机器视觉螺纹螺距的测量与评定北大核心CSCD

为实现螺纹螺距的高效测量与合理评定,在分析现有机器视觉螺纹螺距测量方法的基础上,提出了一种基于面积法求解螺纹螺距的测量与评定方法。首先对螺纹图像进行旋转矫正,然后以螺纹轴截面上牙廓区域投影面积等几何关系,获取螺纹中径点,再使用最小二乘法拟合中径线,最后结合包容原则获得被测螺纹螺距。以螺纹塞规为对象进行对比实验,数据表明:面积法与接触式综合测量仪、工具显微镜所测螺距平均值相当,标准差0.9μm略大于综合测量仪所测螺距的标准差0.6μm,但远小于工具显微镜所测螺距的标准差9.6μm;测量效率上面积法是综合测量仪的1.9倍,是工具显微镜的2.5倍。     

基于机器视觉的尖轨轮廓检测方法北大核心CSCD

针对尖轨相对于基本轨位置的轮廓检测问题,提出了利用线结构光辅助机器视觉的非接触式测量方法进行检测。在线结构光测量的基础上,建立了尖轨轮廓的三维检测模型,构造了测量尖轨与基本轨间的面差、间隙以及轨头宽度的数学模型,并采用Zhang-Suen与灰度重心法的融合算法对激光条纹进行提取和细化,最终得到了亚像素级的激光条纹中心线。本次实验在时速250km/h的18号道岔直线尖轨上进行测量,得到的数据与接触式测量的数据基本一致,验证了该方法的有效性和正确性,实现了对尖轨轮廓尺寸的非接触式检测。     

离焦成像条件下的螺纹牙型角修正方法

针对机器视觉中螺纹参数测量无法实现正确对焦的问题,通过理论与实验相结合的方法研究了离焦成像对螺纹牙型角参数测量的影响.证实了离焦现象对螺纹参数测量会造成不可忽略的误差.并且通过螺纹图像清晰度评价值与离焦量关系的分析,提出了螺纹牙型角误差修正的方法.首先对图像清晰度评价值与离焦量进行标定,然后求取待测图像的清晰度评价值,...     

基于虚拟三针法的螺纹中径测量方法北大核心CSCD

中径是决定螺纹联接质量的重要参数,为了能够利用机器视觉技术实现对螺纹中径的高效测量,提出了一种基于虚拟三针法的螺纹中径测量方法。建立虚拟三针法测量螺纹中径的理论计算模型;对螺纹图像进行了预处理和边缘提取,并利用最小一乘法对提取的螺纹轮廓进行拟合,获取中径值;以螺纹塞规为对象进行了对比实验。实验数据表明,利用虚拟三针法测得的中径方差较传统三针法降低了51.8%。测量效率上虚拟三针法是传统三针法的2倍以上,较触针扫描方法提高了52%。说明所提出的虚拟三针法也可以作为一种测量螺纹中径的手段。     

基于点阵标定板的视觉测量系统的标定方法EI北大核心CSCD

在应用机器视觉技术进行测量时,测量系统的像素当量、系统误差和光源强度等因素均会对测量精度造成影响,因此必须对像素当量和系统误差进行标定,并分析光源强度对工件图像边缘位置的影响。提出一种基于点阵标定板的视觉测量系统综合标定方法,在提取标定圆圆心坐标的基础上,计算圆心距物理尺寸和像素尺寸的比值,得到像素当量;建立圆心实际坐标和理论坐标的二元三次误差模型,并利用最小二乘法拟合求解误差模型系数;通过确定光源强度引起的图像边缘位置误差补偿量,实现测量系统的综合标定。实验结果表明,该方法可以有效提高系统的测量精度。     

基于单目视觉和棋盘靶标的平面姿态测量方法EI北大核心CSCD

针对平面目标姿态测量问题,提出了一种基于棋盘靶标的单目视觉测量方法,设计安装简单,在保证测量精度的同时简化了测量过程。首先,基于棋盘靶标对摄像机进行标定;然后,利用单应性条件得到外参矩阵,并利用Givens矩阵对外参矩阵进行分解,求得姿态角;最后,在靶标任意安装的情况下,基于旋转矩阵约束条件研究了安装偏差的自标定方法。实验结果表明:距离3m时,在静态测量时垂直光轴方向姿态角的测量精度可达0.02°,其他两个姿态角的测量精度可达0.05°;动态测量时垂直光轴方向姿态角的测量精度可达0.1°,其他两个姿态角的测量精度可达0.5°。     

角膜地形图仪中实时图像检测EI北大核心CSCD

为实现角膜地形图仪中实时图像检测,找到一种图像清晰度评价函数对实时角膜图像进行快速、稳定、精确的判别至关重要。基于角膜地形图仪中光学成像系统,分析系统离焦对图像清晰度的影响,并提出一种关于图像清晰度的评价方法。该方法选择拉普拉斯函数作为全局图像粗调的评判参数,通过霍夫圆变换及亚像素边缘检测来确定图像的中心点,并采用Sobel算子与Canny算子相结合的边缘检测方法根据中心点找出最清晰边缘,从而实时获得最清晰的角膜图像。实验表明,该方法具有很好的稳定性和抗噪性,能够准确、有效地评价角膜图像的清晰度,可用于角膜地形图仪中实时图像的精准检测。     

提高基于机器视觉的心率测量精度的方法

基于摄像头(可见光)的心率测量方法,能够以非接触的方式检测受试者心率,无论在临床应用还是在家庭健康监护中都有着极大的应用前景。但是,CMOS摄像头的行扫描方式采集图像以及计算机系统的图像采集时钟抖动都会影响此类心率测量的精度,从而引入相位误差和系统随机误差。本文针对这两大主要误差进行研究分析,提出了消除相位误差的基于傅里叶变换的幅频叠加算法、消除图像采集系统时钟抖动误差的基于时间标定的三次样条插值重构方法。幅频叠加算法只在幅频域对信号进行处理,能够忽略信号的相位影响,从而消除相位误差。时间标定的三次样条重构算法能够重构图像的均匀采集,从而消除系统时钟抖动引起的随机误差。同时,通过理论推导论证了两种算法的可行性,进而利用LED模拟实验和实际心率测量实验验证该算法在提高信号检测精密度中的特性。在模拟实验中,对每帧图像的200行作幅频叠加运算,能够使信号幅值相对提升4.58%;基于时间标定的三次样条重构算法能使检测的信号频率的均方根误差缩小30%以上;在实际心率检测中,幅频叠加算法可使心率幅值相对提升达33.5%,基于时间标定的三次样条重构算法可使心率准确度提升40%左右。因此,模拟实验和实际心率测量实验均验证了提出的算法在提高系统检测精度上的有效性,提高了基于机器视觉心率测量的抗干扰能力。这两种算法不仅能够提高基于机器视觉的心率检测精度,而且能够适用于基于机器视觉对一定频率信号的检测,在机器视觉检测中具有广泛的意义。     

基于卷积神经网络与一致性预测器的稳健视觉跟踪EI北大核心CSCD

针对视频序列的稳健性目标跟踪问题,提出一种基于卷积神经网络(CNN)与一致性预测器(CP)的视觉跟踪算法。该算法通过构建一个双路输入CNN模型,同步提取帧采样区域和目标模板的高层特征,利用逻辑回归方法区分目标与背景区域;将CNN嵌入至CP框架,利用算法随机性检验评估分类结果的可靠性,在指定风险水平下,以域的形式输出分类结果;选择高可信度区域作为候选目标区域,优化时空域全局能量函数获得目标轨迹。实验结果表明,该算法能够适应目标遮挡、外观变化以及背景干扰等复杂情况,与当前多种跟踪算法相比具有更强的稳健性和准确性。     

结合纹理和形状特征的在线混合随机朴素贝叶斯视觉跟踪器EI北大核心CSCD

基于机器学习的思想并充分利用外观信息,提出一种在线选择纹理和形状特征的混合随机朴素贝叶斯视觉跟踪器。构造归一化空间金字塔,通过强度二值特征和金字塔梯度方向直方图二值特征,描述全局与局部区域的纹理和形状;并根据特征描述的二值性和多模性,设计并实现了在线混合朴素贝叶斯分类器。分类器预测类别后验概率生成信任图,跟踪器通过分析信任图实现目标跟踪,并利用极大似然估计和交叉验证实现外观学习和特征选择。选用基准测试集比较同类方法,从性能和复杂度两方面评估了跟踪器。实验结果表明跟踪器对光照变化,部分遮挡等情况具有一定的适应能力,且执行速度较快,存储空间较小。     

基于机器视觉的离散傅里叶变换目标识别方法

提出了一种基于机器视觉与离散傅里叶变换的目标特征识别方法。利用计算机图像技术采集和处理图像信号;利用离散的傅里叶变换对图像数据提取特征,能够更好的辨别数据细节,从而可通过图像的比对来实现目标的识别。该方法在对实际的静止图像进行处理与计算后,能够很好的对图像的细节变化进行识别。     

基于机器视觉的采茶机割刀控制方法

针对现有乘坐式采茶机切割的茶叶质量偏低的问题,提出了一种基于机器视觉的采茶机割刀控制方法。首先对相机参数进行低复杂度的标定,然后采用动态阈值分割方法和颜色分类器,提取茶叶图像中的嫩芽区域,并设计间接定位法定位弧形割刀位置;接着通过计算两个指定区域的嫩芽面积及它们的和与差异,得到弧形割刀左右两侧的动作参数;最后将动作参数传给下位机,控制割刀到达预期位置。本方法分别对单株茶树和实地茶园进行了实验,结果表明该方法能够准确定位弧形割刀位置和识别嫩芽区域,实现割刀位置的自适应调整,具有较好的茶叶切割效果,切割得到的嫩芽比例可达70%以上。     

A novel method for identification of cotton contaminants based on machine vision

Foreign matter is easily mixed into cotton during picking, storing, drying, transporting, purchasing, and processing. These contaminants are difficult to remove in the spinning process and can cause yarn breakage, thus reducing efficiency of working. This paper proposed the new method based on machine vision to measure the contaminants in raw cottons. The color images of cottons with contaminants are acquired and divided three channels images. Intensity of illumination of cottons often is unstable because of the driving voltage of light source unsteady. The intensity of illumination of images should be corrected for measuring correction and precision. The Gamma adjustment function was adopted to correct non-uniform illumination for images. Through the experimental contrast, Gamma correction parameter is set as 0.8. The Otsu method is used to segment the image. After images of three channels’ information fusing, the contaminants of cotton samples can be correctly detected and cotton seeds also can be effectively inspected. The false detection ratio of the measuring system is less than 5%. The experimental results show the measuring system can meet with the requirement of the cotton's industry application.     

基于LabVIEW机器视觉的迈克耳孙干涉仪实验

基于机器视觉设计了迈克耳孙干涉仪实验,采用机器视觉技术替代人眼对目标(干涉圆环)进行分析与测量,可有效避免因视觉疲劳而造成的测量错误.     

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.     

基于机器视觉的布匹瑕疵在线检测

为实现图案布匹瑕疵在编织过程中的实时检测,提出一种通过区域差影自动分割瑕疵区域的检测方法。通过求取水平和竖直两方向距离叠加函数极值,并对极值做权重分析,精确求取纹理基元周期;根据所求纹理基元周期确定区域差影的区域大小,并对区域差影图像求取梯度,再进行标记分水岭分割,能够快速准确地分割出纹理瑕疵区域。实验结果表明:该算法能够准确地检测出纹理布匹瑕疵的位置,检测一帧用时200 ms,准确率均达98%以上,实时性强,检测精度高,满足工业现场要求。     

桥梁拉索表面缺陷的分布式机器视觉检测

介绍了一种桥梁拉索表面损伤缺陷的分布式视觉检测系统。系统以DSP(Digital Signal Processor)芯片TMS320DM642(简称DM642)为核心处理器,协同控制辅助机械装置,实现拉索表面缺陷检测。提出并采用改进的中值滤波对CCD采集到的拉索表面图像进行图像预处理,采用改进的Sobel边缘检测算法对缺陷进行边缘检测;对分割后的缺陷目标进行决策判别,实现桥梁拉索表面缺陷的智能检测。实验结果表明,系统可检测出桥梁拉索表面损伤面积大于1cm2的缺陷,处理速度达到了5cm/s,满足了快速有效的检测要求。     

一种基于信息理论的高动态范围图像评价方法

高动态范围图像(high dynamic range image)指的是扩大了景物可分辨的光照范围的图像。在HDRI成像中动态范围是难以量化测量的,必须将对动态范围的计算转化为其它易于计算的像质评价函数。HDRI图像的像质评价和普通图像的像质评价存在着较大不同。比较了几种像质评价的方法后,提出了利用图像的熵作为标准进行高动态范围成像评价的方法。利用一种自然图像的概率模型对图像的熵与成像动态范围之间的关系进行了数值模拟,得到了具有普遍意义上的理想成像动态范围的计算公式,公式指出了对自然景物完善成像所需的最大动态范围;给出了图像熵与动态范围之间的关系。利用这种关系可以经由计算图像的熵来对系统的动态范围特性做出评价。这种评价方法在指导高动态范围成像系统的设计,以及高动态范围成像系统的测试中将发挥重要的作用。     

机器视觉精密测量系统研究

微小孔系的精密测量用传统的手段是难以实现的。以机器视觉为基础,结合计算机图像处理技术可完成这类测量任务。介绍了基于机器视觉的孔系精密测量系统的硬件组成和图像处理算法。以所提出的识别弦端点来确定图像圆心坐标的算法对500根弦的中点坐标进行滤波处理,可使识别误差达到亚像素级。圆心坐标在X和Y方向的标准差均小于4μm,孔系间角度测量标准差小于3″。     

基于机器视觉的工件尺寸和角度的测量

针对一款手机U盘芯片的二维尺寸的测量问题,提出运用图像处理的方法,实现手机U盘芯片长度和偏角的非接触式测量。通过COMS工业相机采集到U盘芯片的背光图像,在边缘检测的基础上,用Hough变换检测和定位U盘芯片边缘直线。针对在一条边上Hough变换对应检测到多条直线的情况,本文提出采用直线参数平均法拟合边缘直线,从而获得较精准的边缘位置。通过对已知尺寸的标准块进行相机标定,由此计算出精确的U盘芯片的尺寸和倾斜角度。实验表明：该算法能够满足工程上较高精度的检测要求。