一种快速光栅条纹中心亚像素坐标提取方法

光栅条纹中心的精确提取会直接影响到线结构光视觉的测量与重建精度。为了解决传统的Steger算法计算量大,且在光条不均匀时提取不精确等问题。基于改进的Steger算法,提出了针对光栅条纹中心的快速亚像素坐标提取方法。通过高斯滤波、形态学等方法得到去复杂背景的激光条纹图像,用自适应阈值法缩小ROI区域,用霍夫变化求取光栅边缘线,求出边缘线中点,然后直线拟合,最后用改进算法提取中心坐标。实验结果表明:与模板法、传统Steger算法等光栅条纹中心提取算法相比,算法的鲁棒性更强,最大提取误差在0.3个像素,平均误差为0.1个像素,平均运行时间相比传统算法减少0.4 s。

基于双三次插值和高斯拟合的光条中心亚像素提取方法

针对结构光三维测量的高精度要求,提出一种基于双三次插值和高斯拟合的激光线条亚像素提取方法。该方法首先对光条图像进行感兴趣区域提取、高斯滤波等前处理,其次用形态学方法细化激光线条得到初始中心点,然后使用五点拟合法得到光条法线方向,在光条法线方向上取亚像素的拟合点,利用双三次插值得到亚像素坐标的像素值,最后进行高斯拟合,到光条亚像素中心。实验结果表明,算法平均精度值为0.389147像素,消耗时间为0.056 2 s,具有较高的提取精度和稳定性。

一种基于控制点自动提取的图像畸变校正算法

在机器视觉应用中,摄像机光学系统产生的图像存在不同程度的几何畸变。为了提高图像在做定量分析时的准确性,必须对这一类畸变进行修正。在基于控制点的校正方法基础之上,研究了一种将图像分片,利用模板自动提取控制点亚像素坐标,分片校正的快速算法。实际应用表明,该方法是可靠有效的。

基于机器视觉的弧形件检测算法

为快速准确地对弧形零件特征参数进行检测,提出了一种基于机器视觉技术检测弧形件的各种特征参数的方法。该方法先采用Canny算子检测图像边缘,然后用三次样条插值方法对图像边缘进行插值并计算其亚像素坐标,最后采用基于切线方向的方法计算曲率值。对离散曲率数据进行处理,计算其均值和方差以及弧形件的弧长、夹角、面积等特征量。实验结果证明:该算法不仅精度高、速度快,而且稳定性好,能满足弧形零件特征参数的检测要求。

利用高帧频相机检测运动控制轴精细形变

在运动控制应用场景中,由于疲劳等原因会导致设备微小形变,因此需要更加密集的观测手段与恢复方法。考虑到待检设备的摄影测量属性及高帧频相机高信息量特性,利用240帧/s的高帧频电荷耦合元件(charge coupled device,CCD)相机结合摄影测量方法实现对运动控制轴形变信息的精确量测,具体步骤如下:(1)固定标定板,由运动控制器控制高帧频相机运动,并对标定板进行连续拍摄。(2)提取标定板角点坐标,提出基于角点几何与运动特征的角点坐标精确定位方法。(3)计算相机坐标序列,恢复相机运动的高密度点轨迹。实验结果表明,由轨迹可精确地反映室内运动控制轴形变位置和形变量,实现亚毫米级形变检测,实际检测的运动轴最小倾斜角为0.012°,水平轴左端48.016 cm处存在0.98 mm的形变,竖直轴上端3.810 cm处形变量为2.00 mm。