基于计算机微视觉的鲁棒多尺度平面微运动测量

提出一种将计算机微视觉与鲁棒多尺度运动估计算法相结合的测量微运动的方法。设计一种用于微运动测量的鲁棒多尺度运动估计算法。在该算法中,根据滤波器的不同特性,在多尺度金字塔的不同尺度层采用不同的滤波器估计运动。这种分层估计的方法不但可以提高测量精度,而且可以加快测量速度。分析计算机微视觉测量系统的组成,并对设计的微视觉测量系统进行标定。以精密定位平台为测量对象,采用计算机微视觉与鲁棒多尺度运动估计算法相结合的方法测量了精密定位平台的平面微运动。该方法用于测量2000nm左右的微运动时,最大测量偏差达到了12.5nm。试验结果表明,这种将计算机微视觉与鲁棒多尺度运动估计算法相结合的方法能够实现高精度的平面微运动测量。

基于同态滤波的鲁棒多尺度微运动测量算法

针对光照变化、噪声、运动不连续及大位移量等影响基于计算机微视觉的微运动测量精度的问题,提出一种基于同态滤波的鲁棒多尺度微运动测量算法。首先采用同态滤波增强方法对显微视觉图像亮度不均匀进行了校正,并增强对比度,然后利用双权重函数,自动调节不同残差数据点的权重,去除残差过大的数据点,并采用多尺度金字塔由粗到精逐层迭代,精确地估计运动矢量。实验结果显示,新算法鲁棒性好,能有效地减弱光照不均匀的干扰,同时减少噪声和运动不连续而引起的界外值的影响,微运动测量精度达到0.01个像素。

计算机微视觉在微运动测量中的应用

计算机微视觉方法在微运动测量中得到了广泛的应用。本文对计算机微视觉测量的基本原理、特点及采用计算机微视觉测量微运动的精度影响因素进行了分析。此外,以精密微动平台为测量对象,将计算机微视觉与运动估计算法相结合,测量了微动平台的微运动。测量结果表明,这种将计算机微视觉与运动估计算法相结合的方法能够实现高精度的微运动测量。

一种考虑精度和效率的微运动测量算法

同时考虑测量算法的精度和效率,给出了一种性能表现较好的微运动测量方法。在设计该微运动测量方法时,根据算法的偏差-时间性能评估方法,通过选取合适的算法参数,找到一种精度和效率性能表现较好的微运动测量方法。实验模拟表明,提出的方法性能表现较好,用于测量大约2个像素的MEMS图像时,最大测量偏差小于0.025个像素。

基于梯度滤波器的多尺度高精度微运动测量

微运动测量在微纳制造和生物医学等高技术领域担任了一个重要的角色.本文将梯度滤波器方法和多尺度方法相结合,提出了一种用于微运动测量的基于梯度滤波器的多尺度方法.在该方法中,利用多尺度金字塔迭代方法,对测量图像进行降采样和低通滤波,将较大像素的图像运动转化为多个小像素的图像运动进行估计,从而提高运动估计精度.提出的方法用于测量两个像素附近的M EM S微机械图像运动时,测量偏差达到了0.005个像素.模拟实验结果表明,这种基于梯度滤波器的多尺度方法能够实现高精度的微运动测量.

计算机微视觉微运动测量系统图像噪声分析

对计算机微视觉微运动测量系统采集的图像噪声及处理方法进行了研究。分析了各种在微运动测量时引起测量误差的图像噪声。在此基础上,通过对一幅典型的由计算机微视觉微运动测量系统采集的MEMS图像进行分析,给出了减少这些噪声的常用方法。分析表明了对于这种微结构图像以下噪声处理方法的有效性:首先采用中值滤波器减少散粒噪声以及采用一个低通滤波器减少高频噪声,然后采用两点修正法可以减少固定图像噪声;此外,在采集图像时适当增加曝光时间可以减少机械噪声的影响。

基于图像的微运动测量算法

介绍了基于图像的微运动测量的基本原理。对基于梯度的方法、块匹配方法、基于Fourier变换的方法、基于小波变换的方法以及基于信号统计特性的方法等几种常用的用于微运动测量的方法进行了分析和比较。通过分析发现,基于梯度的方法在微运动测量中具有很大的优越性。

基于光流技术和滤波器方法的多尺度微运动测量

将光流技术和多尺度方法相结合,提出了一种基于光流技术和梯度滤波器的多尺度高精度微运动测量方法。该方法将微运动测量看成是光流的计算,采用滤波器方法计算图像的梯度,并利用多尺度方法将较大像素的图像运动转化为多个小像素的图像运动进行估计,从而提高运动估计精度。该方法用于测量2个像素附近的微陀螺图像运动时,最大测量偏差小于0.008个像素。实验模拟结果表明,这种采用光流技术和多尺度相结合的方法能够实现高精度的微运动测量。

微型光热驱动机构及其显微运动测量研究

提出微型光热驱动机构（PTMA）及其显微运动测量的新方法，设计与微加工制作一种长度为1．5mm的非对称型PTMA，并开展光热驱动的实验研究。利用该测量方法，在波长为650nm、功率为9mW的半导体激光控制下，对PTMA的振幅与频率等显微运动特性进行测量和分析，测得最大振幅为10．3μm，理想响应频率范围为0～7Hz，并绘制出其运动轨迹。研究结果表明，这类新型PTMA可在激光操控下产生不同振幅（位移）、不同频率（速度）的微运动，为机电系统提供了一种新的微驱动方法。

基于SURF算法的MEMS平面微运动测量

针对MEMS等微小目标的高频面内振动的高精度快速检测的需要,提出了基于SURF算法的特征点匹配测量方法。该方法在利用频闪微视觉系统采集MEMS周期内频闪图像序列的基础上,使用SURF与RANSAC算法,对序列中相邻图像进行特征点的检测与匹配,再去除匹配结果中的粗大误差,获取待测目标的亚像素位移,并转化为实际的空间距离。试验结果表明,该方法可以达到100 nm的空间分辨率,实现对MEMS面内振动的高精度快速测量,满足快速高精度检测的要求。

一种测量微运动的多尺度高精度方法

微运动测量是微纳制造技术研究的一项重要内容。文章将滤波器方法和多尺度方法相结合,提出了一种用于测量微运动的多尺度高精度方法。在该方法中,采用滤波器方法计算测量图像的梯度,并利用多尺度金字塔迭代方法对测量图像进行降采样和低通滤波,将较大像素的图像运动转化为多个小像素的图像运动进行估计,从而提高运动估计精度。提出的方法用于测量2个像素附近的谐振器图像运动时,测量偏差接近0.004个像素。实验模拟结果表明,这种多尺度方法能够实现高精度微运动测量。