环状编码标记点的检测与识别

针对近景摄影测量中对编码标记点进行精确定位并对具有唯一编码值的编码标记点进行解码识别的要求,提出了一种环状编码标记点自动检测和识别算法。该算法首先对图像进行canny边缘检测,通过一系列限制条件和计算封闭轮廓质心来过滤噪声和非编码标记点。然后,采用最小二乘椭圆拟合进行编码标记点定位,结合椭圆拟合误差判断分割编码标记点轮廓并进行填充。最后,提出一种将局部同心椭圆变换为平行直线的ALPC(Affine LOG Polar Coordinate)变换,对分割出的编码标记点进行ALPC变换,利用变换后的图像特征进行解码。实验结果表明,利用本文算法对于编码标记点的定位可以达到亚像素级别;且当相机光轴与编码标记点法线夹角小于60°时平均识别准确率能达到98.8%,当夹角达到70°时识别准确率仍然能达到90.2%;在复杂背景下的识别准确率能够达到96.46%。

一种环状编码标记点的设计及解码算法

针对近景摄影测量中对编码标志点的精确定位和准确识别的要求,提出一种环状编码标记点的设计和识别算法。在传统环状编码标记点的基础上添加三个定位符,用于确定标志点的精确位置和增加标志点的数量。解码时先检测定位符坐标及其在标志点中的位置,然后对编码标志点进行透视变换以实现图像校正的目的,最后用提出的基于圆环扫描的方法进行解码。实验结果表明,该算法对任意旋转角度下的编码标志点均有较好的检测识别效果;当摄像机与标记平面的夹角小于65°时,其识别准确率可达99. 3%;在复杂背景情况下的平均识别准确率为97. 4%,误识别率为1. 25%,识别平均速率为2. 15 s/幅。

摄影测量中编码标记点检测算法研究

大型物体的三维测量中,使用编码标记点既解决了拼接累积误差,又大大降低了非编码点匹配的难度。首先采用一种自适应的二值化方法对图像进行分割,再根据几何特征和灰度特征提取标记点,然后对编码点和非编码点进行归类。编码点解码时,以灰度跳变点为解码起点,综合使用编码弧段对应的圆心角和弧长,提高了解码的准确性。模拟和实验结果表明:该算法受噪声影响小,标记点识别率高,解码正确率可达97%。

基于编码标记点的高精度运动估计

为实现前景运动的精确估计,本文提出了一种基于编码标记点的高精度运动估计方法。该方法在测量环境内的前背景中粘贴环状编码标记点,并在每次前景运动后采集若干图像,通过同时估计所有相机位姿以及背景固定标记点、前景运动标记点的空间坐标,获取前景运动六自由度参数(旋转、平移)。为实现上述目标,本文提出了包括基于随机抽样一致性的编码标记点识别与提取,图聚类的编码标记点与相机分组,增量式从运动恢复结构的背景点与相机位姿初始化,图优化的前景点与前景运动初始化以及广义光束平差的全局优化等在内的一套高精度运动估计流程。实验结果表明,本文提出的前景运动估计方法精度在0.3 mm左右,可以满足高精度前景运动估计的需求。

基于卷积神经网络的汉字编码标记点检测识别

近景摄影测量中采用的标记点要求具有唯一身份号并能在图像中被精确识别定位。设计了一种以汉字作为编码特征的编码标记点,提出了一种基于卷积神经网络的编码标记点检测识别方法。首先采用基于相机成像原理的虚拟相机法,自动生成大量汉字编码点模拟图像作为训练样本,并据此训练卷积神经网络成为汉字编码点识别网络。根据一系列编码点筛选准则分割得到实拍汉字编码点,然后用编码点识别网络对其身份号进行识别,最后通过中心定位算法定位编码点中心。实验结果表明构建的识别网络对汉字编码点识别率可达97. 67%,且受噪声、投影角度、图像对比度、亮度等因素的影响小;分割算法鲁棒性强,能准确分割出汉字编码点;中心定位算法对编码点中心的定位精度高。

视觉测量中环状编码标记点检测与识别方法

针对视觉测量中环状编码标记点检测识别易受成像角度、光照等因素影响的问题,提出了一种基于编码环采样的解码识别方法。使用Canny算子对图像进行边缘检测,提取图像轮廓结构信息,基于尺寸和形状约束,滤除非标记点轮廓;使用Otsu算法进一步提取标记点边缘环状邻域,通过最小二乘椭圆拟合求解椭圆参数,通过椭圆参数约束,再次滤除非标记点轮廓;基于标记点椭圆参数,对编码环进行连续采样,解算获得编码值。试验结果表明,所提出的检测识别算法受成像角度、光照等因素影响小,可实现编码标记点的精确定位与准确识别。

一种环状编码标记点偏转变形的自矫正方法

文章提出了在摄影测量或者计算机视觉中用到的环状编码标记点的一种矫正方法。编码标记点广泛应用于摄影测量或机器视觉,可以快速简单地实现目标检测和目标匹配。在对环状编码标记点进行检测时,标记点图案因拍摄角度而发生偏转变形,对解码的准确性会产生很大影响,所以文章提出了一种基于仿射变换的无需干预自动矫正方法,从而提高解码的准确率。

一种基于简易标记点编码的光学跟踪系统

在虚拟现实,增强现实或是混合现实应用中,实时获取用户和交互对象的位姿是构建高沉浸感虚拟环境的前提条件。随着虚拟现实技术的不断发展,用户对虚拟环境中运动范围的要求不断提高,不再仅满足于单个房间内的小范围移动,而希望能在更大范围进行漫游和交互。为此,提出了一种光学定位追踪系统,通过在天花板或地面布置少量的红外LED标记点来实现精确的相机三维追踪。所述跟踪系统使用了最基本的点、线元素构建标记点图案,通过设计该标记点图案的编码原则、布局重复特征检索方法和对应点匹配算法,实现了标记点图像的快速、精确解析。实验证明系统计算的位置精度可以控制在毫米级别范围内,同时在对抗标记点抖动和遮挡等方面保持了较高的识别准确率。由此实现的跟踪系统具有低成本、易拓展和抗遮挡等特点,可以满足百平方米级别范围的实时追踪定位需求。

环状编码标记点的高效提取与鲁棒识别算法

针对当前环状编码标记点(CCT,circular coded target)的提取与识别算法效率、识别率较低的问题,提出了一种高效提取与鲁棒识别算法。介绍了编码标记点的特征及编码方式,采用提出的六点法获取目标点近似成像中心、边缘检测和椭圆拟合及边缘筛选,实现CCT的提取;根据CCT的仿射变换不变性提出的等分椭圆内切圆法,实现CCT的识别。对提出的算法进行了实验验证,结果表明,提取算法可有效剔除干扰且运行快速,效率高;椭圆拟合最大偏差与平均偏差分别小于0.06pixel和0.03pixel,精度高;识别算法在各种恶劣条件下均能得到正确结果,鲁棒性强;在复杂背景下,全局漏识别率、误识别率及平均运行时间分别为4.34%、0.47%和7.22ms,相对于其他识别算法,综合性能最优。

摄影测量中标记点编码与解码的方法

近景摄影测量中,可以在待测物体表面分布一些易于识别的标记点,以提高特征识别的准确性和精度,保证多幅图像间特征点对应匹配的可靠性。文中讨论了多种标记点的编码与解码,对各种标记点进行了分析,讨论了在不同的情况下使用不同的编码标记点可以起到准确识别和精确定位,提高效率,为图像识别打下良好的基础。

一种基于多目视觉的标记点定位方法

当前国内外科学家已研究出数种室内定位技术,然而各种定位技术都存在其局限性,其测量方法大都受室内信号强度的限制。因此设计出一种以梯度和位置为基础的椭圆检测算法,进行多次椭圆筛选提高椭圆提取准确率。结果证明该算法能够精确识别环形编码标记点,无需依靠信号强度,就能得到精确的环形编码标记点中心圆的圆心坐标,同时具有速度快、精度高、提取率高的优点。

基于双目视觉的薄壁零件变形量测量

针对薄壁零件变形量测量困难且过程繁琐的问题,提出了一种基于双目视觉的薄壁零件变形量测量方法 .对于零件表面变形量的测量,将具有基准坐标系标记点的刚性金属块安装在被测零件上,并在零件表面粘贴多个设计的编码标志点和彩色圆形定位点.利用彩色标记点分割出基准坐标系和编码标记点的有效图像区域,排除干扰图像特征.进行基准坐标系标记点和编码标记点的识别和检测,利用设计的角点结构实现标记点圆心的精确定位,并计算得到测量点的三维坐标.在基准坐标系下,通过计算零件变形前后表面关键点的三维坐标变化得到工件表面变形量.对于零件边缘变形,采用改进Canny边缘检测算法提取零件边缘的有效轮廓信息,并利用极线几何约束和灰度相似性对边缘特征进行了立体匹配和三维重建.薄壁零件变形量测量实验和测量精度验证实验表明该测量方法合理有效且测量精度满足要求.

基于双目视觉的直升机旋翼桨叶挥舞角测量

为实现直升机旋翼桨叶挥舞角的测量,提出了一种基于双目视觉的测量方法。首先,在直升机旋翼桨叶上均匀布置编码标记点,用已标定的双目摄像机对旋翼桨叶每隔一定角度采集标记点图像;其次,对左右摄像机图像上的标记点进行解码和匹配,得到标记点的左右图像视差,进而计算标记点三维坐标;再次,利用标记点在各个角度下的三维坐标,计算旋翼中心和转轴方向,建立旋翼坐标系;最后,在旋翼坐标系下,根据标记点静止与高速旋转时在同一角度下的三维坐标,计算挥舞角大小。利用风扇叶片进行仿真试验,结果验证了该方法具有自动化程度高和测量精度高的特点,可满足直升机旋翼桨叶挥舞角测量的要求。

基于CUDA的直升机旋翼桨叶挥舞角快速测量方法

针对基于立体视觉的直升机旋翼桨叶挥舞角测量CPU串行算法耗时多、效率不高的问题,利用图像处理单元(GPU)并行计算的优势,提出一种基于CUDA统一计算设备构架的并行处理快速算法。首先,对算法中最耗时的图像去噪、阈值分割、连通域标记三部分进行并行化设计;然后,采用多层次并行策略将大量密集运算分配到不同的图像处理单元上并行执行,利用共享内存和共享寄存器加速数据访问;最后,进行多次测量实验,结果表明该方法执行效率明显高于CPU串行方法,可满足旋翼桨叶挥舞角快速测量的要求。

基于目标检测网络的摄影测量编码点定位

为解决传统摄影测量编码点定位依赖多种关系准则、判定复杂且识别不稳定的问题,提出一种采用基于改进YOLOv3的目标检测网络分割编码点、利用距离排序识别中心标记点的定位方法。首先针对编码标记点特点改进特征提取网络,从复杂背景中快速识别编码点,然后在预测框内进行图像处理,计算轮廓质心到中心的距离,通过距离排序定位中心圆形标记点,最后构建标尺编码点数据集用于网络训练和测试。实验结果表明,目标检测网络识别编码点的精度达到94.91%,受环境和噪声等的影响小,距离准则准确率高,该定位方法具有适应性好、鲁棒性高的优点。

自制视觉测量系统促进产学研一体化教学模式建设

研究生的科研实验能力是我国实施科技兴国战略的重要保障,专业型硕士研究生的培养过程中,更应该关注科研成果的应用价值,要能够着实解决社会发展中的技术性难题。文章将自制编码标记点的测量系统,应用在《机器视觉》课程的教学中,在智能制造加速发展的“十四五”战略规划期间,将科研实验与智能制造中的测量技术紧密结合,促进学生对图像处理和编码标记点识别方法的理解,深入了解机器视觉技术在实际工程中的应用,激发学生的科研创新兴趣。通过近几年的教学发现,课程中的图像处理方法和编码标记点的解码算法,对于引导学生论文发表和开展产学研一体化教学有促进作用。