基于 ARM 嵌入式操作系统的图像处理*

无人清扫机器人是通过感知外界环境信息,传输到主控制器,实现自我决策并进行自主导航和壁障的。针对这个情况,论文通过A RM嵌入式操作系统和视觉检测系统对所拍摄图像进行边缘检测。以微控制器S3C2440为核心通过可输出标准的数字图像信号OV7670图像传感器对图像进行采集、通过邻域平均法对图像进行预处理和通过Sobel算子对图像边缘进行检测,为了进一步提高视觉检测系统的实时性和可靠性,在ARM上移植了嵌入式Red Hat 9．0 Linux操作系统,并通过U‐boot对bootloade进行移植,作为嵌入式操作系统中一段启动代码,起到引导加载启动程序的任务。在嵌入式Linux操作系统中,完成了视觉系统中邻域平均法图像预处理和Sobel边缘检测算子的软件设计。最后通过系统的软硬件调试,实时的显示出所拍摄图像的边缘,为无人清扫机器人提供了视觉信息。     

基于机器视觉的水果分级分拣系统关键技术研究

综合考虑自动分拣系统的各项功能要求,设计了自动分拣系统的整体方案.系统包括硬件和软件设计2部分.其中,硬件设计主要包括图像采集、机械手、传送带等模块,通过图像采集模块获取图像,通过机械手抓取水果.软件设计包括水果位置检测和分类识别两部分.通过研究水果的位置检测方法,对水果图像进行预处理,通过多种算子实施边缘检测,再基于...     

基于人工智能的PCB缺陷检测系统

PCB缺陷检测在现代电子信息技术中越来越重要,因此提高检测的效率和准确性是亟需研究的一个问题。针对这一问题,设计了一套基于人工智能识别的PCB故障智能检测系统。该系统首先利用硬件系统采集图像,再通过软件系统完成灰度化、中值滤波等图像预处理操作。之后利用Canny算子和霍夫变换获取边缘信息,并分割元器件图像。最后,利用事先训练好的神经网络模型实现故障识别。实际测试表明,该检测系统的准确率大于90%,因此该系统在PCB质量检测领域具有实际应用的意义。     

基于遗传算法的机械设备故障检测机器人设计

当前故障检测机器人受到超声波影响故障检测存在精准度低的问题,据此提出了基于遗传算法的机械设备故障检测机器人设计。采用AD500-1A型号传感器采集机械设备内外部数据信息,使用等效转换电路使机器人实时感知周围环境变化信息,并利用灵敏度高电子仪器实现机器人传感工作;使用2路200万数字网络高清摄像头,监视整个机械设备,获取机器人结构通信、管理和运动信息;将proGee0813型号芯片作为导航设备定位芯片,根据实际需求获取信号指令,并选定机器人行驶路径;通过Unity与UE4引擎虚拟现实硬件交互设备进行故障定位追踪;利用关节装置连接车轮前臂和上臂,实现不同磁铁吸附与脱离,依据机器人结构,完成机器人硬件结构设计。采用遗传算法确定导航适应度函数,通过机器人视频采集信息,设计预警功能,并利用机器人即时生成设备故障图像,依据实现流程,在超声避障功能支持下,完成机械设备故障检测。由实验结果可知,该机器人检测精准度最高可达到0.96,提高了机器人检测鲁棒性。     

基于机器视觉的平面规则几何工件分拣方法

为有效提高工业生产中工件分拣的效率,提出了一种基于机器视觉的平面规则几何工件分拣方法。首先对CCD相机采集到的工件图像进行预处理,包括灰度变换、二值变换及多目标分块处理三个环节;然后通过多目标质心快速计算方法获取工件的几何中心,再运用边缘曲线等价方法实现工件的形状识别,接着利用Harris算法检测出工件的角点,并筛选出工件外接矩形上的角点用于计算工件的旋转角度;最后引导Tripod三轴并联机器人在线完成工件分拣实验。实验结果表明,该方法能够获得良好的识别效果,有效提高了工件分拣的柔性和自动化程度,具有应用价值。     

基于旧电表机械自动化分拣及检测技术研究

常用分拣检测技术识别工件类别时,忽略机械图像的深度信息,导致工件识别精度和识别效率较差。为此,研究基于旧电表机械自动化分拣及检测技术。摄像机采集旧电表工件视频信息,转换视频帧为数字图像,预处理后提取图像边缘信息和深度信息,识别旧电表工件位姿,判别工件类别,利用PLC发出执行信号,控制机械手到达抓取位置,分拣识别出的旧电表工件,输入边缘特征和深度特征至卷积神经网络,预测工件类别,检验分拣是否准确。实验结果表明方法可提高工件分拣的准确率和召回率,提高旧电表工件识别精度和识别效率。     

基于机器视觉的芯片引脚缺陷检测系统设计与实现

针对双球红外接收头芯片人工缺陷检测难度大、误判率高等问题,设计了一个基于机器视觉的引脚缺陷检测系统,对双球红外接收头芯片的引脚进行缺陷检测,达到分辨出合格品和瑕疵品的目的;首先,通过工业相机实时采集芯片图像,并对图像进行滤波、灰度化等预处理;然后利用VisionPro视觉软件的PMAlign工件进行图像特征匹配,计算引脚个数以判断引脚是否缺失,利用AnglePonitPonit工具计算引脚间距以判断引脚是否弯曲;最后将检测到的芯片位置信息和识别结果通过socket通讯协议发送给工业机器人;工业机器人根据识别结果,将合格品和瑕疵品分别抓取至不同区域,实现对芯片的分类管理;实验结果表明,该缺陷检测系统误判率为0.4%,满足工业生产的要求。     

基于视觉传感器的PCB缺陷检测系统的研究与实现

为了实现PCB缺陷的在线自动检测,设计了一种PCB缺陷自动检测系统,该系统主要由机器臂、电气控制系统以及视觉传感器系统等组成。通过可编程控制的图像采集系统获取高质量的原始视觉图像,利用图像处理实现对缺陷目标的自动检测及识别。实验结果验证了该系统检测PCB板缺陷的高效性和实时性。     

一种适用于移动机器人的障碍物快速检测算法及其实现

针对传统的用于机器人检测障碍物的算法存在的不足,提出了一种基于视觉传感器与超声波传感器信息融合的快速障碍物检测算法.该算法通过位十机器人头部的超声波传感器获取机器人到障碍物(本算法采用矩形障碍物)的距离信息,通过改进型快速直线检测方法和约束条件确定障碍物在视觉传感器所采集的图像中的直线边缘,根据成像过程中-三角形相似的...     

绝缘子图像的边缘检测

高压输电线路巡检机器人,对绝缘子的检测是基于图像分析、处理及识别,从而实现故障的检测和监督.图像的边缘是一种重要的视觉信息,边缘检测是图像处理中的重要环节.文中利用几种不同的边缘检测方法对绝缘子图像的边缘进行检测,利用仿真结果对比、分析,认为小波边缘检测方法对绝缘子的边缘提取效果最佳,为后续绝缘子的破损检测提供依据.     

基于神经网络技术的机器人并发故障自动诊断方法

为了提高柔性负载抓握机器人的故障检测能力,提出基于神经网络技术的机器人并发故障自动诊断方法。运用高分辨的智能传感器信息识别技术,结合刚度和强度等机械结构特征分析,构建柔性负载抓握机器人的故障信息采集模型,采用变刚度原理,提取柔性负载抓握机器人的振荡信息特征,通过谱特征检测和动态信息融合进行柔性负载抓握机器人的故障信息的多分辨融合和特征聚类处理。通过分析故障样本信息数据参数的估计值,对信息数据进行重组,根据采样信息的差异性对故障类别进行初步判断和识别。采用BP神经网络技术,通过特征分布函数进行故障特征提取,进行机器人并发故障的优化诊断和自适应学习,提高机器人并发故障的有效检测和识别能力。仿真结果表明,采用该方法进行机器人并发故障诊断的自适应性较好,特征辨识能力较强,具有很好的故障监测和模式识别能力。     

基于ROS的溯源机器人系统

针对国内外对物联网和机器人相互结合,让机器人更好的服务于物联网展开的相关研究.本文提出了一种基于ROS与物联网的智能机器人系统.硬件上采用stm32传感器节点、树莓派、OpenWRT路由器、Rplidar雷达和C270罗技摄像头等;软件上使用ROS次级操作系统、Contiki、Tensorflow框架、Camshift算法和SLAM算法等;设计实现感知层的数据采集,基于SLAM的自动溯源,语音控制,机器人的物体追踪,物体自动识别以及web端的视频监控、反向控制和感知层数据实时显示等功能;而后搭建相关的试验环境,对系统与设备的相关功能进行测试,验证系统的可行性.     

基于窄带物联网的巡检机器人目标跟踪控制系统设计

目前研究的巡检机器人目标跟踪控制系统存在目标位置误差大、目标跟踪控制效果差、采集的图像模糊等问题。为了解决上述问题,基于窄带物联网的巡检机器人目标跟踪控制系统。系统硬件以窄带物联网无线通信模块为基础,优化设计了Zigbee压力采集器、中央控制器和STM32主控电路,实现了巡检机器人目标跟踪控制系统的数据信息集中调度。Zigbee压力采集器主要由XBee控制模块、压力传感器两部分组成,同时设计了供电电路、晶振电路和复位电路,通过系统硬件,实现了对巡检机器人的跟踪、控制和监控,为系统提供了硬件支持。软件方面给出了系统的控制流程,设计了Zigee组网程序、嵌入式视觉处理程序和巡检机器人自主导航程序。实验结果表明,基于窄带物联网的巡检机器人目标跟踪控制系统目标位置误差较小、控制效果较好、图像更加清晰。     

基于EAIDK的智能煤矸分拣系统设计

现有基于图像识别的煤矸石分拣方法实时性较差且整体分拣准确率不高,而基于密度的分拣方法适用于井下初选,成本较高。针对上述问题,设计实现了一种基于EAIDK的智能煤矸分拣系统。采用嵌入式人工智能开发平台EAIDK构建矸石识别和分拣控制硬件平台,在嵌入式深度学习框架Tengine下利用深度学习算法搭建卷积神经网络,建立端到端可训练图像检测模型,并利用智能摄像机获取的图像数据训练模型;通过手眼标定获得摄像机坐标系与机械臂坐标系之间的关系,控制机械臂进行矸石追踪和分拣。实验结果表明,该系统矸石识别准确率稳定保持在95%以上,机械臂跟踪时间小于30 ms,执行误差为1 mm左右,可以满足煤矸分拣工艺要求。     

An on-board vision sensor system for small unmanned vehicle applications

This paper describes an on-board vision sensor system that is developed specifically for small unmanned vehicle applications. For small vehicles, vision sensors have many advantages, including size, weight, and power consumption, over other sensors such as radar, sonar, and laser range finder, etc. A vision sensor is also uniquely suited for tasks such as target tracking and recognition that require visual information processing. However, it is difficult to meet the computing needs of real-time vision processing on a small robot. In this paper, we present the development of a field programmable gate array-based vision sensor and use a small ground vehicle to demonstrate that this vision sensor is able to detect and track features on a user-selected target from frame to frame and steer the small autonomous vehicle towards it. The sensor system utilizes hardware implementations of the rank transform for filtering, a Harris corner detector for feature detection, and a correlation algorithm for feature matching and tracking. With additional capabilities supported in software, the operational system communicates wirelessly with a base station, receiving commands, providing visual feedback to the user and allowing user input such as specifying targets to track. Since this vision sensor system uses reconfigurable hardware, other vision algorithms such as stereo vision and motion analysis can be implemented to reconfigure the system for other real-time vision applications.     

基于实时视觉分析算法的智能图像传感器系统设计

设计了一种智能交通图像传感器系统以实现对监控场景的快速移动侦测和对象识别。该系统具有有线以太网和无线GPRS双重网络接入功能,硬件由基于Au1200嵌入式处理器的网络接口端和基于BlackFin 533 DSP处理器的图像分析端组成。软件系统包括运行于Au1200处理器上的基于嵌入式Linux架构的网络收发软件和运行于BlackFin 533 DSP上的视觉分析算法。本系统引入了基于区域分割的背景模型和基于特征的对象识别算法。实验结果表明该系统能够实时高效地进行自动移动检测和对象分类识别。     

基于多层感知机模型的车牌识别技术

车牌识别是对实时图像中的车牌区域进行感知和截取,进行光学字符识别的过程。针对人工检测效率低的弊端,设计了一种应用于Android移动平台的车牌识别检测系统,利用OpenCV视觉开发库进行二次开发,使用支持向量机对图像进行判断,截取有效车牌区,并使用人工神经网络中的多层感知机模型实现字符的识别。测试结果表明,该系统检测速度快,准确性能高,对硬件设备要求低,实现了在移动环境下对车牌信息的有效检测和采集。     

缺陷药片智能识别与分拣机器人研究

针对药片表面质量检测主要依靠人工肉眼判断、检测效率低和漏检等问题,开展了缺陷药片智能识别定位与分拣机器人技术研究,进行了机器人系统总体设计和结构设计,采用Halcon机器视觉开发平台编写了图像识别与处理软件对缺陷药片进行识别和定位,对机器人进行了正运动学和逆运动学分析,编写了药片位置信息解算软件,通过指令驱动机器人各关节运动对缺陷药片进行准确抓取,实现了缺陷药片的智能化分拣。通过所设计的缩比机器人系统对药片进行分拣,验证了缺陷药片智能识别定位与分拣的功能,该机器人系统具有成本低、工作范围大、智能识别定位准确、通用性好的优势。     

基于多层前馈神经网络的航天器在线故障检测系统设计

航天器在故障定位过程中易受原始电源信号的干扰,导致识别效果较差,为了解决该问题,提出了基于多层前馈神经网络的航天器在线故障检测系统设计。根据航天器在线故障检测原理及物联网技术设计系统总体架构,并分别对硬件部分及软件部分进行设计。硬件部分结合工业标准?PC组件,设计PXI机箱结构,完成对PXI测量模块的控制,利用MXI-4接口工具实现远程遥控,解决干扰信号对系统定位识别干扰。设计FPGA的EP3C10芯片外围结构,确定电路板主、子适配器管脚连接方式,利用2个高速?AD转换器差分采样,通过?FIFO存储采样结果。通过电子负载板继电器控制模块,控制信号阻断性能。构建基于多层前馈神经网络识别模型,依据确定性逻辑推理规则得出识别门限值,依据阈值设定具体识别流程,判断则判定参数有故障,完成系统设计。实验结果表明,该系统信号阻断效果优异,在距离为2和6 m时达到最大信号幅值0.9,故障模式的检测结果与理想结果一致,能够为航天器稳定运行提供设备支持。