起重机轨道测量激光光斑中心识别与定位算法

在轨道测量装置中,激光光斑中心检测算法的精度和速度直接影响轨道测量效果,传统的中心算法如灰度质心法、Hough变换等在检测精度或速度上存在不足。文中提出了一种基于高斯积分曲线拟合的光斑中心定位算法,在光斑降噪、特征增强的图像预处理基础上,插值拟合光斑灰度曲面,进行边缘计算、追踪及细化,得到光斑的像素级边缘点,计算其法向等距线及高斯积分拟合点,并通过贝塞尔曲面拟合其对应灰度值,再采用高斯积分曲线拟合得到亚像素级边缘点,对亚像素边缘点进行圆拟合方法最终确定光斑中心点。与灰度质心法、Hough变换椭圆中心法相比,此算法的拟合精度较高,抗干扰性好,达到了实验室环境下轨道测量的精度要求。     

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。     

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。     

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。     

基于双曲正切的亚像素边缘检测方法及评价

精确定位图像边缘是保证视觉测量精度的基础。根据物体图像边缘的灰度分布特点,本文提出一种亚像素边缘检测方法,采用双曲正切函数对图像边缘的灰度分布进行拟合,通过最小二乘法得到边缘的亚像素位置。对提出的边缘检测方法的精度进行了评价,以高精度棋盘格的尺寸测量误差作为准则,采用实际边缘并结合摄像机标定技术,考虑了镜头畸变和透视失真等因素。试验表明,提出的双曲正切法检测亚像素边缘相比空间矩法和梯度插值法具有更高的精度,同时能够满足机械工业中的实时测量需求。     

光切法形貌测量中光条中心的亚像素提取

为了在光切法三维形貌测量中快速准确提取光条的中心位置,保证测量精度,研究了一种光条中心的亚像素提取方法。将图像的灰度视为关于坐标的二维函数,在CCD拍摄的激光光条图像中求取灰度的偏导数和梯度,图像中每一点的梯度代表此点的灰度变化方向,将此方向简化为光条上的点的法线方向。对梯度的大小设定阈值并结合该点的灰度信息,提取图像灰度变化最激烈的部分,即光条饱和带的像素位置。对光条饱和带的每个像素,按照不重复计算的原则在梯度方向上和规定邻域内求灰度中心,得到精确到亚像素级的光条中心位置。此方法将光条曲线的法线方向简化为灰度的梯度方向,省去了求海赛矩阵以确定法向的步骤。实验证明,同等条件下,该方法的计算耗时为常规亚像素提取方法的10%。利用该算法进行实际测量,在200mm×200mm测量范围下,误差(3σ)为0.057mm,满足了测量对精确性和实时性的要求。     

基于视觉图像的二次曲线特征参数精密测量方法

为了满足视觉检测中对二次曲线参数(圆或椭圆)高精度测量要求,提出了一种基于视觉图像的二次曲线特征参数精密测量方法.该方法利用变结构元广义形态学边缘检测算法对图像中的二次曲线进行初始边缘定位,充分提取图像边缘细节信息的同时抑制图像噪声的影响.在亚像素图像处理中,基于Zernike矩边缘检测算法计算出的边缘参数,提出了对二次曲线特征进行亚像素边缘定位的边缘检测算法,建立了曲线边缘点与边缘参数之间的映射关系.利用检测出的二次曲线亚像素边缘点数据,通过定义的数据点分布优化的参数拟合算法,可以计算出二次曲线的特征参数.实验结果表明:该方法稳定性好且实时性强,定位不确定度优于0.03像素,可实现二次曲线特征参数的精密测量.     

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。     

基于序列图像提高光斑质心定位精度

针对激光模拟射击系统对激光光斑进行快速、高精度质心定位的要求,提出了一种基于视频序列图像的光斑检测与高精度质心定位方法。该方法首先利用帧间差分图像和噪声估计参数对射击突发事件进行检测;然后利用噪声估计方法确定光斑的分割阈值,结合形态学滤波对目标光斑和背景噪声进行有效分割,提取光斑区域,同时降低窗口内外噪声。最后,用4帧差分图像合成1帧高分辨率的图像来抑制图像噪声和计算误差的影响,实现光斑质心的高精度定位。实验结果表明,本文方法的光斑质心定位精度与稳定性均优于传统的方法;其中光斑质心定位精度达到了亚像素级别,稳定性度量平均值为0.000 49,优于传统方法的0.002 97。得到的结果显示,提出的方法有助于提升激光射击系统的性能。     

视觉测量中亚像元图像特征定位算法

提出一种利用Facet模型进行图像特征高精度定位的新方法。通过构造一组二维的正交多项式基底,能快速拟合Facet模型的曲面参数方程来表示图像灰度分布,再沿曲面上最大梯度方向的二阶导数的零交叉高精度定位图像角点和边缘特征。该方法采用拟合方法代替插值方法,能减少对噪声的敏感,可提高曲面小片构成的灵活性与边缘检测的精度及计算效率。通过对多幅不同真实图像进行试验验证,结果证明该方法稳定可靠、精度较高,能在视觉测量中有效地提高测量精度。     

光学元件外径的机器视觉测量技术研究

基于机器视觉技术,采用平行光投影获取光学元件轮廓图像,通过行扫描提取目标,使用最小二乘线性回归边缘检测方法,将直线边缘定位精度达到亚像素级别,使测量精度达到微米级。实验结果表明,采用机器视觉的非接触测量方法可以实现对光学元件外径的快速准确测量。     

基于光栅的快速精确图像拼接

为了提高IC芯片视觉检测中图像拼接的速度和精度,提出一种基于精密光栅运动系统的快速精确图像拼接技术。提出自标定技术解决了传统标定受标准件加工尺寸精度和光强影响的问题,提高了标定的准确度并降低了成本。在准确标定基础上,建立了基于光栅精确定位的拼接模型。实验表明,该方法拼接精度高,拼接平均误差在0.4 μm以内,2 σ为0.872 μm,达到亚像素级精度,而且拼接速度快,两幅图像拼接时间约为10 ms。     

分块峰值点局部区域生长的星像提取

为了获得高精度、高更新率的抗噪声性能,对星敏感器星像提取环节进行了研究。首先,分析星图中星像灰度的分布特点,建立了判断某个像素是否与峰值像素归属同一星像的标准。然后,介绍了像元阵列分块方法和背景预测法。最后,结合星像的特点提出了以峰值点为种子点的区域生长准则。仿真实验结果表明,在不加噪声的情况下,提取出的星像与参考星图完全一致,用质心法得到的亚像素定位精度为0.028 2。在添加均值为20、标准差高达2.5的强高斯灰度噪声的情况下,提取率仍能达到86.11%,质心精度则下降到0.219 6pixel。均匀性很差,信噪比低于4.9dB的实拍星图实验结果也证明该方法有很强的星像提取能力和准确性,能够满足强噪声弱星像质心提取的强抗干扰能力的要求。     

基于激光三角法和嵌入式的微位移实时检测系统

基于激光三角法和嵌入式的微位移实时检测技术,采用激光三角法测距和灰度重心法提取激光条纹中心的原理,使线结构光、透镜、CCD位置信息满足Scheimpflug共轭清晰成像条件。通过图像处理获取像面坐标系位移信息,得到待测物体物面坐标系的位移,利用灰度重心法实时提取结构光条纹中心的特点,结合嵌入式系统尺寸小、稳定、便携的特性,实现对待测物体进行实时、非接触和微位移测量。     

基于支持向量回归的小尺寸零件精密测量

为提高小尺寸零件测量精度和速度,提出了基于支持向量回归(SVR)的小尺寸零件精密测量方法。系统以齿形链板为研究对象,对其主要参数进行测量。系统采用透射照明方式,使用A102FCCD数字摄像头采集齿形链板的图像,经过IEEE1394数字接口卡传输到计算机。对含有噪声的原始数字图像实施中值滤波降噪、二值化,轮廓提取及图像旋转等处理,使图像转变成易于检测的单像素宽边缘信息。然后根据齿形链板长度与宽度比例确定待检测区域,以待检测区域内的边缘轮廓上的各像素点构成对应线段的训练集,进行支持向量回归,获得具有亚像素表示的各检测线段的回归函数,并据此对齿形链板的主要参数进行测量。最后,对测量误差进行了分析。测量结果满足零件的公差要求,测量精度可达2 μm。理论分析及实验结果表明,该方法测量速度快,测量精度高,同时对图像平面内旋转、尺度变化、噪声等具有较强的鲁棒性。     

利用标记分水岭法实现夏克-哈特曼波前传感器质心探测

由于光斑质心探测精度直接影响夏克-哈特曼波前传感器的波前探测精度,本文提出基于标记分水岭法来确定阵列光斑质心探测窗口。首先,对采集到的夏克-哈特曼阵列光斑图像进行平滑并求出其梯度图像;然后,利用大津（OTSU）阈值法在求出的梯度图像上进行目标标记,最后在标记过的梯度图像上进行分水岭分割,确定出每个光斑的探测窗口。由于该方法确定的质心探测窗口是对光斑实际大小进行匹配,故有效地抑制了噪声对质心探测的影响。实验结果表明：利用该方法确定光斑探测窗口所计算的质心精确度和稳定性均比传统的在子透镜窗口中计算光斑质心的方法要高。统计多幅图像计算得到的窗口质心标准差的平均值为0.010 9,比传统法计算出的平均值0.073 4提高了6倍,满足哈特曼波前传感器对光斑质心计算稳定性和精确度的要求。     

环形光切测量法的亚像素技术

针对深孔内膛的检测,对环形光切的测量方法进行了介绍,对其测量原理进行了分析。为了提高断面形廓的检测精度并消除CCD的量化误差、饱和误差、激光的不均匀误差和“散斑”噪声等误差和噪声对检测结果的影响,提出了一种亚像素检测技术,该技术在环形光斑图像中“刻画”出一系列截线,对这些截线灰度分布进行连续重建、基于小波变换的理想估计和理想灰度极值点计算,并利用这些极值点得到环形光斑的理想灰度极值线的亚像素检测结果,从而实现深孔断面形廓的测量。该方法具有检测精度高(可达到0.1像素的位置精度),抗噪能力强,没有数据的缺失和冗余现象,能够检测复杂的断面形廓等特点,对于具有一定复杂程度的深孔内膛形貌检测具有重要的意义。     

基于机器视觉的机械零件边缘像素补偿法

机械零件图像边缘灰度的分布特征已成为影响机器视觉准确测量机械零件的重要因素之一。为了减小这种测量误差,提高测量精度,提出边缘像素补偿法来对机械零件图像边缘进行处理。通过分析视觉边缘检测原理,应用高精度标准块对相机进行标定。标定后对待测零件进行多次测量,试验结果表明:对图像信息进行边缘补偿后,其测量结果的相对误差可减小0.059%,边缘补偿算法可以有效提高测量精度。