飞秒激光烧蚀光斑图像灰度特征及应用分析

飞秒激光在单晶硅材料表面进行微结构烧蚀过程中,微结构的烧蚀效率与烧蚀过程的工艺参数(烧蚀功率、烧蚀速度等)密切相关。研究、揭示光斑图像特征对光斑进行精确定位和跟踪显得至关重要。据此,对烧蚀过程中衍生的等离子体光斑图像的几何特征进行分析,首先,提取序列光斑图像,研究了光斑的形态特征和灰度的分布情况;其次,对光斑图像进行质心和中心提取,利用中心到质心的指向判断其烧蚀加工方向;最后,以此为基础,选取同一加工方向的光斑进行叠加,对光晕部分有效剔除,使光斑的灰度呈各向异性对称,即光斑灰度由中心到四周逐步均匀递减,其中心和质心基本重合。能有效提高对烧蚀光斑的定位和跟踪精度,对烧蚀速度的研究有着深远意义。     

基于多元正态分布的飞秒激光烧蚀光斑质心提取

飞秒激光在加工单晶硅过程中伴随着等离子体衍生发光现象,并以激光光斑形式表现出来,激光烧蚀效果受激光脉冲能量、光学设置、材料特性、环境参数等因素的影响,参数的选择是实现理想加工的关键,由此引入光斑质心的提取,研究光斑的变化规律以提高加工精度的目的。常用的质心提取算法有灰度质心法、高斯曲面拟合法等,但由于受到噪声的影响,光斑的灰度峰值可能发生偏差,提取的质心同真实质心相比误差较大,由此引入多元正态分布,在多个方向拟合高斯曲面,通过极大似然法估计质心,在精度方面得到了很大的改善。     

基于粒子滤波的烧结断面图像火焰区域跟踪

在铁矿石烧结过程中,烧结机尾断面图像中的火焰区域蕴含着大量烧结特征信息.为有效识别烧结断面火焰核心区域,提出了改进的粒子滤波算法对烧结断面图像进行火焰区域跟踪.在经典粒子滤波算法中引入RGB颜色空间生成带权粒子.同时,烧结过程中火焰区域可能合并、分裂及脱落,对粒子滤波算法中重采样方法进行权值优化、粒子舍弃与重采样策略优化,避免由粒子退化现象与样本贫乏问题引起跟踪失败.结果表明,改进的粒子滤波算法能够对烧结断面图像火焰区域进行有效、快速地跟踪.     

基于增强预处理的改进U-Net眼底视网膜血管分割研究

视网膜血管分割是眼底图像研究的基础,也是医学分析和诊断中一项重要而具有挑战性的任务.一方面,眼底图像在采集过程中光照不足或者曝光过度,往往导致视网膜血管的边界不清晰.另一方面,位于血管分支末端的微小血管,有时肉眼也无法分辨.针对这些问题,首先使用加权平均值法对眼底图像进行灰度化预处理,替代传统的提取绿色通道方式,使其保...     

飞秒激光光斑灰度与几何特征的相关性分析

飞秒激光烧蚀单晶硅的加工过程中,CCD相机采集的光斑图像中有效灰度区域与背景难以区分。为了解决这一问题,提出一种主成分分析与限制对比度自适应直方图均衡化相结合的方法,对光斑图像进行增强处理,再提出去趋势互相关分析法对光斑序列图像的灰度特征与几何特征进行长程相关性分析。结果表明,光斑序列图像的灰度特征与光斑纹理对比度、光斑面积具有较强的长程相关性,与纹理同质性表现出较强的反相关关系,可根据这3项与灰度特征较强的相关关系对后续微槽加工过程中的灰度特征进行预测。     

基于角度约束的目标位姿测量二义性剔除方法

为了有效解决单圆特征目标位姿解存在二义性的问题,提出了基于角度约束的目标位姿虚假解的消除方法。在相机标定好的前提下,在水平面上平移相机系统获得两幅或两幅以上具有圆特征的目标物图像,以圆形特征目标物的真实姿态角在相机坐标系下保持不变作为约束,可以有效剔除虚假解。可将该方法应用于末端安装摄像机的工业机器人,操控机器人做已知的平移运动从而有效剔除圆特征目标位姿的虚假解。通过实验验证,圆特征目标姿态角的绝对误差小于0.5°,然后可通过真实姿态选出对应目标的真实位置。该方法简单易行,不需要额外的高昂设备就能精确地定位出物体的真实位姿,成功率可达100%。     

飞秒激光等离子体光斑图像增强及亮度分析

飞秒激光加工单晶硅材料过程中会伴随产生等离子体,通过CCD相机采集等离子体的光辐射信号得到等离子体光斑图像。针对光斑图像边缘与背景区域对比度不明显、信噪比低的特点,对光斑图像进行增强处理,并进一步对光斑图像亮度特征进行分析。首先,对原始光斑图像进行滤波,采用主成分分析方法将其增强,对得到的第一主成分图像进行伪彩色处理,以便于分析其能量分布,并依据其能量分布信息将光斑的核心区域分割出来。其次,分别计算原始光斑图像的质心、长轴以及核心烧蚀区的质心与长短轴,分析图像的几何特征,据此判断激光烧蚀加工的方向。再次,采用Niblack分割方法分割原始图像的灰度图,基于分割后的二值图像掩模亮度信息,得到光斑图像的亮度特征。最后,分析光斑亮度特征与激光烧蚀加工方向、激光功率的关系。亮度特征与加工方向的相关系数小于0.09,与激光功率的相关系数大于0.5。结果表明:光斑图像的亮度特征不受加工方向的影响,光斑亮度特征具有较强的稳定性,可用于激光烧蚀功率的识别。     

六自由度姿态变换视觉实验平台及应用

为了适应生产线上不同摆放姿态下工件的视觉识别,实现基于视觉的机器人工件定位及抓取,构建了六自由度工件姿态变换模拟实验平台运动学模型及视觉系统模型,通过坐标变换实现工件姿态参量的测量。建立了六自由度姿态变换实验平台坐标系,通过3个滑动副、3个转动副,构建了基于Denavit-Hartenberg（D-H）方法的六自由度姿态变换实验平台运动学模型,并得到了D-H参量表、各个关节的变换矩阵及实验平台基座到末端的总变换矩阵。基于小孔成像原理,构建了姿态变换实验平台视觉系统的内、外参量模型,获得了工件表面点与图像点间的内参量关系矩阵及工件坐标系与相机坐标间的外关系矩阵。由激光环形光条图像,得到工件表面在摄像机坐标系中的法向量,并通过坐标系间的变换得到工件表面在世界坐标系中的法向量,进而推算出工件的姿态参量。结果表明,姿态参量的横滚角θ平均误差为0.373°,俯仰角φ平均误差为0.253°,偏转角ξ平均误差为0.673°。被测工件的姿态测量值与真实值基本吻合,满足不同姿态下的工件视觉测量要求。