基于单参数同态滤波与全局对比度增强的指针仪表读数识别方法

为解决光照变化、指针阴影对指针式仪表读数识别的影响,提出具有单参数的指数型同态滤波与全局对比度处理的仪表读数识别方法。设计了单参数指数型同态滤波器来增强图像对光照变化的适应性;利用全局对比度图像增强算法来突出表盘信息区域;通过二值化、连通域处理、形态学处理提取指针区域;通过细化处理和累计概率霍夫变换定位指针中心线;获取指针的偏转角度来计算仪表读数。仿真实验表明,所提算法能够在不同光照变化和存在指针阴影的条件下较好地提取指针区域,且读数识别的正确率达到95%以上。     

基于YOLOv5的指针式仪表自动读数方法研究

为了实现复杂环境下指针式仪表的自动读数,提出了一种基于目标检测的指针式仪表自动读数方法。首先,针对复杂环境下仪表检测困难的问题,利用改进的YOLOv5算法对仪表表盘进行检测,并提取出表盘区域;其次,结合AKAZE(accelerate-KAZE)算法、随机抽样一致性算法(random sample consensus, RANSAC)和椭圆拟合算法对提取出的表盘做2次透视变换,实现对表盘的倾斜校正;最后,将无倾斜的圆形表盘通过极坐标变换展开成矩形,再利用YOLOv5算法对指针位置进行识别,采用距离法得到最终读数。实验结果表明,所提方法的读数最大相对误差低于2.5%。此自动读数方法具有稳定性和准确性,可满足各类工业场景下的实际应用要求。     

基于形态学处理的仪表指针提取算法

指针式仪表被广泛应用在工业检测等诸多领域,目前指针式仪表检测朝着自动化和智能化的方向发展。指针特征提取是指针式仪表检测系统中极为关键的技术,针对仪表表盘环境复杂、指针的粗细不一等因素导致的指针特征提取困难问题,提出了基于形态学处理的仪表指针提取算法。首先将获取的图像经过图像增强处理、中值滤波、otsu算法获得干净的二值化图,其次将反转后的二值化图经过形态学处理,最后输出提取结果。实验结果表明:该算法在损失极少量指针长度的情况下能够更为精确有效的提取指针信息,解决“双边缘效应”现象和复杂表盘环境下无关信息对指针特征信息的干扰,从而可以提高仪表检测的精确程度和仪表检测系统的适用性,对指针式仪表检测系统的读数识别研究具有重要意义。     

基于卷积神经网络的工业仪表读数识别

当前工业信息化飞速发展,很多生产设备更新换代效率低,同时某些关键位置的数据采集不适合采用数字化仪表,许多含有仪表的老式设备无法直接将表盘示数传入计算机中。因此,本文提出了基于卷积神经网络的工业仪表读数识别方法,利用核相关滤波算法确定表盘位置,利用卷积神经网络识别仪表读数。本方法的识别准确率可达96%,具有较高的收敛速度。     

基于BA优化核参数的非线性Volterra滤波方法研究

针对传统的滤波方法对混合噪声滤除性能不足的问题,提出一种针对混合噪声的基于Volterra级数的非线性滤波方法,采用蝙蝠算法对Volterra滤波器的核参数进行优化。仿真实验结果表明,经蝙蝠算法优化核参数的非线性Volterra滤波器能够较传统滤波方法有效滤除混合噪声,信号失真现象不明显,同时其运算量小的特点较传统滤波方法具有更好的实时性。     

高速高精运动平台模型参数最小二乘辨识研究

针对高速高精运动控制对象模型参数辨识的问题,对辨识对象模型、最小二乘辨识算法和滤波器等内容进行了研究,提出了一种基于滤波器的最小二乘线性回归方程的辨识算法,即加入一个稳定的二阶传递函数,对系统输入输出数据进行了滤波处理,使辨识算法在噪声环境下能够减小失真且运行稳定.仿真与实验结果表明,最小二乘在有噪声的闭环运动控制系统中的辨识结果不收敛且失真,而加入滤波器的最小二乘算法能显著提高控制系统的稳定性及精确度,且满足其高速高精的要求.     

基于Morlet小波改善飞行颤振试验参数识别精度的方法

为了解决激励能量有限和现场测试数据量较少、噪声大，系统参数识别的准确度差的问题，采用Morlet小波时频滤波和频域参数识别相结合的方法进行参数识别来提高精度。基于Morlet小波函数建立特性滤波器组进行时频域滤波，讨论滤波参数的选取方法，采用有理正交多项式（RFOP）拟合算法进行频域参数识别，基于欧洲航空界广泛采用的GARTEUR飞机模型数据建立密频模态系统，进行飞行颤振的试验数据仿真。结果表明该方法在信号噪声较大时，可以有效地提高系统参数识别的精度。     

夜间环境下的道路图像增强及车道线检测

车道线的自动检测技术是车辆实现自动驾驶的关键,而夜晚条件下的复杂环境给车道线检测带来很大的困难,是目前该技术研究的难点。这里提出一种图像增强算法,将高斯高通滤波器与高帽滤波结合对道路图像做增强处理,用以解决夜晚条件下低照度非均匀光照道路图像带来的不良影响。高斯高通滤波器调整图像中的非均匀光照,高帽滤波增强车道线边缘并通过图像灰度变换提升车道线与背景的对比度;然后使用分块阈值分割算法对道路图像进行阈值分割,使用基于斜率约束的Hough变换检测图像中的直线,并进行筛选拟合出车道线。     

基于改进GA-Otsu与RANSAC回归的指针式仪表识读算法

为解决指针式仪表的人工读数效率低、识读精度不高等问题,提出一种基于改进GA-Otsu与RANSAC回归(随机抽样一致性)的指针式仪表识读方法。利用ABF(自适应双边滤波器)对指针式仪表图像进行纹理和噪声滤除,结合Hough梯度法与Mask掩膜法对仪表图像进行表盘提取。基于改进GA-Otsu的图像分割算法得到分离的指针区域,经过形态学处理提取指针细化图。采用RANSAC算法拟合得到指针中心所在直线,计算其角度值,并结合量程信息与角度法完成仪表读数识读。实验结果表明,该算法能有效地分离指针目标与背景,相较改进前识读速度提升了约42.34%、识读平均相对误差小于1.15%,并对不同光照和阴影干扰均有较强的鲁棒性。     

彩色印刷品视觉检测的自适应滤波算法

检测图像上的脉冲噪声会严重干扰后续的图像处理工作,因此平滑滤波算法是彩色印刷品视觉检测的必要组成部分.提出一种由2个子系统级联构成的脉冲噪声自适应滤波器,前级为一组具有不同选择阈值的σ矢量中值滤波器,次级为1个一阶Sugeno型神经模糊网络,通过学习的方式调整并确定网络参数以满足复杂的非线性映射关系,最终获得优化的滤波结果.实验结果表明该滤波器可以有效地抑制脉冲噪声而且不破坏图像细节.     

鲁棒渐消CKF及其在SINS初始对准中的应用

惯性导航系统正常工作前需进行初始对准,容积卡尔曼滤波(CKF)是常用的非线性初始对准算法。针对在滤波模型失准和非高斯观测噪声干扰情况下常规CKF出现精度下降甚至发散的问题,提出了鲁棒渐消CKF算法。引入多重渐消因子对观测噪声协方差阵或状态预测协方差阵进行调整。设计了基于滤波残差序列统计特性的滤波状态卡方检验方法,检测滤波器状态并自主确定渐消因子的引入方式,使渐消因子的引入更加合理。试验结果表明,算法在系统建模失准及异常量测噪声的干扰下能够保持较强的鲁棒性和自适应性,其姿态失准角误差约为0.01°,航向失准角误差小于0.1°。     

光学相关红外目标识别算法研究

为了解决联合变换相关器对红外目标难以识别的问题,研究了一种基于二进小波边缘检测和迭代阈值相结合的红外目标识别算法,设计了一种新型滤波器,对输入物面滤波.经过滤波处理后的物面能够更大程度上体现图像的特征信息,抑制噪声.实验结果证实该方法能有效提高光学相关红外目标识别的能力.     

基于Hough变换与特征聚类的指针轮廓识别方法

无人值守机器人在智能配电房进行巡检、监测采样过程中,需对配电房内的指针式仪表进行自动化识别与判读。对于方型指针式仪表,提出一种基于轮廓特征筛选与直线检测的仪表智能识别方法。在该算法的前处理过程中,针对巡检视角窗口的移动性与多个仪表的分割提出了基于分数体系的算法;在表盘指针识别的图像处理过程中,提出了基于轮廓特征检测与Hough线段识别相结合的方法,并进行聚类估值处理,有效地改进了传统的直线检测方案。利用OpenCV视觉库和C++在计算机中进行算法实现和验证,结果表明,该算法满足精度要求,具有较高的应用价值。     

复杂场景中航天器靶标的快速识别

基于靶标的几何特征提出了一种快速识别算法来解决目前航天器靶标识别存在的问题。设计了一款带有线段与圆环图案的合作靶标。利用高斯滤波去除图像中的噪声,运用Canny检测算子得到边缘图像,并跟踪得到单像素边缘序列。然后,通过判断非共线四点是否共圆排除大部分不可能构成圆的边缘,利用同一圆周的两段子弧对应相同圆心和半径的几何特征实现圆检测。最后根据靶标圆与线段的几何关系排除干扰,实现靶标的准确识别。实验结果表明,该靶标识别算法对噪声、光照、旋转等不敏感,能够在多种复杂场景中快速、准确地识别靶标,处理时间小于125ms,满足实时位姿测量8帧的需要。目前,该算法已经成功应用于工程样机。     

无先验知识的仪表自动检测与判读算法

针对其他算法对先验知识的需求造成的不便,提出无需先验知识的表盘区域检测与仪表判读算法。对于表盘区域检测算法,通过结合椭圆检测方法和非极大值抑制,检测备选仪表区域,通过设计预处理和梯度值与水平线角度的计算方法,在种子点选取时加入向心约束,检测向心线段并筛选仪表区域。针对仪表判读算法,通过设计分扇区选点算法拟合刻度线所在椭圆,识别刻度线,设置线段融合条件识别指针,利用最大极值稳定区域算法提取感兴趣区域(ROI),连接相邻ROI合成刻度值信息,随即关联刻度值与其近邻主刻度线的角度并进行拟合,完成仪表判读。实验表明,算法运行总时间为0.63 s,误差在一个刻度内的概率为80%,在两个刻度内的概率为96.7%,满足实际需求。     

改进的基于局部联合特征的运动目标检测方法

背景减除是机器视觉中运动目标检测最常用的方法。针对复杂场景中传统单特征算法检测精度不高、多特征检测算法实时性较差的问题,提出了一种改进的联合纹理、颜色和位置特征的局部联合特征,并对局部联合特征混合高斯建模,采用多重判定进行学习和更新的目标检测算法。为更好地抵抗阴影和光照变化影响并减少计算量,改进了LBP算子,Lab局部颜色特征在处理纹理缺乏情况时,有更好的效果,而位置特征能减缓场景抖动等噪声影响。实验结果表明,该算法能准确地检测上述影响下的目标,检测效果在多种数据集上表现出更高的鲁棒性和精确性并且基本达到实时性要求。     

基于灰度梯度联合二值图的抗干扰指针仪表自动识读方法

无人值守机器人在智能配电房进行设备状态检测过程中,需对配电房内的各类指针式仪表进行自动化识别判读。对于方型指针式仪表检测过程中出现的大角度倾斜、阴影与反光干扰,提出一种基于灰度梯度比值阵与联合二值图的抗干扰指针识别算法。在表盘定位过程中,提出基于灰度直方图峰值检测与灰度梯度比值阵相结合的方法,有效消除了边框阴影的干扰,实现四条边框方向的定位;在指针识别过程中,提出基于联合二值图的方法,有效增强了表盘中的指针信息,并通过Hough直线检测与线段聚类,最终进行倾斜校正从而获取指针角度。利用C++语言与OpenCV视觉库在计算机中进行算法实现与验证,结果表明,该算法在强干扰条件下仍表现出较高的鲁棒性和精度,具有较高的应用价值。     

巡检机器人中的指针式仪表读数识别系统

为了解决智能巡检机器人仪表读数识别中易受光照变化影响、识别精度不高等问题,结合高压变电场中常见指针区域的图像特点,建立了指针式仪表读数高精度识别系统。鉴于巡检机器人的室外工作环境,提出了迭代最大类间方差算法,实现了多种光照条件下仪表图像的指针区域提取。经过分析指针转动和图像特性,提出了基于Hough变换的指针角度识别,推导出指针角度与仪表读数的函数关系。该算法较传统Hough变换角度提取法,增加了指针中心线通过表计中心等约束条件,提高了指针角度提取的精度,降低了搜索数据量和搜索时间。通过大量实验验证所建立的表计读数识别系统可实现室外各种光照条件下表计读数识别,获得95%以上的正确识别率。多组鲁棒性实验分析表明,该系统对光照条件、指针宽度、表盘干扰、拍摄角度(不产生指针阴影)具有较好的鲁棒性,但由于拍摄角度而产生指针阴影时,会引起较大的指针中心线提取和角度计算偏差,从而降低仪表读数识别精度。     

改进的交互式卡尔曼滤波对雷达数据处理技术研究

为了减少车载毫米波雷达数据中的噪声影响,本文采用了改进的交互式卡尔曼滤波算法对采集数据进行了处理,得到了目标运动状态的最优值。依据目标车辆的运行轨迹构建了运动状态方程,确定了不同状态下的状态矩阵和观测矩阵,同时设计了交互式多模型滤波器,借助于dSPACE场景仿真软件建立了虚拟交通场景,利用硬件在环技术实现了运动目标的数据采集,分析计算了雷达数据噪声,在滤波过程中,利用遗传算法对过程噪声和量测噪声进行在线优化,得到噪声的最优组合。通过激光雷达对目标的探测结果对算法的滤波性能进行了验证,滤波算法求得的数据平均误差小于0.1 m,对数据的噪声起到一定的抑制作用,提高了对目标车辆的定位与追踪能力。     

基于变分贝叶斯的DR/UTP组合导航滤波方法

针对水下无人航行器(UUV)的航位推算导航方法(DR)和水下应答器(UTP)组合导航系统中传统滤波器因观测噪声统计模型不准确或未知而出现的滤波器发散问题,提出了一种基于变分贝叶斯的平方根容积卡尔曼滤波算法,该算法利用变分贝叶斯方法对DR/UTP组合导航系统的状态和时变观测噪声进行估计,并引入自适应调节因子来提高对观测噪声的逼近精度,然后利用平方根容积卡尔曼滤波对系统状态进行更新。仿真结果表明,该滤波算法能够较好地跟踪UUV的DR/UTP组合导航系统外部观测噪声方差的不断变化,可有效提高对DR/UTP组合导航系统各参数的估计精度。