基于图像亮度均衡技术的霍夫圆检测研究

棋子定位是下棋机器人视觉系统中至关重要的环节。目前下棋机器人视觉系统中最常用的圆检测算法为霍夫圆变换法。该检测算法具有同时可一次检测多个圆,满足对棋局实时检测的需求等优点,但在暗光照环境下也暴露出不稳定性,导致采集到的图像存在较大的局部阴影和局部反光现象,使得检测出现偏差。为了克服其检测的光敏性,增强检测的鲁棒性,设计了一种图像亮度均衡算法。为了验证方案的可行性,对在暗光源环境下加入图像亮度均衡算法与不加图像亮度均衡算法分别进行了霍夫圆检测的对照实验。实验结果表明,加入图像亮度均衡算法对暗光源环境下采集的棋盘图像预处理后,再进行检测,能够矫正偏差,准确检测到图像中棋子的内轮廓圆,准确实现棋子精准定位。

基于霍夫圆算法的滚球控制系统设计

滚球控制系统在控制系统领域里具有较高研究价值,但是在实际使用过程中,存在因小球定位不准确而导致控制效果不佳等问题。为了解决这一问题,本系统采用具有处理器的摄像头模块——OpenMv4 Plus,获取整个平板的图像,使用小球图像处理算法进行处理,计算出小球球心坐标。控制板采用自适应双环PID算法计算出理想PWM波形,并通过定时器输出至数字舵机调节平板倾斜角度,使小球运动,完成用户设定的任务。小球图像算法包含霍夫圆算法和中心点算法。经过测试比较可知:相比于中心点算法,霍夫圆算法计算出的小球球心坐标准确率高,可抗外界光照干扰,几乎不受图像中噪点的影响,小球运动轨迹与理想轨迹大体拟合,控制效果良好。

利用迭代霍夫圆变换实现成捆棒材可靠计数

针对现有的基于图像处理的棒材计数方法不准确且不能适应不同直径和不同切断工艺的问题,提出一种利用迭代霍夫圆变换和多阈值连通区域面积法统计实现成捆棒材的可靠计数。该方法先提取成捆棒材在图像中的位置即感兴趣区域(ROI)并规格化,再对规格化后的ROI进行迭代霍夫圆变换提取棒材进行计数,最后进行多阈值连通区域面积法统计遗漏棒材,并与迭代霍夫圆变换计数结果求和得到最终计数结果。实验表明,该方法计数准确率高,能适应不同棒材直径和不同的切断工艺。

基于图像取反的同心圆环半径和圆心提取方法

为了解决非定域干涉同心圆环图像的圆心和半径的精确提取问题,提出了一种基于图像取反的暗亮环兼顾的算法,以点光源非定域干涉同心圆环为对象,在平滑降噪预处理基础上,利用霍夫圆变换获得参考圆心,以参考圆心为基础分别在其x方向和y方向上[-50,50]像素范围内每隔5 pixel取一条强度轮廓线,每一条强度轮廓线取反后,分别实现暗环和亮环峰位坐标的精确识别,再利用圆回归拟合得到系列圆心和半径,通过系列圆心和半径的平均运算实现图像最终圆心和半径的精确提取。结果表明,靠近中心的3个亮环和3个暗环各自的圆心坐标非常接近,相对于总平均值的最大偏差为-3.7 pixel,即相对于总平均值的最大相对偏差为-0.15%,重复性很好;相邻两个圆环半径平方比值相对于实际比值的误差在-4.18%~0.36%之间变化,验证了算法的可行性。该研究对实现自动化检测、提高测量精度是有帮助的。

基于霍夫圆检测的标志物多图像特征定位方法

针对霍夫圆变换对圆检测的不稳定、正确率低、准确度不高的缺点,提出一种基于霍夫圆检测的标志物多图像特征精确定位方法,实现对标志物空间位置地精确获取。用霍夫圆变换对图像初步检测,获取包含标志物的候选区域;利用颜色特征对候选区域筛选,去除虚假霍夫圆区域;再利用圆的自相似性和对称性,计算轮廓形心获取标志物中心位置;最后通过深度图像与彩色图像匹配的方法获取标志物的空间坐标。实验结果表明,上述方法不仅提高了获取标志物位置的精度,还降低了标志物倾斜变形对位置提取的影响。获取的标志物空间坐标可用于控制执行机构运动,为之后功能扩展奠定了基础。

基于支持向量机的强噪声颗粒物图像识别

在观测等离子体中的颗粒物飞行轨迹时,等离子体的辐射光受到颗粒物的散射而产生较强的噪声干扰。针对这种情况,提出一种在强噪声干扰下对颗粒物图像进行识别的算法。利用自适应滤波器和边缘检测对强噪声颗粒物图像进行预处理之后,进行霍夫圆变换提取颗粒物候选区域,支持向量机分类器以候选区域的灰度对比度和边缘强度为特征进行训练和测试。结果表明基于支持向量机的目标识别算法在强噪声干扰下对颗粒物图像进行识别是可行的,识别的准确率高达95%。

基于图像识别的酵母活细胞率快速测定系统

酵母活细胞率作为评判活性干酵母质量优劣的重要指标之一,准确快速地检测出结果显得尤为重要。本文针对传统方法进行活细胞率检测存在效率低、过程复杂等问题开发了一款计数软件,并将血球计数板替换为96孔细胞培养板进行计数。对比人工计数和软件计数在检测酵母活细胞率的误差以及采用不同容器进行检验的效率,结果表明,相对于人工计数,软件计数耗时更短,且误差较小;采用96孔细胞培养板批量检测比采用血球计数板耗时更短。

基于计算机视觉的交通灯识别系统设计

在自动驾驶技术和智能交通系统领域,准确识别交通信号灯对于交通安全至关重要。为了实现对不同颜色交通灯的快速准确检测,设计了一种基于计算机视觉的交通灯颜色检测方法。该方法构建由接口层、处理层、决策层和输出层组成的层次结构,利用Open CV进行图像预处理,包括图像尺寸调整、噪声滤除和色彩空间转换,为后续处理提供更清晰的视觉基础。随后通过霍夫圆变换算法检测交通灯的位置,该算法能够在复杂背景中准确地识别出圆形结构,有效定位交通灯。最终采用颜色阈值分析法来确定交通灯的颜色状态,通过设定不同颜色(红色、黄色、绿色)的阈值范围,系统能够区分和识别交通灯当前显示的颜色。实验结果表明,该方法能有效识别红色、黄色、绿色信号灯以及指示箭头,具有高准确率和快速响应的特点,证明了其在实际应用中的可行性和有效性,展示了Open CV计算机视觉技术在交通灯识别检测领域的应用价值,也为自动驾驶系统中视觉识别技术的发展提供了重要的参考。

一种在降质背景下的圆形目标定位方法

从数字图像中定位圆形目标是机器视觉领域中的一项重要任务。对常用圆形目标定位方法而言,从降质灰度图像中定位圆形目标面临着准确性较差的问题,针对该问题,提出一种采用轮廓差分概念的圆形目标定位方法。与其他方法相比,该方法不需要对图像进行降噪、反模糊和边缘提取等操作,而是直接从图像平面中计算轮廓差分,通过搜寻轮廓差分的极大值而实现圆形目标的定位。在降质图像上的实验表明,该方法比圆霍夫变换和EDCircles方法对噪声和模糊等降质因素的鲁棒性更好。

核电厂仪控系统响应时间测试的改进设计

核电厂仪控系统响应时间是关系到核电厂数字化仪控系统安全性的重要指标。但传统的响应时间测试方式依赖于测试人员操作。其自动化程度低,影响核电厂仪控系统调试的效率。因此,需改进原有测量方案来提高响应时间测量的效率与自动化程度。由于当前核电厂仪控系统逐步采用集成化测试平台开展调试工作,可结合此类平台对传统测试方案进行改进。通过采用多通道数据快速采集技术设计响应时间测量模块,可在专用测试脚本的控制下与集成化测试平台协同工作,实现响应时间的自动化测量。同时,进一步引入数字图像处理技术检测人机接口状态变化,可实现对数据上行时间等参数的批量自动化测试。经测试,改进方案可显著减少响应时间测试的时间和人力成本,有助于进一步提高核电厂仪控系统工厂测试效率与测试充分性。

正面人脸的眼睛精确定位算法

在AdaBoost人脸检测的基础上,对眼睛实现精确定位。先得到人脸图像的谷区域图像,再获取眼睛的候选点,综合分离度信息和霍夫变换的结果来计算每一个眼睛对的代价函数,找到比较准确的眼睛位置。分别在SJTUFace和BioID人脸库进行实验,得到了99.43%和91.36%的结果。

多算法融合的视盘分割方法

视盘准确地定位与分割是视网膜相关研究的基础,为了提高算法的自适应性,避免受不同病变的影响,本文提出了融合多种传统分割算法的视盘分割方法.首先对视网膜图像进行主成分分析得到灰度图片,再利用形态学方法去除血管.接着采用改进的霍夫圆变换的方法定位视盘,并将得到的视盘中心作为标记进行分水岭变换分割视盘得到初始曲线.最后利用CV模型将曲线演化到正确的视盘边界.本文在两个公开的眼底图像数据集(MESSIDOR,DRIONS-DB)上进行了算法验证,实验结果表明该算法对视盘的定位具有较高的准确度(ACC):98%和100%,视盘分割的重叠率(OP)为92.0%和94.4%.与其他算法进行对比,该方法可以有效地避免病灶的干扰,具有很好的定位和分割效果.

一种球形机器人视觉定位系统研究

针对球形机器人在地面运动时的定位问题,提出了一种基于sift特征以及霍夫圆变换的球形机器人视觉定位方案。采用对尺度、视角、旋转等具有鲁棒性的sift特征向量,利用由两个外部摄像机组成的视觉系统采集的左右图片,从中提取sift特征点,利用k-d tree和BBF算法进行特征匹配查找,利用RANSAC算法筛选匹配点并计算变换矩阵,通过变换矩阵将后续摄像机采集的图像融合,在融合的图像通过霍夫圆变换定位球形机器人。实验结果表明,该视觉定位系统视野开阔、定位稳定性良好。

一种改进的全景海雾图像去雾算法

海上雾天条件下采集的全景图像通常存在对比度低、饱和度低和颜色失真等现象,严重影响全景视觉图像采集系统的性能。由于应用经典暗原色先验算法处理全景海雾图像时,会出现由于非天空区域存在高亮物体,导致全局大气光估计不准确从而影响去雾效果的问题。为解决上述问题,提出一种改进暗原色先验的全景海雾图像去雾算法。结合海上全景图像的特点,对暗原色先验算法中的全局大气光估计方式进行了改进:首先设计了一种改进霍夫圆变换算法提取全景圆形海天线,进而分割出全景图像中的环形天空区域;然后在环形天空区域利用暗原色先验理论来准确估计全局大气光值;再利用全局大气光值得出透射率,并借助引导滤波优化透射率;最后通过逆运算还原出无雾图像。实验结果和客观评价指标表明,改进算法能够有效提升图像的对比度和清晰度,改善全景海雾图像的质量,满足实际应用需求。

可视化产程观察仿真实训系统的开发研究

产程中肛查及阴道检查技术是助产专业人员观察产程进展的必备技能,前期发明的仿真实训模型及其专利产品（或类似产品）都是封闭的模型体,因而存在技能训练时教师不能及时发现并纠正学生技术操作中的错误、在操作考核中学生给出的宫口开大的具体数值必须通过教师的重复操作才能判断其结果的正确性。针对这些情况,本文提出一种新的可视化产程观察仿真实训系统的原理架构,设计开发了基于计算机视觉技术的仿真实训系统的软件,以OpenCV为视频和图像处理单元、Visual C＋＋2010为界面开发工具,实现了产程中肛查及阴道检查技能操作的可视化和宫颈口开大数值的自动测定,试验应用效果良好。

基于双重检测的气门识别方法

针对目前工业中的气门识别方法存在重叠目标漏检率高、检测精度较低、目标包裹度差、圆心定位不准的问题,提出了一种基于双重检测的气门识别方法。首先,运用数据增强对样本进行轻量扩充;其次,以深度卷积网络为基础,加入空间金字塔池化层(SPP)和路径聚合网络(PAN),同时调整先验框,改进损失函数,从而提取气门预测框;最后,以霍夫圆变换(CHT)方法对预测框中的气门进行二次识别,从而达到精准识别气门区域的目的。把所提方法和原YOLOv3、YOLOv4、传统CHT方法进行对比,并采用精确率、召回率、交并比联合进行检测效果评估。实验结果表明,所提出的方法在检测精度和召回率上分别达到了97.1%和94.4%,相较原YOLOv3方法分别提高了2.9个百分点和1.8个百分点;且该方法使目标包裹度更好,目标中心点的定位更准确,其矫正框和真实框的交并比(IOU)达到了0.95,与传统CHT方法相比提高了0.05。所提方法在提高模型识别准确率的同时提高了目标抓取的成功率,在实际应用中有一定的实用价值。

基于新型RRT算法与视觉定位的机械臂工件抓取

针对机械臂在工业任务中与环境里的障碍发生碰撞,以及待抓取工件的位置变动等问题,提出一种采用新型快速拓展随机树(RRT)算法与视觉定位的机械臂工件抓取方案。在关节空间内采用新型RRT算法进行路径规划,算法采用基于目标偏置的拓展点选择策略以提高搜索效率,并采用三次样条插值法对路径进行平滑优化。当机械臂到达目标位置后,通过霍夫圆变换算法进行工件检测,同时通过轮廓提取及多边形逼近法检测出托盘凹槽,经过双重检测,位于凹槽内的圆型工件为目标工件。实验结果表明,所提出的新型RRT算法搜索效率高,所规划的路径平滑连续,双重检测算法可以有效地识别出待抓取的目标工件,满足工业任务的稳定性要求。

单目视觉人工路标辅助INS的组合导航定位方法

提出一种单目视觉人工路标辅助惯性导航系统(Inertial Navigation System,INS)的定位方法。首先设计人工路标,并用相机拍摄各预先设置的人工路标,记录拍摄每个路标时相机位置和姿态,建立视觉路标库。在利用惯性导航系统定位过程中,对单目相机采集到的图像进行路标提取、与路标库中相应路标进行匹配,估计当前相机位置和姿态,然后利用卡尔曼滤波将视觉匹配估计的位置信息和INS有效地融合。实验结果表明:传统航位推算方法的平均误差为0.715 m,本文组合导航方法的平均误差为0.154 m,该方法有效地提高了惯性导航定位的精度。

基于机器视觉的浇口杯定位研究

针对铸造浇注过程中浇口杯位置无序、数量不定以及高度不同造成的浇口杯定位难等问题,本文提出了一种基于OpenCV视觉技术的铸造用浇口杯定位方法,着重阐述了机器视觉计算方法的设计步骤。首先,根据目标的形状、尺寸等特征获得感兴趣区域(ROI);经过图像预处理后针对传统方法得到的特征点中伪特征点较多的问题,引入自适应高斯滤波平滑二值图像;之后利用Canny算子来检测浇口杯边缘,并引入了3×3的Sobel算子以获取更多的方向信息以及降低Canny算法的敏感性;通过对图像拟合、提取、比较分析等操作,获取浇口杯在砂箱的相对位置。最后以消失模铸造砂箱浇口杯为例,实验结果表明,提出的方法精度高、实时性好,能够快速得到浇口杯的边界信息和位置坐标,为全自动浇注奠定基础。

改进LK光流法在复杂环境中对移动小球目标追踪

针对传统Lukas-Kanade法(以下简称LK法)在板球系统中追踪小球难以捕捉圆心、追踪精度不高问题,提出一种基于hough变换的改进LK法.传统LK法确定角点主要是选取图中灰度梯度大的地方,角点总是在小球边缘而无法深入圆心,采用改进LK法选取角点是将图像的二维XY坐标系转换为三维ABR坐标系,通过累积数量和累积权重确定圆心.通过该点的图像的灰度梯度,进行追踪.结果显示改进的光流法对目标的捕捉要优于传统LK光流和反向直方图投影法.