Skip to main content

​
概述

视觉识别是机器人感知环境的重要手段，涉及图像采集、处理、分析等内容。本板块介绍 NEC 社区在各类竞赛中积累的视觉技术方案。

​
技术路线

传统图像处理

颜色阈值、边缘检测、形态学操作

深度学习

目标检测、语义分割、实例分割

​
核心模块

目标检测

YOLO、SSD、R-CNN 等检测算法

定位导航

AprilTag、ORB-SLAM、视觉里程计

图像预处理

去噪、增强、校正

相机标定

内参外参标定、畸变校正

​
硬件平台

平台算力功耗适用场景
OpenMV低低简单任务
Jetson Nano中中边缘推理
Jetson Orin高高复杂算法
Intel NUC高高上位机处理

​
开发框架

# OpenCV 示例
import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.jpg')

# 颜色阈值分割
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
lower = np.array([35, 100, 100])
upper = np.array([85, 255, 255])
mask = cv2.inRange(hsv, lower, upper)

# 轮廓检测
contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

​
快速链接

AIC 视觉方案

查看智能车竞赛中的视觉识别方案