基于边缘匹配的高精度工件定位研究

工件定位通常采用视觉模块基于边缘匹配的计算获取在图像中的位置,最后计算出工件在机器人坐标系中的位置.但由于受传感器分辨率影响,定位精度停留在像素级.为此,在计算工件在图像中的位置时,引入最小二乘匹配以获得高精度的坐标参数.     

基于边界曲线弧分割的多椭圆检测

不同于传统的Hough变换算法,提出一种基于边界弧分割的椭圆检测方法。首先将边界从交点处分割成弧段,将得到弧段划分为长弧和短弧两组并按长度降序排序,然后从两组中找出属于某个椭圆的若干弧段,利用最小二乘法拟合得到候选椭圆并验证是否为真正椭圆。实验表明该算法能快速检测出图中椭圆,运行时间远小于采用随机Hough变换算法,在具有噪声、椭圆残缺的情况下仍能有较好的检测结果。     

融合边缘与灰度特征的形变工件精准定位方法

目的 工业机器人视觉领域经常需要对一些由拼装、冲压或贴合等工艺造成的形变工件进行精准定位,工件的大部分特征表现出一定程度的非刚性,其他具备良好一致性的部分通常特征简单,导致一些常用的目标检测算法精度不足或鲁棒性不强,难以满足实际需求。针对这一问题,提出融合边缘与灰度特征的形变工件精准定位方法。方法 第1阶段提出多归一化互相关的模板匹配MNCC(multi normalized cross correlation)方法检测形变目标,利用余弦距离下的灰度聚类获得均值模板,通过滑动窗口的方式,结合金字塔跟踪,自顶向下地优先搜索类均值模板,得到类匹配候选,然后进行类内细搜索获得最佳位置匹配。第2阶段提出一种改进的形状匹配方法T-SBM(truncated shape-based matching),通过改变原始SBM(shape-based matching)的梯度方向内积的计算方式,对负梯度极性方向截断,削弱目标背景不稳定导致局部梯度方向反转时对整体评分的负贡献,改善边缘稀疏或特征简单导致检测鲁棒性低的问题。最后提出二维高斯条件密度评价,将灰度特征、形状特征和形变量进行综合加权,获得理想目标...     

基于最小二乘拟合的 PCB 板焊点定位*

在PCB板的生产过程中,为了满足实时性检测和快速准确定位的要求,根据 PCB板的颜色特征和焊点的形状特征,论文提出一种基于最小二乘法拟合圆的快速定位方法。首先对图像进行校正;然后利用背景和焊点区域颜色的明显差异,选择其单通道显示并进行形态学操作,从而突出显示焊点区域;最后针对焊点轮廓为圆形这一关键特征,采用最小二乘法对其进行拟合,从而确定圆心和半径。实验测量结果表明了文中算法的的有效性。     

数据矩阵码检测定位技术研究

研究并实现了复杂背景图像中数据矩阵码的检测定位技术.通过对数据矩阵码特征的分析,利用子区域多特征分析法检测条码的目标区域,实现条码的粗定位.基于Hough变换和最小二乘拟合检测条码的寻像图形,实现条码的准确定位.使用双线性插值法将条码旋转规则化.通过实验验证了该方法的有效性和鲁棒性.     

透视畸变和局部遮挡工件的识别方法

本文详细介绍了一种在有透视畸变和局部遮挡的情况下,对工件进行自动识别的方法。文章从理论上引入了一种对透视变换不敏感的形状描述方法,讨论了基于子段匹配的匹配技术。最后用一组实验结果,证明本方法在一定条件下是有效的。     

基于有理函数的数据拟合方法

把有理函数引入离散数据拟合方法中,将有理函数与数据拟合的常用方法——最小二乘法相结合,给出了一种新型的数据拟合工具。文章详细讨论了该方法的算法理论和实施步骤,由于有理函数比多项式有更高的精度,该方法在提高拟合精度方面具有传统方法所不具备的优点。     

吸附数据的方程拟合和给定条件的自适应最小二乘样条

本文提出了一类给定条件的样条拟合方法。作者导出了能满足给定条件的最小二乘样条拟合正规方程组,讨论了样条节点数及其位置分布对拟合精度的影响,以函数值变化激烈处设置较密节点为原则,成功地开发了一种自适应样条拟合算法。为达到预先规定的拟合精度,这种算法能自动确定节点数及其位置。作者把它用于吸附过程数据的拟合,获得了满意的结果。     

基于UWB的三维定位分析与算法研究

为提高室内定位精度,打破室内定位空间限制,研究基于超宽带(UWB)的定位基站布设方法以及三维定位方法,设计多组不同障碍物遮挡对测距的影响试验,经多次试验分析测距误差,验证了UWB信号穿透力强、抗干扰能力好等优点,并且分析了基站布设方法,使得定位系统的稳定性和精度大大提高。同时,对直接矩阵求解算法进行优化,采用最小二乘拟合方法对定位距离数据进行处理,获得更加精确的定位坐标数据。实验结果表明：使用最小二乘法拟合矩阵求解算法后定位数据的精确度提升约26%。     

基于距离平方差的目标定位估计算法研究

无线传感器网络定位技术作为无线传感器网络的重要支撑技术之一,具有很大的实际价值和研究意义。无线传感器网络的目标定位估计技术主要应用于目标跟踪和目标运动分析,在工业领域具有广阔的发展前景。无线传感器网络由许多在空间中分布的传感器组成,这些传感器能够测量出传感器与定位目标之间的距离,但是该观测距离因为受环境影响所以是有噪音的。目前基于距离的最小二乘估计的定位算法已得到广泛关注,但是该问题是一个非凸问题,精确求解十分困难。因此学者们提出了基于距离平方的最小二乘估计的定位算法,该算法的数学模型虽然相对精确,但是计算起来十分复杂。本文基于距离平方差,提出了新的目标定位估计算法,该算法计算简单,稳定性强,且能得到与基于距离平方的最小二乘估计的定位算法相当的结果。仿真实验结果表明,无论在低噪音水平、中噪音水平还是高噪音水平下,本文提出的新算法都更有优势,在工程领域有极高的应用价值。     

三次B样条曲线拟合的虹膜定位

采用圆检测定位虹膜内外边界的方法是当前虹膜定位的主流算法.当虹膜图像分辨率很高时,圆曲线不能准确地拟合虹膜真实边界,特别是受瞳孔收缩影响很大的内边界.而采用三次B样条曲线能够很好地拟合内边界.为了提高定位效率,首先运用质心探测方法分割出瞳孔区域,然后在瞳孔区域中搜索内边界点,采用三次B样条曲线精确拟合内边界;最后利用Canny算子检测外边界,并采用圆曲线的最小二乘拟合外边界.运用Bath大学虹膜库中的1000幅虹膜图像对该定位算法进行测试,内边界定位时间0.0203s、准确率99.2％;外边界定位时间2.0277s,准确率98.9％,满足准确、高效的定位要求.     

动平台下双目视觉定位标定算法研究

研究空中目标定位优化问题,对于动平台下的双目视觉定位精度差.通过固定位置的两部相机拍摄图像的视差,获取目标位置信息,算法简单、精确.对静平台下相机标定参数进行调整,用新的旋转矩阵和平移向量取代静平台下的这些数据,降低动平台带来的扰动,同时解决了相机转动后需要重新标定才能获得相机内外参数的问题.最后仿真结果验证了改进后的双目视觉定位标定算法达到在平台转动情况下定位精确、算法简单、有效,为空间电影票定位优化设计提供了参考.     

基于RSSI的矿山井下机车定位算法的改进

因传统的矿山井下机车定位误差较大,应用不够灵活,提出了一种矿山井下机车改进的接收信号强度指示(Received Signal Strength Indication,RSSI)定位算法.为减小机车移动造成的误差,多次采样RSSI值,对其进行最小二乘法曲线拟合,然后根据拟合后得到的函数,计算出运行算法和网络延迟后的RSSI值.为减少矿下环境影响,优选信标节点;且机车位置计算取其到不同信标节点距离的差值,得到的一组双曲线方程,用chan算法求解.仿真结果表明,改进后的算法具有较高的定位精度,节点布置的越密集,参与定位的节点越多,定位精度就越高,最低定位误差为0.4m.     

声源定位中声音到达各阵元时延估计的虚拟仪器实现

基于TDOA(Time Difference Of Arrival)的声源定位研究的核心问题是时延估计,时延估计的精度决定该算法的定位精度.将虚拟仪器的技术引入声源定位的研究中,用数字信号处理的方法进行时延估计,有效地提高了声源定位的精度和灵活性.     

基于边缘特征的无砟轨道扣件定位方法

轨道扣件的精确定位是实现扣件缺陷检测的前提,而常规的基于机器视觉的轨道扣件定位检测方法存在适应性差,且易受光照强度及遮挡的干扰。为了实现轨道扣件的快速精确定位,提出一种基于边缘特征的轨道扣件定位方法。通过在参考图像中选取标准扣件区域以生成匹配模板,利用Canny边缘滤波算子获得边缘点的位置坐标及梯度方向;在此基础上构建搜索模型并采用图像金字塔匹配搜索策略,获得匹配分值的潜在匹配点;并利用匹配阈值设定法,逐层逐次跟踪潜在匹配点,直至图像金字塔最底层,以提高定位速度;基于最小二乘法调整位姿参数,使其达到亚像素级精度。实验表明,该方法具有鲁棒性强、定位速度快且不受光照变化及遮挡的影响,定位精度达到1/15像素,定位成功率大于95%,满足无砟轨道扣件定位需求。     

复杂背景下基于SIFT算法的局部遮挡人脸识别

由于复杂的背景环境中存在大量噪声点、平滑点以及失真点,影响人脸识别效果,提出基于SIFT算法的局部遮挡人脸识别方法。考虑到噪声因素的影响建立尺度不变高斯函数,通过该函数描述原始图像的噪声干扰,查找平滑程度最高的像素点,以像素均值作为参考,对像素点及周围区域实行平滑约束。建立包含眼睛、鼻子、嘴巴以及耳朵的面部特征子集,与标准图像比对,采用最大期望算法提取重叠度最高的面部特征,作为人脸识别的参照标准。采用两个向量的内积衡量人脸图像与参考值之间的相似度,计算存在和不存在局部遮挡的特征权重,建立置信区间,代入面部特征权重实施置信对比,完成人脸识别。实验结果表明,所提方法的识别精准度较高,在灰度变化、噪声以及局部遮挡的情况下均能够保证识别精度。     

一种改进的UWSAN最大似然目标定位方法

研究水声信道目标定位问题,由于水下定位精度与陆地不同。为了解决水下水声信道中有效传输信息,采用传统的无线传感器阵列网络(UWSAN)最大似然目标定位方法有效性差。为解决上述问题,提出将每个阵列的局域似然函数进行信息提取和压缩,并将信息进行融合。分析每个阵列的局域似然函数特性,并根据高斯函数对归一化似然函数进行拟合,结合各个阵列接收到的能量,在融合时先给拟合的归一化似然函数乘以其接收到的能量,再将各个阵列的对数似然函数相加得到全局对数似然函数,其中最大值的位置就是最大似然法估计的目标位置。数值仿真结果表明,改进方法不但大大降低了局部节点到融合节点的传输数据量,而且在高信噪比下与直接计算似然函数的数值非常接近,可以有效估计目标的位置。     

基于生物形状知识的人眼定位方法

准确地定位出人眼位置并分离出虹膜、眼睑等区域对虹膜识别、人脸识别等生物特征识别技术具有重要意义.但是,在非理想环境下,人眼图像分辨率通常较低,并且容易受到光照条件、睫毛、阴影等噪声影响,对人眼区域进行正确分割是一项非常具有挑战性的工作.因此,本文针对姿态幅度较小的无遮挡人眼图像分割存在的一些问题,利用Hough圆变换和形态学算法改进低分辨率下人眼的定位.该方法首先利用现有的人脸对齐方法分割出人眼感兴趣区域,采用双线性插值法对人眼图像进行预处理,去除镜面反射光斑;然后根据人眼图像中各区域的灰度分布规律,利用带约束的Hough圆检测算法定位出虹膜;之后结合全局动态阈值、局部自适应阈值及形态学算法分别定位出人眼上下眼睑,并利用最小二乘法拟合上下眼睑,最终分割出人眼虹膜、上下眼睑、巩膜等区域;最后在UBIRIS v1.0数据库及低分辨率人脸图像上对本文提出的算法进行测试.实验结果表明,本文提出的方法对实验室环境下高清虹膜图像及低分辨率人脸图像上的人眼定位均具有较强的鲁棒性.     

基于分形特征的水声目标信号分类识别

在水声信号的研究中,应提高准确性.由于水声信号不具有严格的线性区域,过去直接对近似线性区域进行最小二乘拟合求得分形维数误差较大,不利于信号的识别.为解决上述问题,在分形布朗运动的基础上,提出采用水声目标信号近似线性区域进行了分段处理,运用最小二乘拟合求得各段的分形维数,并将各段的分形维数作为目标信号的特征矢量,进而以BP神经网络作为分类器进行目标的分类识别.实测目标的分类结果表明,上述方法提高了分形维数的稳定性,为水声目标信号的检测和识别提供良好的理论依据,并给出了具体的算法的步骤.     

曲线曲面局部最小二乘渐进迭代逼近

作为一种有效的大数据拟合方法，曲线曲面最小二乘渐进迭代逼近方法(LSPIA)吸引了众多研究者的关注，并获得了广泛的应用。针对LSPIA算法拟合局部数据点效果较差的问题，提出了一种局部的LSPIA算法，称为LOCAL-LSPIA。首先，给定初始曲线(曲面)并从给定的数据点中选择部分数据点；然后在初始曲线(曲面)上选择需要调整的控制点；最后，LOCAL-LSPIA通过迭代调整这一部分控制点来生成一系列局部变化的拟合曲线(曲面),并且保证生成的曲线(曲面)的极限是在仅调整这部分控制点的情况下拟合部分数据点的最小二乘结果。在多个曲线曲面拟合上的实验结果表明，为达到相同的拟合精度，LOCAL-LSPIA算法比LSPIA算法需要的步骤和运算时间更少。因此，LOCAL-LSPIA是有效的，而且在拟合局部数据的情况下比LSPIA算法的收敛速度更快。