基于图像的机器人视觉伺服系统

本文研究了手部摄像机视觉机器人的控制问题。采用了基于图像的视觉伺服控制方法,直接利用图像特征来控制机器人运动。通过动态估算图像雅可比矩阵来代替实际的雅可比矩阵,避开了求解机器人逆运动学方程和繁琐的标定工作。     

基于图像的机器人视觉伺服系统

机器人视觉伺服系统的性能与图像特征密切关联。本文主要讨论几何矩和空间变换两种图像特征,并对特征空间变换算法进行了详细的研究。实验结果表明矩特征对外界的干扰是敏感的,而空间变换图像特征具有更强的抗噪能力。     

PCB视觉检测系统中目标图像提取的研究

在PCB视觉检测系统中,为了达到实时检测。图像提取的质量是十分关键的,本文担子同和中环型光纤光源,能提供光照均匀、光强可调、发热量小的照明,也对光强自调整方法进行了研究,通过理论分析和实验论证了其对目标图像提取质量的作用。     

基于视觉传感器的信号提取及处理

近年来,ＣＣＤ器件以其寿命长、灵敏度高等独特的优点得到了人们的青睐,而由ＣＣＤ器件所构成的视觉传感器更是得到了广泛的应用。本文通过以ＣＣＤ和Ｈｅ－Ｎｅ气体激光位移计设计为例,分析了视觉传感器的设计原理,对其所获取信号的处理方法进行了简要的说明。     

基于底层视觉特征的语义图像检索

针对图像的底层特征与高层语义特征之间建立映射,使用基于支持向量机(SVM)的语义关联方法,将HSV颜色特征作为SVM的输入参数,对图像库学习和分类,建立图像底层特征与高层语义的关联,并结合图像底层特征和语义信息进行检索.实验表明:该方法提高了检索效率,取得了较高的准确率.     

基于图像的机器人视觉伺服实验研究

以二自由度平面机器人为研究对象,组建了由两杆平面机器人、DSP图像处理系统、PMAC运动控制卡、松下交流伺服系统、工控机组成的机器人视觉伺服系统。建立了机器人视觉伺服系统的数学模型,并对基于图像的机器人视觉伺服系统进行实验研究。实现了基于圈像的机器人视觉伺服系统在具体硬件环境中的实现。     

基于双目视觉脉搏图像SIFT特征匹配

通过双目视觉原理构成脉搏图像传感器采集脉搏薄膜图像,再基于特征点的立体匹配框架中,利用图像梯度信息,引入基于三维梯度方向直方图的SIFT特征描述子作为区域特征描述符,进行脉搏图像的特征匹配,为最后的三维信息的获取和对其他立体视觉图像匹配有很大的参考性。     

基于视觉区域划分的雾天图像清晰化方法

针对雾天图像退化程度与景深呈非线性关系的特点,以及MSR算法的参数选择没有考虑图像景深信息的局限性,提出一种新的基于局部信息特征的自适应Retinex雾天图像增强算法。算法将雾天图像划分为不同的子块,根据子块像素所处的人类视觉区域反映出的雾的厚薄程度自动调整Retinex增强算法的参数取值,使用面积比例因子策略融合处理后子块以避免分块带来的块状效应,最终实现对雾天图像的清晰化。实验表明:本文方法比MSR算法在多景深雾天图像局部细节增强方面具有更好的效果。     

基于机器视觉的肝癌超声图像特征信息提取

提出了识别肝癌超声图像的一种特征提取。采用将共生矩阵和多分辨率提取分形特征方法结合，提取空间灰度独立矩阵、灰度差分统计、Laws纹理能舒度量、傅立叶能量谱等特征来实现肝癌超声图像的识别。实验证明，这种有效的特征提取对超声正常肝和肝癌图像具有较高的分类正确率，对缺乏病理专家的医院和远程医疗信息系统中的应用提供了坚实的理论基础。     

基于轮廓角点检测的螺纹关键参数视觉测量方法

为解决现有螺纹关键参数视觉测量方法中易存在螺纹角点误检和漏检导致测量精度降低的问题,本文提出一种基于轮廓角点检测的视觉测量方法。首先,使用双边滤波和迭代阈值法改进Canny算子,提高边缘检测的精度;其次,使用双阈值DP算法和Hough变换对轮廓进行分段拟合,在保护边缘的前提下平滑轮廓,并在此基础上使用CTAR算法提取螺纹牙顶、牙底的角点;最后,根据角点的位置信息实现螺纹大径、小径的测量。实验结果表明,相对于现有使用Canny算子和Harris角点检测的视觉测量方法,该方法能准确可靠地检测螺纹的边缘和角点,实现螺纹参数的高精度测量,螺纹大径、小径的平均测量精度分别达到0.003 3 mm和0.002 6 mm。     

基于机器视觉的图像边缘检测算法研究

提出机器视觉的方式弥补传统缺陷检测的弊端。针对目标图像模糊退化,采用中值滤波技术降噪的同时保护边缘信息;采用大津法算法进行阈值搜索;并进行直方图均衡化调整图像对比度。采用改进的Canny算子对传送带撕裂进行边缘识别提取,增加裂纹目标的可识别性。构建改进的T2FNN样本训练模型,将传送带裂纹图像的特征参数输入训练模型中,在隶属层输出模糊化的输入节点,最后通过输出层提供输入节点到输出的映射。通过验证对图像检测得到的数据结果,发现基于机器视觉基础的Canny算法在各种环境下对传送带撕裂的图像有更好的边缘检测效果,能更精准的做出判断,发出警报。     

基于视觉显著性和视觉信息处理模型的特征提取方法

特征提取是模式识别中的一个重要环节,本文首先利用Itti视觉显著性分析算法,提取视觉对输入图像的感兴趣部分,从而一定程度上消除了复杂背景等因素的影响;然后通过视觉信息处理模型HMAX模型对该感兴趣图像通过分层处理提取特征向量,得到了具有尺度不变性、平移不变性、旋转不变性的特征向量,解决了模式识别、尤其是人脸识别中的一个重要难题.在Caltech101中faces库的实验结果证明了该算法的有效性.     

基于机器视觉的PCB图像焊点数据自动识别技术

针对传统的自动测试系统在被测电路无法提供原始计算机辅助设计(computer aided design,CAD)文件的情况下,需要以人工手动方式输入电路板焊盘坐标,工作量大且效率低,提出一种基于机器视觉的印制电路板(printed circuit board,PCB)图像焊点坐标自动提取的方法。通过最小二乘法法对焊点定位,完成连通区域的标记以及像素中心参数的标定,实现PCB图像焊点的识别及坐标提取。实验分析表明,通过机器视觉提取的焊点坐标与使用计算机软件导出的真实坐标对比,证明该方法提取的焊点坐标最大误差低于0.1mm,为自动化测试系统提供了坐标位置支持。     

基于图像雅可比矩阵的机器人视觉/力控制

在实际的接触型作业任务中,需要在控制位置的同时,控制末端执行器与环境之间的接触力。针对这一问题,首先通过力反馈信息对未知环境中的法线方向进行估计,然后设计了一种基于模糊自适应Kalman滤波的动态图像雅可比矩阵辨识方法,并将其应用于机器人视觉反馈控制任务中。最后提出视觉/力混合控制算法,在该算法中给出了视觉/力混合控制的约束条件,对视觉采用变结构控制器,力控制采用PI控制器。仿真结果表明,该策略具有较高的力控制精度和曲线跟踪能力。     

面向图像语义分类的视觉单词集成学习方法

针对图像的特性,提出了1种视觉单词集成学习方法.该方法建立在3种初始映射方法的基础上,并充分利用图像的矩、纹理直方图、图像傅里叶描述子等图像视觉特征来分类图像语义.相对于3种初始映射方法,采用Boosting集成学习方法生成的视觉单词集合在图像语义分类上比单独使用任意1种映射方法生成的视觉单词集合有明显的提高.实验结果表明,本文所提出的视觉单词Boosting集成学习方法在图像语义区分性和描述能力方面是有效的,能充分反映人对图像内容的理解,具有很好的应用价值.     

基于神经网络的盲源分离算法的视觉诱发电位提取

诱发电位(evoked potential,EP)的分析是神经疾病诊断和评价脑功能的重要手段之一,从而微弱电生理信号的提取受到生物信号处理研究人员的关注。本文在研究基于神经网络的盲源分离算法的基础上将其运用于模式翻转视觉诱发电位(PRVEP)波形提取,通过与常用的平均叠加算法得到的波形进行对比,得出基于神经网络的盲源分离算法能够有效地提取视觉诱发电位。     

基于图像视觉检测技术的激光标线仪校准装置研究

针对传统激光标线仪靶标测量方法难度大、人工读数困难且效率低的问题,基于图像视觉检测技术,设计了激光标线 仪校准装置硬件系统及软件算法。通过数据采集单元、靶标系统单元和多功能升降工作台单元搭建出系统硬件装置。采用 图像预处理方法将原始图像激光线与背景分割,提取出基准中心原点并进行系统标定,利用骨架提取算法拟合出激光测量 线,计算出计量特性的偏移量,并根据算法设计出交互软件,自动测量和保存数据。最终通过所研制的校准装置和传统校准 方法,校准同一激光标线仪进行比对实验,实验结果|E,,l≤1, 结果判定为满意,验证了校准系统的可行性。     

基于单目视觉的平面测量

针对平面上目标的定位及长度测量等问题,提出了一种基于单目视觉测量平面上物体位置的方法,并讨论了标定点的选取原则。在被测目标所在平面上放置平面靶标,在平面靶标上选取标定点,通过最小二乘法求取模型参数,实现单目视觉测量模型的标定。利用标定出的模型参数,根据目标的图像坐标计算出其平面坐标位置,从而实现目标的定位及长度测量。标定点个数至少为4个,并且标定点需满足特定的位置关系。实验中测得目标长度的相对误差小于0.3%,验证了该方法的有效性。     

注意力增强的视觉Transformer图像检索算法

基于深度哈希的图像检索方法往往利用卷积和池化技术去提取图像局部信息,并且需要不断加深网络层次来获得全局长依赖关系,这些方法一般具有较高的复杂度和计算量。本文提出了一种注意力增强的视觉Transformer图像检索算法,算法使用预训练的视觉Transformer作为基准模型,提升模型收敛速度,通过对骨干网络的改进和哈希函数的设计,实现了高效的图像检索。一方面,本文设计了一个注意力增强模块,来捕获输入特征图的局部显著信息和视觉细节,学习相应的权重以突出重要特征,并增强输入到Transformer编码器的图像特征的表征力。另一方面,为了提高图像检索的效率,设计了一种对比哈希损失函数,生成具有判别力的二进制哈希码,从而降低了内存需求与计算复杂度。在CIFAR-10和NUS-WIDE数据集上的实验结果表明,本文提出的方法,在两个不同数据集上使用不同哈希码长度的平均精度均值达到了96.8%和86.8%,性能超过多种经典的深度哈希算法和其他两种基于Transformer架构的图像检索算法。     

基于机器视觉的安全距离检测方法

将机器视觉技术应用在距离检测中能更好地提高检测的精度,特别是在某些重要场所和恶劣环境下,机器视觉技术能更好地代替人类工作。将双目视觉技术与图像处理技术相结合,先应用高斯拉普拉斯算子(Laplacian of Gaussian,LOG)对采集的图像进行预处理,获得清晰的边缘信息,然后根据双目立体视觉原理,获取图像边缘点的坐标,最后根据空间点的距离公式获得两物体边缘点距离集合。筛选出其中的最短距离即为两物体间安全距离的判断依据,此方法也可用于输电线路周围障碍物安全距离的检测。