基于图像的小尺寸零件圆参数亚像素定位算法

亚像素软件处理技术可以在一定程度上补偿图像测量系统由硬件限制引起的边缘定位误差,针对工业中的小尺寸圆形零件参数检测,提出了一种基于Zernike矩、二次多项式插值和最小二乘法拟合的圆参数亚像素定位算法。首先根据Zernike正交复数矩建立圆物体边缘点与边缘参数之间的映射关系,并提取边缘点;然后利用二次多项式插值在梯度方向上对提取出的边缘点进行进一步定位;最后利用最小二乘法拟合插值后的边缘点,得到亚像素精度的圆参数。通过小尺寸圆形惯性器件图像边缘提取实验,对该算法的有效性和检测精度进行了研究,给出了惯性器件的实测尺寸对比结果。实验结果表明:提出的圆参数亚像素定位算法比传统算子具有更高的检测定位精度,可满足图像目标高精度实时在线测量的要求。     

基于机器视觉圆环零件尺寸提取方法研究

针对流水线生产作业中圆环零件尺寸难以高精度快速提取的问题,提出了一种基于机器视觉的非接触式测量方法.通过机器人末端夹持线激光扫描仪扫描零件并将扫描数据转换到基座标下得到原始点云图像,对点云图像进行去噪处理和分离内、外圆特征点,提出了改进的随机采样一致性算法,分别拟合圆环内、外圆并计算圆环同心度.结果表明：该方法提取的圆环尺寸与真值比较误差在0.1 mm以内,满足自动化高精度测量需求.     

基于Zernike矩亚像素边缘检测的改进算法

通过分析Zernike矩以及基于Zernike矩的亚像素图像边缘检测原理,针对Ghosal提出的基于Zernike矩的亚像素图像边缘检测算法检测出的图像存在边缘较粗及边缘亚像素定位精度低等不足,提出一种改进算法。推导了Zernike矩模板系数,提出一种新的边缘判断依据。改进的算法能较好检测图像边缘并实现较高的边缘定位。最后,设计两组实验,实验结果将各尺寸模板结果及与Ghosal算法进行比较,证明了改进算法的优越性。     

基于曲线拟和的亚像素边缘检测

提出了一种高精度零件尺寸测量的亚像素边缘检测算法,采用改进的Sobel算子去掉局部非极大值点获得像素级边缘,在梯度方向上进行高斯曲线拟合,可实现图像边缘亚像素精确定位,提高测量系统的精度。     

采用结构光的大跨度销孔加工精度在线测量

设计采用十字线结构光的双相机视觉测量系统,构建由2个高精度工业相机、2个十字激光器和环形光源等组成的图像采集装置. 在传动箱加工现场获取端面销孔图像,提取图像感兴趣区域(ROI),采用双边滤波进行降噪预处理、二值化和边缘检测;基于改进方向模板法提取2个十字线结构光的中心线. 依据测量系统的设计原理分别测出2个销孔的孔径及其位置度. 结果表明：对于孔径,机器视觉在线测量装置与电子塞规的测量结果的偏差平均值为0.001 mm;对于孔组位置度,机器视觉在线测量装置与三坐标测量仪的测量结果的最大偏差为0.02 mm. 这表明机器视觉在线测量装置能满足加工精度要求和在线实时测量需求.     

基于改进Zernike矩的玻璃瓶亚像素边缘检测算法

图像的边缘检测精度决定了实际尺寸的测量精度,为了提高测量精度,提出了一种基于改进的Zernike矩的测量玻璃瓶实际尺寸的算法。将传统的Zernnike矩算法与Otsu自适应阈值法相结合,得到改进的快速算法;利用该快速算法对采集的玻璃瓶图像进行亚像素级边缘检测;运用最小二乘法根据亚像素坐标对瓶口与瓶底所形成的椭圆进行拟合;应用标准块规对系统进行标定并得到玻璃瓶实际的测量尺寸。实验结果表明,该方法不仅可使边缘检测达到亚像素级精度,还避免了人工反复选择阈值而造成的低效率与误判,实现了快速、准确、无接触测量实际尺寸的功能。     

基于PCNN算法图像边缘检测及系统级实现

针对图像边缘检测系统硬件设计和处理算法的选择优化问题,提出了一种基于PCNN算法结合FPGA的图像边缘检测系统实现方法.研究了系统中图像采集模块、FPGA外围电路、外部存储器和千兆以太网等部分的硬件设计.从简化系统算法和提高系统运行效率的角度出发,采用简化PCNN算法作为系统的边缘检测算法.采用两幅不同图像进行测试,结果表明,该系统能够实现对静态小场景图像边缘的可靠检测,检测效果优于传统Sobel算法和Canny算法,熵值最高可达0. 886.     

图像聚类分析法用于汽车图像边缘的检测

在分析用于图像边缘检测的多尺度多方位的形态学梯度算法基础上,结合基于自组织神经网络的图像聚类分析的数据融合技术,提出了一种改进的基于形态学梯度法的汽车图像边缘检测方法.经过实验检验,与其它形态学边缘检测方法进行了比较,该方法对汽车图像边缘检测具有较好效果.     

微小接插件高精度分段检测中图像拼接方法

对接插件进行分段检测,运用改进的Harris图像拼接算法,自动选取最优阈值,引入Hu矩结合点特征对各特征点进行匹配,利用平均值法进行图像融合并消除拼接缝隙,将拼接全景图像与单幅采集图像导入相应的测量软件进行检测。结果表明,二种采集测量方式都能达到所要求的检测结果,但分段采集并用改进Harris算法实现拼接的全景图所测量的精度更高,更能满足高精度检测要求。     

基于变结构元与参数映射的石英摆片参数测量

为了满足诸如民用领域和国防技术领域中对挠性器件石英摆片参数高精度测量的要求,提出一种利用视觉图像对石英摆片参数进行高精度测量的非接触方法.该方法通过视觉测量系统对石英摆片图像进行摄取,利用变结构元广义形态学边缘检测算法进行初始边缘定位,充分提取图像边缘细节信息的同时抑制图像噪声的影响.在亚像素图像处理中,提出了对圆形曲线进行亚像素边缘定位的边缘检测算法,建立了曲线边缘点与边缘参数之间的映射关系.利用检测出的曲线边缘点数据,通过定义一个新的误差函数并最小化,可以计算出石英摆片参数.实验结果表明,该方法稳定性好且实时性强,定位不确定度优于0.03像素,可实现石英摆片参数的精密测量.