NEW CORNER DETECTION ALGORITHM BASED ON MULTI-FEATURE SYNTHESIS

Corner detection is a chief step in computer vision. A new corner detection algorithm in planar curves is proposed. Firstly, from the human perception, two key characteristics are given as an amendment of the traditional corner properties. Based on the two properties, the concept of the fuzzy set is introduced into a detection. Secondly, the extracted-formulae of three groups including the features of the corner subject degree are derived. Through synthesizing the features of three groups, the judgments of the corner detection, location, and optimization are obtained. Finally, by using the algorithm the detection results of several examples and feature curves for some interested parts, as well as the detection results for the test images history in references are given. Results show that the algorithm is easily realized after adopting the fuzzy set, and the detection effect is very ideal.

GRAPH GRAMMAR METHOD FOR 3-D CORNER DETECTION

Most of local feature descriptors assume that the scene is planar. In the real scene, the captured images come from the 3-D world. 3-D corner as a novel invariant feature is important for the image matching and the object detection, while automatically discriminating 3-D corners from ordinary corners is difficult. A novel method for 3-D corner detection is proposed based on the image graph grammar, and it can detect the 3-D features of corners to some extent. Experimental results show that the method is valid and the 3-D corner is useful for image matching.

Correg-Yolov3:a Method for Dense Buildings Detection in High-resolution Remote Sensing Images

The exploration of building detection plays an important role in urban planning,smart city and military.Aiming at the problem of high overlapping ratio of detection frames for dense building detection in high resolution remote sensing images,we present an effective YOLOv3 framework,corner regression-based YOLOv3(Correg-YOLOv3),to localize dense building accurately.This improved YOLOv3 algorithm establishes a vertex regression mechanism and an additional loss item about building vertex offsets relative to the center point of bounding box.By extending output dimensions,the trained model is able to output the rectangular bounding boxes and the building vertices meanwhile.Finally,we evaluate the performance of the Correg-YOLOv3 on our self-produced data set and provide a comparative analysis qualitatively and quantitatively.The experimental results achieve high performance in precision(96.45%),recall rate(95.75%),F1 score(96.10%)and average precision(98.05%),which were 2.73%,5.4%,4.1%and 4.73%higher than that of YOLOv3.Therefore,our proposed algorithm effectively tackles the problem of dense building detection in high resolution images.

Subpixel accuracy for extracting groove center based on corner detection

Subpixel accuracy for V-groove center in robot welding is researched and a software measure to increase the accuracy of seam tracking by laser is presented. LOG （ Laplacian of Gaussian ） operator is adopted to detect image edge. Vgroove center is extracted by corner detection of extremum curvature. Subpixel position is obtained by Lagarange polynomial interpolation algorithm. Experiment results show that the method is brief and applied, and is sufficient for the real time of robot welding by laser sensors.

Robust Corner Detection Based on Multi-scale Curvature Product in B-spline Scale Space

这份报纸在 B 花键弯曲规模空间的框架论述一种多尺度的弯曲产品角落察觉技术。规模产品功能在不同规模从轮廓的弯曲产品被导出。角落被 thresholding 作为本地最大值构造越过几规模的弯曲产品结果。通过规模产品，本地化精确性和察觉表演能显著地以 CNN 标准被改进。实验也证明那个建议方法显示出坚韧性到高频率细节并且提供有希望的察觉结果。

A Parallel Algorithm for Corner Detection on Object Contour

A new parallel algorithm for corner detection on object contour is presented in the paper. In this algorithm whenever a point (pixel) is scanned, the k direction codes between the two sides of the point, which is on the edge of an object, are obtained by k-step forward and backward boundary tracking. A comer is determined by the sum of the difference between the two weighted code chains. Note that the whole chain code sequence or boundary of an object is not necessary to be extracted at all in this algorithm, and the corners are obtained immediately once the image is scanned, furthermore, what humans perceive as corners can be detected and localized by this algorithm.

Sub-pixel edge detection method for miniature parts in microscopic field of view

In order to improve the edge detection precision of miniature parts in microscopic field of viewa sub-pixel edge detectionalgorithm combining non-orthogonal quadratic B-spline wavelet transform algorithm and Zernike moment algorithm is proposed.Non-orthogonal quadratic B-spline wavelet transform algorithm is adopted to get the pixel edge of miniature parts?andthe moment invariant of Zernike moment algorithm is used for refining the pixel edge to get sub-pixel edges.A real-time detectionsystem based on the proposed algorithm for miniature parts is established.The general system structure and operational principle are given,the real-time image acquisition and detection are completed,the results of edge detection are analyzed and the detection precision is evaluated.The results show that parts size can be0.01-10mm and the detection precision reaches0.01%-0.1%.Therefore,the edge of the miniature parts can be accurately identified and the detection precision can be improved to sub-pixel level,which meets the requirements of miniature parts precision detection.

面向自动驾驶道路场景中异常案例的多模态数据挖掘算法

基于深度学习的视觉感知技术的发展有利于自动驾驶系统中环境感知技术的进步。然而,对于自动驾驶场景中的异常案例,目前的感知模型还存在一些问题。这是因为基于深度学习的感知模型的能力取决于训练数据集的分布。尤其是驾驶场景中的类别从未出现在训练集中,感知系统也往往很脆弱。因此识别未知类别和极端场景仍然是自动驾驶感知技术安全性的挑战。本文从处理数据集的角度出发,提出了一种新颖的多模态异常案例自动挖掘流程(corner case mining pipeline, CCMP)。为验证CCMP的有效性,在Waymo开放数据集的基础上构建了异常案例子集“Waymo-Anomaly”,该子集共有3 200个图像,每个图像都将包含文本中定义的异常案例场景。并且基于私有数据集Waymo-Anomaly,证明了CCMP针对异常案例场景挖掘的召回率可以达到91.7%。此外,还通过实验验证了目标检测器在包含异常案例的数据集中针对长尾分布的有效性。最终,希望从处理数据集的角度来提高自动驾驶感知模型在现实世界中的真实性。

基于机器视觉的芯片字符区域分割和定位算法

芯片表面的字符对分选具有重要意义,对字符的定位是分选工作的关键步骤。为了提高分选工作定位效率和定位精度,提出了一种基于改进的区域生长算法和凸包检测算法分割和定位芯片表面字符区域方法。首先,对采集图像进行预处理操作,利用改进的Canny算法获取无干扰图像边缘,将图像边缘作为区域生长法的种子点并以图像自适应阈值作为生长准则分割图像,使用最大内接矩形算法粗定位字符区域;其次,采用Harris角点检测算法获取字符角点分布位置;最后,筛选角点并提取关键点,利用一种改进的凸包检测算法定位字符区域。经过实验验证,所设计的算法能够完整的分割和定位芯片表面字符区域,定位精度和效率较原有方法提升5.3%和15.4%,满足实际工业生产的要求。

基于灰度均值的自适应FAST角点检测优化算法

光照不均、突变引起的灰度变化会影响图像特征检测效果。为此,设计一种基于灰度均值的自适应FAST-9-12角点检测算法。首先,利用特征点的延展性设计一种小面积双重检测模板,减少像素点与中心点的比较次数,提高区域正检率和检测速度;其次,依据图像局部灰度均值,在每个像素点检测模板内自适应调整阈值,避免灰度变化影响检测效果;最后,根据柔性非极大值抑制的思想设计角点半径抑制原则,筛选鲁棒性更强的角点。在Inria遥感影像数据集上的实验结果表明,FAST-9-12角点检测速度比FAST-12-16,FAST-9-16两种模板提高22%左右,因自适应阈值的提取方式不易受光照影响,检测准确率分别提高4.16和3.11个百分点,实现了图像特征快速和精准检测。

融合角点检测的点云配准研究

为提高点云配准效率,提出一种基于点云曲率信息的Harris角点提取算法,通过引入曲率约束,对传统Harris角点提取做出改进;计算每个点的曲率值并与整幅点云的平均曲率作比较,保留曲率值大于平均曲率的点云,实现对配准价值较低的点的剔除,为后续点云配准减少计算量;构建所提取角点之间的特征匹配,结合采样一致性(sample consensus initial alignment, SAC-IA)粗配准和正态分布变换(normal distributions transform, NDT)精配准,寻找最优的变换矩阵,实现源点云和目标点云的重合。通过比较不同算法在公开数据集上进行实验验证,结果表明该方法对复杂点云、多拐点点云都有较好的表现,对初始位置相差较大的点云也有良好的适用性。

一种基于边界斜率拟合的角点检测方法

图像中的角点为描述物体特征提供关键信息,是复杂应用(如图像分类、目标检测和跟踪、定位和测量)的预处理步骤,角点检测的质量将直接影响后续图像处理的有效性.在工业环境中,角点检测算法需要在各类噪声和干扰因素下,对大规模数据集进行高效处理,以实现实时和准确的角点检测.因此,研究和设计快速高效、高准确性的角点检测算法具有重要意义.针对传统算法需要进行曲率计算或曲线拟合的局限性,提出了一种基于Freeman边界链码的快速、轻量级角点检测算法,通过对Freeman链码在角点之前和之后的连续多个点进行线段的斜率拟合和夹角的阈值判定,进而识别出角点.从准确性、鲁棒性和计算速度等方面,在NRS工业图像集上与主流角点检测算法进行了对比实验.结果表明,所提出的算法具有较少漏检和误检的角点数量,并实现了更快的检测速度,在工业应用中更具有优势.

一种在尺度空间下基于边缘的角点目标检测方法

图像中的目标角点位置是实现很多计算机视觉任务的关键数据。为了克服传统检测算法产生的数据冗余问题,提出了一种在尺度空间下基于边缘的角点目标检测方法。首先,构建一个分组多层的尺度空间,将原图投影到其中后得到多个平滑图像。与此同时,采用定义的边缘算子检出平滑图像中所有边缘而得到多个按序存放的像素点集,当点集数量稳定时停止更大尺度的变换。然后,在当前尺度下,计算点集中各元素反映其角点强度的特征值。根据这些特征值变化规律检出角点的支撑集区间,并在此区间中采用高斯拟合函数确定最终的目标角点。实验表明,该方法能够检出特征显著的目标角点及其角度,其中合成图像精度在像素级,应用案例中的平均误差与图幅比约为1.5/100。

基于墙角族语义尺寸链的绑架定位研究

针对目前原始自适应蒙特卡洛定位(Adaptive Monte Carlo Localization,AMCL)在相似环境下绑架检测容易出错且重定位极易失败等问题,提出基于墙角族语义尺寸链的改进AMCL算法.融合机器人多传感器信息和Gmapping算法构建二维栅格地图,基于Yolov5获取室内环境的目标检测框和类别信息,结合GrabCut算法和贝叶斯方法构建增量式语义映射地图;通过墙角的凸、凹和墙角相对于机器人的方位角对墙角进行分类,充分发掘语义映射地图中各墙角之间、墙角与室内物体之间的类别和位置关系,构建墙角族语义尺寸链和相应检索表;在定位过程中,基于墙角族语义尺寸链进行全局预定位,提出绑架检测机制进行绑架检测,在检测到绑架事件发生后,基于改进AMCL算法实现定位自恢复.最后,通过真实环境下的绑架实验验证了本文方法的有效性,实验表明,所提方法的全局定位准确率、全局定位速率、绑架检测准确率和绑架后定位准确率在相似环境下分别提升了42%、214%、88%和72%;在非相似环境下分别提升了44%、152%、12%和92%;在长走廊环境下分别提升了36%、426%、26%和68%.

基于FPGA的图像处理硬件加速系统的设计

为解决图像处理算法越来越复杂,普通的计算平台已满足不了当前需求的问题,根据现场可编程门阵列(field programmable gate array, FPGA)的并行计算特点对FAST角点检测算法和Sobel边缘检测算法进行硬件加速,采用HLS(high-level synthesis, HLS)高层次综合技术对两种算法进行设计并进行相应的优化。为提升系统整体性能,在FPGA上实现全部视频输入输出接口和图像算法的完整通路,通过FPGA算法电路与OpenCV算法程序进行对比,前者的图像处理速度快于后者9~11倍,系统功耗也仅为1.9 W,图像检测可达56 fps,满足实时图像处理要求,为以后设计复杂的图像处理系统提供了参考。

机器视觉中角点检测算法研究

角点检测是运动检测、图像匹配、视频跟踪、三维重建和目标识别等必不可少的关键步骤,角点检测的准确性直接影响实验结果;为了更好地了解角点检测技术的发展现状,根据3种现有的角点检测方法分类对角点检测方法及相关改进进行了总结分析,并选择了FAST、SUSAN、SIFT、Shi-Tomas这几种较为典型的角点检测算法进行了实验对比,并给出了实验结果;不同的实际应用对角点检测的要求不同,不同的角点检测算法也可以相互结合,通过对现有角点检测技术的总结分析为在实际应用中对角点检测技术的选择和改进方向提供了借鉴和参考。

基于鱼眼相机混合模型的棋盘格角点检测方法

针对搭载自动泊车功能车辆的鱼眼相机标定耗时较长、鲁棒性要求较高的问题,提出一种基于鱼眼相机混合模型的棋盘格内角点检测改进方法。在参考和比较原有算法的基础上,提出的混合畸变模型能够快速确定不同区域内角点的两个初始方向,从而快速提高粗定位的速度。同时针对生产线标定的特殊性,提出了双标准离率差阈值作为对初始棋盘格是否可用的判断标准。实验结果表明该算法在自动泊车鱼眼相机生产过程中既能够满足标定的精度要求,同时也大幅度提高了检测速度,对自动泊车的相机标定具有一定的实用价值。

基于旁轴视觉的激光焊接系统加工定位方法

针对激光焊相机标定精度低,定位精度与像素当量倍数相差较大等问题,提出了一种基于旁轴视觉的相机标定方法和定位方法,通过内参标定校正透镜畸变;通过外参标定,建立系统中像素坐标系与机床坐标系间的转换关系,设计一种二值化阈值的局部寻优算法,以保证工件准确的边缘拟合.通过识别工件角点和一边的角度,确定工件在系统中的摆放位置与姿态,算法精度稳定在1像素内,即0.017 mm的理论精度,通过加工试验测试定位精度,在试验中对识别的工件转角角度进行修正,修正前,x方向平均误差0.050 mm,y方向平均误差0.137 mm;修正后,x方向平均误差为0.029 mm,y方向平均误差为0.026 mm,分别为像素当量的2.12倍和1.53倍,实际误差与像素当量间倍数相差较小.结果表明,该定位方法在充分利用相机性能的同时,具有较高的算法精度和定位精度,提高加工效率满足实际生产需求.

薄板小间隙对接焊焊缝特征点的识别

针对薄板小间隙对接焊焊缝特征点检测问题,应用了一种基于Labview的Shi-Tomasi角点检测算法,根据线激光照射到焊缝表面形成间断的激光条纹,采用图像预处理以及图像形态学变换的方法得到便于进行焊缝角点检测的焊缝图像,然后运用Shi-Tomasi角点检测法对焊缝图像进行角点检测,从而确定出焊缝特征点的位置。通过Labview进行了焊缝特征点识别程序的编写,并在厚度为2mm,焊缝间隙分别为0.3mm、0.4mm、0.5mm、0.6mm的铝合金薄板上进行了特征点识别检测,误差范围不超过0.15mm。结果表明,Shi-Tomasi角点检测算法相较于传统角点检测算法可以更加快速准确的提取到焊缝特征点的位置。

基于角点校准的暗光下桥梁位移监测研究

基于机器视觉的数字图像方法监测结构物变形具有非接触性等优点,但受到暗光环境及人工标志物变形等因素的影响导致其应用受限.在现有模板匹配测量基础上,提出了暗光环境下基于Harris角点检测校准和Retinex暗光增强网络的桥梁位移监测方法和系统,以提高桥梁结构在复杂环境下的位移监测精度.进一步通过试验验证,结果显示10 m距离的暗光环境下桥梁位移监测最大绝对误差小于0.3 mm,在靶标偏转角度在0.6°至1.2°情况下,基于角点校准后的平均精度相比未校准提高了44%,说明该系统具备在暗光环境下进行工程结构位移监测的实用性.