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.     

基于粒子群算法的摄像机标定过程优化

摄像机标定为机器视觉在物体位姿与姿态的测量过程中最重要一环,其映射物体三维空间与二维图像之间关系是一个复杂非线性最优化问题。为了更好地解决这一复杂优化问题,阐述了利用粒子群优化(PSO)算法计算摄像机标定过程的一种优化方法,重点描述了PSO算法的原理,单目视觉测量系统,以及基于CMOS摄像机的成像模型及其原理和算法。通过图像软件提取靶体模型上特征控制点,及摄像机标定算法建立了相应的计算公式。结合PSO算法优化像机外参,实验结果表明,PSO算法计算准确、速度快,具有很强的工程应用价值。     

基于彩色图像的高速目标单目位姿测量方法

针对风洞分离实验对于视觉测量系统的高精度、大视场、高速的测量要求,提出一种基于单目摄像机的风洞运动目标位姿测量方法。该方法利用单目摄像机进行运动目标位姿信息测量,相比于双目测量方法具有设备简单、视场大的优点。首先提出一种基于靶标特征点相互约束关系的参数优化方法,采用复合式靶标实现摄像机的快速高精度标定;针对目标运动图像处理,提出一种基于图像差叠法和标记点位置估计的图像快速分割与目标定位方法,实现图像特征的快速准确定位;针对单目测量要求及目标运动特性,提出一种基于方向估计标记点布局方式,实现合作标记点的快速识别和提取;最后利用单目视觉原理求解运动目标的位置和姿态信息,通过实验室模拟实验完成了测量系统的精度验证,在1 m×1 m视场范围内,其位移测量精度可达到0.19 mm,俯仰和偏航角测量精度可达到0.18°。     

显微视觉主轴回转误差测量

提出了一种基于显微视觉和图像处理技术的主轴回转误差测量方案。介绍了测量系统的原理,分析了特征点的提取方法,摄像机的标定方法以及特征图像的处理方法。     

基于多尺度多方向相位匹配的立体视觉方法

立体视觉是图像处理领域的一个重要分支.在阐述立体视觉原理的基础上给出了一种多尺度多方向的图像立体匹配方法.利用左右摄像机的投影矩阵得出空间点的三维坐标与两台摄像机的像平面二维坐标的映射关系,并进而得出由两个像平面坐标直接求取空间三维坐标的方法.通过把图像进行复数小波变换,把图像分解成多尺度的不同方向上的复值子图.并通过一个由粗及细的过程来实现图像的精准匹配.     

基于成像光线空间追踪的摄像机标定方法研究

摄像机测量模型和标定方法是视觉测量的关键,直接影响视觉测量系统的测量精度。针对这个问题,借鉴非成像模型的摄像机校准的思想,提出了基于成像光线追踪的摄像机标定方法。分析测量点经摄像机镜头成像的规律,通过空间直线确定摄像机图像坐标与测量空间的映射关系。使用像平面和两个空间平面的映射关系,建立空间直线表达方式,完成基于成像追踪方法的摄像机测量参数标定。通过噪声分析和精度测量实验对基于成像追踪的摄像机标定方法进行精度验证,实验结果表明该方法可以有效抑制标定数据噪声对测量结果的影响,提高摄像机标定精度。     

NAO的单目视觉空间目标定位方法研究

为了实现单摄像头工作的双足机器人NAO的视觉定位,采用单目视觉技术,建立一个空间点定位模型。根据摄像机的小孔透视模型,将图像中的二维坐标通过几何关系映射为机器人坐标系中的三维坐标,实现NAO基于单目视觉技术对空间目标定位。进行了定位实验,实验结果误差在允许范围之内,验证了该定位方法的实际可行性。     

水下双目立体视觉对应点匹配与三维重建方法研究

针对水下双目立体视觉成像稠密立体匹配因不满足空气中极线约束问题,提出一种水下对应点匹配与三维测量方法, 可将水下双目相机采集的立体图像校正为符合共面行对齐原则的图像对,再套用空气中成熟的立体匹配方法得到水下左右相 机图像视差图,从而实现水下目标的三维重建。 首先,将进入相机的所有光线总和看成光场,采用四维光场参数表达对每一条 光线建模,据此建立相机的折射成像模型和双目立体视觉模型并计算光线的方向向量;根据光线的光场表达将光线转化为点矢 量的形式,计算方向图像上任意像点对应原图像的像素坐标并确定位置映射关系。 通过插值即可快速得到符合行对齐原则的 左、右方向图像,并最终获得每条光线对应的视差图。 仿真结果表明,方向图像的行对齐误差小于 0. 8 pixel。 水池实验采用事 先标定的靶球作为目标物,利用随机散点主动投射以增加目标物表面的纹理信息,对靶球多次测量的均方根误差为 2. 8 mm,具 有较高的测量精度。     

应用SVM算法的相位—三维坐标标定方法

在采用光栅投影轮廓术的立体视觉方法对目标物体重构过程中,关键的步骤就是求得目标物表面特征点的相位与三维坐标的映射关系。通过对单目相机与投影仪组成的视觉系统建立模型,并对相机坐标系与投影仪坐标系进行空间解析,可得空间中任意一点在图像中坐标(u,v)、绝对相位θ与其在相机坐标系下的三维坐标(xc,yc,zc)存在复杂的非线映射关系。提出基于SVM算法的相位—三维坐标标定方法,用带有圆形标志点的平面标定板进行SVM回归模型的样本采集与训练。并通过对测试集回归预测的数据与实际测量中的数据进行对比,分析实验结果显示该标定方法确实可行,具有较高的标定精度。     

基于神经网络的双目视觉传感器建模

根据双目视觉传感器的工作原理,分析了影响测量精度的因素,表明双目视觉传感器的物体空间坐标与图像坐标之间存在复杂的非线性映射关系,其数学模型无法用解析式精确地加以描述.因此,提出一种基于神经网络的双目视觉传感器建模方法.数值实验表明,该方法简便易行,建立的模型有较高的精度.