基于机器视觉的齿轮图像特征匹配优化北大核心

为了提高视觉系统中齿轮图像匹配的准确率,提出了一种金字塔光流法与ORB(oriented fast and rotated brief)算法结合的齿轮图像匹配优化方法。该方法在图片进行灰度化和高斯模糊等预处理操作后,用ORB算法得到图像的特征点,用金字塔光流法跟踪图片间的特征点,暴力匹配之后通过汉明距离和哈曼顿距离进行筛选,最后以改进的RANSAC(random sample consensus)算法优化匹配结果。实验结果表明,该算法在齿轮图像匹配过程中能够减少错误的匹配点,筛选出具有代表性的匹配点,减少误匹配率。     

基于运动线索的单目绝对深度测量

为实现单目相机识别和测量目标物体的绝对深度信息，提出基于运动线索的测量方法。首先，通过SSD算法和GrabCut算法识别并分割两幅图中的同一目标对象；其次，利用改进的ORB算法和融合几何约束的RANSAC算法获得目标物体的特征匹配结果；再利用Graham Scan算法求得两幅图中特征匹配后的凸包集合，选出最佳匹配的特征线段计算缩放率，最后，通过公式求得目标物体的绝对深度信息。结果表明，当相机移动100 mm时，目标物体测量误差最小为0.94%,最大为5.23%,平均测量误差最小。由此可见，改进的特征提取和匹配算法不仅能均匀化和亚像素化角点，还提高了匹配正确率，同时选出最佳匹配的特征线段也保证了测量精度。     

基于网格运动统计的工件识别改进算法北大核心

为提高快速鲁棒特征(SURF)算法在复杂环境下进行工件识别的匹配精度及匹配效率,提出一种基于网格运动统计(GMS)的工件识别改进算法。首先,用加速分割检测(FAST)算法代替SURF特征点检测进行工件图像特征点的快速提取,并对特征点建立64维SURF描述符,使加快关键点检测速度的同时得到具有旋转尺度鲁棒性的特征点;其次,对特征点进行快速近似最近邻(FLANN)匹配得到粗匹配集;最后,采用改进GMS算法对图像进行网格化处理,根据运动平滑性进行内点与离群点的区分,保留正确匹配特征点对,实现误匹配点的剔除,准确找到待识别工件的位置。实验结果表明:改进算法比传统的SIFT、SURF和ORB等算法在工件图像受到旋转、平移、尺度、亮度等变化及影响时能够更高效、更准确识别工件,提高了复杂环境下工件识别的效率。     

基于精确背景运动补偿的机器人运动目标检测与跟踪

为实现动态场景下机器人快速准确地检测与跟踪运动目标，提出一种基于精确背景补偿的运动目标检测方法，并利用Kalman滤波扩展的KCF算法进行目标跟踪。针对传统ORB算法存在特征点分布不均匀、误匹配率高导致背景补偿效果不佳的问题，采用小波变换及图像分块处理保证提取的特征点数目及均匀分布，通过SURF算法提取具有尺度不变性的特征点并构建ORB描述子。利用KNN算法与对称约束相结合的特征匹配法提高匹配精度，同时引入改进的RANSAC方法精确求解全局运动参数完成背景运动补偿，最后通过帧差法及形态学处理获得完整的运动目标，并将KCF算法融合Kalman滤波实现对被遮挡目标进行再跟踪。实验结果表明：该方法特征匹配正确率达到98.4%,在背景运动状态下能够实时准确地检测出运动目标，并且能够连续稳定地跟踪目标。     

基于机器视觉的芯片字符区域分割和定位算法

芯片表面的字符对分选具有重要意义,对字符的定位是分选工作的关键步骤。为了提高分选工作定位效率和定位精度,提出了一种基于改进的区域生长算法和凸包检测算法分割和定位芯片表面字符区域方法。首先,对采集图像进行预处理操作,利用改进的Canny算法获取无干扰图像边缘,将图像边缘作为区域生长法的种子点并以图像自适应阈值作为生长准则分割图像,使用最大内接矩形算法粗定位字符区域;其次,采用Harris角点检测算法获取字符角点分布位置;最后,筛选角点并提取关键点,利用一种改进的凸包检测算法定位字符区域。经过实验验证,所设计的算法能够完整的分割和定位芯片表面字符区域,定位精度和效率较原有方法提升5.3%和15.4%,满足实际工业生产的要求。     

基于改进的ORB算法的工件图像识别方法

针对传统的工件图像识别算法运行速度慢、匹配精度差等问题,提出一种改进的ORB（Oriented FAST and Rotated BRIEF）算法解决工件图像的实时与准确识别问题。该算法的流程是首先利用ORB算法提取工件图像的角点特征,随后为其添加SURF（Speed-Up Robust Features）描述符进行方向分配,得到具有旋转尺度不变性的图像角点,结合快速近似最近邻搜索算法进行特征点的匹配,实现工件图像的识别。实验结果表明：在图像存在旋转尺度变化的情况下,使用改进的ORB算法相比传统的ORB、SIFT（Scale Invariant Feature Transform）和SURF算法以及SIFT+SURF、SURF+FREAK组合算法在工件图像角点提取与目标匹配方面速度更快,识别精度更高,提高了工业机器人在搬运工件过程中对工件图像的识别效率和准确性     

基于融合BEBLID和改进ORB算法的单目视觉里程计研究

为防止FAST算法在纹理丰富的环境下提取的特征点过于密集,通过预设条件使特征点稀疏化,便于后续对极约束恢复相机的位姿;为保证相机摄入的图像帧中纹理较少,特征提取时不会丢失图像信息,提出根据特征点数量调整检测方式,使其自适应提取图像特征,增强对复杂环境的适应性;为提高图像特征的匹配精度,通过融入BEBLID使特征点描述符充分表达。经实验验证,面对复杂的场景,改进算法有较强的环境鲁棒性。改进算法的匹配精度要高于ORB算法,在算法耗时方面相较SIFT算法有量级提升。经轨迹测算后,相比于ORB算法,改进算法在相机运动上更贴合真实轨迹,在位姿精度上有较明显的提升。     

改进SURF匹配算法在并联机器人中的研究

针对传统机器人中图像匹配方法准确率低、匹配时间长的问题,提出一种新型的基于机器视觉进行加速稳健性特性（SURF）的改进算法。以SURF特征点检测为基础,利用增强高效局部图像描述符（BEBLID）替换描述子,实现高维到二值化的转换;以自适应设定阈值方法降低人为设定对匹配产生的影响,结合渐进一致采样(PROSAC)优化策略对误匹配点对的剔除方法,获取有效的匹配点对。实验结果表明：与近几年改进算法相比,该算法在正确匹配率和匹配时间上分别提高了12.06%、9.66%,可见在特征点对的提取和匹配处理上,该算法具有更高的实时性、准确性,能够满足产品检测机器人分拣的实时性要求。     

基于点线特征的快速视觉惯性SLAM算法

为了提高基于点特征的SLAM算法的定位精度和鲁棒性,提出一种点线特征融合的快速单目视觉惯性SLAM算法。使用ELSED算法快速提取高质量的线特征,在非关键帧追踪时,基于连续帧之间微小运动的假设,实现连续图片间的快速线段匹配,且无需线段描述子。在插入新关键帧时,提取线段描述子来完成关键帧之间的线特征匹配,创造新的地图线。最后在公开数据集上进行实验,结果表明：ELSED算法在提取高质量线段的同时,耗时仅为LSD算法的13%;与传统利用线段描述子的匹配算法相比,此算法的时间效率提升了83%,并减少线段误匹配,提高系统定位精度,系统的平均跟踪帧率为33帧/s,保证了系统的实时性。     

基于双目相机的水下视觉SLAM前端改进

为使机器人能够在昏暗且模糊的水下环境中实现较为清晰的地图构建和准确的自身定位,基于Rtab-map算法对其前端进行优化。通过直方图均衡化算法对双目相机采集到的水中图像进行预处理,提高图像的亮度和细节处的清晰度。使用ORB算法提取和匹配图像特征点,采用RANSAC算法剔除图像误匹配点对,提高相机位置估计的精度。实验结果表明：使用直方图均衡化算法处理水下的模糊图像,特征匹配点对数明显增加。基于公开数据集对优化后的Rtab-map算法进行测试,所得到的多项误差明显降低。在实验室水槽条件下进行试验,验证了采用优化后的算法得到的三维点云图质量更优     

正交异性钢结构桥梁面板焊接区缺陷空间视觉定位方法

为了减少焊接桥梁因疲劳产生裂纹，减少安全威胁，提出正交异性钢结构桥梁面板焊接区缺陷空间视觉定位方法。利用视觉注意力机制分别采集方向和亮度显著特征图，通过融合算法将二者融合，生成初始焊接区域图像。使用二值化处理方法计算图像初始对比度和像素分布系数，设定像素阈值，去除噪声点，提高图像质量。采用改进区域生长算法确定生长准则，通过阈值更新的方式实现图像背景与目标分离，获取图像条纹斜率，比较相邻像素点的斜率值，将该值做为判断特征拐点的依据，提取缺陷特征；结合获取的特征，利用最近邻域法识别出缺陷，实现缺陷视觉定位。结果表明，所提方法能够获得高质量的视觉图像，定位误差小。     

基于改进Otsu算法的游标卡尺缝隙检测

工业检测过程中，根据分辨率的高低，采集的图像分为加工纹理清晰和模糊两种情况。提出一种基于改进Otsu算法的游标卡尺卡爪缝隙检测方法，基于四叉树理论解决目标像素点较少时Otsu算法效果不好的问题。高分辨率图像下的游标卡尺表面纹理清晰，难以区分纹理特征和缝隙特征。为解决此问题，对采集的缝隙图像进行预处理，利用改进Otsu计算其阈值，进行边缘检测、缝隙特征提取和直线拟合，以完成对游标卡尺缝隙的自动检测和准确识别。建立一套实验装置，利用纹理清晰的缝隙图像验证所提缝隙检测方法的有效性。结果表明：该算法可以实现对缝隙边缘的精确自动提取和检测，同时单张图片的检测时间约为400 ms，满足工业实时检测的要求。     

基于机器视觉的管道焊接跟踪技术研究

针对爬行焊接机器人在管道自动焊接中对典型的V形坡口焊缝的定位与中心线的提取,设计了一种基于激光视觉检测的自动焊缝跟踪系统。提出了一种基于激光条纹图像特征的两步定位方法:第一步,建立模板匹配,利用模板匹配方式获取激光条纹位置区域;第二步,采用阈值分割和中心法提取激光条纹中心线,然后采用Shi-Tomasi算法对中心线进行角点检测,经过拟合直线求交点和逐列扫描对比得到焊缝坡口的4个拐点信息,并确定焊缝中心。通过对实际的焊接过程进行测试,结果表明:跟踪系统的平均纠偏误差在2像素以内,平均处理纠偏时间在120 ms以内,具有较高的精度和实时性。     

一种基于机器视觉的滴灌带孔位在线检测方法

在内镶迷宫滴头滴灌带生产过程中,为了实现滴孔加工位置的检测和反馈控制,将机器视觉用于滴孔位置检测,提出了一种从图像泛白区域ROI多次深度提取ROI的优化识别算法。首先,通过去背景初步提取ROI,进而通过全局固定阈值分割、膨胀、闭运算和区域生长算法的合理运用,对处于光照泛白区域的滴灌带图片进行ROI提取,然后采用基于直方图的全局阈值分割算法进行边缘强化,通过Hough圆变换进一步提取滴孔位置,并通过Hough线变换以及附加约束条件提取迷宫滴头前沿位置,最后计算得到滴孔到迷宫滴头前沿的相对距离。实验结果表明,使用优化后的算法,滴孔的识别准确率达到了98%以上,滴孔到迷宫滴头前沿的距离测量误差由优化前的10%以上减小到了5%左右。     

基于SURF算法的JPEG地质资料复制移动篡改检测

针对JPEG地质资料的复制移动篡改,提出一种结合SURF特征匹配与JPEG块伪影特征矩阵因子的篡改区域检测方法。首先运用SURF算法提取图像特征点并进行特征点匹配,根据剔除伪匹配点后的匹配对计算仿射变换参数,定位复制移动区域,然后通过引入JPEG块伪影特征矩阵因子实现篡改区域的定位。结果表明:相比其他算法,本方法能够更有效地探测JPEG地质资料的复制移动篡改,并精确定位篡改区域。     

基于机器视觉的轴承字符识别技术的研究

针对轴承上字符的特点,提出了一种基于机器视觉的轴承字符自动识别方法,并利用C++和OpenCV计算机视觉库开发了识别软件。对轴承字符图像进行阈值分割,使用Sobel算子提取边缘轮廓,然后使用改进的圆检测算法定位环形字符区域,在经过极坐标变换后进行字符分割。最后提取改进的字符特征,使用支持向量机分类器进行字符识别。试验结果表明:该方法能有效识别轴承字符,而且识别率达到了95%以上,具有广阔的应用前景。     

基于改进SIFT的无人机双目目标识别与定位北大核心

对无人机自主着陆系统中双目视觉采集到的地标图像进行了研究,在分析地标图像中存在模糊噪声以及大量背景干扰问题,提出一种基于改进SIFT算法的无人机双目视觉目标识别与定位方法。首先,采用基于OTSU与HSV的ROI算法对无人机双目图像进行目标识别与分割预处理操作,将目标准确识别;其次,针对双目视觉获取三维信息效率慢的问题,采用基于改进的SIFT算法对已识别的地标进行特征提取,生成二进制描述符,并采用局部敏感哈希算法对特征点进行稀疏匹配,提高目标特征匹配准确度及效率;最后,采用相似三角形原理计算每个特征匹配点的三维距离,获得无人机与目标之间的平均三维距离。实验结果表明所设计的算法相较于传统的SIFT算法更具有可行性和有效性。     

基于改进的SURF_FREAK算法的工件识别与抓取方法研究

为解决自动化生产线上工件的准确、实时定位与抓取问题,提出改进的SURF_FREAK算法,将其应用于工件的识别与匹配。该算法首先利用加速稳健特征(SURF)算法提取特征点,随后对FREAK算法添加中距离点对进行特征点的描述,在汉明距离相似性度量之前添加极线约束匹配工件图像。研究结果表明:改进的SURF_FREAK算法相比传统的尺度不变特征变换(SIFT)、SURF、SURF_FREAK算法,其在工件的识别速度和匹配准确度上有很大的改善。将该算法应用于工业现场,可以快速准确地识别出工件,结合双目技术完成工件的定位,通过运动学逆解求出机械臂各关节的移动量,传送到控制器,实现对工件的抓取。     

基于改进区域生长算法的焊缝图像分割

为了对焊缝缺陷进行有效分割,本文提出了一种基于边缘灰度差分定阈值的区域生长算法。该算法沿承传统区域生长算法的思想,主要依据边缘灰度突变的信息,在焊缝区域,先定位出所有可能的种子点并确定行方向上缺陷的边缘位置,再取对应处的像素灰度均值作为灰度阈值,最后从种子点开始并以不大于灰度阈值为判定准则进行生长。实验结果表明,该算法几乎能分割出焊缝中全部缺陷,并能使缺陷形状保留完整,这对后续缺陷的分类识别意义重大。     

动态场景下移动机器人视觉SLAM

为实现动态场景下移动机器人自主定位和建图,解决传统视觉里程计方法跟踪效果差及累积误差问题,提升闭环检测的准确性和鲁棒性,提出融合深度学习的同时定位与地图构建方法。采用四叉树算法均匀化特征分布,解决动态场景特征聚集问题;通过优化的目标检测网络识别场景动态语义信息,剔除动态物体对位姿估计的干扰;充分提取场景空间结构信息,结合点特征和线特征实现位姿跟踪及回环检测,构建全局一致的环境地图。TUM数据集和真实场景实验结果表明：改进方法提升了移动机器人定位和建图的准确性和鲁棒性。