法將特征捕相結(jié)合。角膜反射和瞳孔均通過(guò)可調(diào)節(jié)的特征捕捉技術(shù)定位。其結(jié)果顯示純考慮瞳孔中心的方法，當(dāng)應(yīng)用瞳孔中心和角膜反射中心的向量差來(lái)校，錯(cuò)誤率顯著降低[12]。此外，結(jié)果指出需要通過(guò)標(biāo)準(zhǔn)的圖像處理方法來(lái)個(gè)畫(huà)面邊緣存在的形變，從而獲取更為精確的結(jié)果。近紅外瞳孔-角膜反隨后不斷改進(jìn)加強(qiáng)，其原理是通過(guò)設(shè)定一個(gè)近紅外的閾值來(lái)區(qū)分目標(biāo)點(diǎn)點(diǎn)。同時(shí)，近紅外光的反射也簡(jiǎn)化了瞳孔中心定位的過(guò)程。這個(gè)方法縮的耗時(shí)以及增加了瞳孔定位的準(zhǔn)確度[13]。然而，實(shí)驗(yàn)過(guò)程中依然會(huì)有其和噪點(diǎn)存在，因此在復(fù)雜環(huán)境下計(jì)算視線點(diǎn)較為困難。15 年 Parada 設(shè)計(jì)發(fā)明了一個(gè)低成本開(kāi)源的軟硬件檢測(cè)包。這個(gè)開(kāi)源軟件

圖 3.1 類哈爾特征Figure 3.1 Haar-like features在檢測(cè)過(guò)程中，整個(gè)圖像中各種組合的類哈爾特征都需被計(jì)算以得在一定區(qū)域內(nèi)特征的高度吻合顯示了該特征的正確性，比如眉毛在然而，以面部為例，單一特征的相似性不足以區(qū)分判斷一個(gè)區(qū)域，證才能有較高的準(zhǔn)確度判斷該區(qū)域的圖像。于是，兩個(gè)階段的驗(yàn)證，它們分別是弱分類器和強(qiáng)分類器，強(qiáng)分類器實(shí)際上是多個(gè)弱分類弱分類器常來(lái)說(shuō)，由于有預(yù)設(shè)的分類值，弱分類器的輸出相比于完全隨機(jī)的高的關(guān)聯(lián)性。應(yīng)用于圖像處理中的弱分類器的數(shù)學(xué)形式如下：h(x, f, p, θ) = 1 當(dāng) pf(x) < pθ0 當(dāng) pf(x) ≥ pθ( , , , )包括了一個(gè)子窗口圖像 x，一個(gè)特征 f，不等
【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 黃海英;胡桂明;賀金戈;;一種改進(jìn)的基于幾何特征的人眼定位方法[J];廣西大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年S1期

2 徐艷;陳孝威;;人臉檢測(cè)中的眼睛定位算法研究[J];計(jì)算機(jī)與信息技術(shù);2006年09期

3 張敏;陶亮;;人臉圖像中人眼的檢測(cè)與定位[J];光電工程;2006年08期

4 馮建強(qiáng),劉文波,于盛林;基于灰度積分投影的人眼定位[J];計(jì)算機(jī)仿真;2005年04期

5 沈殊璇,薄亞明;適合于科學(xué)計(jì)算的腳本語(yǔ)言Python[J];微計(jì)算機(jī)應(yīng)用;2002年05期

本文編號(hào)：2851601