一种新的云计算指纹中心点定位算法研究

在云计算中身份认证是其安全管理的基础,为了有效改进身份认证中的指纹图像中心点定位的效率,文章提出了一种基于区域划分和自适应路径选择的指纹中心点定位算法。首先通过区域划分对指纹图像进行分块预处理,基于统计分析的方法引入自适应路径选择方案,确定中心点定位的搜索区域移动路径。然后使用复合滤波器算法对当前区域内的指纹信息进行中心点检测,实现对指纹中心点的有效定位。实验结果表明,文章提出的算法在保证定位准确性的前提下,有效缩短了中心点检测的时间,具有更高的检测效率。

基于中心点定位的指纹匹配算法研究

指纹识别算法是自动指纹识别系统的核心技术,基于细节匹配的算法是广泛采用的算法,但是其识别率受到中心点定位精度的限制。借鉴基于滤波的指纹识别算法的中心点识别方法,解决基于细节匹配的指纹识别算法的中心点匹配问题。对实际指纹传感器采集的指纹测试的结果表明,该指纹识别算法的识别率得到提高,具有一定的实用性。

矩形靶标中心点定位技术研究

对靶标中心点的准确定位,是分析射弹散布规律、检验武器射击效能和评估射手技能水平的基础和关键。为实现靶标图像快速自动分割,对Otsu算法进行了改进,有效地提高了Otsu算法的分割效率;在实现靶标图像自动分割的基础上,经过图像形态学处理、边界追踪,通过最小二乘法确定靶标边缘方程,最终准确实现了靶标中心点的准确定位。

空间非编码标记特征点中心定位方法与比较

归纳总结了应用于可见光测量的空间标记非编码设计原则,例举了棋盘格型、栅格型、圆型等3种典型的非编码标记图案设计,分别阐述了各标记特征点中心定位方法和计算过程,开展了对比试验,结果表明:圆型非编码标记图案设计及其特征点中心定位精度明显高于其他两种图案,其图案设计简捷、特征点突出易于识别、在像平面中呈现各向同性、点中心定位精度高、计算速度快、噪声抑制能力强。

基于CUDA的动态视觉测量像面特征点中心快速定位算法

数字相机分辨率的提升对视觉测量中精度的提高有很大的促进作用,但是高分辨率图像同时也会带来更大的数据量和计算量的问题。在CPU上应用传统的串行特征点中心定位算法耗时较大,无法满足动态测量的要求。针对此提出了CUDA架构下的并行像面特征点中心快速定位算法。经过分析发现,当大于10 000个点时串行特征点中心定位算法在图像预处理、区域约束判断和点中心计算消耗的时间在90%以上,因此主要对这三个最耗时的部分展开重点研究,分析每部分的并行性,然后实现基于CUDA的特征点中心定位并行算法。实验结果表明,在点中心定位精度没有损失的前提下,提取35 000个点坐标时在CUDA上比传统的串行实现的处理速度提高了11.5倍,并且随着特征点数量的增加加速比还有显著的提高。

机器人动态装配生产线目标中心点视觉跟踪软件设计

随着产品包装样式种类不断增加,市场对包装盒的需求量也越来越大。传统的方法生产效率低,一致性差。采用机器人视觉定位的方法进行包装盒裱糊线的自动装配能够大大提高生产效率和装配精度。文章利用角度与直线测量得到工件的4个角点位置,根据这4个角点运用四点目标中心点定位法进行目标定位,从而形成了一套机器人视觉动态定位系统模型,使用该系统配合机器人对传送带上运动的工件进行装配,实现了精确定位裱糊。实验表明,该系统稳定可靠,提高了包装盒加工的视觉定位精度,生产效率得到了提升。

基于深度学习的吊具全自动抓箱定位系统

在港口自动化作业中,起重机吊具抓放集装箱的过程需要准确定位集装箱和吊具的相对位置,进而可以将数据反馈给控制系统以实现自动对位功能。通过在吊具的四个角向外延伸外侧安装吊具摄像头,以实现对集装箱锁孔的准确识别及定位,通过集装箱的锁孔位置可以较为准确地计算出集装箱中心点相对吊具中心点的在x(大车方向),y(小车方向)方向上的偏移量及偏航角。实验结果表明,对于20尺的集装箱和吊具大、小车定位误差为10mm,偏航角误差为±0.2°,基本可以满足对实际使用的需求。

汽车焊缝密封胶条的光条中心提取算法研究

汽车焊缝涂胶能够提高车身密封水平,需要对胶条进行检测并且获得三维信息。激光三角法是应用广泛的检测方法,其关键技术之一是准确提取光条中心。但针对黑色被检胶体,光条中心提取鲁棒性差,因此提出了一种基于光条分割的Hessian矩阵定位和高斯曲线拟合的算法。首先,将整体图像对比度提高,运用去噪算法消除干扰的噪声;然后用极值法初步定位光条,结合Hessian矩阵对激光条的中心进行定位;最后利用高斯曲线准确拟合出激光条的中心。实验研究表明,在对光条图像添加噪声幅度为100的白噪声之后进行处理,同样能够将精度控制在亚像素级别,能够提高黑色被检测物体的光条的稳定性。

基于改进CenterNet的托盘定位方法

目前,托盘定位大多采用基于深度神经网络的目标检测算法,一般使用矩形框进行托盘定位,托盘中心点定位精度不高,且无法有效估计托盘水平方向.针对此问题,本文提出了基于关键点检测的托盘定位方法,通过检测托盘正面外轮廓的4个角点来定位托盘.首先,由于目前没有大规模的托盘数据集,使用迁移学习的方法,将CenterNet的人体姿态估计引入托盘定位任务.然后改进关键点分组方法,并提出关键点回归自适应补偿,提高关键点检测精度.在托盘关键点定位的基础上,提出基于几何约束的托盘中心点计算和托盘水平方向估计方法.本文方法与原CenterNet相比,托盘关键点定位指标APkp从0.352提高到0.728,托盘中心点定位精度指标ALP达到0.946,并且可以有效估计托盘水平方向,具有较高的实用价值.

基于Hough变换的瞳孔识别方法研究与实现

研究了一种改进的基于Hough变换圆检测的瞳孔识别方法。直接利用Hough变换圆检测进行瞳孔识别准确度低、运算量大,为此,本文提出了改进的识别方法。在实现Canny边缘检测的基础上,利用Hough变换进行求解时,限定检测的半径范围,在此范围内,根据参数空间圆的方程,求出对应的圆心坐标,得到最佳拟合圆,最终实现瞳孔识别以及中心点定位。在vc++6.0开发平台下,对150幅图像进行瞳孔识别检测实验,结果显示,直接利用Hough变换检测方法的准确率为70.7%,平均速度为1s;本方法的准确率为94%,平均速度为0.45s,可见相较于直接利用Hough变换进行瞳孔识别,本文方法在识别准确率和识别速度方面均有显著提高。结果表明,此方法能够快速而准确地进行瞳孔识别以及中心点定位。

多点中心定位法在细小异物取出术中的应用

目的探讨多点中心定位法在手足部细小异物取出术中的可行性及疗效。方法 2007年5月-2012年3月,收治手足部细小异物存留患者78例。男51例,女27例;年龄7~69岁,平均32.5岁。手部48例,腕部6例,足部24例。异物类型:玻璃纤维57例,木刺11例,铁屑5例,竹刺2例,鱼刺2例,金属针头1例。受伤至就诊时间为30 min^16 d,平均2.6 d。异物取出术前,首先定位最痛点,以其为中心点呈辐射状向周围触压皮肤至无触痛点,连接无痛点形成圆形即为异物位置范围。按照该范围,在显微镜下寻找异物。结果异物均顺利完整取出;手术时间3~22 min,平均6 min。术后切口均Ⅰ期愈合,皮瓣无血运障碍,无感染发生。患者均获随访,随访时间3个月~3年,平均9个月。切口局部及其远端肢体无感觉或运动障碍。结论异物取出术中应用多点中心定位法确定异物范围,操作简便可行,取出成功率高,可获得满意疗效。

基于CCD的瞳孔自动识别方法的设计与实现

研究了从视频流中识别人眼瞳孔并定位瞳孔中心点的问题。基于CCD人眼图像采集平台,图像预处理采用高斯算子进行低通滤波,去除采集过程中的尖锐点。利用Hough算法对瞳孔进行粗定位,利用椭圆拟合的方法,根据瞳孔的平面几何特征,最终达到定位瞳孔的中心点。经过大量的帧图片验证,其系统能够以较高的准确性和较快的速度在帧图片中识别瞳孔边界及定位瞳孔中心。