基于改进粒子群算法的三维路径规划研究

针对基本粒子群算法(PSO)收敛速度快、易早熟,容易陷入局部误区的问题,提出了粒子群-人工蜂群混合算法(PSO-ABC),并将提出的算法应用于无人机三维环境下的路径规划。该算法在改进粒子群算法的基础上,融合了人工蜂群算法来对无人机三维路径进行全局规划。首先引入非线型惯性权重和收缩因子,改进粒子的速度公式,然后利用人工蜂群算法的搜索算子对最优解再一次寻优,解决了粒子群算法因局部搜索能力较差陷入局部误区的问题。本文在三维环境下设置了两组实验,对比粒子群-人工蜂群混合算法与粒子群算法、人工蜂群算法的路径寻优性能。实验结果显示,本文提出的算法路径寻优能力有所提高,相比于粒子群算法,提高了6.1%,相比于人工蜂群算法提高了6.9%。

基于改进Canny算子的自适应焊缝识别算法

随着工业生产水平的提高和对焊接工艺精度要求的提高,工业焊接机器人的应用也随之增多。然而,复杂的焊缝定位问题仍然是机器人焊接的一大挑战,也即焊缝边缘检测问题。针对这一问题,在原有的Canny算法上进行改进,通过同态滤波取代原有高斯滤波,使用基于PLIP模型的Sobel四方向算子计算梯度及方向,后用改进的非极大值抑制方法对图像进一步处理,最后用Otsu自适应阈值选择方法连接边缘,以提高待焊区域识别的精准度,减小复杂性,最终完善焊接生产结果。在光照不均匀的焊接条件下,使用不同方法对焊缝进行识别定位,得到的4组实验的平均结果较传统Canny算法、双边滤波改进的Canny算法、以及改进梯度算子的Canny算法分别在峰值信噪比上提高9.2%、8.2%、6.7%,品质因数、结构相似度和均方误差方面也皆有一定的改善,具有明显的优势。

结合图像分层与暗通道的雾霾图像增强

为了解决雾霾天气下图像的去雾与增强问题,提出了一种结合图像分层与暗通道的去雾增强算法。该算法首先对输入图像建立暗通道模型,估计出大气光值与透射率,对图像进行去雾复原,接下来对图像进行双边滤波变换,将低频图像信息中像素的灰度级地区进行拉伸或压缩,将高频图像信息进行归一化处理,然后利用归一化的直方图与非线性S曲线进行灰度变换,最后利用加权融合方式将低频与高频图像信息进行有效地合并,得到输出图像。实验结果表明,该算法在3组图像中的平均梯度与信息熵的均值分别是0.073 4、7.173 3,均优于其余3种算法,并且该算法的对比度与时耗的均值分别为422.6与0.76,具有一定的可行性。

光照不均匀下的工件图像亚像素边缘检测

针对光照不均匀环境下传统边缘检测算子出现的边缘检测模糊、自适应差等问题,提出了一种基于Retinex理论和改进的高斯拟合亚像素边缘检测算法。首先采用Retinex理论对照度分量和反射分量同时进行处理;其次利用传统的Canny算子获取图像边缘的像素坐标点,改进梯度矩阵来选取拟合点后找到梯度矩阵的切线方向,之后利用法线上的像素点计算所得的梯度值进行高斯拟合获取亚像素点坐标;最后利用八邻域查找连接每个轮廓的亚像素点并输出工件边缘图像。实验结果表明,相较于Zernike矩算法和其他两种高斯拟合算法,算法在4组图像实验中的Pratt品质因数、均方误差、峰值信噪比、结构相似性指标的均值为0.727、11 980、7.64、0.093,各组数据均优于其他3种算法,具有一定的普适性。

黄金正弦下RRT势场算法的三维路径规划研究

在三维路径规划领域,针对路径中存在的路障规避问题,现有的快速扩展随机树算法,快速扩展随机树*算法在全局路径规划与局部路径寻优上还存在局限。提出了黄金正弦下RRT*势场算法,该算法是在RRT*算法的基础上,结合了黄金正弦与人工势场对三维路径进行全局规划。利用人工势场引导,对全局路径进行预处理,再利用黄金正弦,解决了机器人在势场合力为0处或过于靠近障碍物所受斥力过大时的局部路径寻优问题。设置了两组不同的三维环境,并对RRT算法、RRT*算法,与黄金正弦下RRT*势场算法进行实验。实验结果表明,无论是在全局路径规划还是局部路径规划,所提出的算法均优于其余两种算法,且依靠其快速收敛的特点,在增大迭代次数的情况下保证了一定的时效性。

基于点云凹凸性和欧式聚类的工件分割方法

在激光点云下对电子元器件的分割中,工件之间容易出现散乱分布的复杂情况,导致传统点云分割算法无法实现正确的分割与计数。提出一种利用LCCP与欧式聚类的点云分割方法。使用基于表面凹凸性的LCCP算法进行点云粗分割,分离相互堆叠和碰撞面积不大的工件,并提取其余碰撞工件的粗分割点云簇;其次,利用基于法线估计的边界检测方法剔除所提取点云簇的点云边缘点,使相互接触的工件点云在空间上产生分离后,再使用欧式聚类算法进行细分割;最后合并粗分割与细分割的结果以完成分割。结果表明,在复杂情况下所提方法能准确分割目标工件,分割正确率相比于LCCP、区域生长和欧式聚类算法分别提升了35.9%、66.7%和80%,平均每10个目标耗时约290 ms,具有良好的准确性和实用性。

结合特征点提取的点云配准算法

在点云配准技术中,粗、精配准的策略被用作点云配准的常用手段,本文针对普通配准策略配准耗时长,配准精度有待提高的问题,提出了一种耗时更短、精度更高的点云配准算法。首先,使用SIFT算法提取源、目标点云的特征点,将这些特征点作为配准算法的输入;然后,使用SAC-IA算法进行点云粗配准,为后续精配准提供一个大致对齐的位姿;最后,使用带法向量约束的点到面ICP算法进行点云精配准,得到最终的配准位姿。实验表明,本文所提算法在配准耗时上相比于SAC-IA + ICP算法提升了96.2%、相比于NDT + ICP算法提高了81.0%,在配准的均方根误差上相比于SAC-IA + ICP算法提高了43.6%、相比于NDT + ICP算法提高了24.7%,证明了本文算法在计算时间和配准精度上的有效性。

基于改进小波阈值的条纹图像去噪研究

为消除条纹结构光图像中的噪声干扰,提出了基于小波变换的改进阈值函数,并结合条纹图像的特征信息分布,选择合适的估计阈值,对条纹图像进行去噪。实验结果表明,小波阈值去除条纹图像的白高斯噪声过程中,相比选用传统的阈值函数,本文提出的改进阈值函数使峰值信噪比和结构相似度更高。