基于尺度不变特征变换的车牌特征提取及BBF匹配方法

针对传统车牌特征提取及匹配不足,提出了基于尺度不变特征变换（Scale invariant feature transform, SIFT）的车牌特征提取及 (Best Bin First,BBF)匹配方法。通过构建车牌字符标准模板,采用SIFT算法提取标准模板和待检测车牌中每个字符的SIFT特征向量,主要包括车牌高斯差分(Difference of Gauss, DoG)空间极值点检测,去除边缘相应点和低对比点,确定特征向量的方向和生成车牌特征向量。利用BBF(Best Bin First )算法完成标准模板特征向量与待检测车牌特征向量匹配,并获取识别结果。最后给出实验分析,证明该算法的识别率。     

基于傅里叶描述子在车牌识别中的应用

为降低车牌图像识别的复杂度,提高识别速度,在图像识别前调整车牌图像的灰度化。针对二值化后的车牌图像进行特征分析,对比旋转的二值化图像的种种不确定性,提出借助傅里叶算法,利用傅里叶描述子,提取标准车牌字符特征的傅里叶描述子,通过对车牌字符的特征提取与匹配,实现字符的识别与定位。     

基于网格运动统计的工件识别改进算法北大核心

为提高快速鲁棒特征(SURF)算法在复杂环境下进行工件识别的匹配精度及匹配效率,提出一种基于网格运动统计(GMS)的工件识别改进算法。首先,用加速分割检测(FAST)算法代替SURF特征点检测进行工件图像特征点的快速提取,并对特征点建立64维SURF描述符,使加快关键点检测速度的同时得到具有旋转尺度鲁棒性的特征点;其次,对特征点进行快速近似最近邻(FLANN)匹配得到粗匹配集;最后,采用改进GMS算法对图像进行网格化处理,根据运动平滑性进行内点与离群点的区分,保留正确匹配特征点对,实现误匹配点的剔除,准确找到待识别工件的位置。实验结果表明:改进算法比传统的SIFT、SURF和ORB等算法在工件图像受到旋转、平移、尺度、亮度等变化及影响时能够更高效、更准确识别工件,提高了复杂环境下工件识别的效率。     

模板匹配优化耦合图像校正的旋转工件目标定位算法

为了解决当前工件定位算法难以有效识别带有旋转角度的目标,且计算复杂度大等不足,文章设计了基于Canny检测与SIFT特征的旋转工件目标识别算法。首先,对采集工件图像的RGB三通道完成权重分配,获取灰度化图像;并利用Canny边缘检测和霍夫直线检测处理灰度图像,计算出工件旋转角度;并基于几何变换,定义图像校正模型,消除工件旋转角度,对其完成复位处理,并采用模板匹配在图像中定位工件。最后分别提取模板工件与待识别工件的SIFT特征,计算欧式距离,以度量相似性,完成工件目标识别。实验数据显示:与当前识别算法相比,在面对带有旋转角度工件时,文中工件目标识别算法具备更高的准确性和鲁棒性。     

基于改进SIFT的无人机双目目标识别与定位北大核心

对无人机自主着陆系统中双目视觉采集到的地标图像进行了研究,在分析地标图像中存在模糊噪声以及大量背景干扰问题,提出一种基于改进SIFT算法的无人机双目视觉目标识别与定位方法。首先,采用基于OTSU与HSV的ROI算法对无人机双目图像进行目标识别与分割预处理操作,将目标准确识别;其次,针对双目视觉获取三维信息效率慢的问题,采用基于改进的SIFT算法对已识别的地标进行特征提取,生成二进制描述符,并采用局部敏感哈希算法对特征点进行稀疏匹配,提高目标特征匹配准确度及效率;最后,采用相似三角形原理计算每个特征匹配点的三维距离,获得无人机与目标之间的平均三维距离。实验结果表明所设计的算法相较于传统的SIFT算法更具有可行性和有效性。     

活塞装配自动识别系统的研究

运用机器视觉的相关理论，综合图像处理及模式识别技术，利用数字电子计算机实现理论算法的程序化，最终判剐活塞装配是否正确。利用模板匹配、阈值分割、字符分割、特征提取和模式识别等算法，通过适当的处理和分析，对在工作现场采用CCD摄像机采集的活塞图像中的目标文字进行自动检测与识别，最终实现了对活塞装配的机器自动识别。试验证明，该方法具有一定的实用性和准确性。     

基于融合BEBLID和改进ORB算法的单目视觉里程计研究

为防止FAST算法在纹理丰富的环境下提取的特征点过于密集,通过预设条件使特征点稀疏化,便于后续对极约束恢复相机的位姿;为保证相机摄入的图像帧中纹理较少,特征提取时不会丢失图像信息,提出根据特征点数量调整检测方式,使其自适应提取图像特征,增强对复杂环境的适应性;为提高图像特征的匹配精度,通过融入BEBLID使特征点描述符充分表达。经实验验证,面对复杂的场景,改进算法有较强的环境鲁棒性。改进算法的匹配精度要高于ORB算法,在算法耗时方面相较SIFT算法有量级提升。经轨迹测算后,相比于ORB算法,改进算法在相机运动上更贴合真实轨迹,在位姿精度上有较明显的提升。     

精冲零件实时分拣技术研究

<正>为解决生产线上精冲件正反面实时分拣的问题,提出了一种基于像素点分割的判别算法,从提取的ROI中心对图像进行n(n>3)等分,计算每份中非零像素点数量,并由此组成一个特征向量,然后通过计算待检测图像和模板两者的特征向量的欧氏距离,根据其结果设定阈值用来判别正反面。基于此算法设计开发了一套检测系统,整体平均运行速度达到2.68ms/件,准确率达到99.99%。     

基于改进SIFT的室内机器人惯性视觉定位系统北大核心

对移动机器人室内单目视觉定位存在的定位精度较低,光照鲁棒性差的问题,提出一种基于改进SIFT的实时惯性视觉定位系统。首先压缩SIFT尺度空间,降低描述子维度;再利用结合位置信息的描述子曼哈顿距离进行FLANN匹配,PROSAC迭代优化。在跟踪阶段结合IMU获取的初值约束匹配,剔除误匹配。在回环检测阶段利用惯导位姿给定位姿初值范围,局部搜索SIFT特征点匹配实现重定位。在室内天花板数据集上验证改进SIFT算法,匹配准确率平均提升12.4%。在室内多个场景验证定位精度,平均定位误差为0.076 m。实验结果表明,所设计的算法能够在算力受限平台实现较精准的实时室内定位。     

一种基于改进SIFT算法的轨道板图像匹配方法

为了提高CRTIII无砟轨道板视觉检测中图像匹配的效率,文章采用一种改进算法完成轨道板图像匹配。传统的SIFT算法使用128维特征描述子,计算欧式距离判断是否匹配,匹配速度慢,并存在误匹配问题。为了提高算法的稳定性和正确率。文中首先对采集图像进行双边滤波,去除噪声并保存图像的边缘信息。在SIFT的基础上采用内切圆选择特征描述子,目的是为了去除远离中心点的那些像素,最后得到了96维特征描述符向量;并且计算皮尔逊相关系数进行评分,通过对相关系数排序,设置适当的阈值,初步找到匹配点,然后运用一种去除误匹配的算法得到最优匹配结果。最终证明,该算法缩短了图像处理时间,并且保证了较高的图像匹配精度和较高的稳定性。     

基于改进的SURF_FREAK算法的工件识别与抓取方法研究

为解决自动化生产线上工件的准确、实时定位与抓取问题,提出改进的SURF_FREAK算法,将其应用于工件的识别与匹配。该算法首先利用加速稳健特征(SURF)算法提取特征点,随后对FREAK算法添加中距离点对进行特征点的描述,在汉明距离相似性度量之前添加极线约束匹配工件图像。研究结果表明:改进的SURF_FREAK算法相比传统的尺度不变特征变换(SIFT)、SURF、SURF_FREAK算法,其在工件的识别速度和匹配准确度上有很大的改善。将该算法应用于工业现场,可以快速准确地识别出工件,结合双目技术完成工件的定位,通过运动学逆解求出机械臂各关节的移动量,传送到控制器,实现对工件的抓取。     

基于机器视觉的金属板材表面缺陷光学检测技术

为了解决传统金属表面质量检测技术的缺陷检测精度不高、缺陷检测识别率不高、缺陷分类不准确的难题,搭建了一套基于机器视觉的金属板材表面检测系统。基于偏微分方程,利用图像等照度线改进中值滤波算法,对图像进行预处理,显著地抑制了图像的噪声。利用最大类间方差算法(OTSU)自适应确定一图像双阈值,改进了Canny算法中高斯滤波器对图像的灰度分布特征提取,使其不受亮度和对比度的影响。最后,利用SIFT(Scale-invariant Feature Transform)算法提取缺陷特征点,提出一种BP(Back Propagation)神经网络和SVM(Support Vector Machine)向量机结合分类器的检测方法,缺陷检出率为926.8%,单幅图像检测仅需498.ms,该缺陷检测系统对金属板材表面缺陷能有效提取与识别,满足金属板材表面在线检测的要求。     

基于模板匹配的二维图自动生成算法研究

基于模板匹配的思想,对二维图的自动生成算法进行了研究。首先将模板和待标注三维模型的点、线、面信息以及几何结构和拓扑结构以属性图的数据结构方式进行存储,通过面的广度优先搜索和边的广度优先搜索对存储的2个属性图进行匹配,再读取模板二维图上的标注等信息,利用二维图和三维模型的关联性和属性图匹配结果,对待标注三维模型进行自动标注,包括尺寸标注、表面粗糙度标注、形位公差标注等信息。     

基于改进的ORB算法的工件图像识别方法

针对传统的工件图像识别算法运行速度慢、匹配精度差等问题,提出一种改进的ORB（Oriented FAST and Rotated BRIEF）算法解决工件图像的实时与准确识别问题。该算法的流程是首先利用ORB算法提取工件图像的角点特征,随后为其添加SURF（Speed-Up Robust Features）描述符进行方向分配,得到具有旋转尺度不变性的图像角点,结合快速近似最近邻搜索算法进行特征点的匹配,实现工件图像的识别。实验结果表明：在图像存在旋转尺度变化的情况下,使用改进的ORB算法相比传统的ORB、SIFT（Scale Invariant Feature Transform）和SURF算法以及SIFT+SURF、SURF+FREAK组合算法在工件图像角点提取与目标匹配方面速度更快,识别精度更高,提高了工业机器人在搬运工件过程中对工件图像的识别效率和准确性     

基于机器视觉的芯片字符区域分割和定位算法

芯片表面的字符对分选具有重要意义,对字符的定位是分选工作的关键步骤。为了提高分选工作定位效率和定位精度,提出了一种基于改进的区域生长算法和凸包检测算法分割和定位芯片表面字符区域方法。首先,对采集图像进行预处理操作,利用改进的Canny算法获取无干扰图像边缘,将图像边缘作为区域生长法的种子点并以图像自适应阈值作为生长准则分割图像,使用最大内接矩形算法粗定位字符区域;其次,采用Harris角点检测算法获取字符角点分布位置;最后,筛选角点并提取关键点,利用一种改进的凸包检测算法定位字符区域。经过实验验证,所设计的算法能够完整的分割和定位芯片表面字符区域,定位精度和效率较原有方法提升5.3%和15.4%,满足实际工业生产的要求。     

精冲件轮廓缺陷在线检测技术北大核心CSCD

为提高平板厚板型精冲件的轮廓检测速度与精度,基于机器视觉技术,研究了一种轮廓缺陷在线检测技术。利用Canny算子从均值偏移滤波后图像中提取边缘线,然后根据标准轮廓(模板)的尺寸,从中挑选出需要检测的轮廓。由于待检测轮廓与模板存在角度与位移偏差等问题,提出了一种先角度配准、再位置配准的两步图像配准算法,将配准后的待检轮廓与模板进行图形比对,差异图像经过形态学滤波等算法处理,获得缺陷区域的尺寸及位置,由此实现精冲件的在线检测。基于研究成果设计开发了一套零件在线检测系统,并进行了实验验证。结果表明,该系统能够识别的零件精度达0.4 mm,每件的识别时间小于0.3 s,完全能够满足大批量精冲零件的轮廓缺陷在线检测的需求。     

基于深度相机的汽车转向节位姿估计研究

针对汽车转向节自动化加工需求，研究转向节位姿估计实现方法。构建转向节检测整体方案，对相机畸变进行标定，并根据标定结果产生点云；针对转向节中心孔尺寸存在偏差，无法直接利用点云配准技术实现3D坐标间接定位问题，利用2D图像处理确定像素坐标配合深度相机索引深度值确定抓取点3D坐标；对转向节不同姿态估计问题，利用SAC-IA算法将待检测转向节点云与模板转向节点云进行初始配准，再利用NDT算法进行细配准；开发软件进行测试。结果表明：用所提算法细配准，匹配得分为27 mm2，验证了转向节姿态估计的精度。     

基于机器视觉的环状零件表面字符检测

针对传统环形零件表面字符检测过程中出现的零件定位不准确、字符分割难度高、字符识别精度低等问题,提出了一种基于极坐标变换展开图片和卷积算法分割、识别字符的方法。首先对待检测的照片进行零件定位,分割出包含检测目标的最小区域。接着对该区域进行极坐标变换,展开环状区域,并将区域进行卷积运算,确定待检测区域。再根据特定卷积核运算结果,得出区域的像素分布特征,分割待检测区域。最后根据卷积神经网络和SVM对所分割的字符进行分类识别。实验结果表明,该方法字符定位分割精度高、抗干扰性强、识别准确率高,对复杂环境下环形零件表面字符检测具有一定的指导意义。     

基于Halcon的无序堆放状态下农机热态锻件的三维模板匹配研究

热态锻件的连续和无序堆放是许多农机锻件生产的特点,如何在无序堆放的条件下进行三维模板匹配和检测是机器视觉测量的难点.在研究双目立体视觉原理和模板匹配算法的基础上,重点讨论了基于机器视觉软件Halcon的三维模板匹配的原理、方法和步骤.并基于Halcon软件平台开发了相应的三维重构、模板匹配及检测系统,实现了热态锻件的三维重构和三维模板匹配.对具有联接方孔的犁体锻件进行实验,结果表明,基于Halcon软件进行三维重构和三维模板匹配,可以将被测件从无序堆放的背景中提取出来,为后续热态锻件的连续、在线、实时、尺寸检测提供了参数.     

基于机器视觉的钢拱架定位检测方法

针对岩石隧道掘进机(TBM)钢拱架拼接施工过程中的定位问题,提出一种基于机器视觉的钢拱架铰接孔定位检测方法。根据钢拱架拼接的现场环境,设计图像采集系统;使用具有旋转不变性的归一化的互相关值(NCC)模板匹配算法,可快速匹配钢拱架铰接孔所在的感兴趣区域;基于一维像素序列上的灰度梯度确定铰接孔外轮廓边缘点,并使用基于随机抽样一致性(RANSAC)算法的椭圆拟合方法确定钢拱架铰接孔圆心,实现钢拱架定位,为钢拱架拼接提供位姿信息。结果表明：该方法可实现钢拱架铰接孔的高效率、高精度定位检测。