基于机器视觉的圆孔尺寸测量系统研究

针对常见的圆形目标检测,开发了一套基于机器视觉技术的圆孔尺寸测量系统,采用混合噪声滤波、模糊和遗传边缘检测方法从采集的零部件图像中,提取出圆孔图像的边缘,通过插值圆度检测方法,精确测量出圆孔的半径、面积等特征参数。测试表明,测量系统的平均值误差为0.010 5 mm,远远低于人工测量的平均值误差0.027 3 mm,能够满足工业应用中的精确性要求。     

基于计算机视觉的管壳表面划痕检测技术研究

针对火工品管壳表面划痕人工检测工作量大、较为繁琐且人为误差较大的状况，将计算机视觉技术用于微小管壳表面划痕的检测分析中，在数字图像处理技术的基础上，应用二值图像轮廓提取的方法得到划痕的特征参数，根据形态学知识对零件表面划痕的形态特征进行比较分析。实验结果表明，通过将划痕显微图像中面积、短长径比等参数提取出来作为检测的依据，不但可以有效地克服现有的人工视觉检测方法的缺陷，而且稳定性和准确度也得到了提高。     

结合模板匹配和梯度峰值的对角标志自动提取方法

为了提高视觉测量系统的自动化水平和测量精度,提出了一种结合模板匹配和梯度峰值的对角标志自动提取方法。使用旋转不变模板匹配方法得到原始图像与标准模板的相关系数矩阵,通过两次阈值筛选获取标志点候选位置。根据两条直线相交于标志中心处以及中心处灰度梯度存在多个峰值的特性,剔除非合作标志点,得到对角标志点初始坐标。通过生成对角标志理想相关模板,利用相关系数拟合极值法进行亚像素定位。实验结果表明,该方法可以正确提取复杂环境下对角标志或棋盘格图像中的角点,而且需要人工调节的参数少、稳健性强、定位精度高且通用性好,可应用于工程实践中环境光源变化较大的测量场合。     

激光跟踪仪靶标球镜面中心定位方法

当激光跟踪仪应用于多传感器三维视觉测量系统的全局标定时,由于标定现场环境复杂,靶标球镜面区域所成光斑随环境光强、视觉测量系统观察角度和激光投射角度的变化而改变,给靶标球镜面中心的准确定位提出了很大的挑战。设计了一种对光照变化不敏感、对激光点形状和光强分布无要求的靶标球镜面中心定位方法。该方法首先利用图像分割法准确定位靶标球所在区域,然后对该区域进行滤波,去除图像中的噪声并增强靶标球与背景的对比度,之后进行靶标球分割和强反光区域去除,通过图像形态学处理得到靶标球镜面区域,最后对该区域的像素坐标进行统计,得到镜面中心定位坐标。实验采用79幅复杂多变的镜面区域光斑图像进行实验验证,该方法正确定位率可达到91.2%,其中平均定位误差RMS低于0.74像素,基本满足全局标定对靶标球镜面中心定位精度的要求。     

基于计算机视觉的光学目标自动定位系统

本文运用计算机视觉检测技术,提出了一种新的光学目标自动定位系统,导出了自动定位数学模型,分析了定位精度.运用计算机视觉定位技术开发的ZYZ-620PCB自动定位钻机.定位钻孔精度优于25μm.实践表明,计算机视觉光学目标自动定位系统具有高精度、快速实时的优点,在工业领域必将有广泛的应用前景.     

光学目标计算机视觉自动定位系统研究

运用计算机视觉检测技术 ,提出了一种新的光学目标自动定位系统。导出了自动定位数学模型 ,分析了定位精度。运用计算机视觉定位技术开发的 ZYZ- 6 2 0 PCB自动定位钻机 ,其定位钻孔精度优于 2 5μm。实践表明 ,计算机视觉光学目标自动定位系统具有高精度、快速实时的优点。该系统在工业领域必将具有广泛的应用前景。     

CCD摄像头圆目标中心定位方法

在大型设备自动对接系统中,需要CCD摄像头对一设备截面的圆目标进行图像获取,并找出图像的中心点坐标,用于两设备的中心对准。为了满足实时性测量和高精度定位要求,提出一种CCD摄像头圆目标中心定位方法。先对图像使用中值滤波方法进行图像增强,利用广义数字形态学中的多结构抗噪膨胀腐蚀型算子提取单像素宽图像边缘,用多项式插值法对图像边缘进行亚像素定位,用半径约束最小二乘圆拟合法对圆中心进行精确定位。实验测量结果表明,该方法测量时间短、精度高、稳定性好,亚像素定位精度优于1/20像素,中心点总标准偏差小于0.01,可满足设备自动对接系统要求。     

一种快速高精度激光CCD自准直仪圆目标中心的定位方法

为满足高精度测量和瞄准跟踪系统中对激光CCD自准直仪的测量精度和实时性的要求,提出一种快速高精度激光CCD自准直仪圆目标中心的定位方法。首先利用变结构元广义形态学边缘检测算法,充分提取图像边缘细节信息的同时抑制图像噪声的影响,然后采用多项式插值算法对圆目标轮廓进行快速亚像素定位,最后利用最小二乘拟合方法实现了圆目标中心的精确定位。实验结果表明,该定位方法稳定性好,定位精度高且实时性强,应用该方法改进后激光CCD自准直仪的测量精度由2″提高到±0.25″,且单次测量时间小于0.23s,可满足激光CCD自准直仪在小角度测量和瞄准跟踪等领域的高精度实时测量需求。     

小波模极大值法与数学形态学边缘检测细化结果

图像边缘检测的关键是尽可能多的检测到边缘并且抑制噪声的同时,尽可能的满足单线的边缘定位精度;为此选取了一种融合小波模极大值和数学形态学的边缘检测方法来获取图像边缘;首先在对图像进行小波分解,分别利用模极大值法和多尺度多结构数学形态学方法来处理小波分解的高频分量和低频分量,利用差影法对二者的结果进行融合;然后利用大律法得到二值化图像,并用形态学边缘细化算法细化图像边缘得到最后结果;实验结果显示,融合的方法可以得到比较完善的边缘,经过二值化和边缘细化后,获得的单线宽边缘更加清晰,定位精度更高。     

基于定向照明及逆反射技术的太阳光干扰抑制方法研究

在基于计算机视觉的测量系统中,为避免太阳光照射对人工标志中心定位造成的影响,采用在公共交通中广泛使用的逆反射材料构造反射标志,并配合单色光主动照明和窄带滤光技术来提高目标物与背景之间的对比度.在对市面上多种逆反射材料进行研究的基础上,选取了其中性能较为优良的3M钻石膜来搭建简易单点测试平台,用于验证方案的可行性.实验证...     

基于计算机视觉的屏板精密定位系统研究

针对荫罩式等离子显示器屏板定位的特点, 研制开发了一套基于计算机视觉的荫罩式等离子显示器屏板精密定位系统, 系统以工业控制计算机为核心, 取CCD信号为控制信号, 由微机控制实现高精度位置检测及全自动精密定位, 从而实现等离子显示器前基板、荫罩和后基板三者之间的全自动精密定位。采用的快速图像边缘检测技术、特征图形标识识别技术和精密驱动控制技术, 可有效提高位置检测信号的灵敏度及定位速度。系统在软、硬件方面采取的一系列抗干扰措施, 确保了较高的定位精度及工作可靠性。实验结果表明, 基于计算机视觉的精密定位系统可获得±5μm的精密定位, 对荫罩式等离子体显示器的产业化具有重要的实用价值。     

一种尺度自适应的小目标实时检测方法

小目标检测是计算机视觉领域的一个研究热点。当仅对图像中不同尺度目标中的某些特定尺寸目标感兴趣时,传统方法将无法做出正确判断,而且当目标接近摄像机时图像上目标的尺度通常会发生较大变化,传统方法也难以适应。 针对这一问题,提出一种基于正负LOG^［1］算子的小目标实时检测系统。新算法首先根据目标在短时间内所作的近似直线运动,利用Top-Hat^［2］算法在初始几帧图像中检测出真正的目标点,然后根据目标特性确定正负LOG算子的参数,最后利用确定的正负LOG算子对后续帧图像进行连续检测,确定真实目标位置。实验证明,该检测方法在实时性、检测准确性及抗干扰性上均有较好的表现。     

人工光源对地面目标红外特性的调制

 根据目标红外辐射特性形成的机理,探讨了人工光源对目标红外特性调制的方法。通过建立人工光源照射目标的理论模型,对人工光源照射时目标的表面温度进行了仿真计算与实际测量,在此基础上对目标红外辐射进行了计算与分析。结果表明：人工光源可以对目标的红外特性进行调制,调制的效果取决于光源的照射功率、照射时间、照射距离及光源的入射角。一般情况下,夜晚照射时调制效果明显,白天照射时调制效果不明显。     

基于物联网的人工智能图像检测系统设计与实现

物联网络的建立促使人工智能领域取得飞跃性进展。传统图像检测方法利用小波能算法进行背景与边缘噪声划分方式进行图像检测,存在低分辨率图像检测精度低、检测速度慢、缺乏图像深度分析等一系列问题。物联网人工智能发展迅速的环境下,提出基于物联网的人工智能图像检测系统设计。采用智能人工像素点特征采集技术(IAPCCT),对图像进行逐点特征提取,运用物联网丰富数据量资源与处理运算能力对采集图像像素点进行特征分析回馈,回馈信号经人工智能信号图像合成模块(AISIS),对信号做图像转换处理并输出分析结果完成图像检测。通过仿真实验测试证明,基于物联网的人工智能图像检测系统设计具有图像检测率高、识别准确度高、运行稳定、处理高效等优点。     

红外序列图像多运动目标检测

针对背景不动情况下提取红外图像运动目标,提出了一种基于连续四帧序列图像精确检测多运动目标的算法,并用软件仿真了该算法处理图像的效果并与其他方法进行了对比。经试验证明该方法算法简单,实时性好。对单目标、多目标、室内、室外、简单和复杂背景的红外序列都可以得到较好的检测效果。能够有效地去除背景和噪声,精确地确定运动目标位置,有利于后续的目标跟踪,算法适于实时应用。     

基于稀疏信道重建技术的相邻多目标序贯检测算法研究

为进行强目标相关旁瓣干扰下的相邻弱目标检测,采用稀疏重建理论进行多目标方位估计。高信噪比情况下,由方位估计结果即可完成目标检测;对于低信噪比弱目标回波,为提高系统检测能力,结合方位估计结果,提出了两种检测算法,前者类似于传统CLEAN算法,从能量角度进行目标检测;后者则利用相关函数能量集中于主瓣的特点,通过计算将目标方位估计结果中非零元素置零前后匹配滤波峰值的差值,采用Page-test序贯检测器进行多目标检测。仿真和试验数据处理结果表明,相同检测概率下,第二种方法具有更加优良的弱目标检测性能。      

图像边缘检测方法研究综述

图像的边缘是图像最基本也是最重要的特征之一。边缘检测一直是计算机视觉和图像处理领域的经典研究课题之一。图像分析和理解的第一步常常是边缘检测。边缘检测的目的是去发现图像中关于形状和反射或透射比的信息,是图像处理、图像分析、模式识别、计算机视觉以及人类视觉的基本步骤之一。其结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。对一些传统的边缘检测方法和近年来广泛收到关注的边缘检测算法进行了简单介绍。综述中只涉及到检测方面,而没有讨论滤波、边缘定位、算法的复杂程度和边缘检测器性能的评价。     

复杂背景下目标检测的级联分类器算法研究

目标检测与跟踪一直是图像处理与计算机视觉领域的热门研究方向之一,其对军事上的成像制导、跟踪军事目标等以及民事方面的安防监控、智能人机交互等方面均有着重要的研究价值.将特征匹配问题看成是一种更普遍的二分类问题,将这种难解的高维计算变成二分类问题,使计算复杂度大大减小,这类方法以大数定律和贝叶斯法则为理论依据,本文提出一种非树形结构的分类器,并从理论上推导出其实现公式,将1bitBP特征应用到分类器中,同时采用计算量由小到大的三个分类器进行级联从而实现鲁棒精确的目标检测.从实验结果来看,本文算法能够对目标的尺度变化、旋转、部分遮挡、形变、模糊、背景变化等复杂情况有较好鲁棒性,并且检测精度相对较高,而本文算法的计算复杂度低、计算量小,有较高的应用价值.     

基于双目视觉的三维重建中特征点提取及匹配算法的研究

三维重建是计算机视觉技术的主要内容之一。基于双目视觉的二维图像特征点的提取及特征点的匹配是三维重建技术的核心。通过以双目立体视觉理论为基础,提取立体图像的Harris角点作为特征点,经过基于小波变换的子线段匹配方法,较好地的解决了匹配精度与匹配速度之间的平衡问题。采用该方法对水泥冷却机内熟料的高度进行了测量,实现了熟料的三维重建。实验表明,该方法可提高图像匹配的速度和精度,能够较精确地对物体实现三维重建。     

Design of a color coded target for vision measurements

As a category of special control points which can be automatically identified, artificial coded targets have been widely developed in the field of computer vision, photogrammetry, augmented reality, etc. In this study, a novel color coded target is designed for vision measurements. A reference position is defined to avoid the repeated coding as well as simplify the coding structure, and a pair of concentric circles is utilized for the precise location of the target. An edge-based identification and location algorithm is proposed for the designed coded target. In this algorithm, a coarse-fine strategy is employed to improve the efficiency and various judgments are made to ensure the correctness of the identification. No human involvement is required except for the adjustment of thresholds in the beginning, which is conducive to the automation of measurement. The algorithm shows high accuracy and robustness in experiments.