高斯匹配模型在光轴对准中的新应用

为了降低大气湍流和背景光对信标光的干扰,减小湍流对光轴对准精度的影响,在分析高斯光束模型的基础上对光轴对准算法进行了研究.首先分析背景光模型,根据其图像模型动态滤除背景噪声,然后根据光束能量分布做横向与纵向的数学统计.采用贝叶斯判别方法对光斑区域进行判决,进而实现大视场范围内激光光轴的空间滤波,最后在遵循最小二乘原则的前提下进行高斯拟合,获得光斑图像拟合曲线,进而根据每一帧图像的动态曲线完成高斯质心的提取,进一步提高光轴检测精度.通过6.5 km的野外实验证实高斯拟合算法得到的光斑图像精度为18 μrad,比相同条件下的传统质心拟合精度高出约12 μrad.     

基于互相关和改进高斯拟合的光斑中心提取方法

针对差分激光三角法海面溢油油膜厚度测量系统 中光斑图像中心提取的问题,在分析用 于系统标定的陶瓷量块和所测量的石油表面光斑图像特征的基础上,采用互相关与改进型高 斯拟合的算法对光斑中心进行提取。算法首先采用标准高斯图像模板与光斑图像进行互相 关,得到了保留图像特征且光顺的光斑图像;然后,利用上下边沿信息进行高斯计算的改进 型高斯拟合方法进行光斑图像拟合,由拟合得到的高斯图像参数计算出光斑中心坐标。通过 本算法与目前已有的平方加权质心法、高斯拟合法、改进型高斯拟合法和互相关高斯拟合法 对图像光斑中心提取结果的比较与分析,得出互相关和改进高斯拟合相结合的方法在光斑提 取重复性精度,以及使用本算法对陶瓷量块厚度测量精度均好于其它方法,并对石油表 面图像进行了中心提取实验。结果表明,本文算法适合于差分激光三角法海面溢油油膜厚度 测量系统的光斑提取。     

激光三角法高精度测量模型

为提高检测准确性,提出激光三角法高精度测量模型,由变阈值亚像素灰度重心提取算法和CCD倾角误差补偿模型两部分组成;光斑中心定位算法对激光检测准确度起关键作用,针对已有激光中心定位算法的缺陷,提出了变阈值亚像素灰度重心提取算法,通过梯度函数和高斯拟合算法设定阈值去除光斑边缘噪声区域对中心定位的影响,并利用多项式插值提高灰度重心法精度;同时为提高实际工业生产环境中的测量准确性,建立CCD倾角误差补偿模型;应用激光三角法高精度测量模型,以STM32F407为硬件核心建立系统,以锥螺纹为被测物进行实验;实验结果表明:该测量模型实现了对锥螺纹信息的准确采集,且精度明显高于传统的灰度重心法,可以将锥螺纹检测的误差控制在10 m内。     

复杂背景中维-汉混排字符串的分割技术研究

提出了一种基于混合高斯模型拟合选取阈值和区域生长的图像分割方法:首先利用笔画方向算子对文字笔画进行抽样,再利用混合高斯模型拟合其灰度直方图,确定样本的最佳分割阈值,最后利用样本的标准差作为生长规则的判断依据分割文字。该算法计算量小,实时性和分割精度均有一定优势,在提取目标的同时,残留背景像素极少,使下一步的目标识别更为简单。     

基于改进高斯拟合的红外相机视角下标识点中心定位方法

针对红外相机视角下标识点中心提取问题,在分析其图像特征的基础上,提出一种粗细结合的分割及高斯拟合的方法以实现对标识点中心的定位。首先根据图像中标识点的灰度差异,对其进行ROI粗定位,去除背景反光对其分割的影响。随后对目标图像采用K均值聚类算法,实现目标分割。最后,通过剔除中心冗余信息的改进高斯拟合提取方法,得到标识点光斑中心坐标。实验结果表明,相较于灰度质心法、Hough变换法和圆拟合法,本方法对其中心提取稳定性误差均小于0.1像素,具有高重复性和稳定性精度。即使目标产生不同程度遮挡时仍具有较高精度,适合于红外相机视角下定位系统的标识点中心提取。     

在多束激光混合分布下其图像定位各光斑质心位置的方法研究

激光光斑图像的质心提取是探测器确定激光方位的重要环节,对于获取激光方位角有重要的意义.传统上的灰度重心法、高斯拟合法以及椭圆拟合法三种激光光斑质心的提取方法都无法解决激光光斑图像上出现多个激光时其各个质心的提取问题.基于此缺点本文提出一种基于EM算法,求解二维图像中多个混合高斯分布中分辨质心分布的方法.采用CCD(Ch...     

基于灰度权重模型的激光条纹中心提取算法

为了在多噪声环境中精确提取激光条纹中心, 采用改进的灰度权重模型, 提取激光条纹的亚像素中心。通过均值阈值法以及改进的灰度权重模型对3维激光成像系统采集的图像进行了处理, 并与传统的算法进行对比。结果表明, 该算法能够较为完整地提取激光条纹区域, 并且其平均拟合相关系数为0.9809(最接近1), 平均列坐标最大差值为0.4518pixel(最接近0), 平均变异系数为0.0062(最接近0), 相对其它方法具有更优的结果, 能够抑制多噪声环境对于激光条纹提取的影响, 精确提取激光条纹的亚像素中心, 具有较好的鲁棒性。该算法为精确提取激光条纹的中心提供了参考。     

一种改进的高斯拟合法在光带中心提取中的应用

由于投射到物体表面的激光条纹因被调制在条纹不同位置处其宽度也各不相同。因此不能确定合适的拟合数据使得高斯拟合法的提取精度较低。针对此情况,提出了改进的高斯拟合法来进行激光条纹中心线提取,当激光条纹宽度发生变化时,通过边缘增强,图像分割,去噪处理后获得合适的拟合数据长度。实验结果表明:这种改进的高斯分布的曲线拟合算法在测量中更具有可行性,且提取精度得到提高,更适合于光条中心线提取。     

一种快速光栅条纹中心亚像素坐标提取方法

光栅条纹中心的精确提取会直接影响到线结构光视觉的测量与重建精度。为了解决传统的Steger算法计算量大,且在光条不均匀时提取不精确等问题。基于改进的Steger算法,提出了针对光栅条纹中心的快速亚像素坐标提取方法。通过高斯滤波、形态学等方法得到去复杂背景的激光条纹图像,用自适应阈值法缩小ROI区域,用霍夫变化求取光栅边缘线,求出边缘线中点,然后直线拟合,最后用改进算法提取中心坐标。实验结果表明:与模板法、传统Steger算法等光栅条纹中心提取算法相比,算法的鲁棒性更强,最大提取误差在0.3个像素,平均误差为0.1个像素,平均运行时间相比传统算法减少0.4 s。     

高斯混合分布激光中心线提取方法

针对激光辅助立体视觉测量中的非高斯非对称分布激光条的匹配中心线提取精度较低的问题,提出一种基于高斯混合模型的激光中心线提取方法。首先分析了激光散斑对图像的影响,选择均值滤波方法有效去除激光散斑噪声;然后利用最大类间方差(OTSU)阈值分割方法对光条位置进行粗定位;最后,利用本文提出的高斯混合模型提取激光条亚像素中心线,该模型可准确地描述激光条横截面光强分布特性,从而能够实现光条中心极值点的高精度提取。实验结果表明该方法能够高效稳定的提取激光条中心线。     

不等厚板激光焊接焊缝缺陷结构光视觉检测

为了检测不等厚钢板激光焊接焊缝表面缺陷,采用结构光主动视觉检测法和高斯数据拟合技术进行了焊缝表面缺陷检测的实验研究。首先采用高斯拟合法对激光条纹图像进行处理,提取出具有亚像素精度的激光条纹中心线;然后通过最小二乘法拟合出3条相交直线并求其交点,近而获得精确的焊缝端点位置坐标;最后给出焊缝表面缺陷-凹度和凸度的检测方法,并以不等厚钢板激光焊接焊缝为检测对象进行验证。结果表明,这种基于拟合技术的结构光视觉检测法为判断激光焊接焊缝质量是否合格提供了较为准确的判断依据。     

基于数据拟合的激光焊接焊缝图像表面缺陷检测

为了检测等厚钢板激光焊接焊缝表面缺陷,采用结构光主动视觉检测法和数据拟合技术进行了焊缝图像表面缺陷检测的实验研究。首先采用高斯拟合法提取出具有亚像素精度的激光条纹图像中心线;然后通过最小二乘法拟合出2条直线和1条二次曲线,求直线和二次曲线的交点以获得精确的焊缝端点位置坐标;最后给出焊缝表面缺陷：凹度和凸度的计算方法,并以等厚钢板激光焊接焊缝为检测对象进行验证。结果表明,在此提出的基于数据拟合技术的焊缝表面缺陷图像检测方法为判断激光焊接焊缝质量是否合格提供了较为准确的判断依据。     

基于多元正态分布的飞秒激光烧蚀光斑质心提取

飞秒激光在加工单晶硅过程中伴随着等离子体衍生发光现象,并以激光光斑形式表现出来,激光烧蚀效果受激光脉冲能量、光学设置、材料特性、环境参数等因素的影响,参数的选择是实现理想加工的关键,由此引入光斑质心的提取,研究光斑的变化规律以提高加工精度的目的。常用的质心提取算法有灰度质心法、高斯曲面拟合法等,但由于受到噪声的影响,光斑的灰度峰值可能发生偏差,提取的质心同真实质心相比误差较大,由此引入多元正态分布,在多个方向拟合高斯曲面,通过极大似然法估计质心,在精度方面得到了很大的改善。     

视觉测量红外光点图像中心精确提取

提出了一种视觉测量中的红外光点图像中心提取方法。首先,使用一组阈值平面与红外光点灰度能量分布相交确定光点能量等高线,得到各等高轮廓点和阈值平面截得的能量包络。然后,利用最小二乘椭圆拟合等高线上轮廓点的椭圆中心,并计算阈值平面所截得的能量包络的质心,以椭圆中心和包络质心的黄金分割点作为等高层面上的光点中心。最后,利用各等高层面光点的中心获得红外光点图像中心的精确位置。试验验证结果表明,算法对红外光点图像中心提取可取得较高精度。目前,方法已在面阵静态红外地球敏感器标定中得到应用。     

采样频率和激光脉宽对全波形激光雷达测距精度的影响

全波形激光雷达测距精度,又称测距重复精度或测距标准差,受激光器出光稳定性、激光脉宽、探测器响应时间抖动、电路噪声、波形形态、波形采样频率和波形处理算法等因素影响。理论分析了不同采样频率和不同脉宽对全波形激光雷达测距精度的影响,并采集不同的采样频率(1.25、2.5、5 GHz)和不同脉宽(1、2、3、···、10 ns)条件下的波形数据,经滤波、插值、波形提取等预处理后,利用线性高斯拟合、加权线性高斯拟合、迭代加权线性高斯拟合、期望最大化算法、和Levenberg Marquardt算法共5种算法计算测距值并统计测距精度。实验结果表明,EM算法获得的测距精度相比其他4种算法受到波形畸变的影响最小;加权线性高斯拟合算法获得的测距精度受采样频率变化的影响最小;相同波形幅值条件下,实际脉宽增加2.47倍,利用EM算法获得的测距精度从0.97 mm下降至1.18 mm,因此增加脉宽会降低测距精度;在光脉宽为4 ns的情况下,5 GHz采样频率数据在EM算法获得的测距精度分别为2.5 GHz、1.25 GHz采样频率数据的测距精度的1.71倍和3.07倍,而当2.5 GHz和1.25 GHz采样频率数据分别插值2倍和4倍至5 GHz后,仅为1.17倍和1.29倍,因此提高采样频率能够提高测距精度,而对低采样频率数据进行插值能够获得接近高采样频率数据的测距精度。     

线结构光条纹中心亚像素自适应提取算法

为了解决传统条纹中心提取算法对物体材质及噪声敏感问题, 采用自适应结构光条纹中心提取算法来提取条纹亚像素坐标。该算法首先对图像进行预处理, 利用图像掩模操作提取条纹图像感兴趣区域, 通过自适应卷积模板消除噪声干扰, 得到条纹区域截面宽度及条纹中心坐标的像素集合; 其次根据中心坐标的像素集合采用二次加权灰度重心法求取条纹中心初始坐标值, 将此作为种子点进行区域生长运算, 并结合主成分分析分解特征矩阵; 最终得到线结构光中心的亚像素坐标点。结果表明, 该算法能够有效快速地获取结构光条纹中心亚像素坐标, 相比灰度重心法, 所提算法实验结果波动性较小且标准误差也相对较小, 提取速度相比基于Hessian矩阵的Steger法提高近4倍, 满足工业测量系统实时性要求。所提出的结构光条纹中心提取算法具有较高的提取精度和良好的稳健性, 计算复杂度低, 具有较高的实时性, 可为后续3维视觉测量系统提供良好的精度保障。