计算机视觉平台

计算机视觉平台是赛曙科技开发的一款面向于人工智能、计算机等专业的实训平台,符合硬件、网络、平台、计算、应用等智能产品框架。计算机视觉平台主要满足:图形化编程、Python程序设计、C#程序设计、计算机视觉、机器学习、深度学习、神经网络等相关课程和实训,是基于新工科和工程教育思维和专业改革而设计的实训平台。

“计算机视觉平台”课程融合光学成像、传感器技术、数字图像处理、机器学习、深度学习等多领域相关知识,由浅入深逐步阐述计算机视觉的相关理 论和应用技术基础,涵盖计算机视觉应用系统的设计思路、图像分析处理技术、深度学习方法原理、图像识别、运动跟踪与三维重建等知识。本课程 定位于中高职、专本科院校人工智能、自动化、计算机相关专业的专业基础课与综合实践课,适合有一定专业学习基础、致力于在视觉应用领域相关 行业发展的中高职、专本科学生,可适应视觉应用系统设计、算法研发、视觉系统实操维护等岗位技术与管理等职业需求。

第一章 绪论1.1 计算机视觉概述
1.2 视觉系统设计
1.3 实训:开发环境配置
第二章 图像的获取与表示2.1 图像的获取与数字图像的表示
2.2 实训:图像采集与转换
2.3 相机标定基本原理
2.4 实训:单目相机标定
第三章 图像预处理技术3.1 图像预处理技术概述
3.2 实训:老照片修复
3.3 实训:图像的去噪、锐化与模糊处理
第四章 卷积神经网络与深度学习4.1 机器学习概述
4.2 卷积神经网络
4.3 深度学习基本原理概述
4.4 实训:手写数字识别
第五章 图像的特征检测与提取5.1 特征检测与角点提取
5.2 图像边缘检测与特征提取
5.3 实训:图像特征检测
5.4 实训:图像的特征提取
第六章 图像分割6.1 传统图像分割技术
6.2 基于深度学习的语义分割与实例分割
6.3 实训:基于传统方法的图像分割
6.4 实训:基于深度学习的图像分割
第七章 目标检测与识别7.1 目标检测方法及应用
7.2 实训:基于深度学习的目标检测实验
7.3 目标识别基本原理
7.4 实训:人脸识别
第八章 运动跟踪8.1 运动目标检测与跟踪技术
8.2 基于CNN的运动跟踪方法
8.3 实训:运动跟踪实验
第九章 三维重建9.1 三维重建技术及应用
9.2 实训:三维重建实验
第十章 视频监控系统设计10.1 实训:视频监控中的人脸跟随

计算机视觉平台有基础参数、光源参数、工业相机/镜头参数与云台相机参数等部分组成。

类别名称参数
基础参数CPUIntel® Core™ i3-8100
内存8GB
存储128G SSD
集成显卡英特尔®核芯显卡 630
GPUGTX 1030 2GB独立显卡
视频输出1 个 HDMI 端口,最大支持 4096 × 2304 @24Hz
网络接口1 个 Intel 千兆POE网口
USB4 个 USB2.0 接口
供电24V 6.25A
操作系统Windows 10 64 位,未激活
光源参数颜色白色
波长B:465nm
R:625nm
照射角度75°
灯珠排数3 排
外形尺寸φ90*18mm
发光面外径φ81.6mm
工业相机传感器IMX226
传感器类型CMOS
分辨率4024×3036
最大帧频9.6fps
色彩彩色
海康镜头焦距12mm
光圈范围F2.8-F16
畸变-0.005%
视场角D(m):40.94°
H(m):34.14°
V(m):23.17°
过滤螺纹M27×0.5
云台相机感光器件200万1/2.8CMOS传感器
像素尺寸2.9 um ×2.9 um
帧速率MJPG60帧,YUY2约5帧
分辨率默认1920×1080
支持1280×720,800×600,640×480,320×240
转动角度270°
名称数量名称数量
工控机*1机械臂*1
光源*1加密狗*1
工业相机*1键盘鼠标*1
海康镜头*1标定板*1
云台相机*1电源适配器*1
Logo

北京赛曙科技有限公司

官方网站:https://bjsstech.com

联系电话:010-60603249

公司地址:北京市海淀区清河街道中关村华侨创新产业园15号楼

taobao
wechat

北京赛曙科技有限公司 (SASU)

© 2016-2025 赛曙科技 SASU 京ICP备18023852号-3