基于结构光视觉的联合收获机谷粒体积流量测量方法

针对谷物联合收获机工作过程中需要实时测量谷粒流量的问题,提出应用结构光视觉测量技术实现谷物联合收获机测量系统谷粒体积流量的测量。采用普通滑槽作为测量谷粒体积流量的输送器,应用滚轮与编码器测量谷粒在滑槽中的流动速度。根据激光三角法测量原理构建结构光三维视觉系统,测量滑槽中流动谷粒的截面轮廓,应用试验参数标定法建立物长与像素偏移值的关系。在对结构光图像进行预处理的基础上,通过阈值判定法获取谷粒流截面轮廓;采用梯形微元求和法分别建立谷粒流截面计算模型与体积计算模型。试验研究了滑槽倾角和图像采集帧率对谷粒体积流量测量误差的影响,结果表明,当滑槽倾角在15°~30°、结构光图像采集帧率在40~100 f/s时,4种谷粒体积流量的测量误差小于等于5.2%,重复试验变异系数小于等于0.021,均方根误差小于等于1.268 L;当测量体积为17.6 L、滑槽倾角为30°、结构光图像采集帧率为100 f/s时,测量误差最小,为0.74%;当测量体积为39.2 L、滑槽倾角为20°、结构光图像采集帧率为40 f/s时,测量误差最大,为5.2%。采用结构光三维视觉测量系统,应用梯形微元积分求和法建立谷粒流体积计算模型,可以实现滑槽输送谷粒体积的在线测量。

结构光熔池传感中反射图的递归选区处理算法

点阵结构光三维熔池传感中处理反射图并识别成像点是后续熔池重构计算的基础,然而,由于弧光在成像屏上分布不均匀,加上结构激光照射到工件表面后漫反射到成像屏上,生成了额外的高亮背景,因此大大增加了成像点识别难度.此外,激光束在传播过程中受金属蒸气散射发生横向扩散,造成成像屏上的成像点尺寸变大、对比度下降,给识别带来了更大困难,极易丢失成像点(丢点)或误将噪声识别为成像点(多点).针对该问题,提出了一种递归选区图像处理算法,该算法由整体到局部,利用递归的思想不断选择“未成功识别”区域做进一步处理,当逐层返回处理结果后,可实现从不均匀背景中分离出所有成像点,不易丢点或多点.在每层处理计算中,算法的主要步骤包括阈值、滤波、连通域计算、大连通域递归处理以及小连通域重新覆盖等.阈值处理采用OTSU算法,该算法针对各层目标图像的亮度特征自动确定最佳阈值.滤波处理采用中值滤波法,提出每深入两层将滤波窗口的尺寸减小2个像素,可以降低丢点可能性,减少无用递归,避免超过最大递归深度.最后,用起弧后不同时刻拍摄的具有不同特征的反射图验证了递归选区处理算法的有效性,并分析讨论了该算法的实时性能.结果显示,单个图像的处理平均用时约为46 ms,可以满足实时传感要求.

一种基于线结构光的汽车侧位停车的环境感知方法

论文涉及车辆控制领域,特别是涉及自动泊车系统的车位检测方法。泊车车位探测装置包括摄像机,线结构光投射器。线结构光投射器在行驶车辆侧边投射出一个光平面,投射出的光平面与周围物体表面物体相交,若物体表面为一标准平面,线结构光在空间形成一条亮直线,否则光平面将受到物体表面形状调制而发生形变。从与投射方向不同的另一个方向,用摄像机拍摄该光条的图像并检测光条中像素点的位置变化,建立基于机器视觉技术的线结构光测量系统成像模型,结合摄像机标定技术、图像特征提取技术等方法实现泊车环境感知。相对于现有的基于激光雷达和超声波雷达的车位检测,它能有效地提高自动泊车车位的探测精度,并且成本更低、应用范围广。