openCV

一、核心功能模块1.多模态图像采集模块支持根据产品材质定制成像方案，可灵活选用可见光、红外、激光、超声波等多类成像传感器，适配金属、玻璃、透明薄膜、高反光工件等不同检测对象。内置工业相机、定制化光源的智能控制单元，可自动调节光源亮度、触发模式，针对复杂工业环境做抗反光、抗干扰优化，最高支持5微米级的

系统提供基于浏览器的无人机实时监控和任务控制能力，主要包括无人机位置、姿态、电量、飞行状态及传感器状态实时显示；航点上传、巡检任务启动、探索任务控制、临时飞行点、返航和紧急降落；无人机前后左右、升降和偏航等手动控制；云台角度、相机曝光和变焦控制；视频画面显示；系统状态监控及运行日志。前后端通过Web

系统分为图书信息管理、读者信息管理、借阅归还管理、图书检索查询、数据统计五大核心模块。支持管理员录入、修改、删除图书与读者资料，办理借书、还书操作；读者能够在线检索书籍、查看借阅记录；系统自动记录借阅流水，统计图书借阅情况，实现图书馆业务数字化管控。

具有视觉检测功能，触觉感知，同时视觉触觉感知融合（特征级融合）去综合性判断裂纹的坐标，长度，宽度，深度，最终能够输出检测到的裂纹尺寸以及位置以及置信度等等。但是由于触觉感知的代码以及感知融合的部分的代码有保密条例，不能公开，下方提供的仅仅是视觉部分的代码以及操控CNC与推杆控制传感器进一步检测的部分

标定模块：相机内参标定，相机和机械臂手眼标定。感知模块：通过深度相机（如IntelRealSense）采集物体RGB-D数据，结合深度学习模型实现目标物体检测识别。路径规划模块：基于喷涂工艺参数（如喷枪距离、角度、流量），利用强化学习或几何算法生成自适应喷涂轨迹，支持实时避障与轨迹优化。运动控制模块

系统功能：1、由用户工艺工程师按工艺模板建立工艺执行清单。2、产品进入全自动化输送链前对产品产品编码，绑定对应工艺。3、系统根据产品编码，匹配对应工艺，发送机械人指令，执行生产。4、视觉识别检测产品完成表面品质情况。5、后台大数据系统记录监测产品生产全过程。

该系统是为配套硬件定制的一套包含硬件控制、用户管理、数据管理、图像检测、AI检测子系统等多功能于一体的软件系统。硬件控制模块通过以太网、串口、USB等方式实现与硬件控制单元的通讯，如PLC、X-Ray发射器、X-Ray成像控制器、异常执行机构等，从而实现对硬件设备的操控；用户管理模块实现了角色分配与

工作包含设备电气接线与上电点检、输送机构与气缸动作调试、运行参数整定；具备故障检测处理功能，可解决贴标位置偏差、机构动作异常、通讯中断等问题，完成线束整理防护、设备验收及后期维护工作。

项目包含伺服轴精准定位模块、传送带启停控制模块、气缸气动逻辑联锁模块、触摸屏人机交互模块。设备实现料框到位检测、X轴自动前往取料点抓取物料、物料输送至出料位置、X轴移动至放料点完成下料，同时具备原点复位、手动单步调试、故障报警功能。

项目包含四轴伺服点位定位模块、气缸逻辑联锁模块、物料检测判断模块、触摸屏参数设置模块。设备完成载具进料、X轴精准定位抓取物料、物料翻转对接、满料检测、顶升移栽、电池压紧、自动切刀贴标、余料牵引回收全套动作，配备故障报警、缺料停机、原点复位、手动单步调试功能。

项目完成了一套约1.64米人形双足机器人机械概念装配设计，包含胸腔、胯部、左右腿、左右臂、前臂、小腿、电机安装位、轴承支撑、齿轮传动、十字关节和面板骨架等模块。Fusion360模型中装配实例约335个，采用模块化结构组织，便于后续调整关节比例、传动布局和安装空间。项目同时规划了UE4引擎中的机器人

1、项目包含钢板图像采集预处理模块、钢板轮廓特征提取模块、磁吸受力仿真计算模块、最优抓取点寻优模块、抓取点位可视化输出模块、机械手坐标导出模块六大核心模块。2、通过工业相机采集钢板实物图像，依托图像算法提取钢板外形、孔洞、折弯区域，力学模型测算磁铁吸附承载力，自动筛选受力平衡、避开缺陷区的抓取点位，

模型转换与部署：实现了从PyTorch(.pt)到ONNX再到RKNN的完整模型转换链路，适配瑞芯微NPU硬件加速。多线程视频流处理：设计了图像采集、预处理、模型推理、结果后处理的并行流水线，最大化利用CPU与NPU资源。自适应视觉算法：集成了动态阈值分割与逆透视变换（IPM）算法，解决了复杂光照下

医疗美容领域：研发结构光多视角人脸高精度三维成像系统；实现人头多视角三维重建，含三维点云--三角网格--三维纹理映射--多视角光照平滑处理等工业检测领域：研发轮胎生产过程的3D结构光、线激光三维缺陷检测系统；平面提取、异常高度检测、三维堆叠检测研发三维旋转三维扫描仪。

实现VR/MR等头戴低算力设备上实时高精度SLAM追踪算法，为上层SDK及APP提供技术基石。可建稀疏/稠密三维点云地图，VIO定位。实现多Camera+IMU联合标定算法；高精度实时SLAM位姿估计，SLAMAPE精度可达10mm内基于光学动作捕捉系统位姿对齐与估计(MetaSony等客户认可)。

1、下位机：完成隧道小车的驱动控制；控制线阵相机扫描隧道；控制补光；控制雷达探测周边障碍物确保安全；接收遥控器控制指令。2、上位机：整合下位机采集的图像；实现缺陷的人工标注；实现缺陷的自动识别；输出说明缺陷类型及位置信息的工单

SLAM建图与定位开发：基于2D/3D激光雷达、深度相机，提供高精度建图与定位算法开发，支持多楼层/大场景地图拼接与管理。多传感器融合：实现雷达/视觉/IMU/轮速计/RTK等多源数据融合定位，解决长廊、空旷等特征退化场景的定位难题。仿真与实车部署：搭建Gazebo/IsaacSim高保真仿真环境，

下位机：通过对激光雷达所采集实时点云进行分析，融合视频图像识别目标类型，针对不同的目标类型产生对应的事件上报至上位机；接收来自上位机的协议指令并执行上位机：综合下位机上报的事件产生不同等级的告警客户端：提供全网所监测路段的实时监控，并提供历史数据的查询及报表分析

本项目基于PointNet/PointNet++实现点云的高精度分割与分类，核心功能覆盖全流程开发。搭建Ubuntu+PyTorch环境，支持点云数据加载、预处理、标注、训练与推理；借助CloudCompare完成点云裁剪、标注、合并与导出，实现自定义数据集制作；通过脚本自动分离点云坐标与标签，构建

开发一款融合计算机视觉、嵌入式系统与人机交互的智能台灯，实现健康坐姿监测、护眼照明与多模态交互。核心闭环为“视觉感知—智能决策—机械执行”，在树莓派5上高效部署YOLOv8n与MediaPipe模型，集成DeepSeek语言模型实现语音交互，达到实时性能。