视觉测量中环形编码标志点的精确识别算法研究

视觉测量中,在待测物体表面分布一些易于识别的标记,可以提高特征识别的准确性和精度,保证多幅图像间特征点对应匹配的可靠性。针对在投影角度或图像噪声较大时,环形编码标志点识别率低的问题,设计了一种环形编码标志点作为标记,并提出了一种编码标志点精确识别算法。该算法首先使用Otsu算法提取椭圆边缘环状领域,并对环状领域点进行椭圆拟合求解椭圆参数;然后根据圆度与椭圆参数约束排除图像中伪标志点;最后通过计算编码环段内椭圆的灰度梯度确定编码环带的编码值。所使用的圆心提取算法能达到亚像素级精度。试验结果表明,该编码标志点识别算法受投影角度、图像噪声等因素的影响小,可以实现编码标志点的精确定位与准确识别。     

基于火星探测的人工标志识别定位

为了实现火星探测中巡视器以及着陆器上人工标志的识别定位,结合好奇号火星车的人工标志特征和火星环境的特点,提出一种人工标志两步识别定位方法。第一步是在图像中识别人工标志并进行初步定位。该步骤通过图像边缘检测,提取并跟踪各轮廓边界。针对人工标志存在的沙尘附着、光照不均、以及阴影遮挡等问题,提出一种基于火星环境的自适应边缘检测方法。采用最小二乘椭圆拟合方法对每一个轮廓边界进行椭圆拟合,将拟合所得的椭圆参数作为标志的初步定位结果。第二步是对各人工标志进行精确定位。根据初步定位的椭圆参数进行图像分割。考虑标志中心为两条直线的交点,故采用Hough变换对各分割出的图像块进行直线检测,并对交点进行重定位,从而得到人工标志的精确位置。对好奇号火星车的标志图像进行了试验,结果表明:提出的方法能够检测存在较大变形的人工标志,对标志中心的定位精度稳定在1个像素以内。该对沙尘附着、光照以及阴影遮挡具有一定的鲁棒性,基本满足火星探测中人工标志定位的精度和鲁棒性要求。     

ICT图像实体重建技术中的边缘检测和特征识别

在ICT图像实体重建技术中，需要进行实体轮廓的边缘检测和特征识别。本文采用Sobel算子对图像进行边缘检测，得到图像的边缘点，通过多次过滤进行边缘细化；然后根据轮廓跟踪准则对边缘点进行排序，将图像数据转化为具有单像素宽的轮廓线；最后对轮廓线加以识别，用线段来表示实体的同一特征体素。     

面向工业复杂场景的合作靶标椭圆特征快速鲁棒检测

针对工业制造现场复杂场景下典型合作靶标识别需求,提出了一种椭圆特征快速鲁棒检测方法。首先对预处理图像进行边缘跟踪和弧段分割筛选分组,通过基于帕斯卡定理的邻接象限弧段匹配和基于关系矩阵的边缘弧段聚类,对具有椭圆匹配性的边缘弧段实现快速聚类。然后采用非迭代最小二乘拟合方法获取椭圆参数,并根据参数特征去伪,得到最终检测结果。本文通过采用更加严格的椭圆匹配约束和更加高效的弧段聚类方法,有效减少了参数拟合阶段对非椭圆特征的运算量,具有良好的检测效率和检测结果可靠性。实验结果表明,本文算法对检测距离、光照条件、目标方位、图像噪声等干扰因素具有显著的抑制作用,在复杂场景条件下能够得到可靠的检测结果。本文方法对640×480 pixel的实验图像检测时间为183.2 ms,快于同类椭圆检测算法,满足了工业测量仪器在现场复杂场景中对合作靶标快速搜索与识别的性能需求。     

基于仿射变换和均值像素法的环状编码点鲁棒识别

在近景工业摄影测量中,针对环状编码点精确定位和准确识别的要求,提出了一种鲁棒性识别算法。该算法在对目标图像预处理后,首先根据边缘滤波准则初步定位编码点,并将含编码带的特征区域分割出来。然后,利用最小二乘法对特征区域进行仿射变换,将经透视投影退化的椭圆映射成规则圆形。最后,采用均值像素法获取环状编码点的解码值,进一步提高编码点的抗噪性。大量实验结果表明:该方法在对编码点的中心定位达到亚像素级别的同时,改善了算法对识别角度的鲁棒性,在识别角度为70°时,正确识别率仍可达97.9%,在实际复杂场景中具有较好的实用价值。     

基于寻找最佳起始点的编码标志点解码研究

目前在数字近景工业摄影测量中,针对环形编码标志点的解码方法,通常采取在编码带上选取任意一点作为解码的起始点,按一定方向读取编码带,完成环形编码标志点身份信息的读取。理论上讲,该方法是可行的。但是由于图像噪声等因素的影响,任意选取解码起始点的方法存在较大误差,这种误差有时对于最终的测量结果是不允许的。针对上述问题,提出了一套基于寻找最佳起始点的环形编码标志点解码方法。该方法在编码标志点位置已确定的基础上,通过构造解码椭圆、坐标逆变换、寻找最佳起始点、读取并输出编码带信息等步骤,较精确地实现标志点的解码。提出的解码理论在实验室环境下通过采用Matlab2010对不同类型的拍摄图片进行验证,结果表明具有较好的鲁棒性,可以满足实际测量的要求。     

基于改进主动轮廓模型的注塑制品轮廓提取

注塑制品边缘轮廓提取是实现注塑制品边缘缺陷检测的重要前提,主动轮廓模型为注塑制品边缘轮廓提取提供了思路.本文结合注塑制品特点,提出改进的主动轮廓模型方法.该方法充分利用先验知识,提出初始轮廓确定方法;综合参数主动轮廓模型与几何主动轮廓模型的思想,提出控制点搜索方法;针对传统参数主动轮廓模型不能实现曲线拓扑的问题,采用控制点与样条的形式表述制品轮廓,提出插值准则,噪声控制点抑制准则以及控制点压缩方法.实验结果证明,该方法能够快速,准确的实现对具有待检测制品位于图像的中心附近,且待检测制品的中心在制品内部的注塑制品边缘轮廓提取.     

基于边缘检测的零件轮廓识别系统开发

针对工业流水线检测中存在的成本大、检测效率低的问题,将轮廓检测技术应用到工业流水线检测中,基于边缘检测方法的基本原理,提出了一种基于边缘检测的零件轮廓识别方法。该方法首先使用Canny边缘检测算法来提取出零件的边缘,并在此基础上进一步提取出零件轮廓的相关特征,最后通过与待检测的零件轮廓特征相比较,从而实现对零件的识别检测;为了验证设计方法的正确性,本文搭建了一套零件轮廓识别系统,并使用工业零件来测试该系统的性能。研究结果表明:该系统能够快速、准确地识别目标零件,满足工业流水线检测的需求。     

近景摄影测量中编码标志点解码方法研究

在近景摄影测量过程中,为提高特征点物体的精准匹配,降低匹配难度,对图像进行预处理,根据圆形标志点的几何特征识别标志点,用椭圆拟合法求解圆形标志点的圆心,并根据灰度变化寻找编码带的解码起点,利用环形编码带的圆心角进行解码。实验结果表明,该算法抵抗噪声能力强,圆形标志点圆心求解可达亚像素精度,解码正确率高。     

大尺寸工业视觉测量系统

针对工业制造领域中大型工件很难进行全尺寸测量的问题,提出并实现了一种基于立体视觉技术的便携式工业测量系统。对该系统所采用的特征识别、相机定向、立体匹配、三维重建、多视点云配准等关键算法进行了研究。提出了改进的CANNY边缘亚像素检测算法,使用先验规则去除误识别的标志点,多次拟合定位标志点中心,对标志点环带多次采样取中值求取编码点的ID。根据ID号找出不同照片中的同名编码点,顺次对照片进行相对定向和绝对定向。然后,根据多幅图像的多极线几何约束,实现非编码点的匹配,消除误匹配。采用前方交会法重建标志点的三维坐标,利用光束平差对计算出的结果和内外部参数做迭代修正。最后,设计了双目结构光扫描系统,提出了一种改进的双目像机标定算法,描述了利用全局和局部标志点的子图同构实现多视点云配准的新算法。实验结果表明,该系统可在生产现场对大型工件进行快速测量,整体测量精度达到0.112mm/3m,可以满足工业现场大尺寸测量对精度和效率的要求。     

智能车行人识别的灰度形态学边缘检测研究

行人轮廓特征是行人识别的重要特征,为了获取更好的行人轮廓,边缘检测方法是一个非常重要的选择。首先采用Roberts算子、Prewitt算子、Soberl算子、LOG和Canny算子对行人图像进行边缘检测,得出能获得较好行人轮廓的边缘检测方法;然后用此边缘检测方法结合灰度形态学进行图像处理,最终获得具有最优行人轮廓的形态学边缘检测方法。试验结果显示,此方法能很好地消除行人轮廓的干扰因子。     

基于MATLAB GUI的零件图像识别

零件图像识别有多种方法,其关键是零件图像的特征提取,为此提出了基于图像边缘检测提取零件图像特征和用径向基神经网络实现识别的方法。首先对零件图像进行边缘检测．提取零件图像的边缘轮廓;然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量,各子区域中的相对边缘像素系数作为零件的特征,将这些特征作为神经网络的输入样本,由径向基神经网络实现识别;最后由GUI完成零件图像的识别,实验结果证明是有效的。     

基于MATLAB GUI的零件图像识别

零件图像识别有多种方法,其关键是零件图像的特征提取,为此提出了基于图像边缘检测提取零件图像特征和用径向基神经网络实现识别的方法.首先对零件图像进行边缘检测,提取零件图像的边缘轮廓;然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量,各子区域中的相对边缘像素系数作为零件的特征,将这些特征作为神经网络的输入样本,由径向基神经网络实现识别;最后由GUI完成零件图像的识别,实验结果证明是有效的.     

基于自组织特征映射神经网络的零件图像的识别

提出了基于小波变换提取零件图像特征和用自组织特征映射神经网络实现识别的方法,首先,对零件图像进行小波多尺度边缘检测,提取零件图像的边缘轮廓;然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量,各子区域中的相对边缘像素系数作为零件的特征,将这些特征作为神经网络的输入样本,由自组织特征映射神经网络实现识别.实验结果表明该方法是有效的.     

航拍图像中绝缘子的识别与故障诊断

针对输电线路绝缘子掉片故障问题,对绝缘子图像阈值分割、边缘检测、绝缘子识别、故障诊断等方面进行了研究,对航拍图像正常绝缘子、故障绝缘子以及背景区域特征进行了归纳,提出了一种基于航拍图像的绝缘子识别与故障诊断方法。利用最大类间方差法(OTSU)分割图像,小波模极大值法检测图像边缘,对Hough变换进行改进以快速检测不完整椭圆,根据椭圆参数设计分类决策条件以识别绝缘子串,最后基于绝缘子串的位置信息实现了绝缘子的故障诊断,并利用航拍图像对输电线路绝缘子识别与故障诊断方法进行了验证。研究结果表明,该方法能获得绝缘子串椭圆参数,能够实现航拍图像绝缘子边缘检测、绝缘子识别、掉片故障诊断等多项功能,算法响应迅速、准确率高。     

一种平面轮廓分割与基元识别方法研究

为提高视觉测量系统的检测精度与检测速度,提出了一种平面轮廓分割与识别算法。首先对经过多边形逼近算法进行轮廓分割获得的分割点位置按一定规则进行修正;然后对分割点间的线段类型加以识别,对过度分割的圆弧段进行融合处理;最后用加权最小二乘拟合算法抑制了大的离群值的影响,将轮廓拟合成相对应的几何基元。对提出的方法分别进行检测精度与检测速度对比实验和基元识别能力测试实验。实验结果表明,提出的方法基元识别准确、检测速度快、通用性好。     

面向机器人精密装配的高精度圆片位姿视觉检测

为了引导机器人精密装配过程的轴孔自动对中，提出一种高精度圆片位姿视觉检测算法。根据圆片的几何性质，对采集图像进行圆片轮廓提取、上表面轮廓椭圆检测和亚像素精度优化，从而获得能高精度拟合圆片上表面的轮廓椭圆方程。基于该椭圆方程，利用圆锥曲线透视投影原理建立了从2D椭圆到3D空间圆的位姿转换数学模型，可以根据圆片表面轮廓椭圆方程和圆片半径解算圆片上表面圆心坐标和圆片轴线方向向量，并提出两个轮廓点筛选准则以消除图像中部分非高斯噪声的干扰。针对位姿解算的二义性问题，提出一种利用圆片下表面圆心重投影的二义性消除方法，其优势在于无需增加环境约束。仿真分析和视觉检测实验结果表明，所提出算法鲁棒性好且检测精度达到：圆片上表面圆心的x,y轴位移检测精度0.01 mm，圆片轴线方向向量的角度检测精度0.7°。     

零件图像特征提取和识别的研究

提出了基于小波变换提取零件图像特征和用神经网络实现识别的方法。首先,对零件图像进行小波多尺度边缘检测,提取零件图像的边缘轮廓,然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量,各子区域中的相对边缘像素系数作为零件的特征,将这些特征作为神经网络的输入样本,由神经网络实现识别。3种子区域的不同数量样本的实验结果证明了提出的方法是有效的。     

特征弦约束随机Hough变换在椭圆检测中的应用

为了提高复杂图像中椭圆/类椭圆的检测效率及精度,提出了一种基于特征弦约束的随机Hough变换(RHT)思想的椭圆检测改进方法,借助特征弦的几何约束及特征弦端点的法向约束,大幅度降低RHT的无效采样和累积次数。通过对边缘图像中像素点的有效分布进行分析,建立用于存储特征弦的端点信息的二维数组累加器,在边界点提取之前利用椭圆幂剔除虚假椭圆中心的干扰,不仅能够提高空间采样点的可靠性,同时降低无效采样点的累积概率。实验表明,该算法具有更高的运行速度和检测精度,同时对于形变较大,轮廓缺失严重及噪声具有较强的抵抗能力。     

钢拱架铰接孔视觉定位方法研究

针对钢拱架自动化拼接过程中需要对钢拱架铰接孔进行定位的实际问题,设计了一种基于双目视觉的钢拱架铰接孔定位方法。首先通过模板匹配对钢拱架铰接孔进行初定位,找到感兴趣区域;采用一种新的自适应阈值算法计算阈值,对感兴趣区域进行二值化处理;利用边缘检测和最小二乘法提取得到铰接孔椭圆轮廓特征;然后找到椭圆轮廓上特殊的两条弦,根据空间几何关系,计算空间圆平面的法向量;利用消影线和椭圆参数矩阵,计算铰接孔圆心在图像上的实际投影点;最后基于双目视觉成像模型计算铰接孔圆心的精确空间坐标。实验证明,本方法可实现钢拱架铰接孔高精度定位,满足实际工业需求,为钢拱架自动化拼接提供技术支撑。