基于24-冠-8大环化合物构筑的人工分子器件和分子机器

简要阐述了分子器件和分子机器的相关概念,按照调控方式分类综述了基于24冠8的准轮烷、轮烷和索烃大环化合物构筑的分子器件和分子机器等在超分子领域的研究进展并对研究前景作了展望.     

大尺寸复杂精冲零件智能测量系统的研究

对于传统精冲零件检测工艺普遍存在的人工抽检数量少、大尺寸检测困难、手工误差、复杂专用检具成本高且实时性差等所导致的综合效率低的问题,此文通过应用机器视觉、激光测距、精密数控、数据分析等技术开发了大尺寸复杂精冲零件智能测量系统,用于解决传统所检测面临的以上问题。此系统通过伺服运动控制一套由高分辨率工业相机、激光位置传感器和大理石载物台构成的三坐标检测平台,实现对大尺寸复杂精冲零件进行X-Y平面的尺寸精密测量和Z方向的高度或粗糙度精密测量。通过解析DXF图纸文件并应用改进的贪心算法来获取并优化检测路径,结合精密运动反馈拼接局部采样图像以提高机器视觉的检测精度。初步运行结果表明,系统测量600*600*8mm范围内复杂精冲件精度可达到±0.010mm。     

一种应用在高精度贴片机上的视觉纠偏算法

高精度贴片机的视觉定位系统是提高贴片精度的关键。利用机器视觉技术分别对贴片元件和PCB板的位置及角度偏差进行检测。采用了以区域生长法为基础的元件中心和角度的计算方法,以最大内接矩形法计算了PCB板的中心和角度,从而得到了需要纠偏的位移和角度。实验验证元件中心的检测精度可达30 μm,算法处理总时间为63.6 ms,满足贴装元件定位检测系统对高速高精度的要求。     

基于LabVIEW Vision的无人机自主着降系统设计与实现

四旋翼无人机具有低成本、垂直起降、机动性好等优点,在民用领域诸如航拍、植保、物流、电力巡线等场合得到了广泛的关注和应用。随着四旋翼无人机应用的普及,一些新的问题也随之出现,其中一个厄待解决的问题是如何提高无人机的降落精度和可靠性,特别在超视距应用场景下,这一需求尤为突出。通过采用机器视觉技术,利用LabVIEW Vision编制视觉识别软件,可以控制四旋翼无人机实现高精度的自主降落。     

车削零件表面粗糙度图像法检测优选方法

为实现对车削零件表面粗糙度检测,提出一种基于机器视觉表面粗糙度检测图像处理的新方法。该方法先按相应算法对所采集图像剔出受光衍射影响严重区域,然后再按其灰度分布情况进行区域优化,获得的图像灰度特征参数能反映表面粗糙度量值的有效特征区域。用该方法对表面粗糙度Ra标称值为0.8 μm~12.5 μm的五种车削样件测试,处理后图像灰度的均值、方差、能量和熵等特征参数与Ra标称值单调关系显著,各特征曲线的非线性误差均在1.5%以内。对比实验显示,这种特征提取和区域优化方法可应用于表面粗糙度的区分与检测。     

机器视觉测量中成像系统光瞳球差对测量影响的研究

光瞳像差的存在会导致实际光瞳和理想近轴光瞳的形状和位置出现差异,从而对光学系统的成像质量产生间接的影响。由于光瞳球差会影响光瞳的位置,而在某些使用机器视觉的测量系统中,入瞳位置作为摄像机的光心,形成了机器视觉中的一种重要参数,当入瞳位置发生变化时,将会影响到测量的准确性,尤其在高精度的测量领域。介绍了光瞳像差的基础理论,以SCOTS(Software Configurable Optical Test System)光学面形测量系统为例,通过计算入瞳球差,分析了光瞳球差对相位测量偏折术测量的影响。结果表明,双高斯物镜中光瞳球差的存在,对测量结果的准确性和精度造成了影响,故在使用机器视觉进行测量的系统中,需考虑光瞳像差带来的影响。     

基于聚类分割和形态学的可见光与SAR图像配准

针对可见光与SAR图像灰度差异大,共有特征提取难的问题,提出了一种基于k-均值聚类分割和形态学处理的轮廓特征配准方法。利用k-均值聚类算法对两类图像进行分割,得到图像分割区域;通过形态学处理,有效减少SAR图像斑点噪声影响,准确提取两类图像的封闭轮廓;采用轮廓不变矩理论,引入矩变量距离均值、方差约束机制和一致性检查的匹配策略,获取最佳匹配对,实现了两类图像的配准。通过实验,三组图像的配准精度分别达到0.3450、0.2163和0.1810,结果表明该法可行且能达到亚像素的配准精度。     

融合全局与局部多样性特征的人脸表情识别

通常主成分分析(PCA)只能保持数据的全局结构,邻域保持嵌入(NPE)算法只能保持邻域样本间的相似性,忽略了其差异性。针对上述问题,提出了一种融合全局与局部多样性的特征提取算法,并将其应用于人脸表情识别中。该算法利用PCA算法保持全局结构,并通过流形学习思想定义局部差异离散度和局部相似离散度,结合最大局部散度差准则,有效刻画出局部流形结构的多样性;将全局特征和局部多样性特征相结合,提取出低维流形特征用于表情分类。在JAFFE和Cohn-Kanade人脸表情数据库上的实验表明,该算法与PCA、局部保持投影(LPP)、NPE等算法相比,不仅有效地提高了识别率,而且在取得最高识别率时所需维数最低,证明了此算法在识别效果方面的优越性。     

基于矩形的摄像机自标定几何方法

基于矩形两组对边的消隐点特性和隐含的长宽比信息,提出了一种新的摄像机自标定几何方法。该方法仅依据同一个矩形的两次或三次成像,即可在摄像机传感器特性已知或未知时标定摄像机内参数并辨识矩形长宽比。利用空间中有限距离点与同一无穷远点的连线相互平行和完全四边形的调和分割特性,以及被多次成像的矩形长宽比相同的特点,建立了摄像机内参数约束方程。通过建立与直线段成像相关的代价函数,提出了畸变参数寻优与线性内参数标定相迭代的畸变校正方法,可获得与摄像机无畸变情况下相当的自标定精度。在确定矩形任意两个顶点坐标的情况下,即可求解摄像机所有外参数。仿真实验表明,该标定算法收敛快速,对图像噪声不敏感。实际图像实验表明,与传统平面靶标法相比,该方法不但减少了预知条件,而且提高了标定精度和效率。     

基于平面镜成像的单摄像机立体视觉传感器研究

在传统双目立体视觉传感器的基础上,对基于平面镜成像的单摄像机立体视觉传感器进行了研究。在电荷耦合器件(CCD)摄像机前放置一平面反射镜,通过对目标物体和其虚像进行拍摄,得到一幅具有视差的图像,该图像相当于摄像机和其在平面镜中的虚拟摄像机从不同角度对目标物体进行拍摄,具有双目立体视觉的功能。建立了单摄像机立体视觉传感器数学模型,分析了参数对单摄像机立体视觉传感器的视场范围和测量精度的影响,设计了传感器参数尺寸,进行了相关实验验证。实验结果表明,该测量方案方便有效,结构简单,调节方便,尤其适合近距离高精度测量。