基于BP神经网络的结构光光条中心提取

为了精确、快速地提取结构光光条中心,提出了一种基于BP神经网络的中心提取方法。给出了使用BP神经网络实现光条中心提取的基本原理、训练网络所需的理想中心点的求取方法,以及网络权值的调整算法。研究了隐含层神经元个数m、隐含层层数h,以及训练样本对中心提取精度的影响,结果表明:当m=3,h=1,训练样本为带有噪声的随机光条时,神经网络能够得到更好的光条中心。由对比实验可以看出,所提方法相较于Steger方法和灰度重心法的中心提取精度更高,而且对1280 pixel×960 pixel光条图像中心提取的平均用时仅约为0.04 s,为Steger方法的0.27%。所提方法具有高精度、高效率等优势,能够满足复杂光条亚像素中心提取的要求。

基于自适应窗口的线结构光条中心提取方法

线结构光三维测量系统中,快速、准确地提取线结构光光条中心是整个系统能实时、精准地测量物体三维尺寸的重要基础。在总结分析现有光条中心提取方法后,提出了一种基于自适应窗口的灰度重心法,用于提取线结构光光条中心。该方法在保留灰度重心法优点的同时,克服了由噪声干扰和光照强度变化引起的窗口选取不当对灰度重心计算结果的影响,使精度与运行时间达到了一定的平衡。该方法首先对数字图像进行八邻域差值滤波、图像分割等预处理,然后选取部分点进行高斯曲线初步拟合,通过分析高斯曲线的能量分布情况确定有效窗口,最后利用灰度重心法计算光条中心位置。试验结果表明,改进的灰度重心法提取像素中心标准方差(0.54)低于传统灰度重心法的标准方差(2.01),能够更加准确地提取出线结构光光条中心。

基于大尺度三维几何视觉的货运列车超限检测方法研究

货运列车的超限是威胁铁路安全的重要因素之一。但是一直以来,我国货运列车超限检测都是采用落后的人工方式进行测量。提出了一种基于大尺度三维几何视觉的货运列车超限自动检测方法。该方法根据三维几何视觉确定被测物在世界坐标系下的坐标,并利用铁轨靶标得到铁轨坐标系和世界坐标系之间的转换关系,将被测物的坐标转换到铁轨坐标系中对货运列车是否超限做出判断。其中,外极线约束和结构光光条约束用来防止特征点的匹配错误,平面靶标用来计算相机的参数。外场实验结果表明,该方法可以快速、准确地对货运列车超限进行判断,具有很高的应用价值。