基于神经辐射场的RGB图像点云重建多肉植物及尺寸测量研究

以多肉植物盆栽为研究对象,使用手持式RGB相机采集11个多肉植物盆栽的视频数据,通过将视频转换为图像帧、选取优质清晰图像帧、计算相机位姿得到含丰富信息的RGB图像数据。提出一种改进神经辐射场的多肉植物三维重建方法,根据实际场景提出新的射线采样策略,同时引入改进的图像修复模块与隐式模型重建点云方法,并根据点云重建结果提取多肉植株的叶片数、株高、冠围、凸包体积、叶长、叶宽和叶色共7个表型参数。最后选取具有代表性、易测量的叶片数、株高、冠围、叶长和叶宽5个表型参数进行精度评估与误差原因分析,平均绝对百分比误差(MAPE)分别为2.32%、3.95%、4.95%、5.59%和9.55%,均方根误差(RMSE)分别为0.86片和1.95、17.54、1.87、1.27 mm,决定系数(R^(2))分别为0.99、0.99、0.86、0.91和0.89。精度评估结果表明,所提取的表型参数能够准确、高效地反映多肉植株生长状态,充分发挥RGB图像新视角合成技术、图像处理技术与三维点云重建技术的优势,实现多肉植株盆栽的表型参数高精度、非破坏性提取,能够为多肉植物的种植和养育以及为非固定、多视角的RGB数据获取研究提供重要的技术支持。

基于机器视觉的木窗双端铣削加工尺寸测量方法

木窗是一种以木材或木质复合材料为主要构件的门窗产品,具有良好的生态性能和美观效果,适用于多种建筑形式和风格,其中木窗尺寸是衡量木窗加工是否合格的重要指标。对于传统木窗双端铣削加工中人工测量尺寸方式存在的精度低、效率低等问题,提出一种基于机器视觉的木窗双端铣削加工尺寸测量方法,以期提高尺寸测量精度及加工效率。该方法针对木窗厚度引起的透视效应,提出一种物平面提升法,以消除透视投影带来的误差。首先对木窗图像采取灰度化、平滑去噪、图像增强及轮廓分割等举措,完成图像预处理,提取出木窗内外轮廓区域。对轮廓区域应用Canny算子获取木窗像素级轮廓。通过优化的Zernike矩亚像素边缘提取算法对木窗像素级边缘进行更精确的定位,得到亚像素级轮廓坐标。通过最小二乘法联合RANSAC算法对亚像素轮廓坐标进行拟合,得到拟合轮廓及角点坐标,并使用透视矫正模型计算出木窗尺寸。实验利用3种厚度规格相同但尺寸不同的松木材质矩形木窗,分别测量其内框和外框的边框尺寸及对角线尺寸,并与对应的实际物理尺寸对比,验证了所提木窗尺寸测量方法的检测精度。研究结果表明,所提方法与实际物理尺寸值相比,其绝对误差范围在±0.12 mm之内,相对误差在±0.1%之内,且效率及精度高,可以满足对木窗的在线尺寸检测。

一种应用于大尺寸测量系统的坐标系自动标定方法

针对现有方法在标定过程中过于繁琐的问题,提出了一种应用于大尺寸测量系统的坐标系全自动标定方法。该方法通过固定两个在测量单元局部坐标系已知坐标的测量节点作为标记靶,测量单元之间相互测量彼此的标记靶获得标记靶上的测量点在不同坐标系下的坐标值,利用这些坐标值建立三维几何约束,从而自动标定不同坐标系之间的坐标转换关系。借助于精密激光定位系统平台进行实验验证,结果表明,所提方法可以实现测量单元局部坐标系之间的自动标定,降低了坐标系标定过程中的人工成本。在距离测量单元布站区域约2 m,大小为5 000 mm×5 000 mm×500 mm的测量空间中长度测量的精度在0.46 mm/m以内,测试点三维坐标测量的标准偏差在0.026 mm以内,可以满足绝大部分工业测量的需求。该方法极大的提高了系统的标定效率,有望为具有自动标定功能的大尺寸测量设备的产品化提供新的理论基础。

双目视觉的货车车厢完整尺寸测量

针对货车车厢完整尺寸的快速测量,提出了一种基于双目视觉的测量方法。依据相机成像模型和标定原理对双目相机进行标定实验,使用标定后的双目相机从货车侧后方采集货车车厢图像,再采用U 2-Net显著性目标检测算法对采集的货车车厢图像进行车厢轮廓提取,通过改进的基于图像分块的线段检测算法提取车厢边缘,结合车厢轮廓特征利用车厢边缘线段计算出特定的角点坐标,由三维坐标恢复后的车厢角点间距得到车厢尺寸。试验结果表明,车厢尺寸检测的平均误差小于4.06%,体积检测平均误差小于5.83%,可用于实际测量。

基于亚像素精度的汽车冲压件尺寸测量系统设计

针对汽车冲压件尺寸人工测量方式存在的检测效率低和测量精度难以保证等问题,提出了一种基于亚像素精度的尺寸测量方法。先对汽车冲压件进行图像采集和预处理,接着利用Canny算子和改进Zernike矩进行冲压件图像亚像素边缘提取,再通过Hough变换对提取的圆轮廓进行拟合,最终获得了冲压件外圆直径和3个内孔直径的精确尺寸,4个圆轮廓的测量精度均高于0.025 mm,且多次测量结果的标准差小于0.009 6 mm。基于亚像素精度的尺寸测量系统,完成了测量平台的搭建和软件系统的开发,实现了汽车冲压件尺寸的非接触式亚像素级精度测量,能够满足工业应用的快速连续性测量要求。

基于双目视觉的废料尺寸测量系统设计与研究

为了克服工业废料尺寸测量时人工测量成本高且效率低的问题,提出了一种双目视觉系统。该系统融合了精密机械结构、双目视觉技术及先进图像分析算法,实现了废料三维尺寸的快速自动检测。在双目视觉测量技术应用上,系统基于平行式双目视觉理论,通过SGBM算法实现立体匹配。与BM算法相比,SGBM算法获得了更优的匹配精度与边缘清晰度,有效提升了测量的准确性,可输出高分辨率的视差图像与点云数据,为废料尺寸的关键参数提取提供了坚实基础。试验结果表明,该系统测量误差较低,不超过2.5 mm,符合要求。

基于线结构光的零件三维尺寸测量系统

针对原有接触式三维测量技术测量时间长、效率低、对零件有损伤等问题,提出一种基于线结构光的零件三维尺寸测量系统。建立光平面数学模型,采用基于平面靶标的自由移动标定法标定光平面,利用基于Hessian矩阵的Steger方法对线结构光中心提取,通过坐标变换得到零件的三维尺寸。在Visual Studio软件中的Winform窗体应用设计三维测量系统的软件交互界面,搭建实验测量平台进行多个零件的测量实验。实验结果表明,对不同零件三维尺寸测量相误差均小于4%,提出的测量系统及方法具有较高的精度和稳定性,能够满足工程应用。

基于RGB-D相机的小型汽车外廓尺寸测量方法

为了快速且精确地获取小型汽车的外廓尺寸参数,提高机动车检验机构的检测效率和降低成本投入,提出了一种基于RGB-D相机的小型汽车外廓尺寸高精度测量方法。采用REALSENSE D455和树莓派开发板搭建了实地测量硬件系统,利用目标检测与实例分割网络模型YOLOv8提取出小型汽车对应的实例目标。针对RGB-D相机捕获车辆图像及生成点云存在的问题,分别进行深度图像修复和点云滤波处理,融合点云后自动提取外廓尺寸参数。在实验中,对4种不同型号的小型汽车进行室外实地测试,实验结果表明,该方法对小型汽车外廓尺寸的测量误差小于±1%,满足国标的要求。

基于机器视觉转子冲片亚像素精度尺寸测量研究

针对传统冲压件人工尺寸测量效率低、精度难以保证等问题,提出一种基于机器视觉的转子冲片亚像素精度尺寸测量方法;该方法采用先将采集的冲片图像灰度化再应用中值滤波来降低噪声干扰的图像预处理方法;通过Canny算子与Otsu方法相结合实现自适应阈值边缘检测,再利用改进的Zernike矩方法进行亚像素定位,获取亚像素级坐标;然后设计轮廓分割算法,主要提取内外圆亚像素轮廓,同时设置感兴趣区域并基于K-Means聚类算法分割出骨架线段轮廓,最后使用最小二乘拟合法求解出转子冲片内外圆直径和骨架间距尺寸;实验结果表明,该方法平均测量精度可以达到0.01 mm,测量精度高、速度较快,具有较高的实用价值。

全自动拉伸试验机尺寸测量装置的原理分析与维修

力学测试中试样宽度、厚度的尺寸测量必不可少。近年来,国内较多测试实验室配备了带有尺寸测量装置的全自动拉伸试验机。该装置使用频繁,故障率较高,直接影响自动拉力测试的稳定运行。本文以进口品牌Zwick试验机为例,介绍了尺寸测量装置的工作原理及部分常见故障的诊断过程及处理方法。

基于计算机视觉的钢构件尺寸测量应用研究

钢构件生产加工过程中的质量检查对于构件的质量控制非常重要。其中,尺寸检测和孔洞尺寸的检测是钢结构加工过程中的重要一环。当前构件加工检测仍然以传统的卷尺测量为主,不能形成数字化检测结果无法进行信息化管控,同时对异形构件检测效果差。针对现有检测手段存在的不足,提出了一种基于计算机视觉领域算法的钢构件尺寸测量方法。利用视觉摄像头传感器获取数字图像并进行数据预处理,利用计算机视觉领域YOLOv3算法对数字图像进行目标检测,形成数据模型,在实现对钢构件外边缘和其上孔洞轮廓的批量化自动化处理与识别的基础上,开展构件尺寸检测。经过验证,YOLOv3模型算法检测精确度到达了100%。通过图像识别得到的检测结果和实际尺寸的误差在7.44%和0.08%以内,能够预测真实尺寸。

基于三维激光点云的固体火箭发动机喷管零部件尺寸测量方法研究

为实现固体发动机喷管小型零部件尺寸高效、精确的非接触式测量,采用三维激光扫描技术测量喷管的上支耳尺寸,通过点云粗配准和精配准将其正反两面的点云数据精准拼接,在传统的ICP(Iterative Closest Point)迭代最近点的配准方式上结合Octree算法,优化了搜索过程并排除了异常匹配点对,最后将配准后的点云模型导入Geomagic ControlX中进行测量。结果表明,与三坐标测量值相比较,36只不同上支耳的三维激光扫描精度基本保持在±0.05 mm范围内;测量15次单件上支耳获取测量结果的平均时间4.98 s,重复性小于2%,测量精度和重复性的满足工艺规程和要求。

基于机器视觉的微小冲压零件尺寸测量

针对一种微小冲压零件人工测量效率低、准确度低问题,提出了基于机器视觉的微小冲压零件尺寸测量方法。首先对系统的测量系统设计进行了介绍,然后介绍了测量方法,采用图像处理软件先对提取的图像进行灰度化、去噪点等预处理,再用Canny边缘检测算法进行阈值分割,以提取零件的轮廓。在这些零件的轮廓处理算法上,提出了一种基于RDP算法的轮廓分割方法进行轮廓分割。在边缘定位上,提出了一种基于卡尺工具的边缘点检测方法来提高各类轮廓的边缘定位准确度,然后采用基于Tukey权重函数的拟合算法对直线和圆弧进行测量得到像素尺寸,最后将像素尺寸通过标定转换为物理尺寸。实验结果表明,该设计对微小冲压零件的测量一致性及准确度较高,且具备较高效率。

海上舰船图像尺寸测量中小波分析算法的应用

海上舰船目标识别在海洋监视、军事等多个领域应用广泛,舰船图像尺寸测量是海上舰船目标识别的重要组成部分。本文以舰船遥感图像为研究对象,分析了舰船遥感图像的特点,设计了海上舰船图像尺寸测量流程,重点分析了小波分析技术在图像去噪、图像分割以及尺寸测量中的应用,并使用遥感图像进行了实证研究。通过对小波系数的阈值分割,使用小波分析可以有效对舰船图像完成去噪、分割,并可使用最小外接矩形法完成对舰船图像的尺寸测量。

三维扫描技术在飞行学员医学选拔人体尺寸测量中的应用思考

人体尺寸测量是空军飞行学员医学选拔的必查项目,当前的检测工作投入的人力和时间成本较多,需要一种准确、客观、高效的检测设备和方法辅助开展该项工作。三维扫描技术已成熟应用于常规人体尺寸测量领域,将该项技术应用于飞行学员医学选拔领域,有助于提高招飞所需人体尺寸测量的客观性和检测效率。

基于图像处理的换热器换热铜管尺寸测量研究

针对换热器换热铜管直径非接触及自动测量问题,提出了一种基于图像处理的测量方法.首先利用CCD相机采集换热铜管图像,然后通过灰度化、滤波去噪、二值化及数学形态学处理等方法对图像预处理;接着采用Canny边缘检测算子绘制边界轮廓,并获得换热铜管直径像素尺寸;最后结合相机标定法将换热铜管像素尺寸换算为实际物理尺寸.将该测量结果与游标卡尺测量结果对比,计算得到误差为1.6%,提高了测量精度.

基于双目视觉的物体尺寸测量系统

提出了一种基于双目视觉的物体尺寸测量系统,用于非接触式测量物体尺寸。该系统采用张正友棋盘标定法进行双目相机标定,并利用标定参数对采集的图像进行校正。通过采用图像分割技术和角点检测算法获取待测物体的特征点。通过立体匹配算法对校正图像进行处理,得到视差图。根据三角形相似性原理计算特征点的三维坐标,计算出物体尺寸的信息。实验结果表明,该系统具备较高的测量精度,具有一定的实用性和应用前景。

基于机器视觉的不规则零部件尺寸测量方法

随着机器视觉技术的发展,零部件尺寸测量技术在工业生产中的应用愈加广泛。针对不规则形状且具有一定厚度的零部件尺寸测量难度大、测量不精准的问题,该文研究一种面向不规则零部件的尺寸测量方法。首先对噪音图像进行中值滤波和灰度变换处理,增强图像的对比度;研究相机标定原理和张正友标定方法,通过黑白棋盘标定板求出单应矩阵和相机内外参数。经过透视转换,将图像的立体效果转换成平面形态,并纠正畸变,以消除零部件厚度造成的透视影响;在图像轮廓提取中,针对Canny算法需要人为设定阈值的缺点,利用OTSU算法进行改进,实现零部件图像的自动轮廓提取;针对不规则形状的轮廓尺寸测量,需要先利用基于RDP算法进行多边形逼近,获取关键轮廓点,再将不规则轮廓曲线通过直线和近似圆形拟合,对轮廓进行分割;最后对分割的轮廓段进行Hough变换拟合,获得直线长度和圆弧半径,实现对零部件分割图形的尺寸测量。通过实验结果得出本方法平均检测率大于95%,检测精度小于等于0.044mm,满足应用要求。

基于点云精简的大型环锻件外形尺寸测量方法

针对大型环锻件尺寸测量过程中测得的点云数据量庞大、点云网格质量低下等问题,提出了一种环形锻件点云精简测量算法。首先设定了锻件网格上每个顶点的内点和边界的目标高斯曲率为零;接着根据设定好的目标曲率,使用Ricci流方程来优化Ricci流离散熵能量,计算得到平面目标度量,得到网格上每一点的参数化坐标;最后基于得到的参数化坐标来扩展顶点维度,并引入顶点约束因子加权代价函数进行网格精简测量。实验结果表明,所提出的算法能够处理结构复杂的点云模型,且简化后的点云模型边界几何特征保持良好,能够满足工业数字化制造的测量尺寸精度需求。

基于机器视觉的尺寸测量研究进展

基于机器视觉的尺寸测量是近年来在计算机视觉领域中备受关注的一个研究方向。随着人工智能和图像处理技术的快速发展,利用机器视觉进行精确尺寸测量的方法因其准确、高效、非接触的特性,被广泛应用于智能制造、质量控制和自动化系统等领域。常用的机器视觉尺寸测量方法,包括特征提取、边缘检测、模板匹配和三维重建等技术,通过建立相机与被测物的相对坐标,计算转换得到测量数据。同时,基于机器学习和深度学习的尺寸测量方法,通过建立高效准确的尺寸预测模型,实现更灵活准确测量。机器视觉测量从利用设备获取数据的方式的不同,可分为被动测量与主动测量,文章将针对上述方法在两种方式上的应用,对基于机器视觉的尺寸测量技术进行综述,总结了机器视觉测量存在的问题,并对其发展趋势进行了展望。