轨道式爬行机器人制孔基准的视觉高精度定位

航空航天产品结构尺寸大、面形复杂、装配精度要求高,移动式机器人作为一种自动化装配装备,可实现飞行器表面爬行移动装配位姿的精准定位,补偿制孔机器人刀具中心点与工件之间的相对定位误差。针对穿心夹遮挡干扰下的装配基准三维识别与测量定位需求,提出了一种轨道式爬行机器人制孔基准的高精度定位方法。首先,基于灰度聚类的自适应轮廓提取算法实现基准孔轮廓的分割、识别和坐标计算;然后,基于靶标式高精度手眼标定方法实现基准孔坐标的三维转换;最后,在制孔装备上集成视觉测量系统并进行了现场测试和精度验证。实验结果表明,本方法对基准孔的定位误差小于0.05 mm,满足轨道式爬行制孔机器人的装配定位需求。     

基于区域生长重心的大型多阵列圆标定板基准点的提取技术

针对视觉测量在轨道交通隧道大范围轮廓测量上的问题,研究设计一种大型多阵列圆标定板进行系统标定工作,提出区域生长重心法实现对标定图像上基准点的提取。即将区域生长法和灰度重心法相结合,通过粗定位寻找每个基准圆的种子点,考虑种子点像素的4邻域像素进行区域生长,然后利用灰度重心法提取生长区域的重心作为基准点。将非线性变化的基准点替代线性提取的基准圆的种子点,消除了图像畸变的影响,保证了特征检测过程的可靠性和鲁棒性,达到对于多阵列圆大型标定板基准点的提取。通过搭载鱼眼镜头拍摄6m的模拟隧道横断面轮廓,进行轮廓测量与还原。实验表明该方法提取的基准点像素坐标误差可达到2pixel以内,系统测量精度能够达到±5mm以内,完全满足轨道交通隧道横断面轮廓测量误差标准。     

基于超像素时空特征的视频显著性检测方法

提出一种基于超像素时空特征的视频显著性检测方法。所提方法可对图像进行超像素分割,提取颜色梯度和运动梯度特征,以构建超像素级时空梯度图。用平均加权测地距离来衡量时空梯度图上每一个超像素相对于其邻域的时空显著程度,形成时空显著图。根据时间域上目标运动的连续性,并借助熵的概念来表征运动模式的一致程度,构建运动一致性图。融合时空显著图和运动一致性图,通过自适应阈值处理定位运动目标。实验从可视化分析和定量评估两个方面将所提方法与其他算法进行对比,结果表明所提方法具有较强的抗环境干扰能力,适用于背景纹理复杂或环境随机变化的视频中运动目标的检测,其检测准确率高达92%。     

一种非稳腔激光器光瞳位置提取方法

提出一种非稳腔激光器光瞳位置提取的方法,用于光路自动准直中光瞳位置的提取。首先使用双边滤波对原始图像进行预处理,然后用系数β乘以大津算法的图像阈值得到图像的阈值,对图像进行阈值分割。得到二值图像后,对二值图像进行中值滤波。通过边缘提取算法提取二值图像中的轮廓,然后利用轮廓的中心和组成轮廓的点的数目这两个轮廓属性,找到光瞳图像的内轮廓。使用RANSAC椭圆拟合算法拟合内轮廓,以椭圆的中心作为光瞳的位置。本文提出的光瞳位置提取方法,在满足实时性要求的同时,减少了内轮廓噪声对椭圆拟合的影响,提高了光瞳位置提取结果的准确性和鲁棒性。在100帧仿真光瞳图像的内轮廓中添加40%幅值为0～13的随机噪声点的情况下,所提方法比直接椭圆拟合方法的提取结果具有更高的准确性和鲁棒性,提取位置偏差的AVG比直接椭圆拟合的结果小0.283个像素、位置偏差的最大值小0.660个像素、位置偏差的RMS小0.136个像素。     

基于曲率多尺度的高精度角点检测

为了提高角点检测的精度,满足算法的稳定性与实时性,提出了一种基于曲率多尺度和局部迭代的亚像素角点检测算法。首先基于Canny算子和自定义边缘跟踪算法检测目标轮廓,然后利用多尺度曲率多项式得到像素级的角点,最后以像素级角点为中心,利用向量正交性原则,采用迭代算法及双线性插值得到子像素级角点。实际测试表明:该方法检测效率高,提取到的角点稳定,精度可以达到0.2pixel,可满足实际应用中的实时、高精度要求,目前已成功地应用于嵌入式机器视觉工业现场。     

基于ROI最长直线提取算法的车辆超限检测系统研究

针对当前公路上车辆超限而导致交通安全隐患问题,提出了一种基于图像测量的车辆超长、超宽、超高检测系统;利用CCD摄像头捕捉限速车道内行驶的车辆的图片,经过图像分类、背景去除、噪声去除提高图像清晰度,按ROI(region of interest)最长直线提取算法提取ROI内车辆轮廓的最长像素直线,通过相机标定获取车辆实际长宽高信息;系统对于车辆超限能够实现不停车检测,有效提高了公路通行速率;实验数据表明,该系统对于不同类型车辆,均具有良好的准确性和鲁棒性。     

一种采用相位测量轮廓术的工件在线三维检测方法

提出了一种基于相移轮廓术在线检测工件三维信息的方法.利用计算机编程产生的一固定正弦光栅图通过数字投影机投射在流水线的一段区域,无需专门的相移装置,当物体在线移动穿过此区域时,使用计量光栅等距离定位发信,控制CCD采集五帧变形条纹图,并采用具有一定特征的标记实现五帧变形条纹图间的亚像素级像素匹配,提取相移变形条纹图,由Stoilov算法计算,得到工件表面截断相位,展开后可得到物体表面三维信息.实验验证了其可行性.     

基于SIFT特征匹配的电力设备外观异常检测方法

基于电力设备巡检机器人平台,提出了一种电力设备外观异常检测方法。该方法使用SIFT特征点提取算法,进行特征匹配,使用基于RANSAC的方法求解单应矩阵进行配准。在经过配准后,对像素的差值使用Mean Shift分割算法提取异常区域。实验证明该方法对于光照有较高的鲁棒性,且受匹配误差和拍摄角度偏差、位置偏差影响较小,能够有效的将变化区域提取。     

基于OpenCV的图像椭圆特征识别与定位研究

面向平板零件上螺纹孔的识别定位需求,基于开源计算机视觉库OpenCV进行椭圆特征的识别与定位研究。采用Canny边缘检测算法提取图像边缘信息,对边缘图像通过轮廓检索得到单一的连续轮廓,并对得到的每一条连续轮廓进行椭圆拟合。研究给出一种评价轮廓与所拟合椭圆误差的计算方法,以此误差为准则实现非椭圆特征的剔除。进一步针对螺纹孔形成的相套椭圆特征,采用聚类筛选的方法得到螺纹孔对应的内环椭圆特征,从而实现了板上螺纹孔的识别与定位。     

基于邻域统计编码的轮廓提取在CCD二维多尺寸检测中的应用

为了更有效地从二值图像中提取更高质量的曲线轮廓,提出一种基于邻域统计编码的轮廓提取算法,它能在快速地提取出待测零件轮廓的同时,滤除毛刺和噪声.在检测精度不变的情况下,具有速度高和鲁棒性较好的特点.     

基于稀疏表示的可见光遥感图像飞机检测算法

为解决当前遥感图像飞机检测方法在复杂背景下准确率低,实现旋转不变困难的问题,结合图像稀疏表示原理,提出一种基于稀疏表示的飞机检测算法.该算法首先利用飞机是刚性目标且具有明显几何外观的特点,构建飞机几何原子库;然后建立飞机轮廓几何逼近的最优化方程,在稀疏表示原理框架下,得到飞机轮廓最优的几何部件组合;最后,以星型结构的部件模型为框架,生成待检测图像的目标显著图并根据显著图定位出飞机.实验结果表明,稀疏表示方法能自适应选取飞机部件,部件数目较少且不易受光照、颜色和复杂背景的影响.与现有算法相比,本文算法准确率达90%以上,检测速度有较大的提高.     

基于3D卷积自编解码器和低秩表示的高光谱异常检测

针对高光谱影像数据维度高、空间和光谱信息利用不足以及局部结构特征表达有限等问题,提出了一种基于3D卷积自编解码器和低秩表示的高光谱异常检测算法。首先,通过3D卷积自编解码器提取高光谱影像的空谱特征,并针对高光谱图像的局部区域强相关性,设计了一种新的损失函数来约束中心像素和周围像素,以提取判别性较强的特征图;然后,针对所提取的特征图,通过基于密度的空间聚类算法构建背景字典,并利用低秩表示分离出异常区域;最后,融合由3D卷积自编解码器得到的重构误差和异常区域检测结果,得到最终检测图并为异常目标关键信息的挖掘提供依据。为了验证所提算法的有效性,在两个真实的机场高光谱数据集上进行飞机等目标检测实验,ROC、AUC量化指标和主观分析等实验结果表明,与其它6种异常检测算法相比,本文算法具有更高的异常目标检测精度。     

基于改进网格运动统计特征的在线三维测量

为了解决在线三维测量技术中像素匹配耗时长,准确率低等问题,提出了一种基于改进网格运动统计特征的像素匹配算法。该方法只需一帧固定的正弦光栅投影到被测物体上,由摄影系统连续采集五帧物体在相等位移下的变形条纹图,提取出相应的调制度信息,并利用快速旋转不变性特征算法提取图像的特征点匹配对,然后利用改进的网格运动统计特征算法来实现误匹配对的剔除。最后根据在线三维测量中对其精度要求很高的特点,取其出现位移量最多的值以获得一组相移量相等的条纹图,采用等步相移算法重建出在线移动物体的三维形貌。大量实验验证了该方法的可行性和有效性,与传统的在线傅里叶变换轮廓术算法进行对比,所提方法的鲁棒性更高,能够恢复出更高精度的三维面形。     

基于纹理显著性的微光图像目标检测

微光图像对比度较低,目标显著性不明显,目标自动探测难度大.针对此问题,本文提出一种噪声鲁棒性较好的图像局部纹理粗糙度算法,并给出一种适用于微光图像显著分析的纹理显著性算法.首先,提出一种新的局部纹理粗糙度算法,该算法利用最佳尺寸计算局部纹理粗糙度,对纹理图像进行加噪实验,与基于局部分形维的粗糙度方法相比,本文局部纹理粗糙度算法表现出较好的噪声鲁棒性;其次,在提取图像粗糙度特征图的基础上,给出一种针对纹理的显著性度量算法;最后,将纹理显著性算法应用于微光图像目标检测,实验结果证明了该算法的有效性.     

汽车焊缝密封胶条的光条中心提取算法研究

汽车焊缝涂胶能够提高车身密封水平, 需要对胶条进行检测并且获得三维信息。激光三角法是应用广泛的检测方法, 其关键技术之一是准确提取光条中心。但针对黑色被检胶体, 光条中心提取鲁棒性差, 因此提出了一种基于光条分割的Hessian矩阵定位和高斯曲线拟合的算法。首先, 将整体图像对比度提高, 运用去噪算法消除干扰的噪声; 然后用极值法初步定位光条, 结合Hessian矩阵对激光条的中心进行定位; 最后利用高斯曲线准确拟合出激光条的中心。实验研究表明, 在对光条图像添加噪声幅度为100的白噪声之后进行处理, 同样能够将精度控制在亚像素级别, 能够提高黑色被检测物体的光条的稳定性。     

基于激光扫描热成像技术的电感裂纹检测

针对铁氧体电感表面裂纹和隐含裂纹的检测,传统机器视觉方法存在裂纹成像模糊,识别率偏低等问题。提出了一种基于激光扫描热成像技术的电感器裂纹检测方法。使用热像仪捕捉样品表面的温度变化,并基于二阶微分算法进行图像合成;使用轮廓提取算法去除外围轮廓的干扰和次大值滤波均匀图像,使用边缘检测对裂纹进行提取;最后利用裂纹的面积和长宽比并结合图像的HOG特征当作输入特征,使用支持向量机进行图像识别。结果表明,对于所有的裂纹都能正确成像,裂纹识别正确率达到98.5%,其性能优于其他检测算法。     

基于深度图像的嵌入式人体坐姿检测系统的实现

以检测不良坐姿,分析人们学习工作状态为引导,设计了基于深度图像的坐姿检测系统。该系统采用3D传感器获取人体坐立时的深度图像,设计了一种基于深度阈值的快速前景提取与干扰移除方法,能快速有效的提取坐姿状态下的人体分割图。基于人体轮廓的曲线特征实现了人体关键点定位,通过人体关键点的角度、深度信息与轮廓特征,对不同的坐姿图像进行统计分析,得到了一种区分不同坐姿的判定基准,运用该基准对9种不同坐姿进行识别,平均识别率可达到90%。最后,基于Android平台设计了坐姿检测系统的应用软件,实现了坐姿检测、坐姿提醒以及姿态统计等功能,并且对学习过程进行测试,测试结果表明,本系统可以有效的检测出9种坐姿、并对不良坐姿进行提醒与统计。     

基于移动分割与轻量化分类网络的红外目标实时识别方法

战场野外复杂红外场景中,由于背景灰度分布无规律、目标边缘模糊且纹理特征缺失,目标极易混淆在背景之中;由于嵌入式平台算力的限制,多数深度学习类检测算法难以应用于便携设备,无法实现快速有效的目标识别。提出一种基于运动目标提取与高效机器学习模型结合的目标识别方法:通过运动检测实现目标像素级分割,经形态学处理后,定位单体目标;根据嵌入式平台算力高低,选择轻量化深度网络特征或轮廓特征,训练softmax模型,实现目标分类识别。将算法移植于嵌入式平台,对开源红外图像序列进行目标识别实验,实现多目标同时定位与分类,处理速度达56FPS。实验结果表明,该方法可对复杂背景中的红外目标进行实时有效识别。     

一种无需标记的在线三维测量方法

提出了一种无需标记的物体在线三维面形测量方法。将一固定的正弦条纹投影到待测运动物体上,借助物体运动产生等效的相移变形条纹。基于傅里叶变换轮廓术的调制度对各帧变形条纹计算,提取其具有某一特定分布的特征区域,采用相关度最大法,检测各帧变形条纹对应的调制度特征区域的位移量来检测出物体的移动,从而实现像素匹配,得到一组像素坐标完全一一对应的等效相移变形条纹图。利用Stoilov相移算法得到物体的截断相位,利用位相展开算法展开位相,通过位相和高度映射即可实现在线移动物体的面形测量。通过计算机仿真验证了该方法的可行性。     

深空背景弱小目标实时检测算法研究

根据深空背景的特点,提出一种基于FPGA和DSP的检测算法,并设计相应的硬件系统,能对大小为512×512像素、帧频率为40帧/s的视频图像进行实时处理。先在FPGA中用最大中值滤波抑制空间成像噪声,解决了图像预处理运算量大对处理速度要求高的难题,再在DSP中用使用改进的双差分法进行运动目标分割,克服了单差分提取目标轮廓不准的缺点,最后结合候选目标的特征,采用基于逻辑的最近邻关联方法提取目标航迹。试验结果证明该算法满足了深空背景弱小目标实时检测的要求。