共查询到16条相似文献,搜索用时 187 毫秒
1.
2.
本文基于三坐标测量机(CMM)设计了一套视觉检测系统,该系统能够对零件实际空间特征信息进行比较全面地提取。针对位于CMM平台上带有角点的零件,利用Harris算子提取从CMM三个不同方位获取的零件图像的角点。对于Harris算子提取到的角点,本文提出一种八链码搜索法和SUSAN区域法相结合的伪角点剔除方法,最后基于立体视觉的原理,提出"距离空间图"匹配算法,将以上3幅图像一一建立匹配关系。实验中多次改变零件在CMM中姿态时,多次实验数据表明本文的角点提取精度与真实角点间仅存在1~2像素的偏差,零件的定位误差为1~3 mm。通过实验验证,角点匹配和定位的稳定性和精度满足要求,具有一定的抗干扰性和实用性。 相似文献
3.
4.
为了解决轴承保持架人工抽检费时费力等问题,同时提高工业生产自动化水平,简述了一种基于Zernike矩的保持架直径测量方法;以型号32007E的圆锥滚动轴承筐形保持架为例,提出了基于视觉的直径测量方法,分析CCD相机采集到的轴承保持架大小端面图像,进行图像预处理后,对Sobel算子边界点阈值进行重新设定,快速检测出保持架两端圆面可能存在的边缘点集,增加了有效圆检测算法,剔除部分偏离有效圆的点,再利用 Zernike 矩算子对有效的边缘点进行重新定位,检测出保持架两端圆面的亚像素边缘并计算其精确位置,最后对所得到的亚像素边缘点集进行最小二乘法拟合,获取保持架两端直径具体尺寸;实验表明,该方法测量结果与人工测量精度接近,甚至更高,具有良好的效果和实用价值。 相似文献
5.
6.
空间矩和Zernike矩亚像素边缘算子分析 总被引:2,自引:0,他引:2
讨论了空间矩、Zernike矩两个亚像素边缘算子的运行时间和定位精度。分析结果表明,Zernike具有更快的运行速度,当计算3个用于边缘定位的参数时,其运行时间较空间矩算子节约了50%。理论分析了空间矩和Zernike矩算子的关系,并推导出了两个算子边缘距离为l的差值公式。测试结果表明,当两个算子的l都限制在中心像素内时,空间矩算子的边缘厚度多达3个像素,而Zernike矩算子的边缘厚度小于1个像素,可见Zernike矩算子的定位精度为真正的亚像素级。经比较,Zernike矩算子的运行时间和定位精度均好于空间矩算子。 相似文献
7.
8.
9.
10.
针对相机运动引起的图像序列运动的问题,提出了一种基于聚类的相位相关块匹配运动估计算法。利用Harris算子分别在相邻帧图像上检测角点,以参考图像角点为中心选取一个矩形块,将块匹配法与相位相关相结合来计算图像间的运动矢量。最后,对获得的多个块的平移量,进行空间聚类从而选取运动估计比较准确的点。实验结果表明:该算法配准精度能达到亚像素,稳定性较好。 相似文献
11.
本文提出了一种结合Harris与SIFT算子的快速图像配准方法。首先,对Harris算法进行两方面的改进:一是构建高斯尺度空间,提取具有尺度不变性的角点特征;二是采用Forsnter算子对提取的角点精定位,提高配准精度。然后,利用SIFT算子的特征描述方法描述提取到的特征点,通过随机kd树算法对两幅影像的特征点进行匹配。最后采用RANSAC算法对匹配点对进行提纯,并通过最小二乘法估计两幅影像间的空间变换单应矩阵,完成图像配准。实验结果表明:本文方法在基本保持配准精度的同时,在配准过程的时间消耗上比标准SIFT算法减少了64%。 相似文献
12.
应用角点匹配实现目标跟踪 总被引:1,自引:0,他引:1
角点特征是图像的一个重要局部特征,因其具有计算量小、匹配简单以及旋转、平移、缩放不变的性质,而在图像配准与匹配、目标识别、运动分析、目标跟踪等应用领域都起着非常重要的作用。本文提出了一种新的基于角点特征的向量匹配方法,该方法利用Harris算子检测出目标角点,通过角点的矩特征形成目标的特征向量,最后通过对序列图像的目标特征向量进行匹配来实现目标跟踪。此算法在一般情况下能匹配80%以上角点,在遮挡情况下仍能正确匹配70%左右,处理速度达到20 frames/s,满足了实时要求。实验结果证明此方法可有效地抵御目标的变形和遮挡情况。 相似文献
13.
An improved Harris corner detection algorithm is proposed based on Barron operator, since Harris corner detection algorithm has a poor accuracy in positioning complex corner detection and may miss certain real corners. Firstly, the image gradient is calculated by using Barron operator to reduce the calculation errors from Prewitt operator or Sobel operator. Secondly, the centre B-spline function is used to smooth image, filter noise, and retain the corners information better. Thirdly, a non-maximal inhibition and corners sieving method is used to determine whether the detected corners are real corners or not. A square window is centered at the pixel and eliminate the corner if the value of the corner response function is non-maximal in the window. And then divide the test image into several blocks so as to process each block independently, and use a cyclic iterative method to determine the threshold value to make sure that the real corners are accurately selected. Finally, experiments indicate the algorithm has relatively great noise proof ability and is able to extract complex corners effectively. 相似文献
14.
改进的Zernike矩工业CT图像边缘检测 总被引:4,自引:0,他引:4
为提高工业计算机断层扫描(CT)图像亚像素边缘检测的精度和速度,研究了一种改进的Zernike矩边缘检测方法。该方法采用Sobel边缘算子快速检测出图像所有可能的边缘,通过Zernike矩算子对所有可能的边缘进行重新检测,最后,检测出图像的亚像素边缘并计算其精确位置。由于采用Sobel算子检测出可能的边缘使后续Zernike矩算子检测范围缩小,从而减小了运算量,提高了运算速度。对实际CT图像进行的实验结果表明:改进的Zernike矩工业CT图像边缘检测精度绝对误差<0.24 pixel,改进算法的运算速度提高了约70%。 相似文献
15.