AGV机器人多角度静态识别图像智能拼接方法

传统多角度静态图像识别拼接方法存在图像拼接精准度低、识别准确率低和拼接时间、识别时间长的问题，对此，文章提出了AGV机器人多角度静态识别图像智能拼接方法。对中心矩进行了归一化处理，获得多角度不变矩，利用不变矩对静态图像进行特征提取；采用对数几率回归分类算法进行分类；采用最大似然法估算图像中的参数；利用梯度下降法判定参数最小值，得到图像识别结果；利用AGV机器人，将图像的识别结果投影到变换矩阵中，将矩阵中的重叠图像划分成一个缝合部分和两个过渡部分；通过多分辨率图像融合算法和加权平均图像融合算法对这三个部分进行融合，得到完整的图像，实现静态图像智能拼接。实验结果表明，该方法的拼接精准度较高、识别准确率始终在80%以上，拼接时间最高仅为36 s,识别时间始终低于20 s,该方法的准确性高、实时性强。     

基于图像匹配的透明车灯部件检测

针对车灯总成的完整性检测,提出了基于图像金字塔和归一化互相关函数结合的分层匹配算法。利用直方图均衡化和锐化滤波增强图像对比度以及边缘细节信息,再运用归一化互相关相似度函数实现车灯透明部件的匹配,同时采用金字塔分层来提高图像匹配的速度。通过实验确定了合适的匹配窗口大小、金字塔层数、相似度阈值等,实现了车灯透明部件的安装检测。实验结果表明:该方法对车灯透明部件的成功检测率可达到约95%,检测时间约50 ms,具有较高的准确率和实时性。     

车灯模组的照度检测研究

针对在车灯模组的照度检测过程中,车灯模组照度图像采集时由于摄像系统安装位置产生的畸变问题,采用平面模板法,通过畸变校正算法对系统进行畸变校正,减小因图像坐标位置失真造成的测量误差;针对摄像系统像面照度不均匀性对图像灰度值的影响,通过照度均匀度校正实验获取摄像系统的校正系数后,采用基于麦夸特法与通用全局优化算法结合的曲面拟合法对校正系数进行处理,得到像素坐标与校正系数的函数模型,实现图像灰度值的校正。对校正后的摄像系统进行灰度-照度标定,建立灰度-照度关系,提高车灯模组照度检测的精度。实验结果表明:车灯模组照度检测的误差基本控制在10%以内,重复性误差小于1%,具有较高的准确性和可靠性。