基于机器视觉的钢轨表面缺陷检测系统

为了实现钢轨表面缺陷自动化检测,以手推式轨道检测车为平台建立基于机器视觉的钢轨表面缺陷检测系统。以黑白线阵CCD相机获取轨道图像,并辅以线阵白光光源主动照明,减少外界光源的干扰;编码器安装在车轮上获取检测车的运动信息,并将里程转换成脉冲信号触发线阵相机进行图像采集,获取的图像经千兆网传输至工业计算机进行处理;利用单片机设计信号处理器读取编码器的脉冲信号,根据编码器A、B相输出信号的相位差判断车轮的前进方向;提出改进最大熵阈值分割法对钢轨图像分割,使分割结果接近目标出现的概率。实验结果表明,图像采集系统能够稳定的采集轨道多部件图像,相比于Otsu、原始最大熵阈值分割法,改进最大熵阈值分割法在减少误分割的同时能够比较准确的将缺陷分割出来,与背景差分法、积分投影法相比,本文方法获得了较低的误检率和漏检率。     

高动态环境下的傅里叶梅林变换视觉SLAM算法

针对视觉即时定位与地图构建(SLAM)中的静态假设限制其在动态现实环境中应用的问题，提出了一种在高动态环境下基于傅里叶梅林变换的视觉SLAM算法。首先，采用傅里叶梅林算法配准以补偿相机运动，应用帧间差分算法获取运动掩膜。同时利用短时密集连接网络进行语义分割确定潜在运动物体掩膜。结合运动掩膜与物体掩膜，获得最终的物体运动区域，剔除该区域的特征点。最后，依据稳定的静态特征点跟踪优化，提升位姿精度。实验结果表明，本算法的绝对轨迹误差与相对位姿误差相比于ORB-SLAM2减少了95%以上，相比于DS-SLAM减少了30%以上，验证其在复杂动态场景下具有良好的定位精度与鲁棒性，有效降低运动模糊与光照变化对运动检测的影响，同时，克服了传统动态SLAM难以检测非先验运动对象的弊端。