一种基于不变矩的目标识别方法

矩技术因其具有数学上的简明性及多样性而得到了广泛应用,例如计算机视觉和模式识别等方面.针对目标二维形状发生平移、旋转和尺度变换的情况,本文采用以不变矩作为特征量的特征匹配算法,同时利用二值羽毛球图像比较了Hu提出的区域不变矩和Chen提出的边界不变矩在相同变化条件下的性能.结果表明,Hu's矩的稳定性更高,最后用其实现了对具有上述特性的二维羽毛球目标的识别,结果较为理想.该方法为复杂背景下任意形状目标的识别提供了一种有效可行的方法,具有一定的参考和实用价值.     

基于机器视觉的工业机器人分拣技术研究

将视觉系统应用到工业机器人当中去,使得机器人具有人眼的功能是当今机器人研究的重点。本文针对以往工业生产线分拣工件时存在的问题,从视觉的角度研究了相关技术难点。本文完成了基于机器视觉的工业机器人分拣系统平台的搭建,首先通过摄像机对传送带上进入工作区的工件进行图像采集,然后对图像预处理分析,接着用不变矩对工件进行快速识别,之后用Hough-链码识别算法对工件进行精细匹配,最后通过中心定位算法计算出工件的位置,引导机器人对工件进行分拣抓取。同时,本文还提出了多目标分块处理算法和Hough变换与链码相结合的Hough-链码识别算法。实验结果表明,该分拣系统可以有效解决规则几何工件的分类的问题,达到分拣的目的。     

基于水平集和支持向量机的图像声呐目标识别

为了能实现水下遇险目标的精确定位,首先要对声呐所获取的图像进行目标识别。利用水平集法获得水下声呐图像中目标轮廓后,提取目标轮廓的7个不变矩作为特征矢量,并将获取的不变矩特征输入到已经训练好的支持向量机中进行识别,从而得到识别结果。所使用的识别方法综合了基于水平集提取轮廓的长处,不变矩的位移、尺度、旋转不变性的特点和支持向量机在小样本、非线性模式识别中的独特优势。实验结果表明:该方法对高分辨率图像声呐具有较高的识别率和较低的误判率,对原始声呐图像的目标识别率高达99%,对加入方差为0.09的高斯噪声的声呐图像的目标识别率可以达到97%。     

混沌振子识别轴承早期故障的极半径不变矩判据

现有的基于混沌振子检测轴承故障的方法的关键步骤是混沌振子相态转变判别,目前大多采用李雅普诺夫指数等特征值进行判断,针对其计算过程复杂,耗费时间长的缺点,基于图像识别技术,提出了一种以极半径不变矩参数作为相态转变的识别方法。通过构造Duffing混沌振子,分析了其相态转变与周期策动力的变化关系,证明其用于轴承早期故障识别的可行性;给出了极半径不变矩的定义,并证明在混沌振子相图由混沌运动态向大尺度周期态转变的过程中,随着周期摄动力不断增加,极半径不变矩表现出单调递增的特性;与HU氏不变矩及二维近似熵判别方法进行对比,讨论了极半径不变矩的抗噪声干扰能力;最终,将该方法用于实际搭建的钻机动力头轴承早期故障诊断的试验中。试验结果表明:极半径不变矩可以识别混沌振子相态过程转变,最低检测信噪比达到-36.99dB,且识别准确率也较另外两种方法提高了4%~7%。证明该方法可以用于轴承早期故障识别,具有识别准确率高,抗噪声干扰能力强,计算简便的优点。     

基于单目视觉的工业机器人智能抓取系统设计

针对工业机器人如何能在多目标工况下快速自主识别和抓取指定目标工件的问题,将单目视觉引导技术应用到工业机器人智能抓取系统设计中。利用图像进行了模式识别,对检测定位进行了研究,建立了视觉图像与工件定位抓取之间的关系,提出了基于轮廓Hu不变矩快速模板匹配算法的单目视觉抓取系统。首先将摄像机获取的图像进行了预处理,然后利用轮廓Hu不变矩模板匹配算法进行了目标工件的识别,利用轮廓矩和二阶惯性矩最小原理对识别出的目标工件进行了位姿求取,最后通过建立SOCKET通信将求取的位姿发送给了机械臂控制系统引导机械臂的抓取。基于VS软件开发平台和ABB机械手,对智能抓取系统进行了搭建并试验。研究结果表明:该基于单目视觉搭建的工业机器人智能抓取系统成本低、定位精度高,可满足工业自动化生产的需求。     

一种基于不变矩和SVM的图像目标识别方法

本文提出了一种利用不变矩和支持向量机(SVM)对图像目标进行识别的方法.该方法提取目标的6个不变矩作为特征矢量,应用SVM方法对其进行分类识别.结果表明,这一方法对仅含有目标和背景的图像具有很好的分类识别能力.此外,还发现图像二值化取值范围对识别结果有直接的影响.     

基于触觉传感器的工件形状识别

介绍了一种利用阵列触觉传感器实现工件形状识别的新方法.该方法针对传感器采集的触觉图像的特殊性,在信号的预处理中采用Hopfield神经网络解决断线、畸变等问题.并以矩描绘子作为特征判别的主要依据,采用模板匹配法实现了工件形状的正确识别.     

基于立体视觉的工件识别与定位系统研究

针对生产过程中工件等弱纹理目标的自动识别、定位问题,建立了基于立体视觉的工件识别定位系统,研究了基于改进形状描述符、轮廓矩特征、子轮廓的弱纹理目标识别算法,避免了局部不变量特征难以识别弱纹理目标的问题,应用对极线约束、双目测距原理及姿态计算方法完成目标的三维姿态估计。结合OpenCV视觉库及机器人控制系统实现工件识别定位实验系统的软件开发,经实验验证本系统能够实时准确地识别定位弱纹理工件并进行抓取。     

智能相机在机器人定位和分拣中的应用研究

针对自动化生产线中工件位置获取和形状判别,提出了基于智能相机的设计方案。首先,机器人记录工件托盘中心为原始位置,并存入机器人变量中;然后,将所有不同形状的工件依次放置在工件托盘中间,智能相机逐一学习并记录工件的位置和形状;最后,在自动运行时,智能相机对工件拍照,并与预先学习的工件位置和形状进行比较,从而获得工件相对于托盘中心的偏移量和工件类型,通过Modbus/TCP传输给PLC,经数据处理获得机器人坐标系中工件的位置和类型,从而为机器人工件吸取和分拣奠定基础。     

一种新颖的目标区域识别算法

文中就不变矩区域描述算法的缺陷,提出了一种新的目标区域的识别算法.该算法运用目标区域的外接椭圆的几何特性,结合二叉树的多尺度功能,有效地实现了对目标形状的描述.这种算法不仅具有平移、旋转、缩放的不变性,而且具有多尺度性和细节差异的不变性.只要目标区域的大体形状固定,细节的差异就不会影响识别率.试验验证,利用新算法比用不变矩算法的系统目标识别率提高了15%以上.     

基于ASP的VPDM系统研究

分析了虚拟企业对虚拟产品数据管理（VPDM）的需求，结合ASP模式的先进实施理念，提出了基于ASP模式的VPDM系统概念；分析了VPDM与传统PDM之间的区别；并基于B／W／D三段式结构，阐述了基于ASP模式的VPDM体系结构；最后讨论实现该系统的方法和一些关键技术。     

转子轴花键的铣削

介绍了利用大径定心的花键轴花键的实用加工方法。     

管路液力冲击的解析研究

分析阀门开闭引起管路液力冲击的机理,计算换向阀换向时管路实际压力冲击突变值及换向阀阀芯所受液动力并进行实验验证。     

基于MATLAB仿真的SVPWM技术研究

为了给交流异步电机伺服系统提供必要的设计数据,根据SVPWM的基本原理和实现算法,基于MATLAB/Simulink平台搭建了SVPWM仿真模型,将该模型应用到异步电机的矢量控制系统中进行了仿真。结果表明,SVPWM控制方式提高了整个系统运行的稳定性和可靠性。     

滚子表面缺陷分析

采用金相分析以及扫描电镜、能谱分析等试验方法对滚子表面缺陷进行了分析.结果表明:滚子表面的麻坑(黑点)缺陷是腐蚀坑,主要是由于热处理炉保护气氛不纯,滚子在高温状态下产生表面腐蚀而形成.     

开关柜温升问题探讨

电力行业中广泛应用的手车式大电流开关柜在用电高峰期,长时间满负荷运行的情况下,由于各种原因大多存在温升超标问题,对供电设备的安全和供电可靠性构成较大的威胁。分析了开关柜温升过高导致的开关柜故障类型及温升过高产生的原因,探讨温升过高问题的改进措施和解决方案。     

基于B/S结构在线监控研究应用

简述了DCOM、ActiveX等组件模型,结合ASP技术在Internet/Intranet环境下实现了基于Browser/Server结构锅炉在线监控.该系统在DCOM技术基础上通过ADO编程实现数据传输和访问,结合ASP和ActiveX控件技术实现动态发布和在线监测.     

电火花成形机床微细加工相关探索

首先简要介绍了电火花微细加工目前的发展状况。并概括地分析了商品电火花成形机用于微细加工所具有的一些特殊优势。最后通过微轴的加工实例来证实其进行实用微细加工的可行性。     

基于时间序列电流偏差因子的电源-电弧系统稳定性研究

运用偏微分近似理论,在考虑焊接外电路动态全负载情况下,对电源-电弧系统稳定性进行了模型刻画,得出系统稳定系数的数学解析式,依此定性并量化分析了系统稳定性的基本条件和最优条件。在此基础上,采用电流偏差相对转换方法,获得了动态电流偏差因子的时间序列解析表达式,进而通过偏差衰减时间方式来量化分析系统的稳定性。实验的电压与电流波形分析结果与动态电流偏差因子量化结果一致。     

基于PKI技术的PMI的研究与实现

身份认证和权限管理是网络安全的两个核心内容。研发了一个基于公共密钥基础设施技术的权限管理基础设施系统。提出了一个基于属性证书和条件化的基于角色的访问控制、进行权限管理的权限管理基础设施访问控制模型,提供了属性证书的两种提交方式,即“推”模式和“拉”模式,并在此模型的基础上给出了该系统的实现,最后给出了该系统的一个应用实例。实践证明,该系统提供了一个较好的解决方案和实现,基本上能够满足大型应用(上百万用户)的用户需求。