基于图像处理的数字仪表字符自动识别研究

为提高数字仪表图像识别率,结合机器视觉技术,在图像预处理的基础上,提出一种PSO的LSSVM参数优化方案。在图像预处理阶段,采用Hough变换校正,并通过形态学处理和二值化,以提高图像采集的效率;然后采用连通域的方式实现对图像区域的定位分割,并通过七段码实现图像特征提取;针对数字仪表识别是多分类的问题,采用OAO分类法将LSSVM算法拓展到多分类,并引入PSO算法对LSSVM参数进行优化;最后以OpenCV开源库、MATLAB作为工具,对上述算法进行验证。结果表明,0~9数字字符识别率为99.2%,整体图像样本测试识别率为99.6392%,高于其他算法,体现了较好的识别效果。     

利用二阶方向导数极大值检测红外小目标

为提高复杂环境下红外小目标的检测率,提出了基于二阶方向导数极大值的红外小目标检测算法。该算法首先对二阶方向导数的性质进行了分析,对极大值进行阈值翻转操作,将背景中的平坦成分和边缘成分剔除。接着,根据小面模型对背景进行预测,并以预测误差为权值进一步增强小目标区域。以上2个步骤的计算可通过4个卷积实现,加快了检测速度。最后,对少量候选小目标计算局部对比度,降低了虚警率。实验结果表明：该检测算法在6种复杂背景下平均信杂比增益为78.413 0,平均背景抑制因子为35.079 6,具有较强的鲁棒性和较高的检测率。     

基于消失点约束的多相机标定方法

针对多摄像机一维标定算法精度低、抗噪性和稳定性差等问题,提出了基于消失点之间互相约束的多摄像机标定方法.为了避免径向畸变对成像造成的影响,利用欧式空间位置约束的几何特性,进行畸变参数的求取.通过靶标特征点约束结合摄像机的射影不变性排除杂点的干扰,再利用空间消失点之间夹角一致性,以及靶标特征点所构成的直线和消失点的反向射线平行性来求解摄像机的参数.当一维靶标任意运动时,存在着无法区分靶标特征点对应的成像点临界问题,采取反推理论数学分析法可事先避免该问题的出现.通过构建多摄像机系统进行标定实验,可以看出该方法具有较高的标定精度,且随着噪声的增加,标定结果具有一定的抗噪性和稳定性;由相对误差值可知,该方法可应用于多摄像机系统.     

中药口服液中可见异物检测系统研究

针对目前生产线上中药口服液中可见异物检测系统存在的速度慢、精度低等问题,设计了一种可同时检测多个药瓶的基于机器视觉的异物快速检测系统。介绍了成像系统和机械系统。提出了一种基于边缘轮廓的图像配准算法,有效地消除了药瓶晃动的影响。提出了一种逐点阈值分割图像的二值化方法,能得到质量较好的二值化图像。实验结果表明,该系统能快速、有效地检测出可见异物,能较好地满足在线检测需求。     

基于梯度下降和二分法的移动机器人轨迹规划方法

轨迹规划是移动焊接机器人轨迹控制的基础,是该系统中重要的组成部分。为了提高多关节移动焊接机器人轨迹规划的效率和精确性,同时考虑到多关节焊接机器人的运动特性提出了一种梯度下降法和二分法结合的轨迹规划方法。移动焊接机器人由机械杆和机器人移动平台组成,由于移动平台提供移动性使得移动焊接机器人相对固定的机械臂有更大的工作空间。近年来,此类系统的研究已在经学术界和工业界迅猛发展。论文首先建立移动焊接机器人的运动学模型,并且阐述梯度下降法和二分法结合算法的设计步骤。然后,采用典型的正弦波形作为焊缝轨迹,通过仿真验证该方法的应用前景和可行性。     

基于链码表示的手臂静脉特征提取与匹配EI北大核心CSCD

针对手臂静脉这一生物特征,提出一种基于链码表示的静脉特征提取及匹配算法.由近红外手臂图像中提取出静脉的骨架结构,并将其分割为若干条曲线段,通过曲线的相对方向、相对位置及形状特征计算匹配曲线对,利用粒子群算法计算匹配曲线间的最优空间变换关系,根据静脉全局变换后点集的重叠情况判断匹配程度.针对来自9个国家的110位实验者组成的手臂图像库进行实验,Rank-1和Rank-10%识别率分别为74.5%和93.6%,优于改进Hausdorff距离及模板匹配方法,表明手臂静脉可作为一种新的生物特征来进行身份认证.     

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。     

基于机器视觉技术的振动台试验变形位移测量方法研究

在振动台试验中,结构的变形位移是试验关注的重要数据之一。将机器视觉技术运用于振动台试验的变形位移测量上,是对传感器测量法的一个补充,从另外一种渠道力争为振动台试验提供更多的数据来源。该方法首先给定振动台一个激励信号,同时对固定在振动台台面上、粘贴有人工标志的弹性结构试件进行视频采集;然后将视频分帧成一系列静态图片,对静态图片进行图像灰度化、图像增强等图像预处理并对人工标志进行识别;接下来,在识别出所有人工标志的基础上采用最小二乘椭圆拟合法进行目标定位并进行像素标定。目标点的像素位移结合像素标定系数,最终完成变形位移的测量。最后通过振动台的固定位移试验和正弦信号激励试验证明了该方法在振动台试验中的可行性。     

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。