变光照环境下皮带撕裂视觉检测方法研究

针对变光照环境下给皮带撕裂视觉检测过程造成的识别干扰,提出了一种基于洛伦兹信息测度(Lorentz Information Measure,LIM)分块的改进Ostu分割算法的结构光视觉检测方法。首先将红色线性激光投射到皮带表面,通过CCD相机捕获高对比度图像;然后利用LIM方法将ROI(Region of Interesting)区域根据其水平方向光照强度分块,并逐块通过线性加权Ostu算法进行图像分割,进而合并出整幅图像的激光条纹;最后提取激光条纹中心线,并对其信息特征进行分析比较,判断皮带是否发生撕裂。通过现场在皮带机上进行试验,在轻度和重度污染环境下,892张样本的正确检测率为95.72%,平均单张样本检测时间为89ms,检测精度和速度满足实用要求。     

行车环境下钢轨轮廓激光条纹中心的提取方法

研究了行车环境下激光条纹图像中心线快速、准确且可靠的提取方法。基于ENet深度学习模型实现了激光条纹的多区段快速分割;通过统计各区段内光条梯度方向的直方图来确定各分段光条的法线主方向,并构造了相应的方向模板;利用分区域多模板匹配的灰度重心法实现了光条中心的亚像素坐标提取。研究结果表明,该方法可以有效克服室外行车环境中各类干扰信息对光条中心提取的影响,单幅钢轨轮廓图像的光条提取时间仅为2.1 ms,误差均值约为0.082 pixel,标准差为0.047 pixel,兼顾了光条中心提取的时效性和准确率。     

结构光光条中心点信度评价方法与应用

结构光三维测量中,光条中心点的提取是极其重要的步骤.现有方法对结构光条中心点提取都仅仅是标志中心点的位置,而中心点位置的可信与否,并未提及.对于一些特殊场合应用,例如室外复杂情况的测量,需要确定测量结果的可信程度.如何评价光条提取的中心点的可信程度成为亟待解决的关键问题.针对这一问题,对光条模型进行实际分析,给出了更为...     

基于多尺度分析的激光光条中心点坐标提取方法

在线结构光测量系统中,激光光条图像中心准确提取是影响整个测量系统精度的关键因素之一。针对高反光等复杂环境下光学测量中激光光条图像中心提取问题,提出了一种基于多尺度分析的激光光条图像中心高精度定位方法。该方法利用骨骼化图像处理方法确定激光光条图像中心的初值,根据每一个光条中心初值处的光条宽度确定该位置处对应的高斯核均方差σ的初值。对图像进行多尺度卷积,确定最优的σ值,并求得光条亚像素级中心点,最后完成光条链接。结果表明该算法抗噪声能力强,可实现光条宽度变化较大的激光光条图像中心的高精度提取。     

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。     

具重复特征的大物面自动视觉检测中的亚像素级拼接

针对自动视觉检测系统中,难以获得具有重复纹理特征的大面积物体的高精度图像问题,提出了一种二维图像光栅的亚像素级定位拼接新方法。采用光栅尺记录物体的位置信息,引入圆盘格标定板对二维运动平台X、Y轴与相机X、Y轴之间的夹角进行准确标定,并建立基于全局物理直角坐标系的二维拼接模型完成图像的拼接。实验结果表明,该方法的标定重复精度可以达到10-4 rad量级,拼接的物理误差为8μm,拼接精度比校正前提高了近8倍,比已见报道提高1倍以上。该方法已成功应用于导航卫星接收天线电路的在线检测设备,并可广泛推广至检测精度要求达到亚像素级的机器视觉自动化检测领域。     

基于机器视觉的低对比度物体尺寸测量研究

工业零件的产品检测是保证零件质量合格最重要的环节.传统的接触式检测方法难以满足工业现场高效、高精度等需求,基于机器视觉的图像测量系统已广泛应用于检测产品的几何参数.非透明物体形成的高对比度图像的测量已经进行了大量的工作,针对透明物体形成的低对比度图像的研究相对较少.以直角棱镜为对象,开发了一种用于测量低对比度产品尺寸的...     

一种高精度线结构光视觉传感器现场标定方法

针对现有线结构光视觉传感器标定方法存在的局限性,提出一种不需要求解光平面标定点的标定方法.根据光条图像求解平面靶标上光条在摄像机坐标系下的Plücker矩阵.在视觉传感器前合适位置将平面靶标摆放多次,联立所有光条空间直线的Plücker矩阵,求解光平面在摄像机坐标系的平面方程.最后通过非线性优化方法得到光平面方程在最大似然准则下的最优解.在标定过程中,所有光条点都参与光平面参数的计算过程,因此该方法标定结果精度高、稳健性强.实验证明,与现有方法相比该方法标定精度提高30%左右.     

基于机器视觉的高精度测量与装配系统设计

在对某些精密产品实现自动化生产过程中,存在难以对装配该产品所需的多种装配小零件进行高精度自动测量与装配的问题。针对该问题,搭建了基于机器视觉技术的自动化测量与装配系统。基于Halcon图像处理软件平台,对零件图像进行了中值滤波、图像增强等预处理;采用了Canny算法对零件求取像素精度的边缘,并运用椭圆曲线拟合法获取了亚像素精度边缘;建立了两种相机镜头畸变模型,采用径向排列约束(RAC)标定法与张正友标定法对相机进行了标定,并对标定精度进行了对比;实验结果表明：本系统的装配同轴度精度能达到0.05mm,零件尺寸测量标准差低于3.8μm,满足工业需求,可以解决工业实际问题。     

FPC补强片贴片质量视觉检测系统设计

基于挠性印制电路板补强片贴装质量的检测要求,从硬件与软件系统设计出发,开发适用于FPC补强片的贴片质量视觉检测系统。采用自主设计的弧形机架简化标定过程并减少硬件设备对图像采集的影响。在激光三角测量法的基础上,引入高斯拉普拉斯算子和极限式阈值分割用以分离散射光斑的光心和散射光区域,同时采用形态学运算进一步分离出光心区域。运用矩的不变性进行椭圆拟合并将其中心位置的改变转换为补强片厚度的变化,更易于观测。实验结果表明,改变结构元素的大小,光斑中心位置的波动为1.15像素,且最大误差仅达0.82像素,若闭运算结构元素设定为8,能进一步提高检测精度与检测效率。     

On-line conveyor belts inspection based on machine vision

Under the background that mining conveyor belts are prone to failure in operation, the on-line fault detection technique based on machine vision for conveyor belts is investigated. High-brightness linear light sources arranged to a vaulted shape provide light for a line-array CCD camera to capture high-quality belt images. A fast image segmentation algorithm is proposed to deal belt images on-line. The algorithm for detecting longitudinal rip and belt deviation which are serious threat to the mine safety production from binary belt images is presented. Then, an on-line visual belt inspection system is developed. The laboratory testing results testify the validity of the visual inspection system.     

基于Savitzky-Golay加权拟合的红外图像非均匀性条带校正方法

针对红外成像探测器单元响应不一致等因素导致的图像非均匀性条带问题, 提出了基于直方图加权和Savitzky-Golay拟合的非均匀性条带校正方法。首先, 计算每列的归一化直方图函数并将其作为权值对图像进行加权运算;然后, 利用Savitzky-Golay滤波器对加权后的图像列均值和列方差进行拟合, 并将结果带入校正公式, 通过可调参数的迭代完成校正。实验结果表明:该方法能有效地去除非均匀性条带, 保留图像的光谱辐射信息和纹理细节, 各项评价指标均提高10%。     

光条亮度对线结构光测量精度的影响

光条中心的提取精度直接影响线结构光传感器最后的测量精度,而光条亮度是影响提取精度的主要因素。提出了光条中心提取精度的评价方法,通过实验获得光条亮度与光条中心提取精度之间的关系曲线;为了在实际测量中能获得最佳光条亮度(对应最高的提取精度)设计了基于D/A转换的光条亮度自适应调节电路。实验结果表明:光条过暗或过亮都会使线结构光传感器的测量精度降低,在测量不同颜色的表面时通过光条亮度的自适应调节均可获得最高的提取精度。     

基于B样条迭代法的激光光条噪声去除技术研究

在基于线结构光的视觉测量系统中,激光光条中心的提取精度是影响系统最后精度的关键因素。目前常用的光条中心提取方法都没有去除光条上的干扰噪声,在分析现有方法的基础上提出了一种利用B样条迭代去除光条噪声的方法。以光条上的点作为控制顶点拟合B样条曲线,在同一位置下用B样条曲线上的点取代噪声点,这样反复修改噪声点的位置使其逐渐逼近实际曲线,从而达到去除噪声的目的。利用重心法提取去噪后光条的中心,着重分析了参与运算的像素的取值范围。通过对比实验证明该方法的提取精度远高于其它方法,从而验证了去除噪声的有效性。     

基于Hough投票空间的椭圆图像特征亚像素提取方法

椭圆检测是机器视觉和模式识别的基本任务。首先在椭圆中心初定位阶段,通过参数空间的少量投票,依据均值漂移技术获取粗略的椭圆中心,然后再由精提策略实现椭圆中心的精确像素级定位,并采用插值方法进一步获取椭圆中心亚像素坐标。仿真及真实图像的实验结果表明,所提出的方法同时具备了椭圆检测的鲁棒性和中心定位的精确性。     

基于亚像素定位和虚拟圆扫描的齿轮在线检测研究

采用图像识别技术对微小塑料齿轮进行质量检测,针对缺齿、齿歪、披峰等齿形误差的随机性,运用三点定圆心法实现塑料齿轮内圆的粗定位,试验数据说明其运行时间比传统Hough变换大大缩短,并为亚像素定位提供了原始数据;提出的降维灰度矩法与最小二乘圆法结合,实现内圆圆心的亚像素定位,同时运用3σ原则迭代法提高了亚像素定位精度;用"虚拟圆扫描法"实现大小轮齿的齿形检测。结果表明该方法可以满足齿轮的自动检测。     

基于图像处理的钢坯侧面形状检测系统

基于机器视觉的钢坯侧面形状检测系统是由面阵CCD、激光发射器、激光接收器以及工控计算机等组成。通过面阵CCD拍摄到钢坯侧面图像,经过工业控制计算机进行数字图像处理分析和计算,提取钢坯侧面边缘高度和厚度,进而通过专用软件分析出钢坯头部和尾部的形状信息,从而有效地对入口钢坯翘头扣尾的异常状态发出报警信号。将异常信号传送给外围控制系统,以实现对钢坯的控制。     

基于机器视觉的高速带钢孔洞检测系统

针对宝钢冷轧1420酸轧联合机组带钢孔洞缺陷在线检测需求，结合机组现场条件，自主开发了恶劣危险环境下的高速带钢孔洞检测系统。该系统以机器视觉技术为基础，配置高性能透射式照明光源和高速线扫描CCD图像传感器，能够获得高质量的带钢图像；系统检测软件采用快速高效的目标识别和边缘检测算法，可在30ms内完成1幅图像的处理计算，实时判定孔洞的存在与否，并将检测结果发送至服务器。系统采用C/S模式作为网络架构，实现检测数据在客户端和服务器之间的可靠传递。系统两年多的上线运行证明：该系统在冷轧机出口十分恶劣的环境条件下，可长期连续工作，准确高效地检出带钢孔洞缺陷，具有卓越的检测性能和良好的稳定性。     

基于支持向量机的肤色滤波器

为了探测图像中的肤色像素,提出了一种新的方法-支持向量机（SVM：Support Vector Machine）方法.它是一种基于肤色的非特定人的面部定位方法,是非接触人机交互技术和机器视觉中的一个重要内容.实验结果表明,采用支持向量机方法较传统人工神经网络方法不仅有更高的探测准确性,而且具有更好的推广性能.由于SVM采用结构风险最小化（SRM：Structural Risk Minimization）准则,在最小化训练误差（经验风险）的同时,尽量缩小模型预测误差的上界,从而使模型有更好的泛化能力.