智能玩具赛车赛道图像的畸变校正问题研究

本次图像畸变研究主要针对智能玩具赛车的赛道图像。赛道图像信息由智能玩具赛车采集,采集到的图像呈现出近宽远窄的梯形畸变。针对此梯形畸变,首先采用几种不同的边缘检测算子对图像进行边缘检测及轮廓提取,再使用连接点法对处理后的图片进行畸变校正,然后针对现有方法中出现的问题提出调整改进。最后通过MATLAB仿真实验仿真分析,该方法能够有效地实现赛道的畸变校正,为后续对赛道图像的进一步处理奠定了基础。     

基于密度聚类的光条中心线提取方法

为了解决线结构光3维测量中噪声光斑对提取精度的影响，采用了密度聚类灰度重心提取算法提取激光光条中心线。该方法由中心线预提取以及中心线最终提取两阶段组成，预提取阶段实现对激光与光斑两者中心线的同时提取，最终提取阶段采用基于连通性的密度聚类算法完整保留激光中心线并剔除噪声光斑。在仿真实验阶段，对大小为600pixel×600pixel、含有激光中心线的图像进行了加噪处理，并使用提取结果与真实中心线之间各点的均方根误差以及运行时间作为考察标准进行了实验研究。结果表明，该方法与传统灰度重心法相比，在高亮度各向异性光斑、高亮度小面积光斑、高亮度点噪声图像的均方根误差分别降低了12.59pixel，15.12pixel和83.36pixel，时间复杂度分别提高了0.383s, 0.412s和0.416s。该方法与传统灰度重心法相比具有更高的提取精度、近似的时间复杂度，且对噪声光斑具有较好鲁棒性，可以在噪声光斑图像中完整提取出光条中心线。     

基于PAAG的图像处理算法并行化设计

针对图形处理中的Gamma校正算法和平均滤波算法,在多态并行阵列机上进行并行化设计。该设计利用多线程调度模式将算法中不相关程序分为多个线程相互填充,减少线程的阻塞等待时间,最后将多线程程序映射到阵列机上实现算法的并行化。仿真结果表明,Gamma校正算法在单线程下运行消耗时间是多线程的3.5倍,平均滤波算法在单线程下运行消耗时间是多线程的2.2倍。     

基于机器视觉的缺陷检测应用综述

针对工业生产过程中缺陷检测的必要性以及传统人工缺陷检测的缺点,研究了基于机器视觉的缺陷检测技术,阐述了典型的机器视觉检测系统的组成,分析了国内外机器视觉缺陷检测技术的应用现状,展望了机器视觉缺陷检测技术的发展趋势,并指出不断优化算法,提高图像处理算法的准确性与鲁棒性,使检测系统更加智能化,是需要不断努力的方向。