基于多尺度多分辨率的直线段检测算法

在点线特征结合的同步定位与地图构建(SLAM)系统中,针对直线段检测(LSD)算法易受光照、角度等因素的影响且造成提取直线段过度分割等问题,提出一种基于多尺度、多分辨率的LSD(MMLSD)算法。首先,在对图像处理前,引入图像分辨率阈值判断图像的初步分类;其次,对预处理后的图像进行多尺度多分辨率处理,形成多尺度图像空间或者图像金字塔;然后,在线段合并阶段,对金字塔各层提取的直线段进行由粗至精的线段替代合并;最终,输出提取线段结果。实验结果表明:改进后的算法有效地克服了线段的过度分割现象,同时对低对比度的环境具有良好的鲁棒性。相比LSD算法,所提算法直线检测的平均精度提升13.1%。

基于环视系统的停车位检测与跟踪算法

为提供准确有效的停车位位置信息,提出一种基于车位导轨线跟踪和车位角特征的检测方法。首先,从直线段检测(LSD)算法检测的线段中提取车位导轨线,通过导轨线跟踪算法增强环境适应性,确定车位角的待检测感兴趣区域。其次,训练了单个基于方向梯度直方图(HOG)特征的支持向量机(SVM)分类器进行“T”型和“L”型车位角检测,使用改进的非极大值抑制算法优化检测结果。试验结果表明,与仅基于车位线特征或车位角特征的算法相比,所提出的算法漏检率更低,在多种天气条件下具有较好的鲁棒性和适应性。

机器人抓取视觉传感目标精确定位方法

机器人抓取目标时,正确完成任务的前提是可以精准检测到目标位置,当距离目标较远时,以信号传感为基础的定位精度和稳定性会受到影响。为解决上述问题,提出基于视觉传感器的机器人抓取目标精确定位方法。利用视觉传感器获取目标图像,并标定目标位姿。采取直线段检测方法提取目标位姿特征,将提取的特征输入到改进粒子群算法的支持向量机回归模型中,输出定位结果。利用回归误差补偿模型对定位结果补偿,完成机器人抓取目标精确定位。实验结果显示,利用视觉传感器后,机器人抓取目标的定位时间为35 s、与实际位置的接近程度高于81%、置信度高于92%,由此可知机器人抓取视觉传感目标定位效果较好。

基于LSD算法的链篦机台车侧板偏移检测

在链篦机系统故障中,一种常见的故障为侧板偏移,当发生侧板偏移时,会造成严重事故和经济损失。针对人工观察检查为主的侧板偏移检测方法存在费时费力、智能化程度低等问题,提出了一种基于直线段检测(LSD)算法的侧板偏移检测方法。设计了包括硬件设备搭建和数据处理方式的整套检测方案,采用摄像机采集链篦机台车侧板图像信息,根据链篦机台车实际运行情况,设定链篦机台车侧板偏移检测规则,通过对采集的视频帧图像感兴趣区域截取、区域划分,应用LSD算法检测图像中的直线段信息,并对检测获取到的台车侧板直线段信息进行直线融合、断点差值计算处理,依据判定规则在线检测台车侧板偏移故障并自动给出报警提示。对包钢烧结厂内采集的台车侧板视频图像进行测试,程序误检率为1%,平均检测与判定时间不足0.1s,表明该方法能够有效替代人工观察检查方法检测台车侧板偏移故障,为链篦机台车侧板偏移检测提供技术支持。