PMMA微流控芯片微通道尺寸的检测

研究了一种基于光电耦合器件(CCD)及图像处理技术的聚甲基丙烯酸甲酯(PMMA)微流控芯片微通道几何尺寸的测量系统,论述了该系统的关键技术及其实现方法,包括图像的预处理、二值化、轮廓提取以及微通道尺寸的测量等。利用该系统测量的微通道几何尺寸(1~1 000 μm)与轮廓仪和万能工具显微镜的测量结果吻合很好,最大测量误差为2 μm(半深宽度),分析了测量误差产生的原因。检测实验结果表明:该检测方法提供的微通道几何尺寸评定正确可行、通用性好、应用简便,还可以避免轮廓仪在深结构测量中的误差。     

基于视觉原理的直槽丝锥轴向几何参数测量方法研究

针对目前丝锥测量方法存在自动化程度低和检测时间长的缺点，提出基于视觉原理的直槽丝锥轴向几何参数测量方法。利用Harris角点检测算法获得丝锥关键尺寸图像区域，再使用区域生长法、改进Canny算法和边缘跟踪算法提取丝锥边缘信息；经过牙侧线上一点作一直线垂直于牙侧线，使该点在垂线方向上到相邻牙型角的角平分线距离相等，运用三角形相似法确定牙侧线上的中径点，采用最小二乘法拟合上下牙型中径线，从而测得中径；求出对应牙顶和牙底像素点拟合直线的距离并获得大小径值；用拟合直线测量夹角获得牙型角和切削锥角，将对应牙侧线中径点的距离求均值后获得螺距。实验结果表明：对M14丝锥重复测量10次，上述几何参数的测量相对误差均在0.43%之内，能满足高精度、高效率以及自动测量的工程需求。     

基于定位平台的大尺寸工件视觉测量技术研究

对于大幅面工件的几何尺寸很难进行全尺寸视觉测量的问题,提出一种单目视觉加运动控制联合的测量方法.该方法结合了图像检测功能与运动平台的可移动特点,对大尺度工件进行分区编号,控制直线精密定位平台按逆时针顺序对相应区域进行图像采集处理,并建立一种基于Canny边缘检测与分段序贯最小二乘法拟合求交点的角点检测算法,通过获取先后两不同区域图像角点坐标的偏差,结合定位平台位移信息,实现对大幅面工件的全尺寸视觉测量.最后运用建立的大尺寸工件视觉测量系统对特征丰富的工件进行测量实验,实验结果表明系统在200mm测量范围内可保证0.05mm的精度要求.     

视频引伸计中Harris角点算法的改进

针对视频引伸计拉伸测试试验过程中的凸肩顶点定位难题,研究Harris角点检测及其改进的提取方法。通过理论分析与试验研究,说明改进的Harris算法较原算法在引伸计视频图像处理中,检测的角点分布更均匀,可有效地避免角点簇拥现象。为验证和改进算法的稳定性,对采集到的试件图片进行旋转和亮度变化,计算出平均角点重复率,证实改进的Harris算法能满足视频引伸计拉伸测试对动态跟踪测量的要求。     

基于机器视觉的铆接孔几何参数测量

为解决传统方法测量铆接孔几何参数效率低、准确性差等问题,提出基于机器视觉的铆接孔几何参数测量方法。该方法使用CCD相机采集孔的特征信息,通过灰度处理、双边滤波及直方图均衡化,降低颜色、噪声对图像的影响,使用粒子群算法优化Otsu双阈值分割提取感兴趣区域。使用Zernike矩亚像素边缘检测代替传统边缘检测算法,提高边缘检测精度,再通过形态学处理弥补像素损失。采用改进随机Hough变换(Improved Randomized Hough Transform, IRHT)提取特征,实现孔的中心坐标和半径测量,利用像素当量标定,将像素测量值转化为物理尺寸。经实验验证,该方法测量两孔间距误差小于2%,测量半径为2mm的铆接孔误差小于4%,优于质心法、圆拟合等传统测量方法。     

基于亚像素边缘检测的刀具几何参数测量

为了提高刀具几何参数图像测量精度,基于矩法理论,提出了一种亚像素边缘检测算法。该方法的基本思想是采用灰度空间矩,将图像边缘特征离散为亚像素级特征点,并用Matlab实现图像的处理。实验证明,基于亚像素特征点提取检测的刀具几何参数具有较高测量精度,且计算量小,具有很好的抗噪性能。     

复杂场景中航天器靶标的快速识别

基于靶标的几何特征提出了一种快速识别算法来解决目前航天器靶标识别存在的问题。设计了一款带有线段与圆环图案的合作靶标。利用高斯滤波去除图像中的噪声,运用Canny检测算子得到边缘图像,并跟踪得到单像素边缘序列。然后,通过判断非共线四点是否共圆排除大部分不可能构成圆的边缘,利用同一圆周的两段子弧对应相同圆心和半径的几何特征实现圆检测。最后根据靶标圆与线段的几何关系排除干扰,实现靶标的准确识别。实验结果表明,该靶标识别算法对噪声、光照、旋转等不敏感,能够在多种复杂场景中快速、准确地识别靶标,处理时间小于125ms,满足实时位姿测量8帧的需要。目前,该算法已经成功应用于工程样机。     

一种基于结构光双目视觉的特征匹配算法研究

特征点匹配在图像检索、三维测量、模式识别等技术中起着重要的作用。使用MATLAB软件剪切图像并细化线结构光光线条纹。经理论分析SURF算法优缺点,提出了一种基于SURF算法特征点提取的改进算法。用C语言编写改进后的特征提取算法,通过MATLAB软件实验对比两种算法的特征点提取结果并且编写程序实现后期的特征匹配。实验表明:该算法基本满足双目视觉立体匹配的要求,对于线结构光三维测量技术具有重要的理论意义和实用价值。     

基于视觉的物体特征点检测算法研究

根据测量物体的外形几何特征,提出了用扫描图像的方法进行特征点的提取,该方法能够以较少的特征点最大程度地反映物体三维尺寸.本文方法与Harris角点方法以及基于边缘的角点检测方法通过实验进行了对比分析,结果表明对形状比较规则的物体采用扫描的方式进行角点检测,可以在误差允许范围内,提高测量速度.     

基于高斯矩改进SURF算法的移动机器人定位研究

针对移动机器人定位过程中视觉图像特征点提取与匹配数量较多,边缘特征点不稳定的问题,提出基于改进离散Gaussian-Hermite矩的SURF图像匹配算法。利用双树复小波变换将图像分解为低频与高频部分,将低频部分作为改进算法的输入图像。通过采用3D非极大值抑制求取图像不同尺度下的特征点,计算图像Gaussian-Hermite矩,重新确定Hessian矩阵,检测稳定边缘特征点,定义新的特征描述向量。将改进算法与自适应粒子滤波定位算法相结合,实现移动机器人在室内环境中的视觉定位。实验结果表明:改进算法配准精度高于SURF算法,不稳定特征点提取数量相比于原算法约减少9%,匹配率得到进一步提升。