结构光直线光条图像特征的三步法提取

提出一种三步法直线光条图像特征自动提取方法。计算光条各点的HESSIAN矩阵以确定其法线方向,在法线方向利用泰勒级数展开求得光条中心点的亚像素图像坐标,利用光条中心点的空间位置连续性约束,将相邻光条中心点连接成曲线。采用直线近似方法将曲线拆分为独立直线。将位于不同独立直线上的共线点进行融合,构成新的融合直线,通过融合直线长度约束和近似直线的角度约束,分割出单一直线光条的中心点,采用最小二乘直线拟合方法得到结构光直线光条的方程。通过对真实图像的试验,结果表明,提出的三步法直线光条提取方法,能够自动提取出复杂背景中的直线光条,为线结构光视觉测量的现场应用奠定基础。     

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。     

钢轨磨耗动态测量中激光光条中心的快速提取

针对钢轨磨耗动态测量中激光光条中心快速精确提取的问题,提出一种卡尔曼滤波和Hessian矩阵相结合的激光光条中心快速提取方法。首先,利用卡尔曼滤波实时预测钢轨磨耗动态测量中激光光条在图像中所在区域;然后,在预测的激光光条区域内,逐行搜索图像灰度最大点,将该灰度最大点作为激光光条图像中心的初始位置,在激光光条图像中心初始位置处利用Hessian矩阵计算得到光条中心的亚像素图像坐标;最终实现在激光光条区域内光条亚像素图像中心的快速提取。该方法显著减少了搜索区域及高斯卷积的数目,提高了激光光条中心提取的鲁棒性及速度。实验结果表明,在保证激光光条提取精度的前提下,每帧提取时间可达到1.6 ms。     

一种多结构光条纹亚像素中心提取方法

在使用结构光方法进行工件或物体的三维信息快速测量中,需要对工件或物体投射多条结构光条纹,快速准确地提取各投射光条的中心是实现精确检测的关键问题之一。文中提出了一种多结构光条纹亚像素中心提取方法,首先扫描整个图像确定光条数目;接着提取各光条的边缘坐标信息;最后利用高斯拟合求取各光线条纹的亚像素中心。实验表明,该方法能有效识别多结构光条纹并提取其亚像素中心。     

精确的线结构光中心提取算法研究

光条纹中心的精确提取是线结构光三维识别系统的重要环节。环境光干扰、被测物表面反射以及图像采集系统所产生的噪声都给光条提取增加了难度。文章提出了一种快速精确的线结构光条纹中心提取法。首先,对图像进行预处理,通过边缘法对结构光中心线进行边缘检测;然后,用均方灰度梯度法确定结构光中心法线方向;最后,对法线方向上像素进行灰度加权,从而精确提取出结构光条纹中心。实验结果证明,该算法光条纹中心的提取精度达到了亚像素级别。     

双目视觉测量中等匹配点的光条中心提取

为了精确、快速提取激光条中心,使其提取结果更适用于工业现场特征尺寸的双目视觉测量,提出了一种等匹配点的激光条中心提取方法。利用灰度重心法粗提取出激光条中心点,计算灰度梯度方向,确定光条边界。接着,根据左右图像中激光条的粗提取结果确定基准光条,对另一幅图像中的对应光条进行插值。然后结合灰度梯度方向与插值结果对激光条进行重提取,得到等匹配点的亚像素中心坐标。最后,利用激光条中心点提取结果重建陶瓷平板、金属板表面及加工现场锻件表面的特征信息。实验结果表明,本文方法提取陶瓷板与金属板的激光条中心点的匹配率分别为99.887%与98.276%,宽度重建的相对误差分别为0.638%与0.488%,激光条中心提取结果能有效重建锻件表面的特征信息,满足工业现场对测量的精度、速度和鲁棒性要求。     

连铸坯三维测量多线结构光的中心条纹快速提取

在利用多线结构光系统对大尺度连铸坯进行三维测量的过程中,线结构光中心条纹的提取精度是影响三维测量精度的重要因素。提出了一种对传统灰度质心方法进行优化的多线结构光中心条纹提取方法。对连铸坯表面激光横截面不满足高斯分布的线结构光条纹,利用图像背景差分的方式去除环境噪声,并根据线结构光条纹与背景间的灰度变化信息确定线结构光的边界,同时提取线结构光的感兴趣区域。根据光条在梯度方向上的灰度积分比例计算灰度质心法的自适应灰度阈值,利用灰度质心方法处理感兴趣区域提取出光条中心点,最后结合附近半径为5个像素的邻域内所定位的中心点进行质心重提取,获得连铸坯表面光条的亚像素中心坐标。现场测量结果表明：对反射特性不均匀的连铸坯表面的激光条纹光条中心进行提取,最终连铸坯边缘轨迹点的三维测量结果标准偏差在2 mm以内,该方法具有精度高、速度快、鲁棒性强的特点。     

3D线激光相机的激光条纹中心提取方法

线激光条纹中心提取是实现线激光相机三维扫描的关键，根据激光三角测量法研制了线激光相机，基于传统Steger法对其进行优化并提出一种适用于提取线激光相机光条中心的方法。对图像进行预处理，结合Canny算子找出光条边缘，求取光条边缘极值并计算确定ROI区域，利用高斯滤波处理提取后的图像，利用Hessian矩阵求取光条中心法线方向，在法线方向进行二阶泰勒展开确定光条中心点，最后对中心点连接并平滑处理，实现中心线精确提取。实验表明，采用本方法能够准确找到不同背景与光源环境下的光条中心，不同条件下的光条中心均方根误差平均值小于0.4,并能够准确扫描出零件三维点云。     

亚像素检测方法在图像检测点提取中的应用

图像检测点的提取是图像定位于检测系统中的关键问题.为解决利用二值细化提取图像检测点技术精度不足等问题,将亚像素检测定位技术应用到图像检测点提取中.通过试验比较了三种亚像素定位算法图像定位中的优缺点,进行了通过光条中心线的提取试验以及通过两条光条中心线交叉点提取图像检测点的试验,对亚像素检测定位技术作出评价.研究结果表明...     

线结构光条纹中心的全分辨率精确提取

激光条纹中心的提取是线结构光坐标测量系统的关键技术之一,本文对条纹中心的高分辨率精确提取进行了研究.首先,基于阈值法全分辨率提取条纹初值中心;然后,在条纹初值中心域应用灰度梯度与Bazen方法计算条纹法向,最后在法线方向精确获取光条纹能量中心.采用分辨率为768×576的相机,应用V形检测块进行对比实验,结果表明:提取的中心点分辨率为1 086点,比传统方法增加了42.5%,且无冗余点;中心点到由中心点拟合的直线的平均距离最小,分别为0.294与0.306 7 pixel;条纹法向计算精确,计算时间为75.8 ms.该方法避免了被测体表面曲率变化大、提取中心密度小等问题,提取的精度与鲁棒性高,满足在线精确测量要求.     

利用轮廓线多边形表示实时提取光带中心线

提出了一种亚像素光带中心线实时提取方法.首先,通过跟踪光带轮廓线并进行多边形表示将光带分段;然后,利用轮廓线的逆时针排序特性以及分段光带方向和横截面方向的正交关系,采用序号表示方法计算光带横截面扫描线方向;最后,在扫描线上设计了自适应光带横截面宽度变化的灰度重心法计算亚像素坐标.针对6传感器线激光人脚扫描仪采集的分辨率为640 pixel×480 pixel的典型位置光带位图进行了实验,结果显示,采用本方法提取光带中心线用时不超过3.1 ms.精度达到亚像素级,能够满足多传感器线激光扫描视觉系统对光带中心线提取的实时性和高精度的要求.     

无人机自主降落视觉标识设计及位姿测量方法

为实现无人机自主降落,设计了一种由多组不同半径比的同心圆组成的视觉标识。针对同心圆成像后的形变情况,结合圆心、消隐点、内外圆交点构成的调和比约束,设计了一种递归的圆心求解方法,以获取圆心亚像素投影点。相较于Hough圆检测算法以及传统方法,该方法可以更鲁棒、精准地提取圆心投影点亚像素坐标。完成圆心提取后,基于交比不变性建立图像坐标与平台坐标一致性匹配关系解算出初始位姿,并通过二次曲线重投影模型设计非线性优化函数求得优化位姿。针对降落过程中图像运动模糊的情况,提出一种基于运动连续性的测量关键帧选取模型来排除运动模糊图像对控制决策的影响。进一步设计一种多模式切换控制结构实现了对降落平台的运动预测、无人机样条轨迹生成与更新,从而完成无人机自主降落。在1 500次的测量实验中,该测量方法的平均重映射误差可达到0.578 pixel,方差为0.009 6。在现场降落实验中,无人机在2.5 m高度时对降落台的定位误差小于3.5 cm,表明本文方法具有较高的视觉测量精度且更加稳定,能够实现对运动降落目标的稳定接近与跟踪并完成降落。     

基于机器视觉的大柔性结构振动位移测量

针对空间大柔性结构受到扰动后所产生的低频率、大幅值振动变形难以测量的问题,利用基于机器视觉的结构振动位移测量方法对此类结构的振动位移进行了测量,并识别了结构的动态特性。首先,理论分析了传统的对加速度信号直接积分获得位移的方法存在低频噪声被放大的问题并进行了实验论证;然后,研究了基于机器视觉的结构振动位移测量方法,进行了方法精确度与有效性的实验验证。实验中采用数码相机作为视觉传感器,对采集的结构振动视频进行图像处理,采用数字图像相关方法提取每帧图像特征点的位置信息,应用亚像素定位方法改进测量精度。将视觉位移测量方法获得的结构固有频率与加速度数据求得的结构固有频率进行比较,验证了基于机器视觉的振动位移测量方法在大柔性结构振动位移测量和动态特性识别方面的应用有效性。     

基于序列局部图像的尺寸高精度测量方法

为实现大尺寸机械零件的高精度视觉测量,研究基于序列局部图像的视觉测量方法。首先分析机械零件图像边缘的过渡分布特征,提出边缘像素补偿法,消除实际边缘不能精确定位对测量精度的影响。然后以直线边缘距离测量为原型,提出基于序列局部图像尺寸特征的测量方法：对零件进行微小区域成像,生成在空间上连续的序列局部图像;应用相关系数法和双线性插值法获得相邻序列图像的亚像素级尺寸特征线,从而得到各局部图像的尺寸特征;对这些尺寸进行求和与补偿,得到零件的总体尺寸。实验表明,对常规尺寸零件的单幅图像运用边缘像素补偿法,相对测量误差在0.008%以内;对大尺寸零件应用序列图像测量法,相对测量误差在0.01%以内,具有误差积累小的优点,可用于机械零件的精密自动化测量。     

面向浮雕的激光测量中光刀中心提取

在用光切法进行位移和三维面形测量时,如何快速准确地提取光带条纹中心的位置是非常关键的问题。现从光切法原理出发,提出采用亚像素细分和变闽值质心法相结合进行光刀中心提取,提高了系统的测量精度和准确度。同时通过三角法对应关系推导出物像之间的线性关系,并用此关系式对系统标定。在对被测物体进行测量时,只需要简单地将观察量代入关系式就可以求出被测量,精确有效地描述浮雕的表面信息。     

重轨图像增强与边缘提取的关键技术

针对重轨图像两个边缘像素特征不一致,传统边缘算子检测法难以精确提取边缘的问题,提出了一种新的边缘提取方法.该方法利用灰度强对比度拉伸算法对重轨表面和背景进行差异化拉伸增强边缘信息,削弱背景信息.运用最大方差比算法选取增强后图像的最佳阈值实现二值化.最后,运用递归连通域标识法定位边缘像素坐标,完成图像分割.对随机选取的30幅图像进行分析表明:处理后的图像边缘灰度特征明显增强,有效地抑制了表面纹理及虚假边缘.重轨表面像素宽度波动减少到-0.64％～0.34％.离散预处理算法通过遍历寄存器全局数组,减少分割时间至10.165 s.该方法在抗干扰性、准确性及时效性等方面优于传统边缘算子检测法,适用于在线工业检测系统.     

采用环形模板的棋盘格角点检测

曝光过度和镜头畸变将分别导致棋盘格角点分离和角点局部区域不对称现象。现有的角点检测算法通常难以准确提取棋盘格角点。此外,在复杂背景下,现有角点检测算法也极易出现错误。针对上述问题,本文提出了一种图像坐标系下的基于环形模板的棋盘格角点检测算法。首先,通过分析得出棋盘格角点附近的灰度分布应满足一定的对称性和灰度交替性等性质,进而得出环形模板卷积后的图像应满足的性质。而后,利用该性质来定义并提取棋盘格角点,使提取的角点直接达到亚像素精度。实验结果表明：本文提出的棋盘格角点检测算法在曝光过度,镜头畸变和复杂背景情况下,均能取得较好的棋盘格角点检测效果。将该算法应用于实际摄像机标定,实验结果显示重投影误差在0.3个像素以内。