基于局部区域搜索的颗粒最小外接圆与最大内切圆优化算法

颗粒轮廓通常像素点数多、形状复杂,使得现有最小外接圆(minimum circumscribing circle,MCC)和最大内切圆(maximum inscribed circle,MIC)算法常因搜索点选择不当而导致算法无法收敛或者陷入局部最优。针对此问题提出了基于局部区域搜索(partial area search,PAS)的MCC与MIC优化算法。算法采用欧几里得距离变换(Euclidean distance transformation,EDT)获得中心点,根据此中心点划分不同的局部搜索区域,然后在局部区域中分别搜索MCC和MIC所需的候选点,最后通过计算分别得到需要的圆。在MCC计算中详细说明了通过两点直接确定MCC的方式,并在局部区域中优先选择最外围的点作为构建初始圆的依据。通过这种方式,部分颗粒无需迭代即可获得MCC,消除了由于搜索点选择不合适而导致的出错问题,同时减少了后续的迭代计算需求。MIC计算首先在局部区域中搜索候选点,然后利用Voronoi图计算MIC,免去了迭代步骤,提高了计算精度和效率。计算出MCC与MIC后,即可计算出颗粒的不规则度。通过对已有数据集的对比分析和实际颗粒的实验数据,证明了优化算法的稳定性和精确性,并具有较高的计算效率,同时适用于低分辨率的颗粒图像。研究结果为颗粒形态的分析提供了一种有效的优化算法。

基于外包络点的最小外接圆误差快速评定方法

对大尺寸轴类零件的高精密圆度测量时会生成大样本测量点集,而基于大样本点集的快速最小外接圆(MCC)误差评估已成为急需解决的工程问题。圆度测量产生的点集一般为有序评估点集,其最小外接圆可由该点集的外包络点确定。为提高最小外接圆计算效率,先利用包络向量搜寻外包络点,再进一步将外包络点压缩至常数范围,进而基于压缩后的外包络点快速求取最小外接圆及误差。分别利用文献数据、仿真数据和实测数据验证基于外包络点的最小外接圆误差快速评定方法的通用性、高效性和实用性。基于外包络点的最小外接圆误差快速评定方法具有实现简单、评定速度快的特点,可用于改进现有圆度仪的最小外接圆计算方法。

计算几何在测试计量技术中的应用-求解最小外接圆

本文提供一种在机械科学中评定最小外接圆形状误差的高效、高精度算法。该算法的核心是提出了一种删除对求解最小外接圆不会起任何作用的无关样本点的有效方法。交替运用计算几何中的最远点Voronoi图的性质和统计分析方法中的最小二乘法原理，可使最后参与求解最小外接圆的样本点数减至少量几个，相应算法的运算时间比以往的最优化算法快10倍以上。

基于力学思想的最小外接圆度误差评定

圆度误差常用于控制回转类零件的质量,其中圆度误差评定是测量中的关键问题。从力学的直观思考出发,提出一种基于力学原理的最小外接圆度误差评定方法。首先求得由坐标测量机采样得到的数据点的凸包,以减小计算量;然后将数据点看作固定不动的质点,圆看作半径可变的"半刚体";最后通过"力"的作用逐步改变圆的大小和位置,直到系统达到平面汇交力系平衡状态为止,此时该圆即为最小外接圆。利用VC++6.0平台开发了算法验证程序,对2组文献中的圆度误差数据进行评定并和其他方法评定的结果进行了对比,评定结果100%一致。结果表明力学方法可成功应用于最小外接圆度误差评定,并可推广到其他形状误差评定中。

基于最小外接圆直径的苹果分级研究

苹果大小是苹果品质分级的重要因素之一,为实现苹果的大小分级,针对苹果外形近似球的特点,专门设计了一套基于图像处理的苹果大小分选系统。研究采用30个果径为65-95 mm的苹果,模拟苹果在输送翻转装置上的多种随机姿态,对每个试验样本进行9个不同角度的拍摄,将拍摄的所有图像传送给计算机进行二值化、去噪去斑及边缘处理等预处理,提取苹果果径面图像。根据图像边缘确定苹果的质心,寻求质心与边缘的最远距离则为苹果图像的最小外接圆半径;寻求9个图像中苹果的像素面积与其最小外接圆面积最接近的图像,计算出苹果样本果径面的最小外接圆直径。将苹果的实际大小与系统测量大小进行比较,试验表明,研究分选的正确率为96.67%,为苹果大小自动分选提供参考。

最小外接圆法评定圆度误差的计算机实现方法

介绍了用最小外接圆判别准则评定圆度误差值的快速精确算法,研究了按最小外接圆判别准则求解圆度误差的过程和步骤,设计了程序流程图,并用C程序对实际零件进行数据处理。

最小外接圆法评定圆度误差值的程序设计技术

在介绍了利用最小外接圆判别准则快速精确求解圆度误差的基本思想和用最小外接圆法评定圆度误差的程序设计技术的基础上,根据最小外接圆法快速精确求解圆度误差的基本思想,利用本文所述的程序设计技术,能够设计出圆度误差评定软件,以较好地实现三坐标测量数据的圆度误差评定。

随机化算法及其在最小外接圆求解中的应用

近年来,随机化算法因其优良的性能吸引了大批学者的关注。在很多问题的求解中,随机化算法常有着惊人的效率,它通常是最快或者是最简单的算法,有时甚至二者兼备。讨论随机化算法在求解最小外接圆中的应用,介绍一个基于随机增量式的递归式算法,对该算法的思想进行详细的叙述,从理论上分析其性能,并结合实验验证,说明该随机化算法具有良好的性能。引入安全性要求,探讨如何在安全多方计算的环境下求解最小外接圆。

一种最小外接圆圆度误差评价实现方法

针对圆度误差最小外接圆评价及实现方法,提出了一种最小外接圆圆心搜索方法,达到了快速、精确评价圆度误差的目的。阐述了最小外接圆法评价圆度误差的原理和方法,编制了相应的软件程序,实现了在直角坐标系下三坐标测量机对圆度误差的最小外接圆法评价。

多击痕轮廓最小外接圆法测量击针偏心度

针对两个以上的击痕会有重叠不利于单个击痕轮廓圆拟合的问题,提出了一种通过测量多个击痕整体轮廓的最小外接圆来实现火炮击针偏心度检测的方法。首先,对药筒进行单次击发,获得底火上单个击痕的图像,并拟合出单个击痕的圆半径;然后,再对药筒进行不少于3次的击发,任意两次击发之间药筒的旋转角大致相同;最后,对底火上多个击痕的图像进行处理得到其整体轮廓,并解算出该轮廓的最小外接圆半径。轮廓最小外接圆半径与单个击痕圆半径之差即为火炮击针偏心度。采用蒙特卡洛方法仿真结果表明:新方法不受药筒旋转的转角误差和击针偏心度大小的影响,测量均方差数值稳定。仿真结果验证了该方法的可行性和有效性。

按最小外接圆法评定圆度误差的快速方法

本文提出了一个按最小外接圆法评定圆度误差的算法。本文证明了该算法是正确的且单调递增收敛的。该算法概念清楚,模型简单,因而易于计算机实现。几个实际零件圆度误差的评定显示了该算法的正确,准确和耗时极少。

一种最小外接圆法圆度误差评价实现方法

介绍了一种在直角坐标系下利用最小外接圆法评价圆度误差的方法。提出了一种基于对称关系的最小外接圆圆心搜索思想,运用几何思想均匀分布圆心到各点的距离,达到了快速、精确评价的目的,并且实现了在直角坐标系下三坐标测量机对圆度误差的最小外接圆法评价。

最小外接圆法评定圆度误差值的计算机实现方法

介绍了按最小外接圆判别准则求解圆度误差的过程和步骤,设计了程序流程图,并给出了用C语言实现其算法后的结果。

基于半径变化量测量的圆度误差最小外接圆评定法研究

最小外接圆法是一种工程中常用的圆度误差评定方法.文章给出了基于半径变化量测量的圆度误差最小外接圆评定法的数学模型和最小外接圆的判定方法和条件.实验结果表明,给出的数学模型是正确的,判定条件是合理可行的.

基于最小外接圆法的苹果直径检测技术

水果大小是水果机器视觉自动分选的重要依据。以苹果为研究对象,提出了一种利用最小外接圆检测苹果直径的方法。苹果样本为12枚,共计144幅苹果图像,经过图像处理后,获取每个苹果的12个近似圆度,选取最小近似圆度对应的外接圆像素直径作为该苹果的像素直径。通过对8组苹果像素直径和近似圆度与实测直径进行二元拟合,得到拟合方程,其相关系数为0.988。利用此方法估测苹果直径的绝对误差在±1.8 mm以内,同时能够确定果梗-花萼轴线与摄像机的光轴接近重合的那幅图像。该方法为利用图像中的水果姿态进行检测直径提供了新的思路。

最小外接圆的精确算法

本文用精确的数学模型和计算方法求解最小外接圆,并对常用的线性模型的误差和适用性进行讨论。

一种基于最远Voronoi图的最小外接圆求解方法

当测量平面上一组测量点集的外接圆圆心在该点集的最远Voronoi图上移动时,对应的外接圆半径具有单调收敛性,并收敛于该点集的最小外接圆圆心.根据该性质,提出了一种基于最远Voronoi图的最小外接圆求解方法.编制了相应的算法程序,设计了验证方法,并与穷举法进行了比较,测试结果表明利用该方法进行圆度误差评定不存在误差累积,且具有线性时间复杂度.

利用最小外接圆法评定圆度误差

阐述了最小外接圆法求解圆度误差的基本思想,给出直线准则和三角形准则下圆度误差评定的代数判别方法.依据该方法可以设计圆度误差评定软件,从而实现三坐标测量数据的圆度误差评定.

一种基于最小外接圆法的圆度误差评定算法

提出一种以最小外接圆法评定圆度误差的新算法。该算法以轮廓点集中的二点或三点为圆上的点确定某初始圆,然后每次都以圆外最远点加入先前的点或者替代其中一点以构造更大的新圆,重复该步骤直至新圆包容所有轮廓成为最小外接圆,最后根据最小外接圆计算圆度误差。提出并论证了最小外接圆判定准则,描述了算法的详细步骤并说明了它的收敛性,通过实验验证了算法的准确性和高效性。

基于语义分割和融合算法的草坪杂草定位

【目的】探究基于多算法融合的草坪杂草精准定位算法,为草坪杂草的自动识别和清除机器人的除草作业提供技术支撑与理论依据。【方法】提出了一种基于语义分割的多算法融合的草坪定位算法。首先,通过PSPNet网络分割草坪和非草坪轮廓。其次,针对分割出来的非草坪轮廓提取感兴趣的区域,去除非杂草轮廓,保留杂草轮廓。然后,利用Zhang-Suen细化算法提取杂草轮廓骨架线,并获取骨架交叉点数量和坐标位置。最后,利用融合算法依据交叉点数量选择不同的定位策略,实现杂草根部的精准定位。【结果】融合算法定位的杂草坐标与真实杂草根部中心坐标的均方根误差为83.17像素,相比平均质心法减少了14%,相比最小外接圆减少了22%。换算到实际场景之下,融合算法定位的杂草坐标与真实杂草根部中心坐标的均方根误差为12.48 mm,误差在可接受的误差范围内。融合算法提高了杂草根部中心的定位精度,降低了杂草定位的误差。【结论】基于语义分割和融合算法的草坪杂草定位方法提高了杂草根部中心的定位精度,降低了单一方法的定位误差,可以为草坪杂草自动识别和除草作业提供技术支持。