基于小生境遗传算法的激光切割快速模板匹配

为了解决激光切割视觉识别系统对大幅面多目标图像识别实时性差、对带有偏角的目标识别率低甚至出现无法识别等问题，采用小生境遗传算法，对大幅面多目标匹配识别算法进行了理论分析和实验验证。结果表明, 无论目标有无旋转，该算法都能达到100%识别，算法运算时间比传统算法快5倍~10倍。该算法在识别带有旋转角度的多目标时，具有很好的实用性。     

两轮自平衡机器人姿态误差的神经网络补偿研究

针对自平衡机器人领域姿态检测普遍采用单一滤波而存在的姿态误差问题,提出了一种基于双重滤波和神经网络补偿的"两滤一补"检测策略。通过分析误差来源,设计了针对姿态传感器和姿态误差之间的姿态补偿BP神经网络,根据传感器的输出信息,直接预测机器人姿态倾角的误差补偿值,对滤波处理之后的姿态角进行同步补偿。对机器人在原地站立、加速前进后退、原地转向3种控制状态下的补偿效果分别进行验证,结果表明神经网络对机器人的姿态误差有着明显的修正作用,有利于提高机器人姿态检测精度。     

一种改进的基于九圆点的摄像机自标定算法

为解决目前现有激光切割视觉系统单目摄像机标定算法存在的抗噪性能差、精度低等问题,提出一种改进的基于九圆点的摄像机自标定方法。对算法中的理论进行了分析和实验验证。将改进的九圆点标定算法与现有的单目摄像机快速标定算法进行对比实验。结果表明:改进的摄像机自标定算法相对于现有的单目摄像机快速标定算法抗噪性能更好、精度更高。     

基于OpenCV的工件尺寸与划痕检测算法研究

针对制造业水平的不断发展对检测技术提出高精度、高速度、低误差的要求,提出一套工件尺寸与划痕检测算法。该算法基于OpenCV视觉库与工业相机,在适当的光源平台下运行,提取工件的轮廓尺寸和表面划痕,再利用相机标定参数求解出工件的实际尺寸。检测结果表明:提出的检测算法比传统的Hough变换直线检测算法检测误差小,划痕检测十分精确。     

激光切割视觉系统单目摄像机快速标定方法

针对目前激光切割机结合视觉切割行业中现有的张正友一般圆点标定算法中存在计算量大、结果不稳定的问题。提出一种基于九圆点的摄像机自标定算法。算法首先计算出图像和定义在世界坐标系X-Y平面上的模板之间的单应性矩阵,利用该单应性矩阵线性求解出摄像机内参,然后考虑非线性畸变因素,求解出畸变系数。最后在矫正后的模板中求出内外共八个仿射投影矩阵,并取其均值做为最终投影矩阵来求解出世界坐标。实验结果表明:该算法比现有的基于圆点的摄像机自标定算法更快速、更稳定,达到精度更高。