计算机视觉在室外移动机器人中的应用

近些年来,室外移动机器人(智能车)及其相关技术的研究越来越受到重视．计算机视觉技术作为移动机器人感受外界环境的最主要手段,也在很多相关领域取得了长足的发展．本文分别从道路检测、车辆检测、行人检测三个室外移动机器人系统中最主要的视觉检测方面对目前的发展做了一个概述, 并给出了今后的发展方向．     

基于单视图像的球体姿态估计

该文给出一种基于图像信息估计3D目标球体及其中心轴孔空间姿态的视觉检测技术。若相机焦距已知,且给定球体与圆特征形状参数,则可由单视方法估计球心与圆特征中心位置及其法向方向,从而可由球及中轴构成的多个圆特征给出对目标球体姿态的初步估计。由于图像噪声及投影椭圆拟合误差的存在,每一个特征的独立估计结果并不完全一致,进一步引入非线性最小二乘方法对上述初步结果进行优化以改善估计精度。仿真及实际图像处理结果验证了算法的有效性。     

基于双目视觉的船舱格子间角焊缝路径识别

针对船舱格子间工作空间狭小,大型自动化设备难以完成舱内自动焊接的问题,提出了一种基于双目视觉获取焊缝路径三维信息的策略。基于张正友标定原理获取双目系统基本参数后,利用C++与OpenCV编写了自适应阈值的二值化处理、改进的Sobel轮廓提取算子、非连续像素点筛除等程序,对双目相机采集的图像进行处理,提取了清晰、低噪点的直角角焊缝中心轮廓图像。基于BM特征点匹配算法与像素点扫描方法,得到了焊缝轮廓上连续特征点的三维信息数据集,利用Origin作图软件拟合后生成了三维直角角焊缝路径。为了验证双目系统测距精度与鲁棒性,设计了可升降、角度可调的滑轨万向节组合模块,实现了从不同拍摄角度、高度采集焊缝图像,并对焊缝上设置的等距特征点的距离进行识别。试验结果表明,当拍摄偏角在30°之内,或正拍高度在150～190 mm内变化时,测距偏差都可以控制在2 mm内,基本满足焊接的精度与稳定性要求,并为焊接的自动化循迹过程提供了数据基础。创新点： (1)将双目视觉识别测距技术应用于小型船舱格子间内矩形角焊缝中心路径的识别,为自动化的焊接过程提供了循迹数据基础。(2)设计了滑轨万向结模块,证实了该双目视觉识别系统在不同角度与高度下良好的鲁棒性与识别精度。     

基于kalman滤波的机器人三维视觉定位

针对三维视觉定位问题,提出了一种基于kalman滤波的机器人眼在手上视觉定位方法。利用图像的全局特征描述子—图像矩来提取目标的三维图像特征,在不标定摄像机和机器人坐标变换关系的情况下,采用kalman滤波估计算法对图像雅可比矩阵进行在线辨识,并建立图像特征反馈控制,使定位目标物体的图像坐标始终保持在图像平面的中心位置。利用MATLAB仿真软件建立了基于kalman滤波的机器人眼在手上视觉定位仿真模型,实现了机器人的三维视觉定位。实验研究表明,该方法可以使机器人到达目标位置,且定位精度较高。     

基于机器视觉的线缆导体质量检测研究

针对现有人工检测费时费力的问题,提出了一种基于机器视觉的线缆导体质量检测方法,能够方便、高效地检测线缆导体质量。分析线缆截面图像中刀痕的特征后,提出了一种基于Gabor滤波器的刀痕纹理消除方法;根据线缆导体分布规律,研究了一种导体根数分层分析算法。实验表明,所提出的刀痕纹理消除方法能有效提高导体轮廓检测效果,提出的根数自动检验算法能实现对导体根数的分层检验,可以帮助检验人员快速地检出导体根数,计算缺漏情况。     

基于改进ELM和计算机视觉的核桃缺陷检测

目的：解决现有食品生产企业在核桃缺陷检测中存在的准确性低和效率差等问题。方法：提出一种结合改进极限学习机和计算机视觉的核桃缺陷快速无损检测方法。通过计算机视觉采集核桃大部分表面图像信息,通过高斯滤波对图像进行预处理,通过迭代和保留信息变量法对颜色和纹理特征进行优化,最后,通过改进蝴蝶算法对极限学习机参数（随机权重和偏差）进行优化,实现核桃缺陷快速无损检测,并对所提缺陷检测方法的性能进行验证。结果：试验方法可以实现核桃多种缺陷的有效判别。与常规方法相比,试验方法在核桃缺陷检测中具有更优的检测准确率和效率,检测准确率＞98.00%,平均检测时间＜9.00 ms。结论：将智能算法和机器视觉技术相结合可以实现核桃缺陷的快速无损检测。     

基于改进人工鱼群算法的蜂窝网络信道分配

在蜂窝移动通信网络中,用户数量的急剧增长以及其对语音和数据业务需求的不断增加,频谱资源日益紧缺,为了提高频谱的利用率,运用一定的优化算法合理规划频率资源显得尤为重要.针对这一问题,提出一种改进人工鱼群算法的蜂窝网络信道分配方法.简化了基本人工鱼群算法来缩短运行时间,加快收敛速度;利用动态调整人工鱼的视野和步长,较好地平衡算法的全局搜索能力和局部搜索能力;采用高斯变异操作,增加人工鱼群状态的多样性,有利于跳出局部极值点.仿真结果表明,改进后的算法提高了算法的收敛率和加快了收敛速度,能够很好地解决频率分配问题,具有一定的可行性和优越性.     

计算机视觉在精密模具破损检测系统的应用

在图像准确检测问题的研究中,由于在高精密仪器中,各种损伤极其细微,传统的利用模具高斯曲线拟合检测技术在进行这种破损检测时,往往会因为破损部位过小,造成特征混淆,特征寻优过程陷入不收敛的境地,从而降低了精密模具破损检测的准确性.为了避免上述缺陷,提出了一种边缘像素定位的精密模具破损检测算法.利用像素灰度差值方法,提取精密模具图像的像素特征,并将其作为精密模具破损检测的数据基础.利用一种边缘像素定位方法,计算精密模具破损区域边缘的空间位置,从而实现精密模具的破损检测.实验结果表明,利用改进算法进行精密模具破损检测,能够提高检测的精度,从而满足精密模具生产过程中质量检测的需求.     

对象随型粗糙面近红外单目视觉测量与基准图像自愈

针对复杂应用环境中近红外单目视觉位姿测量系统偏离预置合作目标对象后,无法完成位姿测量的特殊情况,提出一种以合作目标周边随型粗糙面图像为测量对象的单目视觉测量方法,以及图像受损后的动态自愈方法。通过将实时获取的随型粗糙面图像特征与预存基准图像特征进行匹配计算,完成特殊情况下的应急测量。同时,为减少随型粗糙面图像污染或受损后对位姿测量精度的影响,实时计算污染或受损程度并动态自愈基准图像特征。实验结果表明,以随型粗糙面为对象的位姿测量精度稍低于合作目标对象,但能够满足特殊情况下的应急使用需求,提高了测量系统的鲁棒性;当随型粗糙面图像污染或受损达到70%时,采用自愈处理与未做自愈处理相比,方位角测量误差减少72%以上,验证了基准图像自愈方法的有效性。     

基于形参均匀B样条盈亏修正的图像边缘检测

利用形参均匀B样条平滑公式,建立了一种盈亏修正的图像边缘检测新方法。首先对图像的原型值点进行盈亏修正,进一步减少原始图像和平滑图像之间的残余误差;然后利用形参均匀B样条修匀公式对修正后的图像拟合光滑曲面;最后求拟合后的光滑曲面的一阶导数极值点或二阶导数的零交叉点作为边缘特征点。试验表明,该方法稳定可靠,精度较高,能够很好地去除伪边缘;同时该方法简洁,便于实时处理。