导航 : EXPO21XX> 机器人21XX> H25:AIIT计算机视觉福德汉大学,纽约
福德汉大学,纽约
视频播放
加载播放器
  • 提供配置文件
  • 福德汉姆机器人计算机视觉实验室达米安里昂创举实验室对认知机器人学、团队寻路导航和敏捷机器人平台进行研究
产品组合

  • 机器人学

  • 并用三维模拟引擎生成预测图像 并对比真实图像以这种方法识别真实图像中的显点并生成映射实景合成场景的近似图像变换图像差分运算确保匹配点产生零差以这种方式减少同步差分并增强内容差分
    • 图片会长Landmark
    • 差分映射
    • TerrainSpatific

  • 自动化监视

  • 感知多目标跟踪
    多数现有视觉跟踪系统处理拥塞场景不妥我们的目标是开发算法从视频中取多重感官提示(例如目标位置、颜色、形状等)并整合信息以强力跟踪拥挤场景聚焦于锁定目标问题- 因为这是常态跟踪难点感知聚变目标问题难解,因为排入过程引出特征值剧变非线性变换并研究特征测量值向候选目标分布- 即所谓的排名行为-实验性地显示,这个方法-我们称之阶法-或mahalanobis和聚变法-提高加权和或mahalanobis和

    多机资源管理自动化
    我们的目标是实现多摄像头交换过程自动化,同时(人工或自动)跟踪目标其中一个大问题就是理解摄像头视图间的连通性开发算法和软件库自动学习(使用NN)摄像头不需要重叠视图、存在和入口都可能在视图领域任何地方,不需要地图未来工作将包括软件定期更新取信息以计数摄像头或建楼变化

    识别归并跟踪:PTZ目标离散-晚建模
    多数PTZ跟踪系统仅依据提供目标最佳运算器视图决定何时打包、倾斜或缩放运算符视图显然是一项重要的终端跟踪目标,但这不是唯一需要承认的制约因素第二项约束是跟踪者能够强力识别目标没有理由说这两个约束总是一致的,而忽略第二个约束表示操作者可能得到错误目标的极佳视图开发离散事件控制方法建模目标形状和颜色,以确定何时需要缩放以保持目标识别并维护操作器视图未来工作包括将离散事件模型扩展为混合模型,以便对PTZ进行精密控制