基于视觉传感器的道路前方车辆模型研究

车辆几何模型是基于视觉传感器的车辆检测系统的重要部分。为了提高前方车辆检测的鲁棒性,利用车尾轮廓的几何特征构建了世界坐标系的车尾模型,通过坐标系变换给出了视觉传感器坐标系的车尾模型,进而导出图像车尾模型,并给出了车尾模型参数的表达式及其与现实世界中车尾几何参数的对应关系,明确建立了图像中车辆位置和大小的关系。实验表明:将该模型应用于车辆检测可以抑制图像中不符合车辆透视关系的错误识别,能有效提高车辆检测的鲁棒性。     

车辆视觉导航系统中的实时道路检测

提出了一种新的道路检测算法。该算法中首先采用基于线段的区域增长法将采集到的实际道路边缘图像分割成道路区域和非道路区域,使下一步搜索道路标志的区域限定在道路区域;然后恢复道路标志并根据其特征定位道路标志线;最后采用数据拟合的方法找出道路轨迹线。在复杂路况下可以准确、快速估算出车道的延伸方向,实现车辆的防偏预报。、     

基于计算机视觉的车辆辅助导航定位方法

为了将大型车辆准确地将大型车辆停放到某一位置,论文提出了一种基于计算机视觉的车辆辅助导航定位方式.通过隔行累加基础上的Hough变换检测出导航标尺的位置,分析了车辆导航定位所需的信息量,并根据导航标尺给驾驶员实时提供角度和位置信息.试验表明,该方法不仅结构简单,便于硬件实现,而且实时性好.     

基于计算机视觉高速智能车辆的道路识别

论文研究了基于计算机视觉高速智能车辆的道路识别。通过对JLUIV-4智能高速车辆系统采集的图像进行中值滤波、边缘增强、最优阈值二值化,获得良好的梯度图像。根据道路特征采用Hough变换识别出道路边界。使用感兴趣区域,减少图像处理时间和提高道路识别的可靠性。JLUIV-4的高速导航实验表明,该算法具有良好的实时性、可靠性和鲁棒性。     

基于机器视觉的色差检测算法

针对金属印刷质量中的色差检测问题,采用机器视觉的技术对色差检测算法进行了研究。通过在金属印刷品的留白区域印刷色标,使用工业CCD相机采集金属印刷产品上的色标区域,使用数字图像处理技术提取色标。使用了基于HSV颜色空间的色差检测算法和基于CIELAB颜色空间的色差检测算法,分析了两种颜色空间下色差检测的实验结果,采用两种颜色空间检测算法相结合的方法,实现对色差合理有效的快速检测,同时能保证检测结果的准确性。     

单目视觉导航智能车辆的自定位方法

提出了一种单目视觉导航智能车辆的自定位方法,采用"两步法"对摄像头进行标定;推导出智能车辆位姿的参数表达式,采用基于一点的Hough变换方法提取导航路径信息,计算出导航路径的偏转角β和横向偏移距离d;通过仿真实验进行了验证.实验结果表明,偏转角β的最大误差在1.1°之内,横向偏移距离d的最大误差不超过3.2cm,满足智能车辆的自定位要求.     

基于帧间差分方法的道路车辆检测系统

为了智能监控道路车流量,本文应用帧间差分方法建立了适用于公路环境的机器视觉系统。系统所用方法可以自动识别视频场景内所有移动车辆,计算每个目标的位置、面积,统计当前视野范围内车辆数目,计算某时间段内总车流量。实验结果表明,本文算法可对视频进行快速准确的识别,对环境光的变化具有较强的鲁棒性。     

机器视觉罐体缺陷检测系统的设计与实现

随着流水线生产过程中对产品的自动检测要求不断提高,传统的人工检测从效率和准确度方面已不能满足生产需求。另外,缺陷产品流入市场,对消费者的权益和企业的发展有不好的影响。因此,利用机器视觉技术针对罐体的形状缺陷、印刷缺陷等问题,进行图像采集、图像处理和实时检测,实现快速、准确的识别并剔除有罐体缺陷的产品,提高整个生产线的效率。     

机器视觉工业检测系统的应用与发展

介绍了机器视觉工业检测系统的发展概况,阐述了机器视觉的研究已经从实验室走向实际应用的发展阶段,业已成为当代计算机技术研究的热点,获得了广泛的工业应用。重点讨论了机器视觉系统在实际工业生产中的应用及工业视觉检测原理、常用图像处理算法等。举例说明了如何利用模板匹配法对目标图像进行识别,从而实现对产品包装的检测。最后,指出在社会高度信息化发展过程中,在人类获取信息中占很大比例的视觉信息处理技术及机器视觉测量系统,将受到人们越来越多的关注。     

基于机器视觉的船舶升沉检测方法

针对民用起重作业船舶由于波浪等引起的升沉检测问题,提出了基于机器视觉的船舶升沉检测方法.首先建立船舶升沉检测系统架构,通过双目立体视觉三维测量方式,对目标位置的垂直高度进行测量,之后对检测图像进行系列处理,最后给出船舶升沉值对应的数据处理流程图,并将该方法进行应用.结果表明,双目测距最大误差2.08%,系统安装调试方便,可为实现波浪补偿提供实时数据,满足起重作业的安全要求.     

基于机器视觉的梳棉机棉结在线检测

棉结是纺织生产中的一种有害疵点,不仅影响纺织品的质量,对染色质量影响也较大。提出了一种基于机器视觉的梳棉机在线棉结检测系统,分别对光源系统、高速图像采集系统、实时图像处理系统的设计进行了讨论,实验验证了系统的可行性。实测结果表明:系统具有高速数据采集、宽幅表面棉结特征识别、在线实时处理(棉结计数)和显示(报警)等功能,且在高速生产环境下运行稳定可靠。     

机器视觉表面缺陷检测综述

目的 工业产品的表面缺陷对产品的美观度、舒适度和使用性能等带来不良影响,所以生产企业对产品的表面缺陷进行检测以便及时发现并加以控制。机器视觉的检测方法可以很大程度上克服人工检测方法的抽检率低、准确性不高、实时性差、效率低、劳动强度大等弊端,在现代工业中得到越来越广泛的研究和应用。方法 以机器视觉表面缺陷检测为研究对象,在广泛调研相关文献和发展成果的基础上,对基于机器视觉在表面缺陷检测领域的应用进行了综述。分析了典型机器视觉表面缺陷检测系统的工作原理和基本结构,阐述了表面缺陷视觉检测的研究现状、现有视觉软件和硬件平台,综述了机器视觉检测所涉及到的图像预处理算法、图像分割算法、图像特征提取及其选择算法、图像识别等相关理论和算法研究,并对每种主要方法的基本思想、特点和存在的局限性进行了总结,对未来可能的发展方向进行展望。结果 机器视觉表面缺陷检测系统中,图像处理和分析算法是重要内容,算法各有优缺点和其适应范围。如何提高算法的准确性、实时性和鲁棒性,一直是研究者们努力的方向。结论 机器视觉是对人类视觉的模拟,机器视觉表面检测涉及众多学科和理论,如何使检测进一步向自动化和智能化方向发展,还需要更深入的研究。     

基于机器视觉的轴承防尘盖表面缺陷检测

为实现工业现场中轴承防尘盖表面缺陷的自动检测,提出一种基于机器视觉技术的检测方法。采用蓝色同轴光源作为检测系统所用光源,克服金属反光;采用最小二乘法拟合轴承外圆,根据轴承型号比例分割出防尘盖区域,利用Otsu阈值分割和Roberts边缘提取处理图像,每2°统计值为1的点的数目,与模板轴承此数据比较,求出相差角度,由此将防尘盖字符、非字符区域分离,两部分是否存在缺陷分开判别,互不干扰。实际测试表明：检测系统采集到的轴承图像清晰,缺陷检测算法正确率在96%以上,可实现轴承防尘盖表面缺陷的自动检测。     

基于视觉的智能车转向控制策略

在第三届全国大学生"飞思卡尔"智能车大赛参赛过程中,对提前入弯理论的提出与实践的一个总结。该策略是在获取赛道实时图像的基础上,提取引导线信息,通过对舵机理想模型的分析,创新性地利用实时检测的速度动态地改变入弯点,实现提前入弯策略,控制转向舵机,使之达到较为完美的转弯特性。实验表明,该方法提高了舵机的动态性能,实现了智能车过弯路径的最优,最终平均车速达到2m/s,入弯最大速度达到2.4m/s,弯道平均速度达到1.5m/s,满足全程高速状态的要求。     

基于计算机视觉的行人检测技术的发展

智能车辆作为智能交通系统的关键技术,是许多高新技术综合集成的载体。智能车辆的一个非常重要的研究课题就是在城市道路交通环境下如何避免行人被车辆碰撞。总结了基于计算机视觉的行人检测的现有的主要技术,针对摄像机在交通视频监控系统中的静止情况,以及在智能车辆上的运动情况下的行人检测算法及其性能进行了评述和比较,并分析了当前行人检测技术的研究现状,指出了存在的问题和研究前景。     

基于机器视觉的非结构化道路检测算法研究

提出了一种提高非结构化道路边缘检测实时性和准确性的算法。该算法中首先对原始道路图像进行中值滤波,抑制随机噪声,并选择基于双峰法的多阈值Otsu方法进行图像分割,使分割效果和分割时间得到优化。通过Canny算子进行初次边缘检测,然后,采用数学形态学修正,从而得到完整、清晰的道路边缘图像。仿真结果表明:该非结构化道路检测方法具有良好的实时性和准确性。     

基于机器视觉的啤酒瓶检测系统研究

为了提高啤酒瓶的检测效果,提出了一个基于机器视觉的啤酒瓶检测系统的方案.根据啤酒瓶检测过程的高速度、高精度和实时性的特点,设计了系统中图像获取、图像处理和图像识别的过程和方法.利用图像滤波去除获取的啤酒瓶数字图像中的噪声,通过二值化将物体和背景分离,再经过边缘检测提取边缘,最后识别和分类有缺陷的啤酒瓶.实验结果表明,该方案能够快速有效地对啤酒瓶进行检测,提高了检测效果,具有一定的可行性和现实意义.     

基于机器视觉的成熟番茄自动识别技术

为实现番茄收获机械自动化,提出了利用计算机视觉代替人眼对成熟番茄进行自动识别的方法。首先对番茄图像进行了各种去除噪声方法的比较,提出用HSI颜色系统的H色调分量作为识别的颜色特征参数。利用最大方差自动取阈法及数学形态运算等构成的识别算法对采集的番茄图像进行自动识别,采用Matlab软件平台来构建算法。为验证自动识别方法的可行性,用CCD摄像头组成的图像采集系统对不同光线条件下的番茄图像进行了识别。试验证明,该算法及程序设计能够较快的识别出自然光下的成熟番茄,满足自动收获的需要。