基于支持向量机的轮胎标识点形状识别

轮胎标识点在轮胎分类中发挥着重要的作用,为了解决人工识别标识点工作强度大、误差较高等问题,提出了一种基于支持向量机的轮胎标识点形状识别算法.首先利用中值滤波对标识点图像进行降噪处理,根据标识点图像的灰度直方图对图像进行分割以去除背景,并利用Canny边缘检测算子提取标识点边缘轮廓.然后,提取标识点轮廓的傅立叶描述子系数,最后利用支持向量机对标识点的傅立叶描述子系数进行分类以识别标识点的形状.实验结果表明,该算法能准确地识别出轮胎标识点的形状,提高了标识点识别效率.     

连续运动螺纹尺寸自适应机器视觉检测

针对螺纹零件尺寸检测效率低、工作强度大、检测精度不高的问题,提出了一种连续运动螺纹尺寸自适应机器视觉的检测方法。首先设计了一套在线图像采集装置用于采集运动螺纹零件的图像;其次使用NCC(normalized cross correlation)归一化匹配算法,完成对螺纹零件的识别及追踪,在此基础上设计了自适应的ROI(region of interest)裁剪区域;然后通过Canny算法提取边缘轮廓,利用最小二乘法直线拟合技术对螺纹轮廓进行直线拟合,生成螺纹中径线,完成对螺纹中径的测量;最后在使用Harris角点检测算法提取多螺纹轮廓波峰与波谷的基础上,提出了利用螺纹中径线与各角点之间的距离来完成对角点的细化。实验表明,所提方法在螺纹尺寸检测方面具有可行性和有效性。     

基于线结构光-机器视觉的CHN钢轨轨距动态检测方法

针对有轨电车传统轨距检测方法存在检测成本高、标定抗干扰能力弱等缺点,提出一种基于线结构光-机器视觉的轨距动态检测方法,通过线结构光照射左右铁路轨道,形成钢轨轮廓信息。首先通过标定,建立并融合左右轨道的空间姿态坐标系,获取轨距的计算公式。接着通过机器视觉中的灰度滤波、高斯滤波、开运算、骨架提取算法对轨道轮廓图像进行处理。然后将处理后的轮廓图像通过标定的空间姿态坐标系计算出轮廓的实际空间坐标,即可得到轨距。该方法不仅只用2组线结构激光摄像式传感器降低检测成本,且通过机器视觉算法能够大大提升环境干扰下轨距动态测量的鲁棒性,保证测量的精度。最后通过实验室平台以及轨检车试验场验证该方法的可行性和有效性。     

基于深度学习的水体色度分类算法研究

运用深度学习技术进行非接触、快速水体色度检测与分类,采用无人机采集水体图像,运用色度仪对标定的图像完成分类,建立数据集。采用图像归一化处理减少环境因素对分类结果的影响,设计多特征的分步边缘检测算法,检测水域图像边缘,剔除无关像素。对VGG 16、GoogleNet-V3和ResNet 18卷积神经网络进行水体色度分类模型构建与训练,后筛选Inception结构和残差结构为基本构建单元,设计专门用于水体色度分类的WCNet 15与WCNet 21神经网络模型。在训练集上训练参数并利用验证集完成对2个模型的准确率的比较,筛选准确率高的WCNet 21模型作为最终水体色度分类模型。WCNet21模型的最优准确率可达97.8%,满足水体色度分类需求,可应用到具体的水体色度分类工作当中。     

一种改进的Snake眼睛边缘检测算法

提出了一种应用于彩色图像的改进的Snake眼睛边缘检测算法.该算法首先将输入图像从RGB空间转换到YCbCr和YCb'Cr'空间,依据肤色点在Cb'Cr'空间中的聚类性提取人脸候选区域;然后通过在人脸候选区域上生成眼睛图(EyeMap)提取眼睛候选区域并计算候选区域Cr2图像的距离势能力场.采用两段首尾相连的抛物线进行初始化并从外部对Cr2图像的距离势能力场进行活动轮廓模型(Snake)匹配,在匹配过程中不断进行修正使检测结果更接近真实边缘.实验结果证明,该算法能精确地检测出眼睛的边缘并节省匹配时间.     

基于融合的SAR图像海洋溢油边缘检测算法及MATALAB实现

为准确地提取出SAR图像中溢油区域边缘轮廓信息,提出一种融合分水岭及canny算子的SAR图像边缘检测算法。该算法首先使用形态学重建技术对前景图象进行标记,并进行开关操作,去除边缘无关信息,然后对前景进行区分操作。利用分水岭算法及canny算子较为精确地提取出溢油区域边缘轮廓信息并用MATALAB仿真实验,结果表明,与经典的边缘检测方法相比,该方法在精确定位图像边缘的同时能更精确、更完整地检测出目标的边缘特征。     

基于轮廓特征的图像配准

提出了一种新的基于轮廓特征的图像配准算法,首先提取图像轮廓并计算每个轮廓点的法向角,然后对轮廓点法向角进行直方图统计,通过对两幅图像的轮廓点法向角直方图进行圆周相关计算便可快速估计出两幅图像所存在的旋转角度.由于旋转角度参数的求出通常可以大大简化配准变换模型中其他参数的估计,因而这种方式可以实现快速配准.这种利用轮廓点法向角来估计旋转角度的方式具有旋转、平移和尺度不变性,并对轮廓缺失以及存在噪声的情况均具有很高的鲁棒性,可广泛适用于存在闭合轮廓与开轮廓的各种情况.本文所提出的配准算法已成功应用于PCB缺陷检测中实现了参考图像轮廓和待检测图像轮廓的快速精确配准.     

机器人视觉搬运系统构建与软件开发

目的基于双目CCD相机、机器人、搬运手爪构建机器人视觉识别与搬运平台,引导机器人实现自动抓取。方法利用OPENCV库函数,由二次开发完成相机的标定,经图像采集、预处理,研究了立体匹配、边缘提取等算法,提取物体的轮廓特征点,并计算物体质心点的三维坐标,换算成机器人的关节转角信息,为机器人抓取提供视觉定位。结果基于VS2012开发平台,将视觉图像处理、机器人控制、数据传输集成于PC端,便于人机交互和软件集成,正交实验表明空间不同方向的定位误差在0.5～1.5 mm范围内。结论所提视觉引导方案能提高机器人动作的精确度,满足工业搬运要求。     

基于视觉和工业机器人的动态抓取技术

目的 针对传送带输送产品过程中,机器人动态抓取产品的位姿数据计算问题,提出一整套基于智能相机和编码器检测的位姿数据计算方法。方法 首先搭建一套相机检测和机器人动态抓取系统模型,介绍抓取系统的构成及其工作过程;其次,为抓取系统创建各个坐标系,详细介绍各个坐标系间的变换关系、矩阵模型及需要标定的量;再次,设计标定量的测算过程和计算公式;最后,搭建以三菱工业机器人、欧姆龙智能相机及编码器等核心部件为主的实验样机,对上述位姿数据计算方法进行测试和验证。结果 实验结果表明,产品位姿数据的计算值与实测值之间的误差低于0.4 mm。结论 基于视觉和编码器检测的机器人动态抓取精度符合工程应用要求。     

基于YOLOv5和U-NET的多目标药盒抓取系统设计

目的 解决传统机器视觉机器人抓取系统对多目标及复杂目标背景分割不精确导致的目标定位精度差而影响机器人抓取效率的问题,提出一种新的深度学习抓取识别定位系统。方法 搭建由Delta机械臂、PC上位机、双目相机等组成的硬件系统,对工业部署常用的YOLO系列算法进行对比研究。将YOLO与U-NET相结合,用于目标的检测和分割。在精确分割出属于目标和背景目标的像素区域的同时,计算边缘和中心位置信息,运用立体视觉技术得到三维位置,并转换为世界坐标系,由PC机引导机械臂去完成抓取任务。结果 深度学习目标检测和图像分割相结合的系统在较复杂背景、多目标的场景下比未添加图像分割的算法拥有更好的目标定位精确度。结论 YOLOv5和U-NET相结合的目标定位抓取方法具有较高的鲁棒性,达到了并联机械臂的抓取要求。该方法能够运用于其他多自由度机械臂上,具有良好的应用价值。     

深度学习的汽车驾驶员安全带检测

自智能交通系统出现以来,汽车驾乘员的安全带检测一直是备受关注的研究课题.依据城市道路的交通卡口监控数据,研究一种基于深度学习的汽车驾乘人员安全带检测算法,能够准确识别驾驶员是否佩戴安全带.通过对卡口图片进行人工标定,并运用深度学习方法训练两个检测器和一个分类器,最终实现安全带的快速定位和分类.本文提出的方法在城市道路卡口采集的图像上检测效果较好.     

基于OpenCV的集装箱加强板焊接点定位技术

实现一种基于OpenCV的集装箱加强板焊接点的定位技术。首先对加强板的图像进行预处理,然后从处理后的二值图像中寻找轮廓,再利用Douglas-Peucker算法对轮廓进行多边形逼近,根据Shi-Tomasi算法提取角点的像素坐标,最后利用张正友标定法进行摄像机定标,并计算出对应的实际坐标。实验表明,采用此技术的焊接系统具有操作简单、焊接精度高、开发效率高等优点。     

结构光调制图像的边缘提取方法研究

本文通过比较不同边缘检测算法的实际效果,来选择一种运算速度快、边缘定位准确、噪声抑制能力强的边缘检测算法,实现结构光调制图像标定数据的提取。     

精加工零件尺寸视觉检测中的亚像素定位分析

使用CCD成像的机器视觉系统进行精加工零件尺寸检测时,图像轮廓边缘的亚像素定位分析是决定测量精度的一个重要因素．为了寻求精加工零件图像轮廓边缘的亚像素定位分析依据和计算方法,运用菲涅耳直边衍射理论研究了几何边缘在CCD检测图像中由衍射所形成的灰度分布,理论分析和实验测量都证实了衍射和摄像参数是产生和影响图像边缘灰度分布的主要因素．文中给出了基于衍射的精加工尺寸边缘图像检测时的亚像素定位分析依据和计算方法,对量块进行了对比检测实验,实验结果证实了所给方法的合理性和可行性．     

结构光调制图像的边缘提取方法研究

本文通过比较不同边缘检测算法的实际效果,来选择一种运算速度快、边缘定位准确、噪声抑制能力强的边缘检测算法,实现结构光调制图像标定数据的提取.     

采用阈值的快速边缘检测算法

针对原有模糊边缘检测算法计算复杂、适应性差的缺点,提出一种新颖的快速边缘检测算法。该算法将图像映射为一个模糊特征面,通过图像自适应阈值来确定模糊增强的渡越点。在渡越点上对图像进行非线性增强。算法将“Min”与“Max”算子结合起来提取边缘,避免了使用单一算子检测边缘强度较弱的缺点。该方法避开了原算法中复杂的指数运算,运算量减少了40%左右;渡越点的自适应性提高了算法的适应性。仿真表明,该算法检测的边缘细、连贯,并且算法抗噪能力强。     

一种小模数齿轮边缘检测效果评价方法

利用机器视觉评定小模数齿轮精度时,在齿轮整体图像中提取的边缘特征信息不能直接描述图像中的单独目标,需要后续识别算法去适应局部的多变特征.为此提出一种基于特征图像的边缘检测效果评价方法来获取丰富的局部图像信息,用于评定小模数渐开线齿轮视觉测量系统中轮廓提取的精度.首先根据齿轮图像中渐开线齿廓边缘的函数特性建立特征图像模型;然后使用基于Zernike矩的亚像素边缘检测算法获取小模数渐开线齿轮特征图像的边缘;最后结合构建特征图像的标准函数,量化特征图像的边缘检测结果与标准函数间的偏差,用以评价边缘检测的效果.实验表明,运用小模数齿轮的特征图像评价基于Zernike矩的亚像素边缘检测算法,渐开线齿廓的检测精度优于0.58pixel.     

线结构光双目传感器钢坯轮廓测量标定方法

针对现有线结构光轮廓尺度测量系统标定方法对环境要求高、设备昂贵、标定过程复杂等问题,提出了一种基于网格平面标定板的现场标定方法。该方法主要特点是不需要复杂的标定模型和高精度的辅助设备,只需要将2 mm宽和高的矩阵状标定板置于需要测量区域,通过角点检测求出基于同一个世界坐标系的标定参数,并完成对双目摄像机标定系统误差校正,最后把测量系统统一到一个图像坐标系。该标定方法应用于钢坯轮廓尺度测量中,实测数据表明其具有较强的鲁棒性和可行性,测量误差为0.05 mm。     

基于机器视觉的零件特征尺寸提取算法

目的复杂型面零件功能特征多样,结构尺寸呈现空间分布,传统的手工检测方法无法满足检测工作要求,为提升检测效率,提出一种基于机器视觉的非接触式测量方法。方法使用CCD相机采集图像信息,对图像进行分析处理,获得圆的亚像素边缘轮廓,再通过最小二乘法进行圆拟合求得圆的参数方程,最后利用几何距离公式求得像素距离。通过系统标定求出像素当量,由像素当量最终求得圆与圆之间的实际距离。结果最小二乘拟合圆亚像素边缘检测算法稳定,抗噪性能较好,算法的分辨率为0.001个像素。结论该方法可正确、方便、有效地对零件进行尺寸测量。     

基于标准球的显微图像测量系统标定方法

提出一种利用标准球对显微图像测量系统进行标定的方法．该方法利用显微系统小视场小景深的成像特点简化计算模型,减少标定参数．通过标准球图像在水平和垂直方向上的直径比计算比例因子;利用标准球边缘图像的边缘点集．运用优化的方法来计算成像系统的畸变系数和主点位置．系统的放大倍数由标准球的实际直径来标定得出．利用标准球在多摄像机公共视场内其轮廓在任何位置均可见这一特性,可同时对显微图像测量系统中的多个摄像机进行标定,简化标定过程．实验结果表明,该方法标定精度较高,标定后的测量系统的极限误差3σ为2．4μm．