一种基于交叉熵的黑白棋盘角点检测算法

分析了现有黑白棋盘角点检测算法存在的不足,将交叉熵思想引入角点检测中。该算法首先将角点周围像素划分为4个象限,通过相邻象限间的像素灰度差实现角点初选;其次,给出对角象限灰度交叉熵定义,根据局部交叉熵最小原理实现角点筛选;第3,针对备选角点局部重叠的问题,采用梯度幅值非极大值抑制方法实现像素级角点定位;最后采用Frostner算子实现角点的亚像素坐标解算。实验结果显示该算法检测结果优于经典Harris算子以及SV算子,获取的角点亚像素坐标精度与Matlab相机标定工具箱相当,同时易于实现在线标定。     

基于OpenCV的Harris角点检测

角点检测在运动估计、光流计算、视觉定位、3D重建和相机标定、形状测量和分析等方面都有广泛的应用.详述了Harris算法的基本原理,在OpenCV算法环境下运用Harris算法对黑白棋盘格图像进行角点检测,实验结果可以应用在摄像机的标定当中,具有一定的应用价值.     

基于OpenCV的Harris角点检测

角点检测在运动估计、光流计算、视觉定位、3D重建和相机标定、形状测量和分析等方面都有广泛的应用.详述了Harris算法的基本原理,在OpenCV算法环境下运用Harris算法对黑白棋盘格图像进行角点检测,实验结果可以应用在摄像机的标定当中,具有一定的应用价值.     

基于立体视觉的越野环境感知技术

针对越野环境光照多变、场景复杂等特点,对基于双目立体视觉的越野环境感知技术进行了研究,提出了一种适用于越野环境的视觉感知方案。采用高斯滤波和有限对比适应性直方均衡化(CLAHE)对图像进行预处理,对亚像素级Harris角点检测、基于RANSAC方法的基础矩阵估计、对极几何约束匹配及连续性约束等内容做了重点研究,最后通过三维可视化技术验证了本方案的有效性及可行性。     

一种适用于图像测量的角点检测算法

根据角点一定是边缘点且是2条边缘或多条边缘交点的几何特征,提出了一种基于亚像素边缘拟合的角点提取算法.首先,获得形成角点的边缘所处的图像区域,在该区域中利用亚像素边缘检测算法求得边缘的方程,然后利用相邻2条直线方程分别求交点,最终取均值求出角点的亚像素坐标.通过与Bouguet算法比较,发现在视觉比较、投影误差相近的情况下,本文角点检测算法获得的尺寸测量值的平均绝对误差要小于Bouguet算法,证明本算法更适用于高精度的图像测量。     

高斯插值哑像素边缘检测算法的优化

针对传统的高斯插值算法运用在图像检测上定位不准确,定位精度随着所选择定位角度的不同而不同,效率低等问题,对高斯插值亚像素边缘检测算法进行了优化．首先,通过LOG算子获得像素级的边缘后,进行Hough变换,得到图像边缘的斜率和在垂线方向相应点,并设置新的坐标系;然后,利用泰勒级数插值法在新的坐标系下获取灰度值的方向梯度;最后,对变换后的亚像素梯度方向进行高斯插值计算．实验结果表明：优化后的方法比传统的算法可以得到更好的精度,更高的效率,且具有方向不变性,验证算法的精度达到0．05个像素,有效地提高了图像边缘提取的精确度．且将该算法运用于刀具几何参数的检测和视觉设备效果很好．     

图像质量对Harris角点检测的影响研究

Harris角点检测计算的依据是图像像素点的梯度,并且受约于像素之间的相关性.而图像质量直接影响像素之间的相关性,从而对Harris角点检测产生作用.本文根据图像质量的几个标准分别对图像进行评价,并阐述图像质量和Harris角点检测之间的关系,把图像质量作为Harris角点检测选择参数的一个依据,并建议通过量表对不同质量的图像选择不同的参数进行角点检测.     

基于Fourier-Mellin变换和曲面拟合的IC芯片图像亚像素配准算法

为实现IC芯片图像的精确配准,提出一种Fourier-Mellin变换和曲面拟合法结合的图像亚像素配准算法。算法首先采用Fourier-Mellin变换计算出待配准IC芯片图像的旋转角和平移量的整像素峰值位置,然后对峰值区域进行基于最小二乘的曲面拟合,通过取极值点获得亚像素级的精确峰值位置。另外,Fourier-Mellin变换由于旋转的频谱混叠和坐标变换中的重采样插值会产生误差,新算法采用加窗和滤波的方法加以改进。实验结果表明,所提算法实现了IC芯片图像的亚像素级配准,具有较好的精度和鲁棒性。     

一种基于双目测距系统的亚像素精度自适应图像匹配算法

针对目前亚像素精度图像匹配算法中存在的匹配精度不高和匹配速度慢的缺点,对基于灰度的归一化互相关算法进行了改进,提出动态调整匹配区域范围的自适应方法,既保证了亚像素级匹配精度,又提高了运算速度.实验证明,改进后的算法,在保证0.2个像素匹配精度的条件下,匹配速度大大提高,能够满足实际应用中的实时性要求.     

图像质量对Harris角点检测的影响研究

Harfis角点检测计算的依据是图像像素点的梯度，并且受约于像素之间的相关性．而图像质量直接影响像素之间的相关性，从而时Harris角点检测产生作用．本文根据图像质量的几个标准分别时图像进行评价，并阐述图像质量和Harris角点检测之间的关系，把图像质量作为Harris角点检测选择参数的一个依据，并建议通过量表时不同质量的图像选择不同的参数进行角点检测．     

SURF算法及其对运动目标的检测跟踪效果

视频图像的特征点提取和描述是智能交通系统中运动目标跟踪的一项关键技术。由于场景的复杂性、环境的变化以及目标运动的影响,Harris角点检测算法和尺度不变特征变换（SIFT）算法的精度和稳定性都不够,而加速鲁棒特性（SURF）算法具有很强的鲁棒性,运算速度比Harris角点检测算法和SIFF算法有明显提高。应用SURF算法对视频图像进行特征点提取和匹配,并结合聚类分析和卡尔曼滤波对匹配的目标进行跟踪。实验表明,SURF算法对亮度变化具有很强的鲁棒性,并且速度比较快。     

基于曲线拟和的亚像素边缘检测

提出了一种高精度零件尺寸测量的亚像素边缘检测算法,采用改进的Sobel算子去掉局部非极大值点获得像素级边缘,在梯度方向上进行高斯曲线拟合,可实现图像边缘亚像素精确定位,提高测量系统的精度。     

一种黑片图像亚像素边缘检测方法

为了提高黑片图像边缘检测的精度,提出了利用亚像素边缘检测技术来检测黑片图像的边缘.针对Zernike矩的亚像素边缘检测算法存在计算量大和边缘定位精度低等不足,利用Sobel算子对图像进行像素级边缘提取,然后利用改进的Zernike矩算子来检测黑片图像的亚像素边缘,为了防止Sobel算子遗漏可能的亚像素点,增加了一个搜索算法来提高检测的精度.实验结果表明,该方法测量精度高,定位精确,能够应用于黑片的在线检测.     

基于插值和曲面拟合的图像亚像素配准算法

图像配准在很多领域有着广泛的应用,如在计算机视觉、识别模式、军事、医学成像方面等方面,而且像素级的配准精度远远不能满足要求,需要达到亚像素级的图像配准。本文在传统三次曲面拟合的基础上,提出了一种改进的亚像素精度配准算法,该算法首先找到像素级配准位置(u1, v1),之后在附近区域进行灰度插值,在图像插值过程中采用的是具有在节点处具有二阶连续导数的三次样条插值和双立方插值法。最后经过曲面拟合求得亚像素配准结果。实验结果表明,与传统的曲面拟合算法相比,本文提出的算法在精度上得到了明显的改善,精度可以达到0.01pixel。     

高精度移动小车载具位姿检测平台仿真设计

高精度移动小车载具的定位机制和控制算法中,需要先对小车位姿进行高精度、实时的检测。为此设计了机器视觉位姿检测实验平台,选用高分辨率高帧率相机对小车进行实时拍照,通过面积法对相机光轴垂直度进行调节保证相机安装精度,选用世界坐标已知的X靶面作为标定板,采用改进的Harris算子提取图像亚像素级的特征角点。利用Matlab对相机进行标定和安装检测,得到世界坐标和图像坐标之间的映射关系和相机倾斜方向。实验结果表明:该实验平台可以达到预期的功能和精度需求,为后续小车位姿检测奠定了基础。     

结合立体视觉的非结构化道路消失点检测研究

消失点检测是基于视觉的无人车辆自主导航的重要组成部分。由于非结构化场景存在缺乏清晰的道路线和复杂的背景干扰等问题,现有检测方法普遍存在精度低、计算时间长的缺点。因此,针对非结构化道路特点,提出了一种结合立体视觉的消失点检测方法。采用双目立体视觉技术获得道路图像的视差图,使用广度优先算法快速估计出道路图像的背景区域;设计四方向五尺度的Gabor滤波器组估计像素响应幅值,并通过幅值校正减少检测误差;结合背景区域设计一系列投票点选择策略,来剔除背景区域的干扰,提高算法精度;采用动态调整候选点范围策略,减少消失点的搜索范围,从而提高算法效率;设计了一种角度优先投票函数,将在投票空间中获得最大票数的候选点视为消失点。结果表明,改进的方法在复杂背景干扰的场景下具有较好的鲁棒性,在检测速度和检测精度上都有显著提升。     

基于Harris-张正友平面标定法的摄像机标定算法

为了提高双目摄像机标定参数的精确性,以张氏标定方法为基础,首先采用Harris算法对黑白棋盘表格进行内角点提取,其次将内角点像素点坐标精确到亚像素精度,最后利用投影线性关系求出双目摄像机的内外等参数,并与cv Find Chessboard Corners()函数提取内角点标定方法进行对比,证明了该方法准确、有效,提高了黑白棋盘表格内角点检测的准确性和标定精度,可以应用于双目视觉系统中.     

基于机器视觉的角码孔径测量方法研究

针对角码孔径测量工作量大、速度慢、受主观因素影响大等问题,提出了一种基于机器视觉的角码孔径测量方法。首先,对采集到的图像进行灰度化、二值化和图像转正操作,以提高图像的处理速度,快速定位角码所在位置和建立准确的物像关系;然后,采用Canny边缘检测算子对角码孔径轮廓进行像素级提取,得到一个复杂多边形轮廓;最后,在复杂轮廓的最小外接圆上建立卡尺工具,实现对角码孔径边缘的亚像素精度提取。实验结果显示,该方法的最大测量误差小于0.03 mm,重复性测量精度近似为0.01 mm,系统的测量时间为126 ms。因此,该方法能够满足角码孔径的测量精度要求且测量数据具有很好的稳定性;能够满足大批量、高强度、实时在线检测需要,具有较好的应用前景。     

基于空间矩的视觉图像基元特征提取方法研究

建立了三级灰度图像边缘模型的空间矩算子。首先利用LOG(Laplacian of Gaussian)算子定位速度快的特点,确定图像像素级边缘;然后在包含边缘点的邻域内利用空间矩进行边缘的亚像素定位,由Hough变换提取直线和椭圆边缘像素点;最后采用基于最小二乘原理的直线拟合边缘提取方法,得到亚像素级被检测直线和椭圆。对空间矩算子亚像素定位算法与像面直线和椭圆亚像素提取算法的有效性和精度进行了实验研究,实验结果表明,在测量速度相当的情况下,本文提出的算法具有较高的精度和稳定性。 更多还原     

噪声对边缘定位精度的影响

针对噪声对图像边缘检测等过程带来的极大干扰严重地影响了图像质量的问题,研究图像中所混有的白噪声对边缘定位精度的影响。采用一维灰度矩法与高斯拟合法这两种亚像素边缘定位法进行比较、分析,分别讨论了两种算法在偏移量不变、不同信噪比情况下,噪声对边缘定位精度的影响。实验结果表明,在对受噪声影响的图像进行边缘检测时,采用高斯拟合法能够有效地抑制噪声,提高检测精度,在信噪比SNR≥30dB时的分辨率精度能达到0.02个像素,而一维灰度矩亚像素边缘法无法达到该精度。