基于改进随机Hough变换的圆形目标检测算法

圆形目标检测在各个领域得到了广泛应用.为了提高规则圆的检出效率、降低不规则圆的漏检率,文章提出了一种改进随机Hough变换的圆形目标检测算法.算法首先用区域增长和RGB二值分割等算法对不同背景的图像进行二值分割和去噪处理,接着对连通域分割的特征区域用具有圆形性特征的边缘点进行候选圆的检测和验证.实验对比结果表明,本文算法可以显著提高规则圆的检出效率、降低不规则圆的漏检率,算法计算量小、运行速度快、鲁棒性强.

基于优化Hough变换的铆接高度差亚像素检测方法研究

针对飞机铆接高度差的检测问题,提出了一种优化的Hough变换铆接高度差亚像素检测方法。该方法首先通过空间域点运算的灰度变换法对采集的铆接孔图像进行增强处理,然后利用局部阈值分割法进行图像分割,采用Canny算法进行边缘粗提取,再利用优化的Hough变换进行亚像素级的边缘精细提取,提取出铆接孔和铆钉钉头的圆环区域,最后结合RANSAC算法进行圆拟合,利用开发算子get_current_region_z()分别提取内外圆环区域的高度平均值,再通过函数height_Z()将所得的高度平均值作差即可得到铆接表面的高度差。经试验证明,该检测方法亚像素精确定位能力强,检测结果准确率高、稳定性好,重复测量精度可达到±10μm。

基于霍夫变换的透镜中心偏差检测方法

随着光学技术的发展,对光学透镜综合性能提出更高的要求,对心加工作为透镜生产必不可少的一环对镜头综合性能起重要作用,现有对心加工需要工人通过对心器手动测量及调整,对工人技术要求高、加工效率慢。文章基于霍夫变换提出一种适用于对心加工的中心偏检测算法以提升对心加工测量效率。首先通过工业相机拍摄对心器目镜中的图像,对图像进行灰度化、降噪、根据图像特征削弱干扰因素、二值化的预处理操作,再根据Canny边缘检测和霍夫变换识别图像中十字像的直线,最后根据角度区分直线求得交点,使用最小二乘法拟合出透镜的实际中心偏,实现了反射式测量和透射式测量两种工况的中心偏检测。实验结果表明,该算法能够检测两种工况下的中心偏,检测精度达到亚像素级。本文使用的中心偏检测算法可以提升对心加工的效率和精度。

多角度探测模式下结合Hough变换与SVR的墙后目标定位算法

多普勒穿墙雷达在定位墙后目标时,存在以下两个难点:(1)准确获取频率混叠区域目标瞬时频率;(2)通过获取精确的墙体参数来减小墙体对定位造成的影响。针对以上问题该文提出了一种结合Hough变换和支持向量回归-BP神经网络的目标定位算法。该文首先设计了一种多视角融合穿墙目标探测模型框架,通过获取不同视角下的目标位置来提供辅助估计墙体参数信息;其次,结合差分进化算法和切比雪夫插值多项式提出了一种目标瞬时频率曲线的高精度提取和估计算法;最后,利用估计的墙体参数信息,提出了一种基于BP神经网络的目标运动轨迹补偿算法,抑制了障碍物对目标定位结果的扭曲影响,实现了对墙后目标的精确定位。实验结果表明,相较于传统的短时傅里叶方法,该文所述方法可以准确提取时频混叠区域的目标瞬时频率曲线并减小墙体造成的影响,从而实现墙后多目标的准确定位,整体定位精度提升了约85%。

基于改进Hough变换的消弧线圈接地配电网故障选线新方法

针对配电网在电压过零点和高阻故障时刻选线不准确的问题,提出一种适用于谐振接地系统单相接地故障的选线新方法,利用优化后的变分模态分解对各馈线零序功率进行处理,遴选出与原始零序功率相关强度最高的本征模态函数IMF(k),将IMF(k)转换为JPG格式的二维图像,再利用Hough变换检测技术,得到故障起始阶段IMF(k)的拟合直线及夹角;对各支路模态量拟合直线夹角进行比对处理,将最小综合相关系数值对应的馈线确定为故障馈线;仿真结果表明:该方法不受接地电阻、故障相角、噪声干扰、数据缺失等因素的影响,验证了所提方法的有效性。

基于改进Canny算法和Hough变换的脉冲氩弧焊坡口边缘提取研究

针对脉冲氩弧焊中被动光传感采集的图像存在光亮变换快,目标像素少,难以提取出坡口的问题,提出一种基于改进阈值选择和双阈值检测的Canny算法。通过中值滤波和双边滤波代替传统Canny算法中的高斯滤波对图像进行滤波,引入背景像素与前景像素的数量比改进Otsu算法的最大方差,计算得到了靠近坡口的梯度值的阈值,依据改进后的双阈值检测获得完整的坡口边缘信息,对边缘信息进行Hough变换提取出清晰的坡口边缘。实验结果表明,和传统Canny算法相比,改进后的Canny算法提取坡口成功率提高,获得的坡口边缘信息也更加完整。

基于改进的Hough变换及小波分解的废旧机织物密度检测

为实现机织物密度的高精度检测,方便后续废旧织物纱线拆解与回收工作,首先将采集的原始图像进行裁剪与滤波处理,并针对织物纱线间隙阴影范围过大容易造成直线误检的问题,对传统Hough直线检测算法进行改进,限定角度检索范围并增加距离检测函数bwdist,通过检测出的阴影连通区域中心线实现图像直线检测,进行图像偏角矫正。随后通过能量曲线的方法确定小波变换的最优分解级数,在小波变换中增加Graythred函数,确定二值化最佳阈值,提高经小波变换处理后图像的可识别精度,并设定0和1像素点比例关系确定最佳阈值,实现图像平滑处理。试验验证表明:与人工计数结果对比,算法改进前后经密的识别平均相对误差由5.14%降低至2.86%,纬密的识别平均相对误差由7.87%降低至4.61%。认为:通过对Hough直线检测和小波变换算法的改进,可以提高机织物密度的检测精度。

基于投影约束和随机采样Hough变换的虹膜分割方法

非合作式虹膜图像的采集导致图像中具有大量干扰和噪声,因此,提出基于投影约束和随机采样Hough变换的虹膜分割方法提取虹膜有效区域。对虹膜二值图像进行投影粗定位虹膜的外轮廓圆心和半径,通过圆心和半径确定虹膜的大致区域,在该区域上,使用随机采样的Hough变换确定虹膜的内外轮廓,从而提高了虹膜分割的准确性。实验证明,与现有方法相比虹膜分割方法错误指标E1和E2最多提高8%和20%,具有更低的错误率和较高的时间效率。

利用Hough渐开线变换的齿轮图像中心检测

针对目前基于机器视觉的齿轮参数测量和检测中,获取齿轮中心坐标这一关键步骤缺乏通用性的问题,提出了一种利用Hough渐开线变换的方法。首先,在图像坐标中建立齿轮渐开线齿廓的数学模型。接着,对齿轮的灰度图像进行卷积、边缘检测获得齿轮边缘图像和像素梯度角。最后,对边缘像素做Hough渐开线变换,得到最终的齿轮中心坐标。实验和仿真结果表明,按该方法求得的结果与真实坐标的标准差在1 pixel以内,对齿轮内孔形状无要求,可以作为一种有效的齿轮图像中心检测方法。

基于改进Hough变换的车道线自动识别算法

针对复杂路况环境中路面图像杂乱或因光照不均导致的车道线不易检测等问题,提出一种基于改进Hough变换的车道线检测算法。首先对采集到的原始图像预处理,利用Canny算子对图像进行边缘增强及区域提取;其次为进一步提高算法的检测时间及准确性,提出利用滑动窗口实现阈值的自适应选取;最后结合渐进概率提出了复杂路况下的车道线检测算法。仿真实验选取KITTI数据集,结果表明,所提算法能够准确提取路面车道线,克服了复杂背景、光照不均带来的影响,与同类算法相比,文中所提的渐进概率Hough变换算法检测时间短、准确率高,具有一定的实用性和优越性。

基于霍夫变换和垂直投影的追溯码缺陷检测

追溯码是药品的“身份证”,为了保证药品的质量以及中间环节的流通监管,需要严格保证药品追溯码的质量。针对追溯码的印刷质量问题,本文提出一种基于霍夫变换和垂直投影的追溯码缺陷检测算法,使用霍夫变换自动校正倾斜追溯码,对追溯码的条码区和字符区进行分割,使用垂直投影法确定分割出的条码区的缺陷位置并标识。该算法具有较高的精确度,能够很好地满足工业场景的要求,有利于加强药品安全监管。

结合霍夫变换找墙体直线的沿墙导航算法

针对移动机器人沿墙导航过程中存在沿曲线墙体导航效果不佳、路径不够平滑等问题,提出了结合霍夫变换找墙体直线的沿墙导航算法。该算法由霍夫变换提取出当前位置障碍物中的直线,找到离机器人最近的直线作为沿墙参考直线,采集上一周期历史墙体直线状态和当前墙体直线状态决定机器人当前的运动方向,并根据当前墙体直线提取出沿墙导航预设路径进行导航,如此循环直至完成指定的沿墙导航任务。实验证明该算法可以在不同环境中较好地完成沿墙导航任务。

灰色关联融合霍夫变换的碳纤维板材边缘检测

风力发电是能源结构中的重要组成部分,碳纤维板材是制造高性能风力发电叶片的关键复合材料。由于碳纤维板材边缘没有脱模布包覆,容易出现缺陷。为保证碳纤维板材的质量,需要在生产检测环节严格执行质量检测标准。机器视觉在质量检测方面具有实时且高效的特点,能够满足生产线实时检测的需要。碳纤维板材边缘检测算法是以工业控制计算机为算力平台,对碳纤维板材边缘实现机器视觉检测。利用灰色关联融合霍夫变换对板材边缘贴合距离与脱模布贴合精确率进行检测。在进行碳纤维板材边缘检测时,首先预处理图像,将降噪算法与模糊边缘关联度融合在灰色关联中降低处理数据量;其次,利用灰色关联自适应滤波区分边缘图层与无效图层,对边缘图层的有效数据进行筛选;最后,将有效边缘图层灰色关联度数据融合霍夫变换进行边缘参数空间运算,实现碳纤维板材边缘检测。试验数据验证表明,在每秒检测帧数、平均误差与检测精确率上符合碳纤维板材质量检测要求。

基于Hough变换的四旋翼无人机自主循迹系统设计

为保证无人机在飞行过程中实现高效、稳定的循迹控制,设计了一种基于Hough变换的四旋翼无人机自主循迹系统。该系统将无人机机载摄像机实时采集的Y1UY2V格式编码的图像转化为RGB图像,使用全局阈值对图像进行二值化处理,利用Canny边缘检测查找灰度图像中的边缘路径,对边缘检测后的图像进行二值形态学计算,通过Hough变换检测出直线和圆形,并将识别出的图像中路径特征转化为位置信息,利用一个约束动力学模型进行无人机自主循迹控制。以跟踪“Ω”字和“L”字形轨迹进行仿真和真机实验,结果表明,该方法具有较高的识别率和循迹精度,能够有效提高无人机的自主循迹能力。

基于改进随机Hough变换的瞳孔识别算法研究

随机Hough变换能够有效地识别图像中的圆形,但容易引入大量无效信息,这严重影响了瞳孔识别的效率。课题组提出了一种改进随机Hough变换的瞳孔识别算法,该算法首先在边缘图像上随机采样一点,然后在该点的连通域上寻找候选圆,最后利用一种确定候选圆的真假方法实现瞳孔识别。该改进方法不仅能有效解决随机Hough变换容易引入大量无效信息的问题,还能大大提高瞳孔识别的准确性和速度。

基于霍夫变换与最小二乘法的车道线检测方法

基于传统图像处理方法,利用图像预处理、ROI分割、霍夫变换和最小二乘法等技术进行车道线检测。对图像进行预处理,图像预处理包括对图像二值化;然后通过高斯滤波对图像进行边缘检测。为提高执行效率和和提高准确性,使用15°俯视角度下显现的ROI区域进行检测,并利用霍夫变换检测车道线。通过设置阈值和参数调整,得到车道线的峰值点,并使用最小二乘法拟合直线。在图像中绘制检测结果,包括车道线和霍夫变换峰值点。使用该方法,对高速道路、城市道路、省道等3种路线上的5个实验组进行实验,其中高速道路和省道的准确率分别为95%、98%,城市道路的准确率为75%。结果表明:所提方法在特定环境下能够较为有效地检测车道线,具有较好的鲁棒性和准确性。

一种基于Hough变换答题卡的识别方法

随着科技的发展,答题卡识别技术分为三种,检测纸张透光率、检测红外反射率、全图扫描后检测图像灰度。早期的答题卡识别采用的是透射式识别答题卡,利用透射感光强弱来判定答题卡上的填涂选项。这种识别方式准确性较低,现在已经基本淘汰。十年前的主流技术是使用红外反射式扫描识别答题卡,利用碳元素对红外线的吸收原理。

基于特征聚合的深度霍夫变换法向估计算法

在点云处理过程中,法向估计是非常重要的一步。现有的深度霍夫变换的法向估计网络通过对点云进行霍夫变换得到邻域特征,再将其输入至卷积神经网络中学习估计法向。但由于霍夫变换过程中存在一定信息损失导致最后所得法向不准确,效果不够理想。对此,本文先通过霍夫变换将法向空间与二维平面相对应,并将二维空间离散化获得所有潜在切平面,设计特征聚合将点特征转化为潜在切平面特征作为CNN输入来降低霍夫变换过程中信息的损失,从而提升卷积神经网络的输入,进而提升网络整体的法向估计质量。实验结果表明,由此产生的法向估计网络的整体性能有所提升,对于不同噪声尺度也更具鲁棒性。In the process of point cloud processing, normal estimation is a very important step. The existing normal estimation network of deep Hough transform obtains neighborhood features by performing Hough transform on the point cloud and then inputs them into a convolutional neural network to learn and estimate the normal. However, due to certain information loss in the Hough transform process, the finally obtained normal is inaccurate and the effect is not ideal. In response to this, this paper first corresponds the normal space to a two-dimensional plane through Hough transform, and discretizes the two-dimensional space to obtain all potential tangent planes. Feature aggregation is designed to transform point features into potential tangent plane features as the input of CNN to reduce the information loss in the Hough transform process, thereby enhancing the input of the convolutional neural network and further improving the overall normal estimation quality of the network. Experimental results show that the overall performance of the resulting normal estimation network is improved, and it is also more robust to different noise scales.

基于霍夫变换的复杂检测现场的圆形检测

巡检机器人自动拍摄工业现场表盘的方法逐渐进入人们视野,然而机器人活动空间有限,拍摄位置较远,无法获取表盘的精准位置。提出一种基于霍夫变换的复杂检测现场的圆形检测方法。首先,采用一系列预处理算法,提高图像的清晰度;其次,提出基于霍夫变换的圆形检测,以得到精确的圆形表盘区域。实验表明,该方法可以获取准确的单圆盘区域和多表盘区域,为表盘的指针读取奠定了良好的基础,同时为工业生产的自动化改革提供了保障。

基于Hough变换的监视数据航迹关联算法研究

当前监视数据航迹关联算法在进行重叠宽度计算时,多以独立形式测定核算,效率较低,导致最终得出的平均偏差增大,为此提出对基于Hough变换的监视数据航迹关联算法的研究,根据当前计算需求,先进行航迹覆盖区域划分,采用多目标的方式,提升整体的计算效率,多目标形式计算出重叠关联宽度,以此为基础,构建Hough变换监视数据航迹关联测算模型,采用边缘航迹辅助修正实现测算。测试结果表明:针对选定的6个测试区域,经过连个周期的测定,最终在Hough变换的辅助下,所设计的监视数据航迹关联算法得出的航迹关联测算的平均偏差控制在1.2以下,说明此次所设计的监视数据航迹关联算法更为高效,针对性较强,具有实际的应用价值。