基于SURF特征点的包装空间双目视觉定位研究

为便于多自由度的机械臂识别抓取特定包装,对包装外边缘轮廓精确定位,强化机械臂作业系统对包装的外边缘轮廓抓取精度与视觉特征识别.基于双目机器视觉中的SURF特征点的定位,提高检测系统的图像信息收集精度,确定复杂环境下的目标包装物边缘标定核心识别定位要点.在传统单眼视觉的基础上,进行双目视觉SURF特征点的应用建设分析.以...     

基于双目视觉的目标定位研究

基于双目视觉的目标定位是当前计算机视觉研究领域的热点问题,文章介绍了双目视觉的基本原理,对其关键技术进行了深入研究,并将基于灰度相关性的立体匹配算法应用到双目视觉定位系统中。设计双目视觉定位实验,实验表明文章方法能够实现一般的双目视觉中的目标定位问题。     

基于双目视觉的食品分拣Delta机器人定位抓取技术

目的：解决Delta机器人在食品分拣中定位精度差、抓取成功率低等问题,提高机器人的柔性抓取能力。方法：在现有双目视觉和Delta机器人技术的基础上,提出一种基于双目视觉的Delta机器人柔性抓取方法。采用张正友标定方法对相机进行标定,通过弦中点Hough变换对目标进行识别和定位,根据PID跟踪抓取控制Delta机器人抓取动态目标。通过试验对单目标分拣和多目标分拣性能进行分析,验证该方法的可行性。结果：该方法能够准确、快速、稳定地对目标进行动态抓取(成功率在94.0%以上)。结论：双目视觉与Delta机器人相结合可以有效提高机器人的定位精度和分拣抓取的成功率。     

基于HALCON的双目视觉株高测量

计算机视觉技术是近几年来发展较快的信息处理技术,随着图像处理技术的专业化、计算机硬件成本的降低和速度的提高,计算机视觉的应用已变得越来越广泛。株高是植物生长指标的重要参数,是一个物种争夺阳光能力的主要决定因素。为此,本文基于HALCON,利用双目视觉方法对株高进行测量,通过对双目直接测量结果进行误差修正,使得实验得到的结果误差不超过2％,该方法具有一定的可行性。     

提高双目视觉立体匹配精度的一种方法

针对基于相位的立体匹配算法无法得到相位真实值而导致匹配精度不高的问题,提出了一种将格雷码与相位移结合的匹配方法.该方法采用Otsu法寻找最佳分割阈值,实现了格雷码边界的精确分割,并采用高斯滤波对正弦光栅图像进行滤波.实验结果表明,该方法可以计算出较高精度的绝对相位值,提高匹配精度,获得较好的测量结果.     

基于三坐标测量仪的双目视觉物体测量及数据分析

提出了一种基于三坐标测量仪进行零件尺寸测量的双目视觉方法,采用棋盘格对系统进行标定,运用数据处理技术对图像进行二值化及轮廓处理,并对测量数据进行分析,得出影响测量数据误差分布的原因.通过试验分析其测量误差不超过1 mm,可以满足物体形状分辨的要求.     

基于双目视觉的球形果实单体采摘终端装置研究

设计以球形果实单体为对象的采摘终端装置,该装置主要由双目视觉系统、嵌入式控制核心、机械臂与采摘器组成。对番茄果实图像识别进行了算法设计,提出了约束性Hough变换圆形检测算法完成了遮挡果实分割,基于改进PMF立体对应点算法实现了果实左右图像的立体匹配,获取果实三维质心坐标。通过对番茄、苹果、柑橘3类果实的采摘试验,结果表明:装置各模块能够协调稳定工作,采摘终端对成熟果实的成功识别率达87.5%;成功采摘率达85%。     

基于双目视觉的高速运动体飞行数据测量方法

针对高速运动小目标位移、姿态、速度、角度等飞行数据测量的需求,文章提出了一种基于双目视觉的高速运动体飞行数据测量方法。首先搭建两台高速摄像机组成正交系统,对其进行标定建立摄像机的三维计算基础模型,然后同步触发高速摄像机记录高速运动体飞行过程图像,并利用3D图像测量分析软件分析判读高速运动体在X、Y两个方向上的系列飞行位置进而分析得到高速运动体在某一特定飞行段的飞行数据,最后对测量精度与误差进行分析。文章将双目视觉的原理应用于高速运动小目标飞行数据的测量,为高速运动小目标监控领域提供了研究基础。     

视觉跟踪算法研究

视觉跟踪算法是实现视觉目标有效跟踪的关键技术之一,通过观测图像序列,推理获得目标运动参数,实现运动目标跟踪,主要有基于区域跟踪、基于特征跟踪、基于变形模板跟踪和基于模型跟踪等四个类型的跟踪算法,并各具不同的适用范围及优缺点。     

基于机器视觉的工业机器人分拣技术及系统研究

工业机器人目前在工业生产车间中应用比较普遍,可大幅度节约人力成本,并且针对一些危险的工况可以通过工业机器人取代人工操作,保证员工的人身安全。工业机器人分拣技术目前在物流快递行业的应用较为普遍,其优势在于能够节约企业的资源。基于此,文章简要介绍了机器视觉,分析了基于机器视觉的工业机器人分拣技术,从机器视觉角度对该技术中的一些关键技术进行研究,并设计了相应的分拣系统,使该技术在具体行业中得到有效的应用。     

基于机器视觉的鸡蛋品质无损检测方法

目的以蛋品质量评价指标—哈夫单位值为检测标准,建立一种基于机器视觉的鸡蛋品质无损检测方法。方法通过摄像头捕捉到鸡蛋图像信息,利用MATLAB对鸡蛋图像的G分量以及I分量进行特征参数提取,并计算出与鸡蛋新鲜度相关的4个特征参数:蛋黄面积比、气室面积比、气室高度比与气室直径比,将其作为自变量,通过高精度游标卡尺实测每个鸡蛋样本哈夫值作为因变量,分别建立一元回归模型,寻找特征参数与哈夫值的关系,并根据哈夫值对鸡蛋新鲜度进行分级。结果实验表明,所测4个特征参数中,蛋黄面积比与哈夫值存在较强的相关性,相关系数为0.78,拟合优度为0.62,蛋黄面积比越小,鸡蛋哈夫值越大,说明鸡蛋越新鲜。结论基于机器视觉的鸡蛋品质无损检测方法不仅具有较强的应用价值,还可以为鸡蛋品质智能分级提供技术支撑。     

基于机器视觉的咖啡生豆快速检测与分级研究

目的 为了实现咖啡生豆的快速无损等级评估,建立一种基于机器视觉的咖啡生豆快速检测分级方法。方法 本次研究提取咖啡生豆图像预处理后的形状和颜色共13种特征,首先通过特征分布图分析与主成分分析找到13类缺陷豆的显著特征,并确定其显著特征值范围来判定缺陷豆,然后对正常豆按粒度大小判断其等级,最后在MATLAB App Designer平台上设计了咖啡生豆快速检测与分级界面。结果 研究表明,利用机器视觉技术能很好地识别各个类别咖啡生豆,检测一级咖啡生豆准确率为94.77%、二级为93.2%、三级为95.85%,13类缺陷豆平均准确率为82.25%,咖啡生豆检测平均准确率达到91.52%,检测300g咖啡生豆总用时25.3156s。结论 提高了咖啡生豆分级的智能化水平,分级过程平稳且快速,为今后咖啡生豆在线检测分选提供了技术支持。     

基于图像处理技术的涤棉纱线混纺比测定

运用图像处理技术,以Matlab工具为测定平台,通过对涤棉混纺纱截面图像进行一系列的计算机图像处理,实现了提取纱线截面中的纤维截面的轮廓,并提取各纤维截面长、宽等特征参数,从而计算混纺比、标准差等多项指标,降低了人为的测定误差,提高了测定的速度.     

基于机器视觉和图像处理的织物疵点检测研究新进展

按照被检测的织物类型并根据当前研究中所使用的方法,简要综述了近年来基于机器视觉和图像处理的织物疵点检测系统新的应用和发展情况。首先分析了织物疵点自动检测研究的理论和现实意义。给出了织物疵点检测系统中视觉图像获取和疵点图像检测两个关键部分的架构。说明了迫切需要进行检测的两类织物白坯布和色织布,着重讨论了对这两类织物进行疵点检测的各种新方法,并详细说明了其检测效果和存在的不足。最后给出了疵点检测研究的几点建议。     

基于机器视觉的碳纤维预浸料表面缺陷检测方法

针对碳纤维预浸料表面缺陷人工检测方法效率低、成本高、实时性差等问题,提出基于机器视觉的碳纤维预浸料表面缺陷自动检测方法。首先,在碳纤维预浸料生产线上,采用2台高分辨率线扫描相机快速连续采集图像,从中随机选择带有缺陷的图像1 000张;其次,基于大气光散射模型对图像进行去雾增强处理,以消除白色树脂的干扰;然后,改进具有19个卷积层和5个最大值池化层的YOLOv2目标检测算法,用于缺陷的检测;最后,对预处理后的图像进行网络训练提取图像特征,识别图像目标,并对训练好的网络进行实验验证。结果表明:该方法在复杂的工业环境下,具有较高的识别精度和鲁棒性,识别成功率达到94%以上,且每张图像的检测时间不超过 0.1 s,可满足工业生产中精度和实时性要求。     

基于边界跟踪测量麻纤维横截面参数的算法研究与应用

针对在同一纤维横截面图像中难以同时测量多根纤维参数的问题,提出了一种基于边界跟踪测量麻纤维横截面参数的算法。首先利用边缘提取算法提取麻纤维的边缘,通过修改边缘提取算法的敏感度阈值获取合适的边缘检测图像,然后采用边界跟踪算法对边缘检测图像中的麻纤维进行识别和标记,利用循环标记出图像中所有的麻纤维并保存边界跟踪的路径点坐标,最后利用算法测量麻纤维的周长、面积和圆度。实验结果表明:该方法能够同时测量多根麻纤维的横截面参数;根据用于测试的标准圆的数据可知,本算法测得的麻纤维的周长偏差大约为3%,面积偏差大约为4%,数据误差较小。