合成孔径视觉测距是多目视觉测量与单目视觉测量相结合的产物。
合成孔径聚焦测距方法是一种通用的图像视觉方法，对光照、色彩、纹理等变化稳定性好，能实时处理，适用于复杂的交通管理工程，为车辆自动驾驶找到了一种新导航方法。
利用小孔成像模型摄像机共面阵列获取图像序列，根据图像序列获取各距离段所对应的桶型失真和像差校正叠加图像，计算基准图像中每个像素的邻域与每一幅校正叠加图像中相应区域的相似测度，并选取相似测度随像差校正叠加图像变化的范围大于一预设阈值的像素作为可测距像素，相似度最大的校正叠加图像所对应的距离段即为该可测距像素对应目标点所处的距离段。
实测数据表明该测距方法具有鲁棒性好，算法简单的优点。

移动机器人集人工智能、智能控制、信息处理、图像处理等专业技术于一体，成为当今机器人研究领域的热点之一。
计算机视觉具有信息量丰富，信号探测范围广，获取信息完整等优点。
近年来广泛应用于自主移动机器人领域，是自主移动机器人导航和避障的一个主要发展方向。
本课题研究的目的包括，设计并构建基于RaspberryPi的视觉移动AGV控制系统，实现自主移动机器人的视觉导航功能。
本论文完成如下几个方面的研究内容。
机器人视觉导航图像处理算法设计，驱动部分设计，跟踪算法设计。
设计开发控制系统，实现摄像机视频流信息的获取。
对于获取的摄像机的视频流信息，通过图像处理算法提取路面信息，并通过串口与下位机进行通信，下位机根据路径信息指定模糊控制算法。
本论文设计了基于视觉导航的自主移动机器人整体结构，包括机械结构和差速驱动控制系统的设计。
为进一步研究基于视觉导航的自主移动机器人，提供了良好的实验平台。

AGV视觉寻迹

此学习笔记，是我本人在学习单目视觉导航原理时，整理的一些网上论文资源，并做了适当的提炼。
希望同学们可以在学习过程中，共同进步。

用RaspberryPi进行简单的视觉机械人控制

视觉导航是智能采棉机器人的基本技术之一。
棉田组成复杂，存在遮挡和照明，难以准确识别出犁沟，从而提取出导航线。
提出了一种基于水平样条分割的野外导航路径提取方法。
首先，通过OTSU阈值算法对RGBcolor.space中的彩色图像进行预处理，以分割犁沟的二值图像。
棉田图像成分分为四类：犁沟（成分包括土地，枯萎的叶子等）。
。
），棉纤维，棉的其他器官和外部区域或阻塞物。
通过利用HSV模型的色相和值的显着差异，作者将阈值分为两个步骤。
首先，他们在S通道中分割棉绒，然后在棉线区域之外的区域中在V.通道中分割犁沟。
另外，需要形状学处理以滤出小的噪声区域。
其次，水平样条用于分割二值图像。
作者检测水平样条中的连通区域，并合并由棉毛或附近大连通区域中的亮点引起的孤立的小区域，从而获得犁沟的连通区域。
第三，根据相邻导航线候选之间的距离较小的原理，以图像底部的中心为起点，并从连通域的中点开始依次选择候选点。
最后，作者对连接域的数量进行计数，并计算连接域边界线的参数变化，以确保机器人是否到达了野外或遇到障碍物。
如果没有异常，则使用minimum.squares方法由导航点拟合导航路径。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。