基于初始点Hough变换公园绿篱修剪机器人自动化导航研究

针对车载绿篱修剪机难以在公园道路自动行走的问题,在视觉系统的基础上,提出一种初始点Hough变换算法,可用于指导小型车辆在公园道路的自动化导航,从而实现公园绿篱修剪的机械化和智能化。算法主要包括五部分:目标区域的截取、HSI彩色空间的转换、S分量图的二值化及形态学处理、导航点的求取与导航线的拟合。为了减少图像的计算量和干扰,只截取拍摄图像的部分区域作为目标区域;为了减少光照不均匀的影响,将RGB图像转换为HSI图像,并提取S分量图作为研究对象;采用Otsu法二值化S分量图,并采用形态学处理填充二值图像的孔洞;针对传统的Hough变换计算量大的缺点,提出一种初始点Hough变换拟合导航路径。试验结果表明,该文提出的初始点Hough变换具有较高的精确性、实时性的优点。

基于Hough变换的被动雷达交叉定位虚假点剔除方法

被动雷达系统是一种无源探测系统,具有隐蔽性高、抗干扰能力强、作用距离远等特点,在室内定位、信号侦察和电子战等领域应用广泛。测向交叉定位技术是被动雷达探测中运用较多的一种定位技术。然而,被动雷达在对多干扰源进行交叉定位时,会产生大量的虚假点。为了能够精确的探测出真实干扰源的位置,保证被动雷达对干扰源的跟踪性能,需要进行虚假点剔除。传统的虚假点剔除方法,如最小距离法、基准线聚类法、Hough变换法等存在定位准确率低、计算复杂度高、不适用于实时处理等问题。针对这些问题,本文提出了一种基于Hough变换的被动雷达交叉定位的虚假点剔除方法。该方法采用了基准线聚类法和Hough变换法相结合的方式对虚假点进行剔除,首先,根据被动雷达在单个观测周期内所测得的干扰源角度,通过测向交叉定位技术确定所有交叉点;然后,通过基准线聚类法,对所有交叉点进行处理,剔除部分虚假点,减少后续计算量;最后,在基准线聚类的基础上,根据被动雷达所测得的干扰源角度数量,采用Hough变换法进一步剔除虚假点,以提高定位准确率。本文对所提方法进行仿真验证,仿真结果表明,所提方法不仅能够有效改善基准线聚类法对交叉定位虚假点的剔除效果,提高定位准确率,而且能够有效降低计算复杂度。

用点Hough变换实现圆检测的方法

给出了一种新的Hough 变换圆检测方法——点Hough变换（PHT）。该方法根据圆 周上任意两条不平行弦的中垂线相交与圆心的几何性质，同时选取曲线上3点进行计算，将 传统Hough变换圆检测时的三维参量统计变成一维参量统计，极大地降低了计算复杂性和对 资源的需求。为了克服任意选取组合点可能带来的计算量增加及统计结果的分散程度提高, 文中提出了点的选择方法。合成图和实际图像的实验结果表明，该方法用于普通图像中圆检 测时快速、稳定、准确。

基于Hough变换的角点检测算法

角点检测是图像处理和机器视觉领域中基本而重要的问题。提出了一个基于Hough变换的角点检测算法,通过遍历地考察边缘图像中各像素点的一个邻域窗口,利用Hough变换寻找以窗口中心点为出发点的直线段,并通过这些直线段的数量和相互之间的夹角判断当前中心点是否是角点。针对固定的窗口,使用了模板预先计算及环形缓冲区等技术提高Hough变换及图像遍历的效率。在实际图像库上的对比实验表明提出的算法具有高的角点检测率,最低的角点误检率和角点位置误差,同时相比同样可得到构成角点各边的角度的方法.提出的算法同样具有更高的检测率和精度。对于时间性能要求不高的角点检测应用场合,提出的算法比已有算法具有更优的整体检测性能。

基于Hough变换的机织物组织点自动定位

为实现机织物的组织识别,先要完成组织点的定位和识别。为克服传统的组织点分割方法的局限性,提出采用Hough变换检测织物图像中的经纱和纬纱的倾斜角度,然后对织物图像中的像素点进行坐标变换。在变换后的图像中对像素点进行按行按列灰度累加,通过确定累加曲线中的谷点即可完成织物的经纬纱分割。对经纱和纬纱分割结果进行合并,可得到机织物组织点分割结果。实验结果表明,所提出的算法对存在纱线倾斜的不同织物均可实现组织点的成功定位。

采用Hough变换和灰度变化的图像角点检测法

根据棋盘格图像的特点,提出了一种新的棋盘格角点检测方法.对图像进行边缘提取后,得到两组相互垂直的直线组,通过Hough变换求出直线组的代数方程,采用代数方法求两组直线之间的交点,确定角点的初始位置.对每一初始角点邻域采用灰度变化检测方法进行精确的角点定位.该方法既保证了角点检出的正确性,又提高了角点坐标的检出精度.试验结果表明,该方法具有较好的效果和较强的鲁棒性.

一种基于Hough变换的直角角点检测算法

直角角点检测在广泛的图像处理与机器视觉应用领域中具有重要性。提出了一个新的直角角点检测方法。原始图像经边缘检测后得到二值化边缘,将直角角点检测问题分解为一系列的模板匹配问题。应用了Hough变换来高效地解决模板匹配的问题,并在Hough变换中结合了边缘方向信息以减少检测出的虚假直角角点数量。在一个实际的图像数据库上进行了提出的方法与其他数种角点检测算法的对比实验。实验结果表明,与其他方法相比,提出的方法具有最高的直角角点检出率,而其整体性能(包括运行时间、检出率、虚假角点检测率)也具有优势。

随机Hough变换的概率模型:有限数据点

该文研究了基于有限个数据点的随机 Hough变换的概率模型 .在这个模型中 ,主要讨论了在随机 Hough变换的基本算法中起相当关键作用的两个量 :累加器数组的控制阈值以及从图像中提取全部基元所需随机抽样的总次数 .这两个量对随机 Hough变换的算法设计及其终止规则是相当有用的 .该文的主要结果包括两部分 :其一是对累加器数组引入了多项分布 ,系统地研究了累加器数组的概率结构及其相互关系 .同时也计算了提取全部基元所需的随机抽样总次数的分布、均值和方差 .另者是基于不断的随机抽样而使得累加器数组的随机变化 .作者引入了多维纯生过程 ,证明了提取全部基元所需随机抽样的总次数服从离散的 PH分布 ,从而它的各阶矩都可用简洁的矩阵形式统一地表出 .针对于图像的固有因素 ,作者也讨论了基元的平稳提取概率 .该文的结果为随机

基于中值点Hough变换玉米行检测的导航线提取方法

为解决机器视觉对早期玉米苗带在多环境变量下导航线提取耗时长、准确率低的问题,该研究提出了一种基于中值点Hough变换作物行检测的导航线提取算法。首先,改进了传统的2G-R-B算法,再结合中值滤波、最大类间方差法和形态学操作实现土壤背景与玉米苗带的分割。其次,通过均值法提取玉米苗带特征点,然后采用中值点Hough变换拟合垄间两侧玉米苗列线,最后将检测出的双侧玉米苗列线为导航基准线,利用夹角正切公式提取导航线。试验结果表明:改进的灰度化算法能够正确分割玉米苗带与土壤,处理一幅640×480像素彩色图像平均耗时小于160 ms,基于中值点Hough变换检测玉米苗列再提取导航线的最大误差为0.53°,相比于传统Hough变换时间上平均快62.9 ms,比最小二乘法平均精确度提高了7.12°,在农田早期玉米苗带多环境变量影响因素下导航线提取准确率均达92%以上,具有较强的可靠性和准确性。

用Hough变换的方法提取图像拐点

拐点特征是模式识别中经常用到的一类不变量．本文利用Ｈｏｕｇｈ变换找出图像轮廓中的直线段，确定其直线方程，将相邻两直线段延长相交得到的交点定义为拐点．由于Ｈｏｕｇｈ变换是统计平均的结果，所以求得的拐点较为稳固，抗噪声性能较好．文中也给出了拐点的具体算法．

基于改进Hough变换的角点提取

提出了一种有效的角点提取的方法。在该方法中,角点将被定义为二条(或二条以上)直线的交点,并利用Hough变换来检测直线。若存在二条(或二条以上)直线经过某点,则该点就被认为是角点(角点候选点)。对Hough变换中的映射方式作了改进,在传统的映射中采用的是"一对多"或"多对一"的映射方式,而在改进方式中采用的是"多对多"的映射方式。在这种映射方式下,Hough变换的参数空间不会发生峰值扩散的现象,这样会更有利于峰值的检测(直线检测),从而更有利于角点的检测。实验证明,该方法能精确有效地提取出图像中的角点。

对偶点广义Hough变换算法的改进

对偶点广义Hough变换算法是通过寻找图像中像素梯度值相同的特征点对,并以该特征夹角作为R表索引,来完成表示目标边界信息的R表。但在检测不规则多边形等特殊图形时,由于符合条件的特征点对会有很多,因此在识别时会造成大量的无效干扰投票,甚至无法识别。从理论上分析了原算法产生虚假投票原因,提出了一种改进算法,以几何特征角作为新的索引。实验结果表明,改进是有效的,创建R表时分散了各索引项上的条目数,变换时减少了虚假投票和内存消耗,并提高了识别速度和识别率。

基于关键特征点决策的广义Hough变换目标定位快速算法

广义Hough变换对非解析轮廓的定位与检测需要考虑平移、旋转、尺度问题,所以需要对四维参数空间进行搜索,计算量、存储量相当庞大且同时保证速度和精度存在困难。为解决该问题,本文提出基于关键特征点决策的广义Hough变换目标定位快速算法。图像关键特征点包含稳定的图像信息且数量不大,因此基于角点信息的广义Hough变换检测任意形状物体的效率得到提高。检测过程首先利用模板图像的关键特征点——角点建立局部R表,然后将待检测图像中的角点依据局部R表对平移、缩放系数s和旋转角度β进行高精度全局搜索,完成对实际参考点的投票累积过程,提取累积矩阵峰值从而得到其对应的参考点位置以及s和β的参数值。实验表明,本文算法也适用于局部遮挡等情况,同时运算时间、存储消耗大大减少,检测稳定性高,具有一定应用意义。

基于Hough变换的图象检测对偶点法

提出了图形边界对偶点的概念 ,证明了对对称图形对偶点的存在性及其关于平移、缩放和旋转组合变换的不变性 ;结合 Hough变换 ,建立了一种快速的图象检测方法 ,详细给出圆和椭圆检测的对偶点算法 ,并补充了文献 [1]中公式的不足 .实验结果表明 ,该对偶点法除保留了 Hough变换法的容错性和鲁棒性外 ,还具有很快的计算速度 ,而且可以灵活地应用于解决一些较难的图象检测问题 .

融合随机抽样一致性和Hough变换的实时消失点检测

针对消失点拥有2个自由度的特点,提出一种由随机抽样一致性(RANSAC)和Hough变换相结合的实时消失点检测方法.首先利用随机抽样一致性从图像的边缘线段中抽取多条候选消失点局内线段,基于消失点位于局内线段的延长线上的特点确定消失点的第1个自由度,然后通过在候选局内线段的延长线上实施的Hough变换获得消失点的另一个自由度.基于数据集York Urban Dataset的实验结果表明,所提方法在地平线检测精度上比7种国内外同类算法高0.69个百分点以上,在处理速度上比同类方法提高90倍以上.

基于关键角点引导约束的广义Hough变换两层目标定位算法

广义Hough变换对非解析轮廓的定位与检测需要考虑平移、旋转、尺度问题,所以需要对四维参数空间进行搜索,计算量大且同时保证速度和精度存在困难。为解决该问题,本文在定位与验证两级框架下提出由关键特征点引导约束的广义Hough变换两层目标定位快速算法。粗定位过程首先利用模板图像的特征点——角点建立R表,将待检测图像中的角点依据局部R表对平移、缩放系数和旋转角度进行全局搜索,得到其参考点位置以及和的参数值;在验证过程中,建立模板图像边缘像素的全局R表,在约束的参数范围内依据全局R表进行验证,求出精确检测结果。实验表明,本文算法也适用于局部遮挡,局部变形等情况,同时运算时间、存储消耗大大减少,检测稳定性高,具有一定应用意义。

基于Hough变换的红外序列图像点目标跟踪方法

针对红外序列图像中点目标成像质量较差、跟踪困难等问题,利用Hough变换算法的抗噪性,并根据测量图像的具体特点,对算法的计算量进行了优化。通过将三维空间Hough变换降为二维,提出了一种基于Hough变换的红外序列图像点目标跟踪方法。实验结果表明,该方法对部分缺损及大小变化的目标都能够实现稳定跟踪,提高了红外目标跟踪的稳定性。

随机Hough变换实现角点检测

为实现角点的有效检测,提高检测速度,提出一种基于随机Hough变换的角点检测方法。利用随机Hough变换求取出直线参数;根据角点在Hough空间中的特征,利用反Hough变换的反演原理对参数空间中的峰值进行反变换,定位图像空间中的直线交点;为避免虚假角点,将那些附近不包含任何边缘的交点删除,得到正确的角点。实验结果表明,该方法相对于Harris算法和SUSAN具有更好的准确性、鲁棒性和稳定性,实时性也有一定提高。

基于Hough变换和无轨迹卡尔曼滤波的眼睛角点跟踪

提出了一种基于改进Hough变换(HT)和无轨迹卡尔曼滤波(UKF)的眼睛外角点跟踪算法。该算法在输入图像中存在虹膜时采用改进Hough变换提取眼睑轮廓并得到眼睛外角点位置,当输入图像中检测不到虹膜时,采用UKF算法对当前帧眼睛角点进行估计。实验证明,本文算法能精确地跟踪眼睛外角点。

面向岩体结构面提取的3D Hough变换点云分割方法

通过三维激光扫描技术可快速获取地质对象高精度空间信息,有效弥补了传统地质编录方法存在工作强度大、作业危险性高等问题,应用前景广阔。目前,对三维激光扫描地质编录技术的研究主要集中于岩体结构面提取方法方面,但现有方法存在提取结果不完整、准确度低等问题。本文提出了一种融合3D Hough变换和区域生长的点云分割方法,针对随机选取区域生长种子点稳健性不足的问题,通过结合法向量的3D Hough变换提高种子点选取稳健性,实现岩体结构面的自动提取。实验证明,本方法能有效区分产状差距微小或大小不同的结构面,对主要结构面提取的准确率较高。