基于畸变模型优化的网络摄像机标定*

针对低分辨率网络数码摄像机用于定量量测的标定问题, 提出一种非线性畸变的构建与优化方法。该方法结合多项式模型与传统的畸变模型;利用回归分析原理对模型进行自动精化,以优选显著的畸变参数,从而建立了一种自适应的摄像机畸变模型。运用构建的畸变模型,利用自检校光束法平差方法对同种型号的三个低成本网络摄像机实施标定和畸变纠正。结果表明,该模型有效补偿了通用畸变模型残存的畸变系统差,同时有效的避免了过度参数化的问题,有助于提高摄像机的标定精度和稳健性,使得摄像机的标定精度达到子像素。     

基于视觉颜色对比敏感度模型的动态视频压缩预处理算法

针对彩色视频压缩过程中压缩率不高或者视频质量损失过大的问题,提出一种基于视觉感知模型与色差的自适应视频压缩预处理算法。首先,在颜色对比敏感度模型中,人类视觉对高色度区域的色差敏感度较低,因此为不同色度区域分配不同的压缩权重;然后,基于帧之间的偏差图建立运动预测帧的空间运动模型,降低了高运动区域的残差;最终,使用动态的色调映射函数来控制视频的压缩等级,从而保证视频的视觉质量。基于多组视频进行实验,本算法成功地将标准的压缩软件提高了35%的压缩率,但同时可看出,本算法的性能依赖于具体的视频上下文。     

一种面向视觉注意区域检测的运动分割方法*

结合视觉显著区检测的特点,本文提出一种面向视觉注意区域检测的运动分割方法。该方法用一种层次聚类方法将特征点的运动轨迹进行聚类。首先用中值偏移算法扩大了不同类型运动之间特征向量的差距,同时缩小了相同运动类型的差别。继而,用一种无监督聚类算法,将不同类型的运动进行分割,同时自动获得运动分类数。最后利用运动分割结果,提出一种结合空间和颜色采样的运动显著区域生成方法。与以往方法相比,该方法能够将不同类型的运动自动进行分割,生成的视觉注意区域更为准确,而且稳定性大幅提高。实验结果证明了该方法的有效性和稳定性。     

一种图像立体匹配的误匹配点剔除与校正方法

针对双目立体视觉匹配中,图像的低纹理区域及重复纹理区域容易出现误匹配的问题,基于视差连续性及三角剖分,提出了一种误匹配点剔除与校正方法。首先利用SURF算法进行特征点提取,采用双向匹配策略进行特征点匹配;然后基于视差约束条件剔除误匹配点,并用三角剖分对误匹配点进行校正。实验结果表明,该方法能够剔除误匹配点,为误匹配点找到正确匹配点,有效提高双目立体匹配的精度。     

TO焦距测试与自动激光焊接系统

在分析BOSA器件结构的基础上,提出一种基于图像分析的TO焦距测试与自动激光焊接方案. TO由气缸驱动从初始点向上单步移动,通过图像系统采集光斑图像,并基于OpenCV分析,通过比较分析结果,得到期望的TO位置.移动T0使焦点落在插芯与圆方管体的贴合面,并在此处进行激光焊接.实验表明,该系统具有良好的准确性和实用性.     

基于ARM与Linux的工业机器视觉系统设计

机器视觉技术在现代化工业生产中应用广泛深入,发挥着重要作用。文章设计实现了一种改进型的机器视觉系统,适用于冲床自动送料机生产,搭载ARM内核处理器与Linux操作系统,使用Open CV进行图像处理,通过USB或以太网与工业控制计算机进行通信。机器视觉系统可以替代工业相机的使用,降低系统成本;系统也可独立进行图像处理作业,分担工业控制计算机的运算负担,提高效率,对优化冲床自动化生产,压缩生产制造成本有着积极意义,在实际工程的生产活动中有着重要的参考价值。     

矿用输送带纵向撕裂检测系统研究

针对目前矿用输送带纵向撕裂检测方法灵敏度低及检测设备复杂、体积较大等问题,采用机器视觉法设计了一种矿用输送带纵向撕裂检测系统。该系统采用FAST角点检测算法及基于Hough变换的直线检测算法检测输送带纵向撕裂现象,并采用基于该检测方法的纵向撕裂检测无线传感器节点及速度传感器实现输送带纵向撕裂部位位置及长度检测。测试结果表明,对于长6m、宽800mm、运行速度为5m/s的输送带,该系统每秒可处理46.3帧图像,检测准确率为96.24%。     

基于机器视觉的采茶机割刀控制方法

针对现有乘坐式采茶机切割的茶叶质量偏低的问题,提出了一种基于机器视觉的采茶机割刀控制方法。首先对相机参数进行低复杂度的标定,然后采用动态阈值分割方法和颜色分类器,提取茶叶图像中的嫩芽区域,并设计间接定位法定位弧形割刀位置;接着通过计算两个指定区域的嫩芽面积及它们的和与差异,得到弧形割刀左右两侧的动作参数;最后将动作参数传给下位机,控制割刀到达预期位置。本方法分别对单株茶树和实地茶园进行了实验,结果表明该方法能够准确定位弧形割刀位置和识别嫩芽区域,实现割刀位置的自适应调整,具有较好的茶叶切割效果,切割得到的嫩芽比例可达70%以上。     

基于神经网络的零件缺陷机器视觉识别系统

零件缺陷检测是保证零件使用安全的重要手段。传统的零件缺陷检测法需要有操作人员参与其中,易受主观因素影响,检测的效率及精度得不到良好的保证。而采用机器视觉技术的检测法可实现实时在线的自动检测,无需人工参与,这就极大的提高了生产效率。本文以小轴承表面为研究对象,针对微小轴承的表面结构、尺寸、检测精度和缺陷特征,设计了基于BP神经网络的零件缺陷机器视觉在线自动检测系统,其采用机器视觉技术,构建了BP神经网络检测识别模型,采用进行图像特征提取的间接识别方法,对微小轴承缺陷进行实时检测。实验结果证明了人工神经网络模型的检测能力的可靠性。     

基于最大长度序列的绝对位移精密检测方法

为了检测精密机构的微小位移,根据位移编码与机器视觉技术,提出一种基于最大长度序列(Maximum Length Sequence—MLS)的绝对位移检测方法;该方法设计了基于MLS的绝对位移检测的视觉靶标方案,采用基于灰度叠加及二值化方法进行图像处理和靶标绝对位置识别;研究了基于拟合相位的精密定位方法,实现一维绝对位移的精密检测,并进行实验验证;实验结果表明,该方法可有效实现一维绝对位移检测,定位精度在±2 μm范围内,具有良好的重复性和鲁棒性,且无须视觉标定。