基于机器视觉的轮廓度检测算法研究

提出一种基于形状模板的匹配方法和奇异值分解的迭代匹配方法的轮廓度误差视觉测量算法,该算法可以检测任意形状的玻璃、塑料或金属薄片产品的轮廓度在加工时所产生的误差。首先,在图像中使用基于Sigmoid函数的亚像素边缘检测方法来拟合产品的亚像素边缘,接着使用基于形状的模板匹配方法来进行粗匹配,在粗匹配的基础上使用SVD算法得到图像的旋转平移矩阵,进行精匹配。最后计算对应点之间的距离作为轮廓度误差。     

基于边缘几何特征的高性能模板匹配算法

基于灰度相关的模板匹配算法在很多情况下难以得到准确的匹配结果,提出一种基于边缘几何特征的高精度模板匹配算法.利用曲面拟合方法获得边缘的梯度方向和亚像素坐标作为匹配信息,采用图像金字塔的搜索策略对算法加速,最后利用最小二乘平差理论得到亚像素级的定位精度和精确的旋转角度信息.实验表明,对于目标旋转、均匀或非均匀变化的光照、部分遮挡的情况下可以得到良好的匹配结果,而且在保证高精度的同时算法可以满足实时性要求,重复定位精度优于商业化软化包MIL8.0的GMF算法.     

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。     

面向微装配的零件识别定位方法研究

针对平板类微小零件装配问题,在搭建了微小型零件装配系统实验平台的基础上,开发了微装配控制系统,并对装配流程进行了分析研究。根据平板类微小型零件的特点,在微装配识别定位模块,对零件识别定位方法进行了研究,开发了基于形状模板的匹配算法。该模块首先将模板图像与目标图像进行高斯滤波,得到平滑图像,并对平滑图像二值化以及对模板二值图像进行去噪;其次,通过Sobel滤波器计算边缘点的方向向量,定义相似性度量;最后,通过图像金字塔加快匹配速度,并利用最小二乘法达到亚像素级定位精度。实验分析表明,此方法识别率高、匹配速度快、定位精度高,能够较好的满足实际要求。     

基于Franklin矩的亚像素级图像边缘检测算法

为了满足计算机视觉标定与精密测量对图像边缘定位的精确度高和抗噪性强的要求,提出一种基于Franklin矩的亚像素级图像边缘检测算法。首先,建立亚像素边缘模型,利用各级Franklin矩的卷积来提取图像边缘点的细节特征;然后,依据Franklin矩的旋转不变性原理,分析图像边缘旋转至垂直方向后各级Franklin矩之间的关系,从而确定图像中亚像素边缘的关键参数;最后,根据改进的边缘判断条件,确定图像中的实际亚像素边缘点。大量实验结果表明,与基于Zernike矩的亚像素级算法、基于小波变换与Zernike矩结合的亚像素级算法、基于Roberts算子与Zernike矩结合的亚像素级算法相比,本文提出的基于Franklin矩的亚像素级图像边缘检测算法速度更快,精度更高且抗噪性强,更好地满足了对于图像边缘定位稳定可靠及高精度测量的要求。     

基于亚像素图像块匹配方法的压电陶瓷驱动特性测量

为了高精度地测量压电陶瓷的驱动特性,提出一种基于计算机视觉的亚像素图像块匹配位移测量方法.对困扰亚像素图像块匹配方法的三个重要因素:搜索区域大小、模板图像大小、亚像素拟合精度进行详细分析和试验,提出根据试验结果和微纳米图像序列的测量特点选择最佳的搜索区域、模板大小、匹配准则函数和亚像素拟合方法的原则;使用高精度纳米平台、高倍显微镜以及标准栅格所组成的试验系统对该方法进行位移测量精度的验证试验;使用改进的亚像素图像块匹配方法对实际的压电陶瓷驱动器的驱动特性曲线进行测量.结果表明,该方法得到的压电陶瓷驱动特性曲线符合物理分析结果;并且方法本身操作简单、测量结果可靠,能够满足高精度的微纳米测量要求.     

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。     

基于显微视觉的亚像素压电陶瓷驱动特性测量

为了得到纳米操作压电陶瓷驱动器高精度的驱动特性,提出一种基于显微视觉的亚像素位移测量方法。本文采用Harris角点初始定位,对标准的栅格图像序列进行角点匹配,获得模板匹配的初始区域。并提出了二元拉格朗日插值与二元非线性Newton-Raphson迭代算法的亚像素位移测量方法,能够在保证良好测量精度的同时有效地减少亚像素匹配中耗时的相关计算。最后使用改进的亚像素图像块匹配方法对实际的压电陶瓷驱动器的驱动特性进行了测量,并与真实结果和理论模型描述结果进行了对比。实验结果表明,该算法位移测量精度高、稳定性好,得到的压电陶瓷驱动特性曲线符合物理分析结果,能够满足高精度的微纳米测量要求。     

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。     

基于亚像素技术的锥螺纹参数检测算法

研究了一种基于亚像素技术的外螺纹几何参数计算。在获取螺纹图像的基础上,通过边缘检测算法获取螺纹轴剖面外轮廓的边缘。在已知边缘点Sobel算子八方位边缘梯度的基础上确定未知点的多项式插值的亚像素定位算法和基于螺纹外轮廓形状的曲线拟合对参数进行计算,并对螺纹的螺距等参数的求取过程进行了详细的阐述。实践证明,该算法具有较高的运算精度和较快的运算速度。     

基于视觉图像的二次曲线特征参数精密测量方法

为了满足视觉检测中对二次曲线参数(圆或椭圆)高精度测量要求,提出了一种基于视觉图像的二次曲线特征参数精密测量方法.该方法利用变结构元广义形态学边缘检测算法对图像中的二次曲线进行初始边缘定位,充分提取图像边缘细节信息的同时抑制图像噪声的影响.在亚像素图像处理中,基于Zernike矩边缘检测算法计算出的边缘参数,提出了对二次曲线特征进行亚像素边缘定位的边缘检测算法,建立了曲线边缘点与边缘参数之间的映射关系.利用检测出的二次曲线亚像素边缘点数据,通过定义的数据点分布优化的参数拟合算法,可以计算出二次曲线的特征参数.实验结果表明:该方法稳定性好且实时性强,定位不确定度优于0.03像素,可实现二次曲线特征参数的精密测量.     

基于Sobel黑片图像亚像素边缘检测算法研究

本文提出一种基于Sobel黑片图像亚像素边缘检测算法。算法对传统Sobel算法进行了改进,并且和多项式插值法的改进的算法相结合。单像素边缘是通过对边缘梯度图像加上合理的权值和阈值的方法得到的,亚像素边缘定位通过多项式插值计算得到。该算法因为检测精度高而广泛的应用于黑片的在线检测。     

基于改进形态学梯度和Zernike矩的亚像素边缘检测方法

为满足电荷耦合器件(CCD)图像测量系统的快速、高精度测量要求,提出了一种基于改进形态学梯度和Zernike矩算法的图像亚像素边缘检测新方法.基于CCD图像灰度和空间结构信息特点,该算法先利用改进的数学形态学梯度算子进行边缘点的粗定位,在像素级上确定边缘点的坐标和梯度方向;然后再根据构造的边缘点向量和参考阈值,用Zernike矩算法对边缘点进行亚像素的重新定位,实现图像的亚像素边缘检测.仿真图像和实际图像的边缘定位实验结果表明,与Zernike矩、LOG-Zernike矩及Sobel-Zernike矩算法相比,该方法具有更好的定位精度与抗噪性,且检测速度更快.     

视觉检测系统中亚像素边缘检测技术的对比研究

在视觉检测系统中,亚像素边缘检测的定位精度是其最终测量精度的关键,国内外很多学者对该问题进行了广泛的研究,提出了各种边缘检测的方法,但是各种方法的定位精度及抗噪声能力的优劣都自圆其说,难以验证.也有很多学者对各种算法进行了对比研究,但使用的评价图像与实际系统采集的图像相差甚远.本文根据视觉系统采集图像的原理生成理想图像,使用各种边缘检测算法对该图像进行亚像素边缘定位,以理想点坐标和实际采集的点坐标的均方差作为标准来比较各个算法的定位精度,并定量地加入噪声,分析各处算法的抗噪声能力以及计算时间.分析和讨论的结果为亚像素边缘定位技术的选取提供可靠依据.     

基于单片机二维CCD图像检测算法研究和实际应用

介绍一种基于单片机的二维CCD图像采集系统,根据图像在PC中的直观观察及图像的二维尺寸,通过一种高鲁棒性、通用性的基于图像形状的模板匹配算法,来确定印刷线路板上电阻的姿态和类型。由于传统的检测方法会因被检测物体的不同种类或发生变化而需要使用各种不同的图像算法的组合来满足图像检测要求。相比之下,模板匹配的思想方法具有万能化的特点,只要创建了待检测物体的模板,就能实现简单、方便、高效的图像检测。     

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.     

车灯尺寸定位误差自动检测的新方法

本文提出一种新的车灯尺寸定位误差检测方法,利用图像边缘检测技术,提出轮廓跟踪的算法提取车灯图像的边缘,并采用曲线拟合算法进行分析,快速得到亚像素匹配点.实验结果表明,该方法能精确定位车灯图像边缘,提高了运算速度,优于传统的测量方法.     

基于边缘重心模板的水中机器鱼阈值分割算法研究

为了实现不同光照条件下水中机器鱼的准确视觉分割,提出了一种基于边缘重心模板的阈值分割新算法。该算法首先将机器鱼图像从RGB颜色空间转化至HSV颜色空间,利用图像H分量直方图来确定机器鱼像素H分量值的极差;然后基于Sobel算子进行边缘提取来获取边缘重心坐标,并计算以边缘重心为中心的n×n模板的H分量平均值;最后利用机器鱼像素H分量值的极差和平均值来确定边缘重心模板阈值,从而实现机器鱼的阈值分割。3种光照环境的实验结果表明,与其他算法相比,基于边缘重心模板的阈值分割法不仅保证了平均96%的高检出率,其平均误检率也控制在0.4%,从而验证了此算法的有效性。     

基于形状模板匹配的印刷品缺陷检测

针对传统的模板匹配算法无法满足工业检测中的实时性要求,提出了一种基于形状模板的匹配算法,并应用于印刷品的缺陷检测。算法以Sobel算子滤波后得到的边缘点的方向向量为基础,定义相似性度量,同时结合图像金字塔分层搜索策略,利用形状信息进行模板匹配。实验结果表明,所提出的匹配算法速度快、精度高,而且匹配鲁棒性高,不受印刷品缺陷检测中可能出现的遮挡、非线性光照变化和全局对比度反转等情况的影响。     

立体零件加工质量的在线图像检测方法

针对具有景深零件加工质量的在线检测问题,提出一种基于单摄像机的分层图像测量方法.结合改进的双线性插值和Robert边缘算子,对零件各层面在图像上投影直线边缘粗定位;再基于灰度矩的亚像素算法和最小二乘直线拟合,将边缘定位精度提高到亚像素级.在二步法图像边缘定位基础上,利用分层映射关系,获得零件形状和几何尺寸数据.本文方法应用于某种双层特种钥匙加工质量的图像检测中,实验结果表明,该方法实时性好,能满足机械零件加工质量的检测要求.