基于改进形状上下文特征的二值图像检索

提出了改进的形状上下文算法以克服传统的形状上下文算法不具备旋转不变性这一缺点。该算法利用找寻包含采样点数最多的角度区间的方式改变图像角度,对相对应的区域进行比较,并计算匹配代价,从而为形状上下文加入旋转不变性。为提高运算速度,算法也引入了剪枝方法,解决了进行直方图距离计算时遍历采样点的问题。实验显示,本文的算法在公开数据库上测试得到的精确度召回率(PR)曲线与郑提出算法的PR曲线性能接近,但是计算速度较其提升了近1倍;与传统的形状上下文算法相比,提出算法的PR曲线更为优越,且检索精度有较大提高。因此,提出的算法综合检索性能更好,能够有效地的应用于二值图像检索领域。     

基于触觉传感器的工件形状识别

介绍了一种利用阵列触觉传感器实现工件形状识别的新方法.该方法针对传感器采集的触觉图像的特殊性,在信号的预处理中采用Hopfield神经网络解决断线、畸变等问题.并以矩描绘子作为特征判别的主要依据,采用模板匹配法实现了工件形状的正确识别.     

基于射频识别技术的工件定位系统设计与实现

在综合考虑成本和识别速度的基础上,提出了将射频识别技术应用于生产线上工件的定位。首先介绍射频识别技术,提出了基于射频识别技术的工件定位系统;之后对定位系统进行了硬件系统选型及基于MATLAB软件的神经网络识别系统的设计;最后在实验室条件下对该系统进行了验证。试验结果表明,该系统可以完成基于天线接收到的信号强度进行定位的功能,针对一60cm×50cm的区域,该系统的定位误差可以控制在4cm以内,最大欧几里得误差控制在3.9cm以内。     

工件装配基准端的形状识别研究

为了有效识别工件的装配基准端,根据工件两端不同的形状特征,提出了一种基于改进的Hu不变矩和LM-BP神经网络的工件装配基准端识别方法。该方法针对Hu不变矩在离散图像缩放运算上存在较大误差的问题,采用改进的Hu不变矩提取工件两端的形状特征值;用提取的特征值训练LM(Levenberg-Marquardt)算法优化的BP神经网络(即LM-BP神经网络),实现工件两端的形状识别,判断装配基准端。实验结果表明,改进的Hu不变矩能保证特征值在图像缩放情况下的不变性,改进的Hu不变矩与LM-BP神经网络结合的识别算法对工件两端形状具有很好的识别能力。     

基于Tiny-YOLOv3改进算法的工件识别

针对Tiny-YOLOv3算法在工件识别实时检测中存在漏检率高的问题,提出了在Tiny-YOLOv3基础上加以改进实现了对工件更加快速、准确地识别。主要改进的方式是在Tiny-YOLOv3的特征提取网络中增加3个网络模块,即SPP结构、SE模块和Ghost模块,并用卷积层代替池化层,改进后的网络结构平均精度均值、准确率和网络模型大小都有着显著的改善。试验结果表明,改进后的算法能够更好的提升工件识别的效率,并同时满足在嵌入式设备中进行实时检测的要求。     

平面工件的识别与定位方法研究

视觉技术在工业生产中得到了越来越广泛的应用,对提高生产效率,达到生产智能化的目的起着至关重要的作用。以工业机器人实现工件分拣为背景,提出一种基于区域划分的平面工件识别与定位方法,该方法先利用LSD(Line Segment Detector)进行直线段的提取,然后将干扰的杂线段分类进行剔除,在保留的轮廓线段基础上进行直线段的连接和区域划分,最后利用各个区域的形状特征向量和模板的形状特征向量进行比对,以完成工件的识别和定位。实验结果表明,提出的算法能有效的识别和定位工件。     

基于特征点的浮吊工件视觉定位法

提出了一种基于特征点的视觉定位方法,并将其运用于浮吊工件的定位。将摄像机放置于浮吊的工件上方,成像方向对准并垂直于工件以及吊装位置所在基座平面,使其在随工件移动的过程当中能够提取基座平面上人为设置的特征点作为特征,并利用特征点之间的已知物理位置关系、基点的物理位置以及它们在成像坐标下的坐标信息,推算出工件与吊装位置的x—y轴向上的位置关系、相对高度以及工件姿态等信息。通过室内按比例缩小所进行的试验及其所得结果,验证了有效性以及其在浮吊中的可应用性。     

基于改进YOLOv5s的工件识别检测算法

针对机器人在抓取目标工件的过程中由于光线强度变化、图像环境复杂和拍摄设备移动等造成的工件识别精度低的问题,文章提出一种改进YOLOv5s的工件识别检测算法。首先,通过数据增强扩充数据集并进行预处理;其次,使用改进的k-means聚类算法重新生成更有效的预设锚框,缩短收敛路径;然后,在特征融合网络中添加CBAM注意力机制,有效抑制背景信息干扰,提高特征提取速度;此外,将特征融合模块中原有的特征金字塔结构替换成加权双向特征金字塔Bi-FPN结构,实现高效的加权特征融合和双向跨尺度连接,提高网络对不同尺度特征的融合效率;最后,通过采用α-IoU作为边界框回归损失函数,提高模型的定位效果。结果表明,改进后的YOLOv5s算法对工件检测的mAP值提升了6.03%,检测速度提升了13.7 fps,验证了改进算法的有效性。     

实体模型中形状特征的识别

开发并实施了一个实体模型形状特征自动识别的系统。在该系统中,形状特征首先被定义成具有特定几何与拓扑结构的单个面或一系列相关面的集合;     

钣金零件的形状特征识别

分析了钣金零件的特点及其形状特征的分类原则，针对钣金零件可展开这一特性，讨论了在零件展开图形的基础上识别其形状特征的方法，给出了工程中典型形状特征的识别判据。     

特征点辅助的时空上下文目标跟踪与定位

针对动态目标跟踪中快速运动和目标遮挡而跟踪失败问题,提出了一种特征点辅助的时空上下文跟踪算法。首先提取目标特征点,通过特征点匹配和光流跟踪方法进行目标追踪,获得目标预估位置;其次,建立特征点变化率和时空上下文模型更新率关系模型,实时调控更新率,防止引入错误信息;最后,在预估位置区域内,构建局部上下文外观模型,计算与时空上下文模型的相关性获取置信图,进一步精确定位目标。算法在一组测试视频集中进行验证,相比目前4种主流算法(平均跟踪成功率最高为60%,平均跟踪误差最小为26.14 pixel),本算法综合性能达到最优,平均跟踪成功率为90%,平均跟踪误差为7.47 pixel,平均跟踪速率25.31 f/s。在双目视觉移动机器人平台上对随机运动目标进行跟踪实验,在背景干扰、遮挡、目标旋转和快速运动等组合情况下,跟踪成功率97.4%,跟踪距离平均相对误差为4.05%。     

工件变形与形状位置误差

在机械加工中,零件产生形状误差和位置误差是难免的,而引起零件产生形位误差的原因很多,归纳起来大致由下列两类原因引起:其一是由于在装夹或加工中工件产生变形;其二是由于设备工装(夹具、刀具等)具有的误差。     

考虑特征差异的多特征工件依次定位

现有的工件定位算法对于多特征工件按照组合特征进行定位,而实际上不同特征对于定位结果的影响是不同的。考虑到工件各个特征之间的差异,在深入研究多特征的位形空间理论的基础上,参考形位误差评定问题中多基准建立的过程以及对称工件定位算法,提出了多特征工件依次定位问题和算法,按照一定准则(如特征本身精度高低)对各个特征依次进行定位。仿真试验表明该算法更符合实际。     

重现工件的真实形状

精确地采集足够的尺寸信息以完成有效的过程控制在许多情况下是一项挑战,对于复杂曲面外形更是如此。     

基于双目视觉的带圆特征工件空间定位研究

针对空间中带圆形特征工件定位问题进行研究,对图像进行椭圆拟合并根据双目视觉系统三维重构结果,基于几何关系对圆特征工件进行空间定位,获得工件的空间位置。首先建立虚拟椭圆投影模型,获得投影椭圆和虚拟椭圆的对应关系。然后建立虚拟椭圆锥面,使用旋转平面在椭圆锥面中截得曲线,计算圆面的姿态。最后根据三维重构结果,解决圆面定位的二义性问题,获得空间圆面准确的位姿。实验结果表明,该方法能够实现对带圆特征工件的准确空间定位。     

一种在线提取金属工件形状特征的方法

为提高金属工件在线检测的精度和速度,提出了一种提取金属工件形状特征的方法。首先,提出一种基于除法运算和颜色模型转换相结合的方法来实现高光消除;其次,运用免疫遗传算法完成工件形状特征的提取。实验结果表明:该算法能够有效抑制噪声,并可以快速准确地提取金属工件的形状特征,满足工件在线实时检测的要求。     

基于立体视觉的工件识别与定位系统研究

针对生产过程中工件等弱纹理目标的自动识别、定位问题,建立了基于立体视觉的工件识别定位系统,研究了基于改进形状描述符、轮廓矩特征、子轮廓的弱纹理目标识别算法,避免了局部不变量特征难以识别弱纹理目标的问题,应用对极线约束、双目测距原理及姿态计算方法完成目标的三维姿态估计。结合OpenCV视觉库及机器人控制系统实现工件识别定位实验系统的软件开发,经实验验证本系统能够实时准确地识别定位弱纹理工件并进行抓取。