机器视觉系统中图像误差补偿方法

在分析和比较常用图像畸变校正算法的基础上,提出将BP神经网络原理应用于图像的畸变校正,从而在对图像进行检测和定量分析之前,消除畸变误差对测量结果的影响;利用在标准栅格样板图像上选择的控制点对神经网络进行训练,并将训练后的神经网络以动态链接库的形式提供给L abV IEW调用,在L abV IEW环境中实现了具有图像误差补偿功能的机器视觉测量系统。

基于改进GWO-GRNN的管道焊缝三维重构测量

为提高双目相机不同位姿下焊缝的三维重构测量精度,提出一种基于立体视觉图像误差补偿的管道焊缝三维重构测量方法。采用改进灰狼算法(IGWO)优化广义回归神经网络(GRNN)补偿焊缝三维重构图像点的坐标误差。采用混沌映射、非线性收敛因子和最优记忆保存思想对GWO算法进行改进,通过8个标准测试函数进行仿真验证;利用优化后的GRNN模型对图像点坐标误差进行预测和补偿,计算三维坐标重构出焊缝点云,三维测量焊缝的焊宽、余高和长度。试验结果表明:该模型在双目相机不同的位姿状态下都能较准确地实现焊缝的三维重构,焊缝的三维测量相对误差在0.9%以内。