基于机器视觉的工业机器人定位系统研究

随着《中国制造2025》提出,工厂对“智能制造”的战略地位迅速提升。工厂对智能设备的要求越来越高,传统的工业控制技术早已不能满足高质量产品生产的指标要求,尤其是在一些精度要求高、产品前沿报废率低的企业。近年来,机器视觉技术发展迅速,能够适应高要求、高精度的定位需求,机器视觉的引入极大的拓展了机器人的应用领域,对工业自动化发展具有重要意义。本文引入ABB机器人(IRB120)为基础,研究并构建一套基于机器视觉的工业机器人锂电池载流片定位系统。整个系统包括机器视觉系统和机器人控制系统,由机器人本体及控制器、CCD相机、计算机、图像采集卡、光源及软件系统构成。整个系统通过机器人与CCD相机的坐标系标定,模板标定,CCD相机获取锂电池载流片图像,对图像特征进行预处理,分类标记功能,图像处理技术,目标定位算法处理后,将锂电池载流片的定位信息通过通讯传输给机器人控制器,控制机器人执行完成锂电池载流片的定位任务。     

快件分拣机器人导航定位系统的研究

为了解决物流中心快件自动分拣机器人导航定位精度的问题,采用惯性导航技术为主、视觉导航为辅的多种传感融合定位方式,设计了具有位置与方向信息的二维码数字标签,利用CCD工业相机获取二维码图像信息,结合microscan(迈斯肯)软件模块对图像的识别判断出分拣机器人小车相对于世界坐标的位置与偏转角度,便于进一步对机器人小车控制系统的设计。实验数据与实际应用结果表明:分拣机器人小车视觉导航定位系统是可行与有效的,且具有精度高、识别耗时低、计算量小等优点,能够满足分拣机器人工作时的导航定位精度要求。     

机器视觉的电解车削对刀间隙检测

研究基于机器视觉的电解车削对刀间隙的检测方法。构建由CCD模拟摄像机和视频采集卡组成的图像采集和转化系统,利用VC++6.0开发相应图像处理软件,并通过对间隙图像的处理获得对刀间隙的实际尺寸值。     

基于机器视觉的电感质量自动检测系统

主要介绍了将机器视觉技术应用于电感质量检测系统,通过图像采集卡和CCD采集图像,并通过图像预处理、阈值分割、边缘定位,边缘检测、Blob分析等算法对图像进行处理,输出检测结果的控制信号,再借助PLC控制执行机构,最终达到对电感的表面质量进行在线检测的目的。     

具有变长度曲柄的连杆机构弹性轨迹的测定

利用光学仪器CCD（电荷耦合器）和图像采集卡进行机构弹性轨迹的测量。实验研究为机构学轨迹测量和精度控制研究提出了新方法。     

基于计算机视觉的烟叶分离系统

采用计算机视觉和图像处理技术,利用CCD摄像机、图像采集卡、运动控制卡、计算机等组成针对烟叶颜色的分离系统,介绍系统的组成和图像处理方法,并给出系统的硬件和软件设计。     

基于CCD成像的轴承滚柱表面缺陷智能检测的研究

提出了一种基于CCD成像的轴承滚柱表面缺陷非接触检测技术。CCD将目标转换为视频信号并输送到图像采集卡,图像采集卡对视频信号进行解析、数字化后输送给专用的图像处理系统,对图像进行处理,再用LabVIEW软件编程。     

DNA芯片的CCD荧光检测

为了有效地提取DNA芯片的信息,叙述了DNA芯片的CCD荧光检测的原理及自行设计的检测系统。系统由CCD摄像机、荧光成像光学系统、图像采集卡等组成。利用高压汞灯作为光源,窄带滤色片作为激发波段和荧光截止滤波片,从而保证荧光分辨力和测量范围。通过CCD摄像机和图像采集卡进行图像采集,并对获取的图像进行处理。试验结果有效地获得了杂交后基因点位的关键特征的数据。     

履带式挖掘机器人CCD道路识别

为实现液压挖掘机器人的无人操纵、自主作业,对小松液压挖掘机进行机器人化改造,在对挖掘机行走机构、回转机构、工作装置实现全液压电液比例控制技术的基础上,通过电荷耦合器件(Charge Coupled Devices,CCD)摄像头采集室外规定路径图像,图像经平滑、去噪、二值化、边缘提取等处理后,对路径进行识别,将路径识别特征量作为履带式液压挖掘机左右行走液压马达的驱动控制信号,实现挖掘机对路径轨迹的自主跟踪.在二值图像基础上,采用直接边缘检测和跟踪边缘检测相结合的识别方法,保证路径识别可靠性.改造后的挖掘机器人集机械、液压、自动控制、机器视觉等技术于一体,采用摄像头获取路径图像,构成视觉伺服控制系统,控制挖掘机的行走机构,经实验验证是可行的.     

汽车输油管内外径的在线摄像测量研究

利用CCD摄像机和图像采集卡以及计算机构成的机器视觉系统,采用数字图像处理技术,对生产线中实时拍摄的汽车输油管图像进行高速处理.经计算机处理分析后计算输油管横截面的内外孔径,从而避免了人为误差,实现了对输油管内外径的准确测量.     

基于编码-解码对称神经网络的高分辨率图像重构机理研究

针对目前许多图像重构算法存在重构出来的图像不清晰、分辨率低等问题,提出了一种基于编码-解码对称神经网络的高分辨率图像重构算法。首先将图像进行压缩获取低分辨率图像,然后将低分辨率图像作为输入图像经过编码-解码对称神经网络,并利用其中的卷积神经网络进行编码得到特征图像,最后再利用反卷积神经网络进行解码实现图像的细节恢复。实验结果表明,经过基于编码-解码对称神经网络重构出来的图像比之前的低分辨率图像更加清晰,图像的分辨率得到了提高。     

基于区域分块与尺度不变特征变换的图像拼接算法

针对图像匹配算法计算量大,实时性差的问题,提出了一种基于区域分块与尺度不变特征变换(SIFT)相结合的图像拼接算法。该算法利用图像能量的归一化互相关系数快速分割出匹配图像与待匹配图像间的相似区域,利用SIFT算法在重叠区域中搜索出能用于匹配的图像特征点并实现快速精确配准。然后,通过对图像进行了几何校正和图像融合来实现图像序列间的无缝拼接。实验结果表明,该算法减少了传统SIFT算法的大量无用搜索,改善了图像的几何失真,降低了算法复杂度,提高了图像匹配的速度,在保证90%以上的匹配准确率的基础上,计算时间较传统SIFT算法减少了近50%。提出的算法可准确、快速地实现有形变和尺度变换图像的无缝拼接。     

基于MATLAB的车牌图像预处理的研究

车牌图像识别的预处理是车牌图像识别系统的环节之一。运用MATLAB图像处理工具箱,首先把获取的彩色图转换为256级的灰度图;然后用中值滤波法去除噪声从而提高图像质量;然后再进行图像灰度拉伸以增加图像对比度;运用Sobel算子进行图像锐化从而增强图像中的边缘信息;最后运用全局阈值法二值化图像。     

基于循环平移和DTCWT的声呐图像滤波方法

声呐图像散斑噪声的存在严重影响声呐图像的人工判读和自动识别。声呐图像散斑噪声滤波是声呐图像处理领域的一个重要难题。双树复小波变换(DTCWT)因其具有近似的平移不变性、良好的方向选择性已被应用于图像滤波。但这种平移不变性的近似性使得DTCWT不能较为彻底地抑制伪吉布斯现象,而导致滤波后图像的边缘存在一定程度的模糊。为了减小伪吉布斯现象和声呐图像边缘模糊,将循环平移与DTCWT结合使用,提出一种基于循环平移和DTCWT的声呐图像滤波方法。实验结果表明,该方法在滤除声呐图像散斑噪声的同时能够较好地保持声呐图像的边缘。     

基于跨尺度字典学习的图像盲解卷积算法

在模糊核未知情况下利用模糊图像对清晰图像进行复原称为图像盲解卷积问题,这是一个欠定逆问题,现有的大部分算法通过引入模糊核和清晰图像的先验知识来约束问题的解空间.本文提出了一种基于跨尺度字典学习的图像盲解卷积算法,采用降采样图像训练稀疏表示的字典,并将图像纹理区域在该字典下的稀疏表示作为正则化约束引入盲解卷积目标函数中....     

基于图像熵的直线电机动子位置精密测量方法

采用图像熵对栅栏条纹进行筛选,改进了图像相关测量方法,实现了对直线电机动子位置的精确实时测量。首先,分析了栅栏图像的Pnatt熵与像素相关性之间的关系,提出了采用图像熵表征栅栏图像筛选的特征值,从而筛选出非周期性更好的栅栏图像;其次,通过子区大小智能选择获得相邻两幅图像的计算区域,再采用粒子群优化算法对两计算区域的归一化互相关系数矩阵进行搜索,从而得到图像平移值,最后根据系统标定系数得到直线电机动子在拍摄间隔内的位移量。实验结果表明,基于图像熵筛选的栅栏图像在直线电机动子位置测量中具有更强的抗干扰性,测量精度达0.01像素。     

基于灰度图像直方图的边缘检测

数字图像的边缘检测在图像分割、模式识别、机器视觉等中有很重要的作用。灰度图像的边缘检测通常都基于灰度的梯度变化,而图像的直方图就描述了一幅图像的灰度级内容,通过实验找到了数字图像的边缘检测与图像的直方图之间的内在联系,得出具有双峰直方图的图像,其边缘检测效果是比较好的。     

中心偏移的全景环形图像快速展开

采用机器视觉技术检测管道内表面质量时,获取的原始图像几何中心与其前景区管壁全景环形图像中心存在偏移,从而会使以图像几何中心展开的图像产生失真的现象.本文针对存在中心偏移的全景环形图像提出了快速展开算法以减小由上述原因造成的图像中几何特征量的测量误差.提出的算法通过最小二乘拟合圆心法找到全景环形图像上代表管壁某一截面的拟合圆,继而得到全景图像的中心参数,然后通过四分之一圆扫描方法快速展开全景图像,并对展开图像的帧纵横比进行修正,还原全景图像.实验结果表明:将一幅全景图像环状检测区域展开成分辨率为2 044 pixel×199 pixel的矩形图像所需时间为0.868 s,展开图像中目标外形尺寸相对误差均在1.54％以内,满足图像处理对实时性和准确性的要求.     

基于显著性图像边缘的全参考图像质量评价

大部分图像质量评价算法仅研究图像的灰度值及信息内容,没有充分考虑人眼视觉特性对图像质量评价的影响,针对此问题提出了一种基于显著性图像边缘的全参考图像质量评价方法。利用显著性图像表征图像的视觉关注内容,然后提取显著性图像的边缘检测图,得到人眼关注的结构和边缘,最后计算参考图像与失真图像边缘检测图之间的汉明距离得到图像质量评价指标。实验结果表明本文提出的评价指标满足人眼视觉特性,对于各种失真类型有非常高的主观一致性,评价性能也优于很多其他指标。     

基于超分辨率重建的亚像素图像配准

针对低分辨率图像在配准过程中精度较低的问题,提出了一种基于超分辨率重建的亚像素图像配准方法。首先,对具有1至9像素位移的图像序列进行10倍降采样,获取具有0.1至0.9亚像素位移的图像序列。然后,根据图像的获取过程建立数学模型,以Bayes理论为基础,使用最大后验概率法(MAP)对亚像素位移低分辨率图像进行超分辨率重建,获取高分辨率图像。最后,使用具有亚像素配准精度的扩展相位相关法对图像进行配准。配准实验与噪声实验表明,所提方法的最大配准误差为0.03pixel,能实现对低分辨率图像的亚像素级配准,具有配准精度高、噪声抗干扰能力强等特点,可同时满足可见光图像与红外图像的高精度配准要求。