基于高斯积分曲面拟合的亚像素边缘定位算法

针对现有亚像素边缘定位算法存在精度不高、计算复杂的问题,提出一种基于高斯积分曲面拟合的亚像素边缘定位算法。根据单边阶跃状边缘特征,构建边缘法截线的高斯积分模型,在确定边缘过渡带的基础上,将拟合曲面区域内的像素点信息转化为边缘曲线的活动坐标,并对转化后的像素点坐标与灰度值按照高斯积分模型进行拟合,准确定位图像的亚像素边缘。采用所述视觉测量系统,用量块直线边缘进行实验,并与传统高斯曲面拟合亚像素边缘定位算法比较,证明基于高斯积分曲面拟合的亚像素边缘定位算法具有较高的定位精度,一等量块的直线度误差在1μm以内,计算速度提高一倍。采用该算法确定亚像素边缘时,可通过修正高斯积分模型的均值,有效补偿光源强度造成的误差。本算法可以应用于齿轮等高精度机械零件的测量。     

高精度光斑中心定位算法

光斑中心定位是光学测量中的关键技术之一,检测算法的精度和速度直接影响了测量的精度及速度,传统的检测算法如灰度质心法、Hough变换法等在检测精度或速度上存在不足。鉴于此,提出了一种高精度光斑中心定位算法,该算法不仅能定位光斑中心还能拟合出圆半径。用计算机生成的光斑和实验生成的光斑对该算法进行验证,并与其他传统算法进行比较,结果表明,该算法的误差小于0.5像素且比其他经典算法更精确。     

轨道测量装置激光光斑中心定位

在研制轨道激光测量装置的基础上,文中对比了激光光斑中心图像处理常用算法,提出了一种精度满足要求的光斑中心计算方法,构造了形态级联滤波器和高斯滤波器,对光斑图像进行去噪和光滑预处理。为充分利用光斑灰度光强分布特性,采用OTSU算法和最大光强确定了阈值区间,以指数函数进行非均匀阈值分割得到一系列二值光斑图像。在质心法初步确定光斑中心后,对其边缘提取图像进行Hough变换得到一系列中心点样本,然后采用K-means算法获得聚类中心,通过BP神经网络拟合的坐标函数对应关系,求出中心的实际坐标。该算法在测量小车坐标屏幕上进行了试验,其误差能够满足现场测量要求。     

装配位姿视觉检测系统中红外靶点质心定位

结合装配位姿视觉检测系统的研发,为提高红外LED靶点质心亚像素定位精度与稳定性,对红外LED靶点图像的灰度分布模型进行了研究,提出了一种基于自由曲面拟合的质心定位算法以获取靶点图像的亚像素中心。根据靶点图像的灰度分布,该算法通过双三次样条插值生成靶点灰度分布曲面,利用拟牛顿法求取曲面顶点即靶点图像中心的亚像素坐标。实测实验显示该算法在图像噪声水平较低的高精度测量环境中,当靶点距离摄像机约5m和12m时,与高斯曲面拟合法和加权灰度重心法相比,该算法都能更准确地描述靶点的灰度分布,生成的灰度曲面更加接近靶点图像的真实分布,在高精度测量环境中具有更高的测量精度和稳定性。     

视觉测量中椭圆特征亚像素提取方法的研究

椭圆是视觉测量中重要的基元特征。建立了三级灰度图像边缘模型的空间矩算子,利用LOG算子定位速度快的特点,确定图像像素级边缘,然后在包含边缘点的邻域内利用空间矩进行边缘的亚像素定位,由随机Hough变换提取椭圆边缘像素点,最后采用基于最小二乘原理的椭圆拟合边缘提取方法,得到亚像素级被检测椭圆。对像面椭圆亚像素提取算法的有效性和精度进行了实验研究,实验结果表明提出的基于空间矩亚像素边缘定位算法与像面椭圆亚像素提取算法具有较高的精度和稳定性。     

基于高斯曲面拟合的亚像素边缘检测算法

提出了一种基于高斯曲面拟合的亚像素边缘检测算法.该算法首先使用传统Canny算子进行边缘像素级的粗定位,再以粗定位边缘像素为中心取5x5窗口获取梯度幅值,对其进行高斯曲面拟合,在梯度方向上寻找局部极值点,从而达到边缘亚像素级的精细定位的效果.文中介绍了算法的理论依据,给出推导过程,并用螺旋测微器的标准间隙进行实例分析,...     

基于机器视觉的铆接孔几何参数测量

为解决传统方法测量铆接孔几何参数效率低、准确性差等问题,提出基于机器视觉的铆接孔几何参数测量方法。该方法使用CCD相机采集孔的特征信息,通过灰度处理、双边滤波及直方图均衡化,降低颜色、噪声对图像的影响,使用粒子群算法优化Otsu双阈值分割提取感兴趣区域。使用Zernike矩亚像素边缘检测代替传统边缘检测算法,提高边缘检测精度,再通过形态学处理弥补像素损失。采用改进随机Hough变换(Improved Randomized Hough Transform, IRHT)提取特征,实现孔的中心坐标和半径测量,利用像素当量标定,将像素测量值转化为物理尺寸。经实验验证,该方法测量两孔间距误差小于2%,测量半径为2mm的铆接孔误差小于4%,优于质心法、圆拟合等传统测量方法。     

改进蚁群算法与Zernike矩细分的图像边缘测量方法

针对传统蚁群算法计算耗时、易受噪声影响等缺点,提出一种改进蚁群算法与Zernike矩细分的图像亚像素边缘测量方法。该算法采用二维灰度直方图求解聚类中心、拉普拉斯算子聚类、划分图像边缘点、目标点和噪声点等,利用全局自适应信息素更新方式提取图像边缘,进而通过Zernike矩快速算法细分图像亚像素级别边缘,提高了边缘分割精度。以SKF 32308J2/Q轴承为研究对象,采用该方法检测了轴承图像的内、外圈边缘,并通过最小二乘拟合,采用标准件进行轴承的坐标标定,测量了轴承内、外径等几何参数,将该测量方法与改进Hough变换的测量结果相比较,证明了该算法具有较高的测量精度。     

图像测量中快速边缘亚像素定位研究

研究了一种图像测量中边缘点的快速亚像素定位的方法,采用先阈值分割再边缘提取进行粗定位,确定边缘点的像素级精度位置和边缘的方向,沿边缘点的边缘方向拓展像素,得到一定长度的灰度值向量,对向量进行处理实现边缘的亚像素定位。分别采用三次多项式拟合法、二次曲线拟合法和灰度矩法三种亚像素定位算法进行了理论分析和实验对比,结果表明,灰度矩算法具有较短的运行时间和较高的定位精度。     

基于Zernike矩的管道弯曲度高精度检测

介绍了管道弯曲度测量系统的工作原理，提出了一种基于Zernike矩的管道弯曲度高精度检测方法。利用LoG算子把激光光斑边缘定位到像素级精度，然后使用Zernike矩算子进一步细分，使光斑边缘定位达到亚像素级精度，通过拟合计算得到光斑中心坐标，从而得到弯曲度的大小和方向。同时还进行了常用光斑中心定位算法与Zernike矩算法的对比实验，并对实验结果进行了定量分析。实验结果表明，Zernike矩算法的定位精度和速度均达到满意的结果。     

基于亚像素边缘检测的刀具几何参数测量

为了提高刀具几何参数图像测量精度,基于矩法理论,提出了一种亚像素边缘检测算法。该方法的基本思想是采用灰度空间矩,将图像边缘特征离散为亚像素级特征点,并用Matlab实现图像的处理。实验证明,基于亚像素特征点提取检测的刀具几何参数具有较高测量精度,且计算量小,具有很好的抗噪性能。     

基于高斯分布的星像点精确模拟及质心计算

为提高星敏感器仿真系统的精度,提出了基于高斯规律的模拟星像点的灰度扩散方法和高斯质心提取算法.按照二维高斯分布规律置灰度值来模拟星像点像素,对称中心是映射坐标而不是取整的中心像素坐标,以便准确模拟实际星像点散焦及像差导致的灰度扩散.高斯质心提取亚像素定位过程包括像素粗定位和偏差精定位两个步骤,基于高斯规律建立了一个分段函数实现偏差精定位.在星像点噪声为N(0, 1.22)的仿真条件下,整个偏差区间[-0.5,0.5)pixel内高斯质心定位标准差为0.007 pixel,远小于灰度重心法的0.041 pixel和加权灰度重心法的0.026 pixel,而3种方法对模拟星图的处理结果一致.仿真实验表明:模拟星像点高斯灰度扩散法是合理准确的,而高斯质心提取算法简单精确,精度高于传统灰度重心法.     

一种适用于高精度视觉测量的边缘检测方法

为了减少或消除随机噪声对机器视觉测量系统的影响,提高测量系统的测量精度,利用图像的灰度曲面特性和边缘曲线特性,开发了包括各向异性双边滤波、基于Facet模型的亚像素边缘提取和边缘曲线拟合的三级逼近图像边缘检测算法。实验证明,这种方法的重复定位精度优于0.1像素。对标准量块的多次测量证明,使用该算法构建的视觉测量系统测量精度可以达到微米级。     

外场激光光斑中心检测算法研究

激光光斑中心检测是光学测量中常用的关键技术。检测算法的精度及速度直接影响了测量的精度及速度。针对外场环境下干扰较强的特点,研究了重心法、Hough变换法以及圆拟合算法,通过理论分析与实验,提出一种改进的激光光斑中心检测算法,提高了中心检测的精度、速度及抗干扰性,可用于外场环境的实时光学测量。     

融入一维概率Hough变换与局部Zernike矩的双目视觉测量

针对被测物体理想角点不易检测致使测量精度不高的问题，提出一种融入一维概率Hough变换与局部Zernike矩的双目视觉测量方法。首先利用一维概率Hough变换对物体外轮廓边缘进行直线检测；然后根据直线检测结果建立感兴趣区域，在各局部区域内利用Zernike矩进行亚像素检测，并在两相邻感兴趣区域的相交范围内完成亚像素点筛选；之后通过正交总体最小二乘法进行亚像素边缘直线拟合，并进行关键点匹配；最后利用三角测量原理获得被测物体的三维空间信息完成测量。以连铸坯模型为测量对象，实验结果表明：此算法最小相对误差达到0.340 1%，满足测量要求。长度相对误差均值为0.394 5%，与传统SIFT,ORB算法相比分别降低80.01%和74.63%；与其他边缘拟合算法相比测量误差减小34.11%，运行时间缩短39.07%，验证了此算法的精确性和高效性。     

基于亚像素边缘的椭圆中心检测方法研究

在椭圆边缘粗定位的基础上,根据椭圆粗定位信息及图像边缘梯度方向附近点的灰度分布特征,进行高斯拟合获取精确的亚像素边缘点,对亚像素边缘点进行最小二乘拟合,得到精确的椭圆中心位置。实验证明,该算法对椭圆中心定位精度和稳定性有较大提高,并有很好的实时性。     

数字图像相关中非迭代相关系数曲面拟合算法的研究

相关系数曲面拟合算法是数字图像相关中一种简单而有效的亚像素位移求解方法,具有计算效率高、实时性好等优点。在相关系数曲面拟合算法中,二元二次多项式曲面拟合算法和二元高斯曲面拟合算法可通过直接推导出的解析解获得亚像素位移量,无需迭代计算,且二元高斯曲面拟合算法无需对拟合后曲面函数求导获得极值点位置。因此对上述两种简单而非迭代的曲面拟合算法性能进行了研究。应用真实散斑图像从两种算法的计算精度与效率两方面进行了对比实验。实验结果表明,二元高斯曲面拟合算法具有较高的计算精度,且两种算法在相同的条件下的计算效率并无实质性的差异。     

旋转测量状态下光斑中心定位方法

目前,对管道内腔为自由曲面的截面轮廓进行高精度测量是行业难题。拟将多个不同测量范围的激光位移传感器放置于管道内腔中,采用旋转的方式对内腔进行测量,将得到的测量数据进行归一化处理后获得被测管道内腔截面轮廓形状。分析测量过程中激光光斑的变化情况,针对光斑图像的多峰、散斑、平顶与形状变化等现象,提出了一种基于传统灰度重心法进行粗定位的距离倒数加权多项式插值亚像素光斑中心定位方法。采用中值滤波对光斑图像进行预处理,通过自适应阈值分割法从环境背景光强中分离出光斑中心定位区域。通过MATLAB仿真与灰度重心法、加权灰度重心法与高斯拟合法传统光斑中心定位方法相比,结果表明,光斑中心定位精度达到0.01 pixel,在激光光斑中心定位精度和稳定性方面有一定的改善,明显优于传统的光斑中心定位算法。     

基于改进Zernike矩的小模数齿轮亚像素边缘检测

针对传统Zernike矩亚像素边缘检测算法中奇数尺寸模板卷积的不对称性,在分析卷积不对称性和卷积窗口中心局限性对检测精度影响的基础上,提出一种改进的Zernike矩亚像素边缘检测算法。算法采用像素级边缘检测算子进行初定位,获取像素级边缘点;利用小尺寸奇数模板求解Zernike矩进行二级初定位,获取亚像素级边缘点;分析二级初定位边缘点所在区间;根据所在区间,选取偶数模板或者奇数模板求解Zernike矩进行精定位,获取更精确的亚像素级边缘点。为了验证算法的有效性,分别对模拟图像和实际图像进行亚像素边缘检测实验。根据齿轮的边缘特性,通过最小二乘拟合法评价算法对齿轮图像的检测效果。实验结果表明,该算法具有绝对定位精度高、抗噪性能强、曝光敏感度好的优点。     

基于机器视觉的销钉边缘高精度定位

针对传统的高斯插值算法运用在图像检测上定位不准确,对高斯插值亚像素边缘检测算法进行了优化。首先,通过Canny算法对图像进行粗处理,再对其边缘点进行Hough变换,得到图像边缘的斜率和在插值方向的相应边缘点,通过坐标变换将梯度方向旋转至与插值方向一致;然后,对变换后的图像进行高斯插值计算。结果表明:优化后的算法能得到更高的定位精度,且具有方向不变性。将该算法运用于销钉边缘提取能满足精度要求。