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。     

柔软棒材端面几何形状精密图像检测技术研究

研究了柔软棒材几何形状的测量原理,提出一种基于亚像素图像测量技术的香烟滤棒圆周长和圆度误差精密检测方法。该方法采用小波变换进行图像去噪处理,用Sobel算子提取图像边缘,用改进的随机Hough变换提取单像素圆边界,用Zernike矩进行边缘亚像素校正。最后给出了圆周长和圆度误差的评定方法与检测结果。     

基于多层图像分割hough变换的零件定位模型

本文根据零件原始图像数据,先对图像进行灰度化处理,再运用Sobel算子对原始图像进行轮廓提取,接着采用几何特征对其进行识别。本文设计思想是:首先做Hough变换检测圆心位置与大圆边界,并将圆心位置存入内存;其次,为减少误差将图像分割为4部分,对每一个零件再做一次Hough变换检测,进一步检测到小圆的边界、确定小圆半径,从而最终提取零件的轮廓,同时对图像分割后的4个零件做Hough变换的直线检验;接着删除部分内容后做第3次Hough变换检测,确定中圆的边缘及半径;最后,删除大圆以内部分,做第4次Hough变换检测齿轮。针对模型验证,采集第3次及以后的Hough变换时求其几何特征可以验证第1、2次所得到的几何特征发现误差稳定在5个像素以内,说明优化模型的适用性好。     

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。     

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。     

图像技术用于零件尺寸测量的研究

提出一种基于视觉检测技术的边缘检测算法,可以对复杂难测的零件进行尺寸和形状测量.采用改进的随机Hough变换,加以相应的约束条件,将被测图像的边缘像素变成有意义的线特征,从而得到所需的被测对象参数的精确结果.     

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。     

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。     

基于非极大值抑制的圆目标亚像素中心定位

圆形目标在基于图像的测量系统中应用广泛,针对圆目标中心的高定位精度和快速提取的要求,提出了一种基于非极大值抑制的亚像素中心定位方法.该方法利用Sobel算子进行边缘检测,通过改进非极大值抑制方法获取连续细化的边缘,实现了像素级边缘定位,采用Zernike正交矩对边缘点进行亚像素级定位,并用最小二乘法进行二次拟合来获取精确的标志点的中心坐标.仿真图像和实测图像的实验结果验证了该方法的有效性和准确性,其定位精度可以达到0.02像素,通过测试算法的运行时间,证明该算法具有很好的实时性.     

自动钻孔机视觉定位系统设计

采用图像处理技术对图像采集设备得到的图像进行白平衡、降噪、灰度处理、二值化、Canny边缘检测、Hough变换等一系列图像处理方法,解决了图像采集过程中图像畸变和像素距离转换的问题,得到目标标签的位置偏差,传输给执行机构控制终端.系统应用于自动钻孔机械手,经实验验证,定位误差在1 mm以内,是一种可行的视觉定位系统设计.     

改进的Hough变换在零件圆心定位中的应用

针对自动化生产线上粉末冶金零件在检测中圆心定位困难的问题,在传统Hough圆变换方法基础上作了一系列改进,该方法先对图像进行预处理,比如滤波、边缘检测等,然后进行Hough变换实现零件图像的快速定位。实践证明,该方法不但减少了图像处理的时间,而且提高了Hough圆变换在各种零件检测中圆心定位的准确性。     

水平亮度微分在车道线检测中的使用

车道线检测是自动驾驶及辅助驾驶中的关键部分。文章介绍一种快速车道线检测方法,该算法通过将原始RGB图像转换至亮度图像,通过水平亮度微分及透视变换找出车道线左右边缘,得到车道线中央坐标,根据Hough变换找出其中平行线段,分段进行直线段连接。实验表明此算法可以快速检测出车道线并具有很好的健壮性。     

空间矩定位齿轮齿距视觉检测

针对齿轮的精度测量问题,采用基于机器视觉的非接触检测方法,运用MATLAB软件中图像处理模块,实现了对圆柱齿轮齿距的测量。通过对图像的预处理,在运用Canny算子提取齿轮边缘的基础上,用空间矩边缘检测法,计算出一维阶跃边缘的前三阶空间矩,得出实际模型中边缘位置,提取出齿轮亚像素边缘。对比了两种齿轮中心定位方法,完成了对齿轮中心的精确定位。通过构造虚拟圆,获取分度圆上齿轮齿距。所提出的基于机器视觉的齿轮齿距检测方法具有很好的应用前景。     

基于Hough变换实现圆的快速检测方法

为了快速正确的检测出图像中的圆,在传统Hough变换圆检测的基础上,利用圆是中心对称的几何特征,提出了一种新的基于Hough变换实现圆检测的方法,该方法运用Otus阈值分割技术将测试目标从检测图形中分离出来,运用Canny边缘检测器对图像进行边缘检测,检测后对图像进行筛选,排除明显不可能为圆的图形,之后对待检测图形,以过圆心的直线为对称轴对图像上的三点进行对称选取,计算出圆心坐标值和半径值,运用Hough变换在参数空间中对值进行投票,累加计数求出峰值。实验结果表明,该方法降低了计算复杂度和对计算空间的需求,与当前应用最广的RHT,以及SHT圆检测方法相比,运行速度快、精度高,抗噪性能好。     

基于邻域特性分析的小模数齿轮亚像素图像边缘检测

针对高分辨率小模数齿轮图像中边缘灰度梯度呈双峰或多峰分布的问题,提出一种基于邻域特性分析的小模数齿轮图像亚像素边缘检测算法。算法以邻域窗口的灰度均方差积表示边缘强度、灰度重心所在的方向表示灰度变化的方向;通过阈值化、非极大值抑制和边缘细化等获取初始边缘;在初始边缘的基础上将求取的灰度变化方向划分为八个区域,构建一维灰度矩模型解算亚像素边缘位置。为验证算法的有效性,分别以模拟图像与实际图像为对象进行亚像素边缘检测实验,根据齿轮边缘特性以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,该算法具有曝光敏感度优、绝对定位精度高、重复性好的优点。     

基于机器视觉的轴承内径亚像素在线检测

以机器视觉系统为基础,利用计算机图像处理技术,对预处理后的边缘图像,采用基于点Hough变换的圆形图像亚像素检测算法,实现了轴承内径的亚像素在线检测。试验证明,该检测系统具有非接触、无损伤、高速度、低成本的优点,并且具有很好的通用性,可广泛应用于其他行业产品的在线检测。     

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。     

基于Hough变换的焊缝位置检测技术

对Hough变换的应用技术进行了细致的分析,归纳出了图像域参数与变换域参数的三种对应关系,减少了Hough变换运行时一些盲目的搜索和计算,提高了算法的运行效率。在累加器设计上,应用了三元组数据结构,压缩了累计器的数量。应用Prewitt边缘检测方法和中值滤波技术将图像转换为二值图像,使边缘部分得以增强,噪声得到抑制。在此基础上,提出了一种新的焊缝位置检测方法,该方法不仅能检测出焊缝的偏离距离,而且能检测出焊缝偏离的方向。仿真与实际运行结果表明该方法检测精度高,抗干扰能力强。     

基于改进Hough变换的圆形零件尺寸测量研究

分析了直方图均衡化图像预处理技术,针对标准Hough变换的不足,提出了一种结合圆的几何特性改进Hough变换的方法。该方法根据圆周上各点连线的垂直平分线交点通过圆心这一圆的几何特性,沿边缘方向进行梯度搜索,找出圆心并求解半径,有效解决了含噪声图像圆形零件边缘检测的难题。通过对轴承零件内、外径和尺寸的测量应用研究,验证了改进Hough变换圆形零件测量技术的有效性和准确性。     

基于计算机视觉的圆锯片精密集成测量

为了提高圆锯片图像边缘的定位精度,提出了一种在边缘点灰度梯度方向上对梯度幅值进行插值的亚像素细分算法。为了满足高速测量的需要,将图像处理、尺寸标定、参数计算等整个测量过程集成起来,构建了圆锯片的计算机视觉测量系统。实验结果表明,利用改进的亚像素方法与直线Hough变换实现测量时,达到了精密、高速的测量要求。