英文版机器人学机器视觉与控制.pdf文字版高清带目录非扫描第二版

勇哥手上有几个案子用到了海康工业相机，为了方便自己，简单写了一个操作类。目前初步出了一个v1.0，功能围绕项目需要，因此十分简单，暂支持下面的内容：连续触发和外部信号触发 外部触发时的软件触发模式 枚举设备列表 可以看到连断线重连都没做。 先放上来吧，以后会持续完善它，并收录到netMarketing类库

基于树莓派 arm版本的opencv-python，直接使用pip下载，基本无法完成。供大学学习交流使用。

传统的基于RGB和骨骼特征的行为识别算法,普遍存在两种特征互补性不足及视频关键时序性不强等问题。为解决这一问题,提出一种自适应融合RGB和骨骼特征的行为识别算法。首先,面向RGB图像和骨骼图像,联合双向长短时记忆(LSTM)网络和自注意力机制提取两者的时空特征;然后,构建自适应权重计算网络(AWCN),并以两者的空间特征为输入计算出自适应权重;最后,利用自适应权重得到上述时空特征的融合特征,实现了最终的动作分类。通过在Penn Action、JHMDB和NTU RGB-D人体行为数据集上与现有的方法进行比较,实验结果表明,本文算法有效地提高了行为识别精度。

针对分拣过程中视觉系统识别复杂物体时速度慢、对环境变化适应性不足的问题，提出一种基于轻量型卷积神经网络的机械臂快速分拣方法。该方法首先使用基于轻量型卷积神经网络的MobileNet-SSD算法对图像中的目标物体进行检测，获取目标类别和位置信息；然后根据检测输出结果对图像进行预处理和边缘检测，最终得到校正后的定位结果。在PROBOT Anno机械臂平台上进行分拣实验，实验结果表明，相比于传统的图像处理方法，提出的方法能对复杂目标物体实现快速的检测和定位，对于目标形态和环境的多样性来说具有更好的鲁棒性。

人群中的异常行为是一大潜在威胁，自动检测监控中的异常行为成为近年的研究热点之一。然而，由于异常的未知性与复杂性，已有的检测方法仍然存在检测率低、定位精度差的问题。为此，提出了对视频监控中的人群异常行为自动检测与定位的方法。结合灰度值与光流场的分布提取运动区域；对运动区域分割得到有效的运动块，从中提取表示外观和动态的两种特征，即局部H梯度方向直方图G和局部H光流方向直方图F特征；使用k-means方法对运动块进行聚类，对每类样本使用一类分类器进行建模。最后，加入运动连续性约束，以抑制干扰噪声。在两个复杂的异常行为数据集上的实验结果表明，本文方法明显优于已有的检测方法，且可以满足正确率高、抗干扰能力强等实际工程需求。

基于机器视觉的芯片引脚缺陷检测研究.pdf

python利用opencv进行相机标定(教程)# 实现步骤 ## 拍摄棋盘图 首先打印下图：[下载](http://120.79.182.159:8000/f/9ad20d5debfb4aa68898/?dl=1) 也可直接保存 将其固定到一个平面上，使用相机从不同角度，不同位置拍摄（10-20）张标定图。类似这样的：python调用opencv相机拍照代码（例）： ``` 按`j`拍摄图片，将会按照顺序批量保存，按`q`退出程序。

官方OpenMV IDE安装包，版本：2.2.0，无需注册，即可使用。

C#联合halcon实时二值化显示源码及图片