基于机器视觉与改进遗传算法的机械手分拣方法研究

针对机械零部件快速分拣需求,提出一种基于机器视觉与天牛须改进遗传算法(BAS-GA)的机械手分拣方法.该分拣方法首先对零件图像进行预处理,然后利用Sift特征匹配的图像识别算法提取零件图像,并使用仿射变换对目标零件定位.接着,对得到的零件位置建立数学模型,使用BAS-GA算法求解该数学模型,得到机械手的抓取路径,实现机...     

基于Deeplabv3+和注意力机制的道路场景语义分割方法

在自动驾驶技术研究中,理解道路场景是提高驾驶安全性的保障.语义分割技术可以在像素级别上,将图片分割成与语义类别相关联的不同图像区域,可以辅助车辆感知、理解周围的道路环境信息,从而提高驾驶安全性.当下流行的语义分割模型Deeplabv3+在分割任务中,存在细小目标被漏分割以及外形相似物体容易被误判等现象,导致分割边界粗糙,精准度降低.针对此问题,在Deeplabv3+网络结构的基础上,结合注意力机制加重分割区域的权重,提出一种改进的Deeplabv3+融合注意力机制的道路场景语义分割方法.首先,在Deeplabv3+编码端引入一组并联的位置注意力模块和空间注意力模块,捕获更多空间上下文信息和高级语义信息.然后,在解码端引入注意力机制恢复空间细节信息,并对数据归一化处理,加快模型收敛速度.将不同方式引入注意力机制的模型分割效果进行对比,在CamVid数据集和Cityscapes数据集上进行了测试.实验结果表明,相比Deeplabv3+,改进后的模型分割准确度平均交并比在两个数据集上分别提升了6.88％和2.58％,效果优于Deeplabv3+.该方法不会明显加大网络计算量和复杂度,具有良好的分割速度和准确性的兼顾.     

基于边缘重构图像的边缘检测算法优选研究

边缘检测是视觉定位、零件缺陷识别、视觉测量等图像处理中的关键环节，其检测质量直接影响后续的图像目标识别与定位的精度。针对具体图像处理需选取合适的边缘检测算法的问题，提出了一种基于多方向滑动窗口线性插值重构法的图像边缘检测质量评价算法。首先，采用待处理边缘图像的最大连续非边缘矩形区域作为重构搜索窗口，设计了多方向滑动窗口线性插值图像重构法；然后，根据图像边缘的特征，建立了集成图像结构相似度和边缘错检率为性能指标的边缘检测算法的优选评价方法；最后，进行了实例应用，通过实验对重构算法的性能、优选方法的可行性和正确性进行了验证。研究结果表明：该边缘图像重构算法准确率最高，实验中重构图像的结构相似度可达到0.708 7,耗时320.902 1 s;采用该优选方法能快速地筛选出最佳的边缘处理算法，与人体视觉评价一致，便于实现边缘检测算法的智能优选和图像的智能处理目标。     

基于机器视觉的工件自动分拣系统的研究

介绍了机器视觉技术在工件识别中的应用以及主要图像处理算法。采用机器示教方法建立待处理零件的特征库,通过图像预处理、阈值分割、边缘和轮廓提取算法等获取零件图像的特征并与标准模板比较,从而判别待测零件的合格性。为解决零件摆放的位姿偏差,采用边缘检测和轮廓跟踪算法确定工件形心位置和旋转角度,根据与模板零件的相似性测度判断工件的特性,为自动分拣提供决策支持。实验验证了本算法的有效性。     

柔性装夹机器人工件视觉定位系统设计

针对智能制造平台的需要,建立了基于双目立体视觉的柔性装夹机器人工件定位系统。采用GrabCut算法对采集图像进行图像分割获得目标工件图像;进一步基于SURF特征和极限约束实现工件立体匹配;最后基于视差测距法算法求取目标工件的三维坐标,实现工件的定位。定位误差实验结果表明,定位平均误差为0.276mm,能满足柔性装卸机器人对目标工件的抓取要求。     

基于微分进化的最大类间方差图像分割算法及应用

通过对传统的最大类间方差胶囊图像分割法的研究,提出了一种基于微分进化算法的最大类间方差的图像分割方法,并且成功于应用于基于机器视觉的胶囊检测对象中。该方法利用胶囊图像分割阈值的实数编码序列作为样本个体,选择最大类间方差作为个体的生存适应度评价标准,进行一系列微分进化算法运算后,最终获得胶囊检测图像的理想分割阈值。实验分析结果表明该方法不仅可以达到最大类间方差法的图像分割效果,而且运行效率优于最大类间方差的图像分割方法,可以提高机器视觉中的图像分割质量。     

基于工业CT切片数据的反求建模技术研究

针对目前的反求技术研究都是对无分叉不带型腔的简单情况的零件,研究了复杂零件的工业CT(Industrial computed Tomography)切片数据建模技术,主要包括分割工业CT图像的方法、断层图像间的插值方法和反求重构等.采用基于边缘特征的二值化算法对图像进行分割,在此基础上提出了一种基于距离变换的目标图像插值方法,最后采用体绘制的方法对断层图像进行反求建模.对摩托车气缸头复杂零件工业CT断层数据进行了实验研究,实验结果表明,反求模型的合理性和平滑过渡都比较令人满意.     

基于智能小车实现自主功能的视觉算法与控制

为了满足智能小车实现自主功能,对视觉算法与控制进行了研究,通过在视觉模块引入3种算法:基于神经网络的分割、基于阈值的道路分割方法和基于Hough变换的车道线追踪方法,并通过采用阈值算法对停止标志牌检测从而实现自动停车。结果表明,基于Hough变换的算法能够较好地实现对道路的检测;采用聚类算法实现对停止标志牌检测也能较好地实现自动停车。证明提出的算法设计能满足智能小车实现自主功能,对后续实现人机交互控制以及搭建自主执行任务的无人平台有着重要的意义。     

基于形态学重建和GMM的球团颗粒图像分割

机器视觉技术的发展为颗粒粒径的自动测量提供了一种有效方法,但是,重叠颗粒的图像分割问题仍有待进一步解决。针对这一问题,提出一种基于形态学重建和高斯混合模型的球团颗粒图像分割算法。首先利用似圆度将单独颗粒和重叠颗粒进行区分;根据重叠颗粒图像距离变换特征建立了高斯混合模型;为实现无监督的聚类,采用形态学重建结合聚类有效性指标的方法获得最佳聚类数目,并利用期望极大(EM)算法进行求解;最后采用圆拟合的方法对缺失的球团颗粒轮廓进行重构,实现了对重叠球团颗粒的分割。实验结果表明,该算法能够有效地对重叠颗粒进行分割,分割正确率评价指标AC为93.6%,明显优于现有的对比算法,为基于机器视觉的球团颗粒粒径分布测量奠定了基础。     

基于锥束CT切片图像的复杂零件三维表面重构

根据锥束CT切片图像的特点，提出了一种面向复杂零件的三维表面重构新方法：首先采用3D亚体素边缘检测算法提取序列切片图像的高精度封闭轮廓，并重构出切片轮廓的拓扑信息，然后采用一种改进的基于截面属性的轮廓分割算法得到若干组局部结构轮廓集，最后对这些轮廓集进行叠加与拼合，形成零件的整个三维表面。实验结果表明，该方法分割轮廓准确，稳定性好，对具有复杂内外结构的零件，可确保其重构结果的拓扑正确性。     

一种新的智能内窥镜导航系统

本文介绍了一种新的智能内窥镜导航系统.该系统用于实现内窥镜的智能导航介入.其中导航方法是基于视觉传感器和触觉传感器的多信息融合的方法.在视觉传感器中采用了一种基于自适应阈值图像分割算法的寻径方法,该方法采用加速的最大类间方差法进行阈值分割.在触觉传感器中采用了基于MEMS技术的硅微触觉传感器,四个硅微触觉传感器被封装在内窥镜头部表面,可以获得内窥镜头部全方向的压力.本文通过实验验证了该导航系统的可行性及可靠性,该方法的应用弥补了传统方法中因暗区不明显而无法引导内窥镜的不足,提高了内窥镜导航的精度和可靠性.     

基于HALCON图像处理的粘连零件颗粒计数方法研究

为了解决传统的粘连零件颗粒计数方法存在的效率低、准确性不高等问题,基于HALCON图像识别和处理技术,提出了一种基于欧式距离变换及高斯滤波的分水岭分割算法.首先,利用工业相机采集零件颗粒图像,然后对图像进行预处理,接着对预处理后的图像进行数学形态学处理,再对数学形态学处理后的图像进行距离变换和高斯滤波,最后进行分水岭分割,得到分割图像.实验表明,该算法能有效减少过分割,为后续零件颗粒的准确计数提供了保障.     

结合神经网络和MRF的彩色纹理图像分割方法

在Bayesian框架下利用MRF模型进行纹理分割时,简单的纹理特征概率模型(比如高斯模型)难以准确描述其分布特性而复杂的概率模型设计又非常困难,这极大地影响了分割的精度。针对这一问题,设计了一种能充分利用神经网络建模图像特征场的方法。基于该特征场建模方法,提出了一个监督方式的彩色纹理图像的分割算法。该算法在贝叶斯框架下进行,分别采用神经网络和Potts模型描述特征场和标记场的概率分布,并基于极大后验概率(MAP)准则获取分割结果。多幅彩色纹理图像的分割实验表明,该分割算法对彩色纹理图像比传统的ICM算法具有更好的分割性能。     

基于机器视觉的零件毛刺检测

针对人工检测毛刺效率低下等问题,提出一种基于机器视觉的零件毛刺检测方法.对获取的零件图像和样品图像首先采用改进的中值滤波和双边滤波相结合的方式进行降噪,对降噪后的图像进行阈值分割得到二值化图像,再将零件图像与样品图像进行比对从而得到毛刺图像,通过对毛刺进行标记区分出不同的毛刺,利用面积和最大长度等几何特征对毛刺进行定量分析,最后基于文本提出的方法对实际零件毛刺进行了检测实验,实验结果表明,所提出的零件毛刺检测方法具有高效、准确的优点,且该系统运行稳定,具有一定的应用价值.     

变电站巡检机器人视觉精确定位算法研究

该文研究了变电站环境下基于可见光单目视觉的变电站智能巡检机器人云台二次对准问题。该方法采用一幅预先采集的参考图像定义机器人的期望位置和摄像机云台期望方向,利用尺度不变特征变换(SIFT)特征匹配算法实现当前图像与参考图像之间的匹配以获取视觉反馈信息,采用RANSAC算法求解当前图像与参考图像间的仿射变换。并通过创建云台控制信号和图像特征空间之间的雅克比矩阵映射关系,结合图像多尺度变换实现云台精确二次对准。在变电站户外环境下的实验结果证实了该方法的有效性。     

基于视觉显著性的太阳能电池片表面缺陷检测

现有基于机器视觉的太阳能电池片表面缺陷检测算法均是采用各种类型的数学模型来进行算法设计,为进一步提高检测准确率,从人眼仿生学角度出发,首次将人眼的视觉注意机制引入到太阳能电池片表面缺陷检测中,提出了一种基于视觉显著性的太阳能电池片表面缺陷检测算法。首先,对输入的太阳能电池片表面图像进行预处理,去除对检测有影响的噪声和栅线;其次,提出一种基于自学习特征的视觉显著性检测算法来大致定位缺陷区域;随后,提出一种视觉显著性和超像素分割相结合的算法来进一步精确定位缺陷区域;最后,通过形态学后处理得到最终检测结果。在包含多种缺陷类型的测试图像库上的主观和客观实验评估表明,该算法具有较高的检测准确率。     

基于PCL的自动化机器人视觉形状特征识别算法分析

目前提出的自动化机器人视觉形状特征识别算法识别时间过长,导致识别精准度较低。为了解决上述问题,基于PCL技术研究了一种新的自动化机器人视觉形状特征识别算法。通过云数据采集、数据预处理、提取特征点、分割处理图像完成阈值图像处理。从形状轮廓的长度、直径、离心力、斜率以及曲率、角点这几个决定性因素作为特征分析的切入点实现轮廓形状识别,从区域面积、区域重心和形状参数三种形状特征出发,并采用结构化的描述方法,使自动化机器人更精确地识别视觉形状特征。实验结果表明,基于PCL的自动化机器人视觉形状特征识别算法能够有效缩短识别时间,提高识别精准度。     

基于Matlab起重机吊钩表面缺陷检测图像处理

针对起重机重要零部件通常采用人工抽样检测的弊端,以图像处理技术为基础,进行基于Matlab的吊钩表面缺陷图像处理及缺陷识别算法的开发。缺陷识别算法采用了小波阈值去噪处理方法去除噪声、Canny算子进行边缘检测,最后进行图像特征分割实现最终的识别。该方法可以较好地检测起重机重要零部件表面缺陷,检测速度快,且准确率较高。     

基于不变矩理论及Matlab的平面物体识别

提出一种识别零件的基本方法。先对彩色照相机采集的零件照片进行预处理,包括图像二值化、图像平滑;然后对图像里的零件进行分割和提取;再对分割的图像采用不变矩的方法进行表示和描述,最后采用基于马氏距离度量的识别方法来识别图像中的零件。试验结果表明,该方法能较准确地识别图像中的零件。     

基于机器视觉的陶瓷砖表面缺陷快速检测方法的研究

为了提高陶瓷砖表面缺陷检测效率,提出了一种基于机器视觉的表面缺陷检测方法。采用了自适应中值滤波算法对表面图像进行预处理,利用形状匹配实现图像之间的对齐,采用Deriche亚像素分割算法实现了陶瓷砖边缘的精确分割,设计局部门限算法实现陶瓷砖表面缺陷图像的提取。实验结果表明：该方法可实现陶瓷砖表面缺陷的快速提取,效果较好。