靶标特征点提取亚像素精度阈值分割算法研究

以视觉测量中摄像机标定的圆阵列靶标特征点提取为研究对象,提出一种亚像素精度阈值分割算法,用于圆阵列平面靶标标定特征点的精确快速提取。使用灰度阈值分割方法定位像素级边缘,并应用双线性插值法细分像素点实现亚像素边缘轮廓的提取,在精确获取轮廓控制点的基础上,采用最小二乘椭圆拟合法精确获取圆阵列靶标标定特征点。实验分析对比了该算法以及基于梯度的Canny和Sobel算子的亚像素边缘检测算法在标定特征点定位精度和执行时间方面的差异,验证了亚像素精度阈值分割算法在提取精度和运算速度方面的优越性。     

基于改进形态学的吹塑产品边缘提取技术

针对基于机器视觉的吹塑产品外形尺寸在线检测系统易受环境的影响而导致检测精度及速度无法保证的问题,提出了一种基于改进形态学的亚像素边缘提取方法。首先在已获得感兴趣区域的基础上,采用形态学梯度算子和Canny算法确定物体边缘点的像素级位置;然后以该位置的邻域像素灰度值作为判断的补充信息,采用高斯拟合方法求得边缘点的亚像素边缘轮廓,进而得到外观尺寸。试验结果表明:该提取方法具有抗噪声能力强、计算速度快、定位精度高等优点,既能够获得连续光滑的亚像素轮廓,还能够很好地保留原图像的信息,且每次检测周期约为0.2s。     

最小二乘改进算法及其在椭圆拟合中的应用

提出一种像素级边缘检测椭圆拟合新算法,用该算法对最小二乘算法进行了改进。首先,将符合要求的准椭圆转化到归一化坐标系;然后利用最小二乘法进行亚像素级椭圆拟合;最后,采用二次曲线拟合点集求解出亚像素及椭圆几何中心。在给定的图形中,利用本文提出的改进像素级边缘检测算法可以明显提高拟合不确定度和拟合精度。     

一种改进的APIT无线传感器网络节点定位算法

本文主要是针对无线传感器网络的Range—free定位算法APIT中,处于中心、边缘的未知节点存在不能定位的问题,提出一种改进的APIT无线传感器网络节点定位算法。该算法利用三边测量法的思想计算出三个位置坐标,使处于监测区域边缘的未知节点处于这三个点组成的三角形中,保证监测区域中所以节点的位置信息。     

基于信号传输模型的指纹井下目标定位算法

由于煤矿井下环境的特殊性,无线信号易受折射、散射、反射等因素的影响,造成了传统的定位技术得不到有效的发挥。通过分析煤矿井下巷道的无线信号传输模型,结合井下巷道自身的特点,提出了一种改进的信号强度指纹井下目标定位算法,利用均值滤波方法去除受多径效应或遮挡产生的野值点。实验结果表明,该算法能够很好地解决其他指纹定位方法在个别点上定位误差较大的问题,提高了总体的定位精度,获得了煤矿井下目标的理想定位结果。     

一种改进的无线传感器网络节点室内定位方法

无线传感器网络节点室内定位准确性问题一直是研究热点。由于室内环境复杂、固定遮挡物以及走动人员均会造成信号衰减,若使用传统的RSSI定位算法其误差太大无法满足实际应用的需求。在不增加硬件开销的基础上,提出一种可以提高定位精度的改进定位算法。该算法首先通过离未知节点最近的三个锚节点划分三角形子区域,再根据RSSI值估算出该区域内路径损耗模型的参数A、n,并进一步通过锚节点的相互协作,得到测距误差模型参数k、Δ,最终计算出精确的位置信息。仿真结果显示:在相同的条件下,改进后的算法具有更高的定位精度,误差在1m以内,可以满足室内定位的要求。     

基于边缘检测的曲面工件定位预处理方法

利用弹性工件刚性化加工技术,可使弱刚度曲面工件的定位问题转化为点云的刚体配准问题。迭代最近点(ICP)算法是点云刚体配准最常用的方法,但当2个点云偏移较大时可能会陷入局部极小。工件合理的初始位置可由人工操作来保证,但这种方式严重依赖于操作者的经验且精度有限,特别是对于毛坯件等缺少精确定位信息的工件就更加困难。本文提出一种基于边缘检测的预处理算法,利用少量边缘点计算最优的调整方向,将工件调整到合适的位置,以确保后续ICP方法的有效性。仿真结果表明,该方法能有效解决缺失点对ICP性能的影响,改善传感器覆盖率指标。     

基于3D图像的机车机器人闸瓦尺寸算法研究

机车车辆的运行与检修环境复杂,灰尘多、反光等因素使点云存在缺失、噪声、成片虚假点等问题,严重影响机车机器人闸瓦图像检测的准确性。为此,文章提出了一种基于3D图像的机车机器人闸瓦尺寸算法。其首先根据相机透视变换与点云配准算法来实现模板感兴趣区域(region of interest,ROI)与测量ROI的自动变换,一定程度上弥补了机车机器人的重复定位误差。对于反光造成的点云缺失和噪点问题,其采用RANSAC算法对基准ROI进行平面拟合以弥补由此造成的精度损失,并使用有序点云自动滤波算法高效滤除部分刹车盘与闸瓦之间的点云。对于因机车抱闸以及刹车盘表面镜面反射产生的成片虚假点云而导致的边缘区分难度大问题,文章针对性地设计了滤波算子,初步分离闸瓦边缘,提取闸瓦侧面ROI。接着,根据闸瓦的成像特征,使用基于梯度的边缘提取与跟踪算法,实现闸瓦点云边界的精确提取和松闸间隙的精确测量。最后使用排序策略的统计学方法,实现准确的尺寸测量。采用文中所提算法,可实现松闸间隙小于2 mm情况下的精确测量。采用该方法对不同形态、位置、光照复杂环境下的闸瓦进行测量,并用游标卡尺进行实际测量对比,结果显示,机车闸瓦磨耗尺寸测量精度基本控制在±1 mm范围内,具备一定的算法鲁棒性。     

基于边缘和数学形态学复杂背景车辆定位

在车牌识别和车型识别系统中,为了减少背景干扰,精确地找到车脸、车标或车牌,从复杂背景的图片中定位车辆是一个重要的过程。提出了一种基于边缘数学形态学的复杂背景车辆定位方法,首先利用数学形态学对车辆图像进行处理,增强车辆轮廓并消除噪声干扰,再进行边缘检测并分别进行水平投影和垂直投影得到投影图,将获得的投影图变换为一幅图像,再查找车辆边界。实验结果表明,该方法定位准确率为93%,且定位速度较快。     

基于二值化的数学形态学生物图像边缘检测算法

针对边缘检测算子对噪声敏感且检测边界相对模糊的缺点,提出了基于动态二值化的数学形态学边缘检测算法。该算法首先利用动态二值化方法确定将灰度图像转化为二值图像的阈值,然后利用数学形态学的腐蚀和去空洞相结合的方法去除二值化图像的噪声,最后用细化方法检测单像素图像边缘。仿真结果表明,该算法能降低噪声及图像模糊对边缘检测的影响,实现边缘的准确定位,并保留足够的图像细节,具有更强的去除噪声能力,为显微生物单体图像处理提供了一种有效的边缘细化检测方法。