基于图像配准的零件轮廓修正方法

针对智能机床视觉系统提取待加工零件边缘轮廓时易受到背景干扰,导致其提取出的零件轮廓中包含异常区域的问题,提出一种基于图像配准的高精度零件轮廓修正方法。首先,从零件工程图与真实图像当中提取出零件模板特征点集与待匹配特征点集;其次,对仿射变换模型中的参数进行分解分析,并利用两图特征点集中的面积特征与边缘结构特征构建准则函数;然后,使用改进的遗传算法搜索两图像全局最高相似度所对应的仿射变换参数,在图像配准之后,再通过计算最优迁移后的模板轮廓点集与待匹配轮廓点集的分段Hausdorff距离来检测并替换待匹配轮廓中的异常轮廓段。实验结果表明,该方法能精确、稳定地检测出待匹配轮廓点集中的异常轮廓段,配准精度比联合特征均方和（SSJF）方法高出50%,修正后轮廓交接点处的距离不超过3像素值。     

工业钣金件视觉检测中的一种2D-3D自动定位算法

利用图像计算目标物体空间方位一直是计算机视觉领域的重要任务。利用单幅图像结合CAD三维模型实现钣金零件空间方位的2D-3D自动定位。沿CAD三维模型在影像上投影的外轮廓统计影像边缘特征点的数目,根据极值位置确定零件方位的初始参数;提出基于广义点理论的最邻近直线迭代的算法求取零件方位的精确值。为加快轮廓跟踪速度,也对经典的8-领域轮廓跟踪串行算法进行了并行优化。     

图像点模式匹配的一种凸包序列的图谱方法

利用点集的凸包具有仿射不变性和局部可控性,针对图谱方法难以精确匹配旋转角度较大图像的问题,提出了图像点模式匹配的一种凸包序列的图谱方法,使得匹配在图像旋转角度较大的情形下仍具有稳定性。构建图像特征点集新的图模型（凸包）,利用改进的图谱方法对凸包进行匹配,并减小原始特征点集,迭代上述过程,通过构造凸包序列,自特征点集的外围到内部逐步匹配,得到较精确的匹配对。实现基于凸包序列的图谱方法的图像点模式匹配。实验结果表明,该方法不但能精确匹配旋转角度较小的图像,而且对于旋转角度大的图像以及多光谱图像匹配精度也较高。     

利用轮廓分解和局部描述的二值图像检索

提出一种面向二值图像检索的形状分解和局部描述方法.对二值图像进行物体轮廓的提取,采用特定的方法对轮廓进行分解,得到轮廓的参考点集.利用轮廓的法线求取每一个参考点的对应弧线段,计算弧线段的特征并作为对应参考点的特征向量,从而原图像就被表示为特征空间中的特征点集.最后,采用点匹配的方法来计算图像之间的距离,实现二值图像的检索.实验结果表明,与目前已有的方法相比该方法具有较高的检索精度.     

倒角类冲压零件轮廓缺陷视觉检测

倒角类冲压零件轮廓缺陷视觉检测对于提高生产效率、保障产品质量非常重要。针对倒角类冲压零件形状奇异、轮廓不规则,图像本身实物边缘与背景像素是逐渐过渡的,存在模糊性,缺陷特征弱小等难题,提出了模糊集合的轮廓提取算法和缺陷匹配的识别方法,检测并标记缺陷位置。首先,采用模糊集合强化边缘信息,在不需确定阈值的情况下,准确有效地提取冲压零件的轮廓。其次,利用轮廓的点、线特征,通过HOUGH变换对冲压零件进行定位。然后,以冲压件模板图像位姿特征为期望值,实时校正待检测的冲压件图像,实现精确对准。最后,采用差分相似匹配算法识别出缺陷。实验结果表明,提出的检测方法能够快速、准确地识别占整个零件0.4%以上的小缺陷,并标记位置,满足工业要求。     

一种改进的快速图像拼接方法

为了提高图像拼接的速度,提出了一种快速的图像拼接方法.首先在SUSAN角点检测算法检测出图像角点的基础上,采用图像分块和邻近角点剔除的方法来保证图像角点分布均匀并且避免出现角点聚簇现象,利于提高拼接的精度.其次,利用灰度相关性进行特征角点的匹配并消除伪匹配.然后采用改进的RANSAC算法快速地估计变换矩阵,该算法中采用预检测的方法快速抛弃那些不是候选模型的临时模型,加快了算法的速度.最后进行颜色融合,生成无缝拼接图像.实验结果表明,该方法在得到较高精度的情况下,大大减少了运算量,提高了图像拼接的速度.     

基于归并优化的快速特征点匹配算法

在使用点特征进行图像匹配的过程中,初始提取的特征点的数量和质量决定了最终的匹配速度和匹配精度.针对这一特点,本文提出对初始提取的特征点集首先进行动态的分块归并优化,然后使用改进的分层投影匹配算法对图像进行粗匹配,最后通过极线约束得到鲁棒的匹配结果.实验表明,本方法在对纹理丰富、尺寸较大的图像进行匹配时,大大提高了运算的速度,同时又保持了匹配的精度.     

基于小波分析与RANSAC匹配的雷达图像拼接研究

针对现有雷达图像拼接技术拼接稳定性差、精度低的问题,研究结合雷达图像特点,提出一种基于小波多分辨分析与RANSAC匹配的拼接方法。首先,采用B样条小波模极大值法对雷达图像轮廓特征进行提取,并分别提取了轮廓特征质心及Harris特征点角点;然后,分别对轮廓特征和Harris角点进行粗匹配,并采用RANSAC算法进行精确匹配;最后采用小波多分辨分析法对高、低分量分别采用不同融合规则进行图像融合,实现了雷达图像的拼接。结果表明,本研究提出方法可对平移变换雷达图像、加噪雷达图像、旋转变换雷达图像进行准确拼接,拼接效果良好,拼接图像没有明显变形。此外,提出方法还可对多张雷达图像进行同时拼接,相较于传统雷达拼接方法,具有更理想的拼接效果和拼接速度,可满足实际应用需求。     

基于SIFT特征和对极几何约束的图像配准算法

基于SIFT（尺度不变特征变换）特征匹配思想,提出了一种应用对极几何约束的图像特征配准算法。首先对图像提取SIFT特征点,然后通过欧氏距离估算对SIFT特征描述子进行初始匹配得到预匹配点集;采用基于单应矩阵的抽样算法计算初始基础矩阵,通过RANSAC算法计算精确的基础矩阵和匹配点集,进而实现图像配准。实验表明,该算法可以获得更准确的匹配点,得到精度较高的图像配准效果。     

图结构在航空遥感图像特征点匹配中的应用

为了解决海上航空遥感图像拍摄目标及相机视角变化快,相似特征多导致的匹配不一致问题,并提高匹配算法的效率,提出了一种基于图结构的航空遥感图像特征点匹配算法。该特征匹配过程分为初始匹配和精确匹配两步,首先采用快速特征提取算法SURF进行特征提取并进行初始匹配,然后在精确匹配过程中充分考虑图像的局部空间结构及全局信息,建立[K]近邻图结构,用[K]近邻结构差异与点集的变换误差作为匹配的收敛条件,以解决图像目标发生变化而导致的[K]近邻结构不一致及[K]近邻结构相同时仍然存在干扰点两个问题,最终实现快速精确的特征匹配。     

一种无标记点三维点云自动拼接技术

基于相位投影和双目的三维光学测量系统已经广泛应用于各领域.受投影光测量系统单次测量范围大小的限制,对大型物体的测量需要在表面粘贴圆形标记点进行多次拼接的缺点,探讨一种基于SIFT的无标记点自动拼接技术.该技术采用SIFT方法获取两次测量的特征点,其次结合RANSAC求出图像特征点的匹配关系,再根据立体匹配中图像特征点与三维点云之间的对应关系,将二维特征点的对应关系映射到三维点云的对应关系上,最后由SVD奇异值分解算法求得旋转和平移矩阵实现拼接.实验证明:该方法可以避免在被测量对象上粘贴标记点,能够快速准确地实现自动拼接.     

基于工业CT切片数据的CAD模型重构

为了使工业CT（computed tomography）扫描获得的切片数据能够被CAD软件直接处理并进行模型重构，在得到切片轮廓点坐标数据的基础上，提出了用IGES（Initial Graphics Exchange Specification）格式作为边缘轮廓坐标数据和CAD软件交换标准的方法，并采用VC^＋＋设计了IGES格式转换软件。实现了IGES格式文件的生成，并用逆向软件Imageware重构出三维CAD模型，取得了较好的效果。     

基于ORB特征的无人机遥感图像拼接改进算法

针对传统的SIFT算法运行速度较慢、不适合处理实时性要求高的无人机遥感图像的缺点,提出了一种基于ORB特征的快速遥感图像拼接改进算法。首先通过ORB算法快速得到特征点和特征描述,采用K最近邻算法（KNN）进行粗匹配,然后采用随机抽样一致性算法（RANSAC）进行精匹配,最后使用改进的加权平均方法对图像进行融合拼接。实验结果表明,该算法在保证匹配精度的基础上,处理速度较经典的SIFT算法提高了41倍。在图像融合时,该算法能有效地消除拼接重影错位现象。     

基于线阵扫描方式下的机车车顶状态检测方法

针对机车车顶异物存在和瓷瓶受损影响机车运行安全的问题,本文提出了基于线阵扫描方式下的机车车顶状态检测方法。论文用两台黑白线阵相机乒乓采集车顶图像,基于车速将图像校正后拼接成全景图,并利用区域划分法来划分大场景车顶图片,最后用SIFT特征点提取、改进后的RANSAC图像配准等算法与模板图匹配来定位瓷瓶、查找异物。实验结果表明该方法快速、有效,能够准确地找出检测图中的异物和定位瓷瓶。     

一种优化的鞋样图像矢量化方法

针对制鞋业中鞋样的录入问题,提出了一种实现从图像格式到图形格式转化的图像矢量化方法。并且形成的图形文件可根据不同鞋业CAD软件的要求而存储成相应的格式。该方法还在轮廓跟踪过程中采用了各种优化算法,从而节省了搜索时间,提高了轮廓线拟合精度,符合了鞋子设计的特殊要求,为鞋业CAD软件的应用提供了良好的基础。     

位平面和SIFT相结合的图像匹配方法

针对传统的相关匹配算法计算量大,对图像旋转敏感等问题,提出了一种位平面和尺度不变特征变换（SIFT）相结合的图像匹配算法。将待拼接的两幅图像[A、][B]各自分解为8个位平面,对两幅图像都选择前4个具有视觉信息的位平面[A1A2A3A4]和[B1B2B3B4];对[A1A2、][A2A3、][A3A4]图像进行异或运算,得到3幅图像。由于异或后的图像[A1A2]具有足够的细节部分,轮廓却不清晰,图像[A3A4]轮廓清晰,但是丢失了太多细节,而图像[A2A3]具有清晰的轮廓,又具有足够的细节信息,所以采用图像[A2A3],然后与原图像[A]进行异或得到[A],同时采用同样的方法得到图像[B],再次采用SIFT算法进行点对匹配,利用欧氏距离进行图像匹配,最后利用RANSAC进行图像容错处理,得到一幅匹配图像。实验结果表明,该算法有效地提高了匹配速度,对图像明暗变化、尺度旋转等具有较强的健壮性。     

SIFT和改进的RANSAC算法在图像配准中的应用

在机器人视觉系统中运用SIFT描述子对现实世界中的目标进行识别,这一研究已经取得了很大的进步。运用SIFT生成的图像特征向量的性能十分稳定,对旋转、缩放、平移是保持不变性的,对一定程度目标遮挡、光照变化、视点变化、杂物场景和噪声等也能保持很好的不变性。RANSAC算法早就已经是计算机视觉领域常用的一个进行矫正的标准方法,在标准的RANSAC算法基础上加入了假设评价,改进为R-RANSAC（The Randomized RANSAC）算法。对这两个方面进行论述,运用SIFT（尺度不变特征变换）算法对双目机器人的两幅视觉图像进行匹配,采用带SPRT的R-RANSAC改进算法对匹配过程进行优化,尽可能在短的时间里完成匹配矫正,进而加速整个配准的时间。     

基于红外图像的飞机目标关键攻击部位识别

针对红外成像制导空空导弹增强攻击毁伤效果的要求,提出了一种基于红外图像的飞机飞行姿态识别和飞机目标几何轮廓分析的关键攻击部位识别方法。该方法利用模糊C均值聚类算法将经过降噪处理的红外飞机图像分割成背景、飞机机身和尾焰三部分;分别计算飞机目标的Hu矩和归一化转动惯量来构成组合不变矩,同时结合分割图像的面积比特征来实现飞机飞行姿态的识别;通过对飞机机头、机轴、机翼或尾翼的提取并依照相应的比例关系,来实现对飞机关键攻击部位如驾驶舱的识别。为了提高关键攻击部位的识别速度和精度,利用当前帧获得的稳定判别参数来指导后续帧图像的处理。试验结果表明,提出的方法能够准确有效地识别红外飞机目标的关键部位,可为空空导弹的精确打击提供必要的支持。     

Updating workpiece geometry using robotic sensor information gathered during contact tasks

During robotic contact tasks, geometric information of the workpiece is used to specify the position of the robot’s hand on the workpiece and the direction of force control. This geometry is idealized in a typical CAD file, but due to manufacturing precision or wear, the actual workpiece geometry is inevitably deviated from the desired geometry. Furthermore, when the workpiece is mounted, position and orientation inaccuracies emerge. In this paper, we investigate two questions: (1) Can the workpiece geometry in the CAD file be used to control a robot in contact with an inaccurately placed workpiece?; and (2) Once the task is performed, how can the robot’s sensor information be used to update the geometry of the workpiece? A methodology is developed to solve robotic control problems with workpiece position and geometry inaccuracies. Once performed, the CAD file image is displaced to fit the sensed trajectory of the robot’s hand. Finally, the workpiece image geometry is modified using a least squares approximation to fit the sensed data more accurately. In the end, the robot performs the contact task while gathering information that is used to update the original CAD file geometry. The methodologies are demonstrated through a simulation experiment that requires a robot to shave a geometrically altered face that is inaccurately positioned.     

基于CenSurE-star和LDB的被测目标图像匹配算法

针对传统点特征匹配方法计算量大、匹配速度慢的问题,给出了一种基于CenSurE-star和LDB的图像匹配算法,以用于在视觉检测中对被测目标图像进行快速匹配;该算法首先通过调整滤波器尺寸从而快速检测被测目标图像中不同尺度的CenSurE-star特征点,然后采用LDB方法对特征点结合其邻域进行描述,以描述符汉明距离为标准衡量图像特征点间的相似度并进行对应筛选,最终结合RANSAC剔除剩余的误匹配点对,实现了图像间准确匹配;实验研究表明,在关于光照、噪声和模糊变化的三组被测目标图像匹配中相较SIFT、SURF等常见算法,该算法不仅显著提升匹配速度,而且保证了较高的匹配准确率。