可抗噪声的Canny改进边缘检测算法

由于图像噪声的存在,传统的边缘检测算法常常无法准确检测到边缘信息.本文分析了噪声条件下边缘信息的几何特征,提出一种基于几何边缘增强技术的边缘检测算法.首先采用Canny算子计算图像的初始边缘信息,然后根据初始边缘信息自动计算阈值排除弱边缘,对剩余边缘计算带方向梯度值进行增强,根据增强边缘信息自动计算双阈值,最后用双阈值方法检测、过滤并连接边缘.该算法提高了边缘检测的准确性,可以高效率地处理噪声和纹理导致的虚假边缘.     

基于Android的裂缝宽度检测系统设计实现

针对传统基于pc机的裂缝宽度检测方法不够灵活方便,设计了一个基于Android的便携式裂缝宽度检测系统.通过驱动手机摄像头采集裂缝图像,利用图像处理技术对采集到的图像进行预处理、二值化及Canny边缘检测等,从而提取出裂缝的边缘信息,计算出裂缝的宽度.将系统的检测值与裂缝测宽仪的测量数据进行比较,其相对误差不超过7％.实验结果表明,该系统能够较准确地检测出裂缝的边缘,而且检测出的裂缝宽度具有较高的精确性,因此能够较大提高检测效率.     

基于DSP的静态板型检测仪设计

为形象、直观、精确地测量板材表面的平整度指标,本设计构建了一个静态板型检测系统,它是以DSP为控制核心,通过控制直流电机,拖动激光位移传感器在滚轴丝钢上匀速扫描,并把产生的位移信息再传送给数字信号处理器分析处理,借助DSP强大的数据处理能力计算出板材的平整度,使精度低于5I,并把检测结果及波形形象的显示在LCD液晶显示屏上。本设计还介绍了平整度的计算算法,误差校正。     

基于深度信息局部二值模式特征的室内场景边缘检测EI北大核心CSCD

针对室内场景深度图像,检测场景中的面片边缘信息并确定场景中的完整面信息是实现室内场景分析和理解的基础.基于深度信息局部二值模式特征,提出一种室内场景深度图像边缘检测的方法.首先对场景深度信息图分别求X方向和Y方向的梯度信息,结合2个梯度图找到深度信息图的基本边缘信息;然后计算基本边缘附近的局部二值模式特征信息,并计算深度图每个点的法线信息;最后利用深度信息局部二值模式特征和法线信息对边缘信息进行判断和矫正,以提取深度图像的面片边缘信息.实验结果表明,该方法能够高效、准确地检测室内场景深度图像的边缘信息,避免边缘信息的过检测和欠检测.     

摆轮式快递分拣机控制系统设计

为提高传统快递分拣系统的分拣效率与分拣准确性,设计了一套摆轮式快递分拣机控制系统。该系统根据前端扫码系统扫描的单号信息,获取包裹单号地址所对应的分拣口信息,采用队列的方式对分拣线上的包裹进行管理,分拣机通过红外对管检测分拣线上的货物位置,按照计数值获取对应包裹存储在队列中的信息,根据分拣信息确定包裹出口。实验结果表明,采用队列方式、双重红外检测、变速双摆角的控制模式分拣准确率、分拣效率较高,每小时可达6000多件。摆轮式快递分拣系统可以显著提高包裹分拣效率和准确率,对降低包裹处理时间,节约物流成本具有重要意义。     

常用边缘检测技术的对比

边缘检测是图像处理和计算机视觉中的基本问题,边缘检测的目的是标识数字图像中亮度变化明显的点.经典的边缘检测算法如canny算子等是通过计算图像中局部小区域的差分来实现边缘检测的.这类算子对噪声非常敏感,并且常常会在检测边缘的同时加强噪声.多尺度形态学边缘检测利用不同的结构元素去作用图像,通过形态腐性和形态膨胀操作,获得了效果很好的图像边缘检测算法.单尺度形态学梯度算子也能很好提检测图像边缘,但结构元素的选取对输出结果影响较大.通过使用多尺度形态学梯度算子,可以弥补结构元素的大小问题.仿真结果表明,该算法能得到较为理想的图像边缘信息,其抗噪声性能明显优于经典的算子检测算法.     

二维几何图形测量中的边缘定位算法研究

研究图像优化测景和提取问题,针对CCD摄像机采集的图像中含有各种噪声,传统的边缘检测算法不仅不能很好地抑制噪声,而且定位精度只达到像素级.为了更好地提取图像边缘信息并抑制噪声,以提高测量系统的测量精度.在比较分析各种像素级边缘检测及亚像素细分算法的性能后,采用能同时协调图像边缘信息和抑制噪声的多结构多尺度形态边缘检测.根据测量系统的被测目标,采用矩估计亚像素细分算法来实现图像边缘的精确定位,并进行仿真.仿真结果表明算法通过提高定位精度,有效地提高了测量精度.     

融合边缘信息的显著性目标检测

为了解决显著性检测中图像的低对比度区域和边缘区域存在误检测的问题.提出包含边缘检测子网络和显著性检测子网络的双分支网络模型.在自顶向下的信息流传递过程中，边缘检测子网络和显著性检测子网络分别独立学习边缘信息和显著性信息.设计信息交互模块和特征聚合模块，使得两个子网络将各自学到的特征信息逐层融合.边缘检测子网络，由真值图通过距离变换生成的边缘真值图进行监督，边缘检测子网络仅用于训练阶段.在5个经典数据集上进行的实验结果表明：相比于其他12种主流的检测方法，在F度量，平均绝对误差，结构化度量，精确率-召回率等指标中，本文方法均有明显的提升.基于边缘检测子网络提供的边缘信息能有效引导模型区分出低对比度图片中的边缘部分，得到边缘轮廓完整的显著图.该方法生成的显著图边缘轮廓连续性更好，空间结构细节信息更清晰，对低对比度区域更敏感.     

路轨平整度检测系统设计与实现

路轨的平整度直接影响列车运行的振动和平稳,直接影响列车提速的最高运行速度和钢轨的使用寿命.根据现行焊轨生产基地的实际工程需要,设计并实施了一套基于自适应技术的路轨平整度智能检测系统.系统采用激光长位移逐点扫描技术,提取路轨表面轨迹平整度信号,经数据辨识、融合和模型参考算法,进行计算机信息处理,检测路轨表面平整度数据是否落入误差带来判别合格与否,并以图形方式显示.通过实验室重复性测试及两年来在生产现场的实际运行,系统符合设计要求,检测可靠,性能稳定.     

基于Canny算法的改进Kirsch人脸边缘检测方法

针对Kirsch边缘检测算法的不足,提出了一种基于Canny算法改进的Kitsch人脸边缘检测算法.该算法先对原始图像用高斯滤波器平滑,计算其梯度图像.然后将梯度图像用改进后的Kitsch算法进行计算,并根据和两个阈值进行边缘提取.试验结果表明,采用该算法提取人脸边缘不容易受噪声的干扰能检测到真正的弱边缘,效果优于经典Kitsch边缘检测算法.     

A Genetic Algorithm for Assessing Flatness in Automated Manufacturing Systems

The measurement of flatness for manufactured parts is one of the most frequently used procedures in automated manufacturing systems. Measuring instruments are commonly utilized in taking measurement data from manufactured surfaces for inspection purposes. The measurement data is then used to evaluate the geometric information, from errors associated with its surface. The study proposes the computational approaches for flatness with respect to ASME Y14.5M-1994 standard. The proposed methods consider the trade-off between the accuracy of flatness and the efficiency of inspection. Two approaches of computational metrology based on genetic algorithms are proposed to explore the optimality of flatness measurement and the flatness feasibility analysis. The results show that the optimization algorithms provide exact flatness errors and adequate tolerance size. Received: February 2004 / Accepted: September 2005     

独轮机器人的建模与自抗扰控制算法

独轮机器人前后平衡由一车轮保持并驱动其前后运动, 侧向平衡则由一基于空气阻力的风轮保持, 以此结构为被控对象建立该系统动力学模型. 以一种非线性的控制方法—–自抗扰控制方法控制其平衡运动, 在系统的纵向和侧向上分别设计一个自抗扰控制器, 系统的内扰和外扰被视为自抗扰控制器的总扰动. 以PID 控制方法作对比实验, 仿真结果表明了自抗扰控制算法的强鲁棒性和有效性.

     

基于端到端的多任务商标分卡模型

目前商标分卡处理方法是先进行文本检测再进行区域分类, 最后对不同的区域进行拆分组合形成商标分卡. 这种分步式的处理耗时长, 并且因为误差的叠加会导致最终结果准确率下降. 针对这一问题, 本文提出了多任务的网络模型TextCls, 通过设计多任务学习模型来提升商标分卡的检测和分类模块的推理速度和精确率. 该模型包含一个特征提取网络, 以及文本检测和区域分类两个任务分支. 其中, 文本检测分支采用分割网络学习像素分类图, 然后使用像素聚合获得文本框, 像素分类图主要是学习文本像素和背景像素的信息; 区域分类分支对区域特征细分为中文、英文和图形, 着重学习不同类型区域的特征. 两个分支通过共享特征提取网络, 像素信息和区域特征相互促进学习, 最终两个任务的精确率得以提升. 为了弥补商标图像的文本检测数据集的缺失以及验证TextCls的有效性, 本文还收集并标注了一个由2000张商标图像构成的文本检测数据集trademark_text (https://github.com/kongbailongtian/trademark_text), 结果表明: 与最佳的文本检测算法相比, 本文的文本检测分支将精确率由94.44%提升至95.16%, 调和平均值F1 score达92.12%; 区域分类分支的F1 score也由97.09%提升至98.18%.     

基于卡尔曼滤波的两轮平衡姿态检测系统设计

针对传统两轮平衡检测系统易受噪声等环境因素影响,导致测量产生误差的现象,提出基于卡尔曼滤波的两轮平衡系统设计。选择SCA610-CA1H1G型号姿态传感器,以MEMS技术为基础设计姿态传感器结构,具备可选择的多种数据输出模式。选取36V电源将3个12V12AH的铅酸电池利用串联在一起,为系统提供充足电源。设计主控芯片Pentium II/III/4系列CPU,将它的状态信息描述和对外输出。设计基于卡尔曼滤波的去噪流程,构建误差修正模型,通过四元数转旋转矩阵转移到当前设备坐标系上处理,由此获取姿态矩阵从本体坐标系旋转到另一个坐标系的过程,对测量数值进行归一化处理,可得到无量纲标量。使用定时采样三阶逼近法,更新四元数,完成姿态检测。由实验结果可知,无论是在0-15dB噪声环境,还是15-30dB噪声环境下,系统监测精准度最高为92%,为汽车、航天领域提供设备支持。     

基于光束平差法的双目视觉里程计研究

机器人自定位是实现机器人自动导航及其他智能行为的前提, 一种基于光束平差法的移动机器人双目视觉里程计可以有效地实现机器人自定位. 为此, 首先采用点模式匹配方法建立相邻图像之间的特征匹配关系, 根据立体视觉算法得到匹配点对的三维对应关系; 然后, 计算摄像机的相对运动参数, 并采用光束平差分段优化算法对其进行优化. 所提出的双目视觉里程计能够避免车轮半径变化、空转、打滑等对里程计测量精度的影响, 相对定位精度较高.

     

基于目标和关键点检测的单目托盘定位

托盘的识别与定位是无人叉车中关键的问题之一.当前托盘定位多采用目标检测的方法,然而目标检测只能识别托盘在图像中的位置,无法得到托盘的空间信息.针对此问题,本文提出了一种基于目标和关键点检测的单目托盘定位方法,用于检测托盘并计算托盘当前的倾角和距离.首先对托盘进行目标检测,然后将检测的结果进行裁剪后输入到关键点检测网络中.通过对托盘关键点的检测和托盘固有的几何外形特征,设计边缘自适应调整,得到高精度的托盘轮廓信息.根据几何约束提出了基于轮廓点的托盘倾角与距离计算方法,并采用RANSAC算法提升了计算结果的精度和稳定性,解决了托盘的定位问题.实验表明,本文提出的算法在倾角计算上平均误差在5°以内,水平距离计算上平均误差在110 mm以内,能较好地定位托盘,具有较高的实用价值.     

机器视觉复杂平面边缘角点的高精度定位方法

基于机器视觉的二维复杂平面尺寸测量中,边缘角点包含丰富的图像目标特征信息,其检测精度对后续图像分析及参数计算精度有着至关重要的影响。本文提出了一种边缘轮廓角点的高精度定位方法,该方法先利用角点处的曲率变化及相邻两角点线段与x轴正向的夹角变化,初步确定角点的位置坐标,然后利用优化方法去除伪角点,以实现对真实角点的高精度定位。研究表明,该方法便捷、高效,在服装衣片的样片边缘测量中取得了理想的结果。     

An improved 3D imaging system for dimensional quality inspection of rolled products in the metal industry

Measurement, inspection and quality control in industry have benefited from 3D techniques for imaging and visualization in recent years. The development of machine vision devices at decreased costs, as well as their miniaturization and integration in industrial processes, have accelerated the use of 3D imaging systems in industry. In this paper we describe how to improve the performance of a 3D imaging system for inline dimensional quality inspection of long, flat-rolled metal products manufactured in rolling mills we designed and developed in previous works. Two dimensional characteristics of rolled products are measured by the system: width and flatness. The system is based on active triangulation using a single-line pattern projected onto the surface of the product under inspection for range image acquisition. Taking the system calibration into account the range images are transformed into a calibrated point cloud representing the 3D surface reconstruction of the product. Two approaches to improve the line detection and extraction method used in the original system are discussed, one intended for high-speed processing with lower accuracy, and the other providing high accuracy while incurring higher computational time expenses. A mechanism to remove, or at least reduce, the effects of product movements while manufacturing, such as bouncing and flapping, is also proposed to improve the performance of the system.     

一种轴类零件边缘精确定位方法

针对目前的边缘检测算法存在定位精度低、处理速度慢、抗噪性能差等缺陷,提出了一种轴类零件尺寸检测的图像边缘高精度定位方法。该方法采用改进的自适应中值滤波算法、改进的Kirsch算子和在图像边缘灰度梯度方向上进行二次函数逼近高斯曲线拟合方法,实现了图像边缘亚像素高精度定位,提高了尺寸检测精度。通过对气门尺寸的计算机视觉检测实际应用,证明提出的算法精确且稳定,满足高精度视觉检测要求。