基于暗原色的农机具视觉导航线提取算法

针对农机具视觉导航线提取算法受外界环境影响较大,适用性、稳定性较差等问题,提出了一种基于暗原色的农机具视觉导航线提取算法。基于暗原色原理提出了一种新的农田图像灰度化方法,实现了农田图像中的农作物和土壤更好地区分。再利用形态学方法和最大类间方差法对灰度图进行二值化和滤波,并结合垂直投影的方法提取导航感兴趣区域,进而确定感兴趣区域的导航定位点,并通过最小二乘法将定位点拟合得到导航线。实验结果表明,该算法适用于不同颜色情况下的农田场景及农田道路导航线提取,与传统算法相比,在精度上满足导航线的要求且速度也有较大的提高,具有更广的适用性。     

基于机器视觉的农田作物行检测

为了快速有效地提取作物行,提出了基于机器视觉的农田作物行检测方法.图像预处理过程中,用中心线检测算法代替垂直投影法获得作物行信息;直线检测中提出了一种基于随机方法的新算法.该算法首先在由图像定位点构成的数据空间中随机选取两个不同点,这两点决定一条直线;然后在一定的距离容忍度下,得到一个沿直线方向的条形区域,并在此区域内搜索定位点的个数;最后根据阈值规则,判断该直线的真实性.针对大量不同生长时期、不同光照条件下麦田图像的处理,结果表明,一幅图像的处理时间约为120 ms,能够快速准确地提取作物行.对比该算法与霍夫变换和随机霍夫变换,证实了它具有节省内存、速度快、抗干扰等优点.     

基于机器视觉的麻将包装识别系统设计

针对麻将包装在实际产线上出现的麻将牌错位、缺失、牌面翻转等问题,基于机器视觉检测技术设计了一套以DM6437处理器为硬件平台的麻将包装识别处理系统。该系统的硬件部分由摄像头板、核心板和接口板三个模块组成,配合机械传动系统来进行识别前后麻将包装的传输。系统的软件部分采用平板Pad对麻将包装进行模板录入,并设计了一套适应于不同机箱内部环境变化的背景剔除方法来完成模板整体分割,以及通过中值计算实现单目标的分离,最后还提出了一种简单高效的混合搜索方式来进行基于SAD的模板匹配。测试结果表明,识别算法对于麻将间有缝隙、麻将整体倾斜、个别或整体麻将翻转、个别麻将位置错乱等问题均能准确判别,模板匹配算法稳定性和适应性较好,识别准确率达95%以上,能满足包装流水线上的缺陷检测。     

基于标志点识别的自主车视觉导航

提出了一种基于室内标志点识别的单目视觉导航的方法。在地面上有规律地旋转一些标志点,采用辅助先验知识对标志点进行识别和分割,利用透视投影变换得到标志点与摄像机之间的相对距离,达到通过单目摄像机获得景物深度信息的目的。整个算法结构简单,易于实现,对由照明不均匀和地面反光所引起的各种干扰有较好地抑制作用。     

基于机器视觉的细水雾液滴尺寸测量与分析

为了满足科研与工程中对细水雾液滴尺寸测量的高精度低成本要求,对雾滴尺寸的机器视觉测量方法进行了深入研究.在自行建立的高压喷雾系统与雾滴采集装置上对细水雾液滴进行了采样,用显微镜及其CCD相机对雾滴样本进行了图像采集,用图像处理软件对采集的雾滴图像进行了处理与分析,测量并统计了5966个雾滴,得到了雾滴尺寸的频谱分布和累积分布以及雾滴平均直径和特征直径,将测量结果与相位多普勒粒子分析仪(PDPA)的测量结果进行了比较.结果表明,机器视觉方法町测量的最小雾滴直径约4.39 μm;机器视觉测量结果与PDPA测最结果相当接近,两种方法测得的细水雾液滴平均直径和特征直径的相对误差均在5%以内,雾滴尺寸均匀度指数的相对误差为0.27%.     

视觉技术辅助的无人机自主着陆组合导航研究

为提高无人机自主着陆过程中导航系统的自主性与精确性,设计了一种视觉辅助惯导组合导航方法。该方法以惯导误差方程为过程方程,以着陆过程中单目摄像机2个时刻所得地面特征点投影之间的双视图几何约束为量测方程,构建了非线性滤波器;利用SR-UKF方法实现了惯导误差估计,提高算法效率的同时有效地避免了UKF中由于矩阵开方运算导致的滤波失效;最后根据估计结果校正了惯导导航数据。仿真结果表明:该方法能够提高导航系统精度,使误差降低到惯导系统的8%左右。     

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。     

基于机器视觉的量子点STM形貌图像识别研究

为减轻量子点表面形貌分析过程中的人工工作,使量子点的STM图像分析更加自动化,基于机器视觉对衬底的斜切角及量子点的形貌特性展开研究.利用腐蚀和边缘检测提取台阶形状,并通过反三角变换计算斜切角.利用二值化和阈值下降对量子点的数量与空间坐标进行提取,在此基础上,通过邻域密度计算分析其均匀性,并在解决图像中的粘连问题后找出量子点的尺寸.实验结果显示,与人工统计相比,斜切角、量子点计数及尺寸的平均误差分别为5.02%, 0.7788%及1.12%;并实现量子点均匀性的自动化统计与分析.基于机器视觉算法的自动识别过程,对协助研究者分析量子点表面形貌有实际意义.     

基于机器视觉的西林瓶尺寸检测

在西林瓶生产过程中,尺寸是一项重要的产品质量判断标准,与传统的西林瓶尺寸人工检测方法相比,基于机器视觉的自动检测具有巨大优越性。为实现西林瓶尺寸的检测,提出了一种基于机器视觉的西林瓶尺寸检测方案,设计了系统的图像采集和背光源照明方案,通过中值滤波对图像进行去噪,利用对图像像素点的运算算法,对图像的灰度进行了校正变换,增强图像的对比度,采用Canny算子成功提取西林瓶边缘,在HALCON平台下实现了西林瓶尺寸测量。设定系统标定方法并选取15个2mL样品西林瓶进行测试,结果表明,该方法对西林瓶尺寸检测快速准确,边缘量化精度达到了亚像素级别,检测精度为0.02mm,满足西林瓶生产的参数测量精度要求,为工业生产产品尺寸的自动检测提供了一种有效的新途径。     

一种基于机器视觉的平面光波导器件封装手动耦合系统

对平面光波导器件封装手动耦合系统进行了改进,增加了3个黑白摄像头,3张AV转USB采集卡,通过采集卡采集对准图像,利用LabVIEW8.2和IMAQ vision软件编程,将图片进行BCG调节、反转、闭合、边缘提取、手动阈值、形态学变化、直线拟合等一系列处理和识别后,实现了对光波导分路器与输入、输出光纤阵列的平行度和像素距离的检测,以一个熟练工封装132路平面光波导来说平均节省了对接封装时间10 min,减少了操作者的劳动量,减小了对准损耗,减小了人为误差。     

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。     

基于机器视觉的三维灰度重构技术

基于双目立体视觉三维重构原理,采用主动扫描实现特征匹配的三维灰度重构技术,通过特征结构光扫描物体表面,由经过预标定的两套成像传感器拍摄其图像,经过图像处理程序提取出特征点,完成特征匹配,再计算出物体表面三维轮廓,同时将成像传感器中的灰度信息映射到相应的特征点,从而实现特征点的三维信息和颜色信息的重构和匹配。该技术为三维彩色逼真场景的重构奠定了基础。     

复杂工况下视觉AGV导航标识带中心线的提取研究

针对光照不均匀、导航标识带破损、少量杂物干扰的复杂工况条件下,对视觉AGV采集到的路面导航标识带图片进行特征提取,采用灰度化、中值滤波进行了图像预处理,研究了Otsu法和迭代法等动态阈值分割算法以及形态学在图像分割中的应用,并对预处理图像作了分割对比实验。然后对分割后的图像进行边缘提取,分析了基于最小二乘法和Hough变换算法的直线拟合原原理,提出了Hough算法下基于边缘线的中心线拟合算法,并作了直线拟合对比试验。实验表明,复杂工况下,采用基于形态学和Otsu算法相结合的方法对图像进行分割,得到的二值图像边界更完整,效果更好,基于Hough变换算法较最小二乘法能更精确有效地提取出导航标识带中心线及其方程。     

基于神经网络的零件缺陷机器视觉识别系统

零件缺陷检测是保证零件使用安全的重要手段。传统的零件缺陷检测法需要有操作人员参与其中,易受主观因素影响,检测的效率及精度得不到良好的保证。而采用机器视觉技术的检测法可实现实时在线的自动检测,无需人工参与,这就极大的提高了生产效率。本文以小轴承表面为研究对象,针对微小轴承的表面结构、尺寸、检测精度和缺陷特征,设计了基于BP神经网络的零件缺陷机器视觉在线自动检测系统,其采用机器视觉技术,构建了BP神经网络检测识别模型,采用进行图像特征提取的间接识别方法,对微小轴承缺陷进行实时检测。实验结果证明了人工神经网络模型的检测能力的可靠性。     

基于机器视觉的发动机喷嘴检测系统的设计

以检测发动机喷嘴上几何尺寸为目的,设计了以TMS320DM642DSP为处理器,利用机器视觉技术进行检测的系统;通过CCD摄像机采集被测喷嘴的数字图像,在DSP中进行图像去噪、边缘检测、图像识别等图像处理过程,识别出被测尺寸并计算出值;阐述了该系统的工作原理和图像处理的算法,流程及实验结果。     

基于机器视觉的轴偏角归一化检测系统

在复杂的测控、发射、跟踪等系统的制造和使用中，分系统或部件间的安装位置偏差会影响控制、跟踪、发射的精度和系统其他指标测量结果的准确性，因而需要进行测量和校正。提出了基于视觉图像定位光斑中心的轴偏角测量方法，并基于LABVIEW虚拟仪器平台构建了机器视觉测角系统。以某大型武器系统为测试平台，对不同属性的轴(如发射轴、瞄准轴、激光指示器轴、制导中的测量基线等)进行归一化测量和校准，得到了满意的效果。     

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。     

基于机器视觉的锯条自动化装盒系统设计

以VS2010为软件平台,以Staubli TP80机器人,康耐视摄像机和传送带为硬件基础,对锯条进行识别,定位和动态抓取,搭建了一个基于机器视觉的工业机器人智能抓取系统,其中Staubli-TP80机器人为操作手臂,利用康耐视摄像机和工控机搭建视觉检测平台,通过抓取系统的参数化建模实现图像坐标到机器人坐标的转换,利用OpenCV函数库实现锯条的图像处理和模式匹配,最后控制机器人对动态目标进行抓取。     

基于机器视觉的汽车仪表盘指针检测

基于机器视觉构建汽车仪表自动检测系统已成为实现仪表生产测试的主要途径。基于图像空间到参数空间的收敛映射提出了改进CM-Hough变换检测算法对汽车仪表盘的指针位置实施检测。首先,介绍了基于机器视觉对汽车仪表的符号片及指针进行自动检测的系统组成。接着,针对经典Hough变换发散映射运算量大的缺点,提出了基于收敛映射CM-Hough变换进行指针检测的算法,给出了利用Hough变换的检测结果直接解算指针位置的方法。最后,将算法由软件编程实现,通过测试实验验证了算法的实时性和有效性,测试数据分析显示了指针位置误差小于1%。