基于小波定位及Facet模型的三维工业CT图像边缘检测

进行三维图像边缘检测时,利用Facet模型能够获得较精确的边缘信息,但耗时较多;而利用小波变换可获得较快的检测速度,但得到的边缘依赖于阈值的大小。综合上述两种方法的特点,提出了一种基于小波定位及Facet模型的三维边缘检测方法。首先,对工业CT三维图像进行三维小波变换,设定较小阈值,得到三维粗边缘,即对图像边缘进行粗定位;然后,针对粗边缘点逐个进行三维Facet拟合,得到实际边缘点,从而完成图像边缘的精确定位。该方法通过小波变换粗定位这一前处理过程减少了Facet拟合的体素点数,加快了Facet模型三维边缘检测的速度。实验结果显示,本文方法不仅能得到与直接Facet模型效果相当的边缘,还能使Facet模型三维边缘检测的速度提高3.51～7.39倍,而且图像边缘越简单加速比越高。实验结果表明,基于小波定位和Facet模型的边缘检测方法可满足工业CT三维图像边缘检测对精度和速度的要求。     

基于高斯积分曲面拟合的亚像素边缘定位算法

针对现有亚像素边缘定位算法存在精度不高、计算复杂的问题,提出一种基于高斯积分曲面拟合的亚像素边缘定位算法。根据单边阶跃状边缘特征,构建边缘法截线的高斯积分模型,在确定边缘过渡带的基础上,将拟合曲面区域内的像素点信息转化为边缘曲线的活动坐标,并对转化后的像素点坐标与灰度值按照高斯积分模型进行拟合,准确定位图像的亚像素边缘。采用所述视觉测量系统,用量块直线边缘进行实验,并与传统高斯曲面拟合亚像素边缘定位算法比较,证明基于高斯积分曲面拟合的亚像素边缘定位算法具有较高的定位精度,一等量块的直线度误差在1μm以内,计算速度提高一倍。采用该算法确定亚像素边缘时,可通过修正高斯积分模型的均值,有效补偿光源强度造成的误差。本算法可以应用于齿轮等高精度机械零件的测量。     

一种适用于高精度视觉测量的边缘检测方法

为了减少或消除随机噪声对机器视觉测量系统的影响,提高测量系统的测量精度,利用图像的灰度曲面特性和边缘曲线特性,开发了包括各向异性双边滤波、基于Facet模型的亚像素边缘提取和边缘曲线拟合的三级逼近图像边缘检测算法。实验证明,这种方法的重复定位精度优于0.1像素。对标准量块的多次测量证明,使用该算法构建的视觉测量系统测量精度可以达到微米级。     

装配位姿视觉检测系统中红外靶点质心定位

结合装配位姿视觉检测系统的研发,为提高红外LED靶点质心亚像素定位精度与稳定性,对红外LED靶点图像的灰度分布模型进行了研究,提出了一种基于自由曲面拟合的质心定位算法以获取靶点图像的亚像素中心。根据靶点图像的灰度分布,该算法通过双三次样条插值生成靶点灰度分布曲面,利用拟牛顿法求取曲面顶点即靶点图像中心的亚像素坐标。实测实验显示该算法在图像噪声水平较低的高精度测量环境中,当靶点距离摄像机约5m和12m时,与高斯曲面拟合法和加权灰度重心法相比,该算法都能更准确地描述靶点的灰度分布,生成的灰度曲面更加接近靶点图像的真实分布,在高精度测量环境中具有更高的测量精度和稳定性。     

起重机轨道测量激光光斑中心识别与定位算法

在轨道测量装置中,激光光斑中心检测算法的精度和速度直接影响轨道测量效果,传统的中心算法如灰度质心法、Hough变换等在检测精度或速度上存在不足。文中提出了一种基于高斯积分曲线拟合的光斑中心定位算法,在光斑降噪、特征增强的图像预处理基础上,插值拟合光斑灰度曲面,进行边缘计算、追踪及细化,得到光斑的像素级边缘点,计算其法向等距线及高斯积分拟合点,并通过贝塞尔曲面拟合其对应灰度值,再采用高斯积分曲线拟合得到亚像素级边缘点,对亚像素边缘点进行圆拟合方法最终确定光斑中心点。与灰度质心法、Hough变换椭圆中心法相比,此算法的拟合精度较高,抗干扰性好,达到了实验室环境下轨道测量的精度要求。     

基于人工神经网络的双级测量系统定位误差补偿

为解决非接触式高精度传感器量程和精度难以兼容的问题,实现大量程自由曲面的高精度扫描测量,在对国内外测量仪器进行研究分析后,提出一种通过柔性铰链带动高精度传感器跟随曲面实现传感器量程扩展的双级测量系统。为进一步提高该系统的测量精度,采用激光干涉仪对测量系统的定位误差进行标定,利用人工神经网络建立双级测量系统的定位误差模型,然后利用该模型进行定位误差补偿,以求尽可能地消除测量系统的系统误差,随后使用激光干涉仪再次对定位误差进行测量,测量结果和作为传统定位误差补偿方法的补偿表补偿法进行对比,最终发现定位精度大大提高,证明了基于人工神经网络的定位误差的优越性。     

工业CT图像圆精确测量

圆形结构特征大量存在于工业CT图像中,有效地检测出圆并获得其参数,在图像测量及逆向工程应用中具有重要的意义。利用基于Facet模型的亚像素边缘检测算法检测图像边缘,利用计算圆存在的概率大小识别边缘图像中的圆,实现工业CT图像中圆的检测和参数测量。研究圆存在概率算法特点,通过构造专用链表数据结构存储计算数据、限制计算时圆心选取范围的方法,改进圆存在概率计算效率低、占用内存大的缺点。使用空间分辨力为2.0lp/mm的电子直线加速器工业CT系统,扫描重建出包含10个圆的800*800像素工业CT图像,首先对图像进行基于Facet模型的亚像素边缘检测,然后进行基于存在概率的圆检测和测量。试验结果表明,改进的圆存在概率算法计算效率明显提高,图像中圆参数测量精度优于0.5%。     

基于视觉图像的二次曲线特征参数精密测量方法

为了满足视觉检测中对二次曲线参数(圆或椭圆)高精度测量要求,提出了一种基于视觉图像的二次曲线特征参数精密测量方法.该方法利用变结构元广义形态学边缘检测算法对图像中的二次曲线进行初始边缘定位,充分提取图像边缘细节信息的同时抑制图像噪声的影响.在亚像素图像处理中,基于Zernike矩边缘检测算法计算出的边缘参数,提出了对二次曲线特征进行亚像素边缘定位的边缘检测算法,建立了曲线边缘点与边缘参数之间的映射关系.利用检测出的二次曲线亚像素边缘点数据,通过定义的数据点分布优化的参数拟合算法,可以计算出二次曲线的特征参数.实验结果表明:该方法稳定性好且实时性强,定位不确定度优于0.03像素,可实现二次曲线特征参数的精密测量.     

基于机器视觉的自动裁切机精定位算法研究

针对传统自动裁切机因裁切精度较低无法满足高精度产品要求的问题,通过对裁切机结构进行研究,提出了利用机器视觉技术来提高裁切机裁切精度的方法。首先利用改进的形态学梯度滤波算子找到板料的粗略边缘,然后采用灰度矩法对之进行亚像素精定位,利用最小二乘法将符合要求的亚像素边缘点拟合成一条直线,再根据几何关系计算出板料偏移量,指导纠偏平台进行偏差补偿,最后利用Matlab对该方法进行了图像边缘定位的仿真测试。研究结果表明:改进后的裁切机裁切精度理论上可达0. 03 mm,满足绝大多数高精度产品的精度要求。     

基于机器视觉的共轨针阀尺寸参数在线测量

针对喷油嘴共轨针阀零件的尾部尺寸参数在线检测需求,开发了一套基于机器视觉技术的共轨针阀多参数尺寸在线测量系统。通过对共轨针阀零件尾部图像采集,引入基于中值滤波的小区域滤波算法,大大缩短了滤波降噪时间;在轮廓边缘检测方面,通过对比实验,引入了基于Sobel的小区域定向搜索边缘检测算法,提高了边缘定位效率,并采用小区域边缘特征点跟踪方法,基于学习训练逻辑,完成目标特征点定位;在边缘亚像素定位和拟合方面,引入基于稳健线性回归的直线拟合方法,在特定小区域下完成高精度边缘拟合,并完成直径、角度、距离的多参数同时计算,系统测试表明,该视觉系统精确稳定,具有良好的应用。     

基于亚像素边缘的椭圆中心检测方法研究

在椭圆边缘粗定位的基础上,根据椭圆粗定位信息及图像边缘梯度方向附近点的灰度分布特征,进行高斯拟合获取精确的亚像素边缘点,对亚像素边缘点进行最小二乘拟合,得到精确的椭圆中心位置。实验证明,该算法对椭圆中心定位精度和稳定性有较大提高,并有很好的实时性。     

基于亚像素边缘检测的刀具几何参数测量

为了提高刀具几何参数图像测量精度,基于矩法理论,提出了一种亚像素边缘检测算法。该方法的基本思想是采用灰度空间矩,将图像边缘特征离散为亚像素级特征点,并用Matlab实现图像的处理。实验证明,基于亚像素特征点提取检测的刀具几何参数具有较高测量精度,且计算量小,具有很好的抗噪性能。     

车灯尺寸定位误差自动检测的新方法

本文提出一种新的车灯尺寸定位误差检测方法,利用图像边缘检测技术,提出轮廓跟踪的算法提取车灯图像的边缘,并采用曲线拟合算法进行分析,快速得到亚像素匹配点.实验结果表明,该方法能精确定位车灯图像边缘,提高了运算速度,优于传统的测量方法.     

立体零件加工质量的在线图像检测方法

针对具有景深零件加工质量的在线检测问题,提出一种基于单摄像机的分层图像测量方法.结合改进的双线性插值和Robert边缘算子,对零件各层面在图像上投影直线边缘粗定位;再基于灰度矩的亚像素算法和最小二乘直线拟合,将边缘定位精度提高到亚像素级.在二步法图像边缘定位基础上,利用分层映射关系,获得零件形状和几何尺寸数据.本文方法应用于某种双层特种钥匙加工质量的图像检测中,实验结果表明,该方法实时性好,能满足机械零件加工质量的检测要求.     

图像测量中快速边缘亚像素定位研究

研究了一种图像测量中边缘点的快速亚像素定位的方法,采用先阈值分割再边缘提取进行粗定位,确定边缘点的像素级精度位置和边缘的方向,沿边缘点的边缘方向拓展像素,得到一定长度的灰度值向量,对向量进行处理实现边缘的亚像素定位。分别采用三次多项式拟合法、二次曲线拟合法和灰度矩法三种亚像素定位算法进行了理论分析和实验对比,结果表明,灰度矩算法具有较短的运行时间和较高的定位精度。     

显微视场下微型零件亚像素边缘检测方法

为了提高微型零件在显微视场下的边缘检测精度, 提出了一种非正交二次B样条小波变换结合Zernike矩的亚像素边缘检测算法. 采用非正交二次B样条小波变换算法得到图像的像素级边缘, 利用Zernike矩算法的矩不变性对像素级边缘进行亚像素边缘细化. 为了实现算法的原理, 建立了一套微型零件的实时检测系统. 给出了系统的总体结构和工作原理, 完成了实时图像采集与检测, 分析了检测结果, 并对检测精度进行了评估. 实验结果表明: 该系统检测零件尺寸可以达到0.01~10 mm, 检测精度可以达到0.01%~0.1%, 可准确识别出微型零件的边缘, 将检测精度提高到亚像素级, 满足了在显微视场下微型零件检测的需要.     

基于图像的模切机纸张边缘检测定位技术研究

为进一步提高模切纸张精度,在模切机叼纸机构前加装一套纸张定位装置.该装置基于机器视觉原理,在模切机的前规、侧规处安装3部微型相机,运用图像处理的方法粗略定出纸张边缘点位置,然后采用一维灰度矩法对边缘点进行亚像素级边缘检测,再通过最小二乘法直线拟合出纸张边缘所在直线的方程,计算出3幅图像中各纸张偏离零位位置的距离值.根据3个偏移值指导叼纸机构进行适当微调,可使模切精度达到0.02mm.     

基于高斯曲面拟合的亚像素边缘检测算法

提出了一种基于高斯曲面拟合的亚像素边缘检测算法.该算法首先使用传统Canny算子进行边缘像素级的粗定位,再以粗定位边缘像素为中心取5x5窗口获取梯度幅值,对其进行高斯曲面拟合,在梯度方向上寻找局部极值点,从而达到边缘亚像素级的精细定位的效果.文中介绍了算法的理论依据,给出推导过程,并用螺旋测微器的标准间隙进行实例分析,...     

基于精度控制的刀具轨迹自适应拟合算法

为解决传统数控系统在进行曲线曲面离散连续微小线段刀具轨迹加工中频繁加减速、加工速度缓慢、加工质量不高等问题,提出了一种基于精度控制的刀具轨迹自适应NURBS曲线拟合算法,该算法通过提取连续微小线段刀具轨迹的主要特征点,进行基于精度控制的自适应添加特征点的迭代拟合。仿真测试结果表明,该算法可以在保证拟合精度的条件下有效提高计算效率,压缩数据量。