基于改进智能霍夫变换的红热圆形工件直径检测

为提高霍夫变换(Hough transform,HT)检测圆形工件直径的速度,本文提出了一种基于模拟退火(simulated annealing,SA)的改进智能霍夫变换方法。首先将直径检测问题转化为在椭圆参数空间中搜索最优解的问题,并根据霍夫变换拟合椭圆的原理构造了目标函数。然后针对椭圆检测问题设计了混合Metropolis Hastings(MH)抽样算法,对模拟退火算法中的抽样方法进行改进,最后利用改进的模拟退火算法在参数空间中搜索最优椭圆参数,得到圆形工件的直径测量值,从而减少了霍夫变换算法的计算量和内存占用量,提高了霍夫变换的速度,并通过仿真和实际实验验证本文方法的有效性。实验结果表明,与迭代最小二乘(iterative least square,ILS)、随机霍夫变换(random Hough transform,RHT)和随机抽样一致(random sample consensus,RANSAC)相比,本文方法能够快速准确地检测椭圆参数和红热圆形工件直径。

基于视觉AI的车道参照车距测量方法

车距测量技术对于减少交通安全事故,提高行车安全具有重要的意义。目前车距检测技术多是以车辆为参照进行测距,检测结果为两车的直线距离,但在弯道情况下则与实际车间距误差较大。因此,在分析现有的测距方法的优点及不足之处的基础上,基于视觉AI技术提出一种车道参照车距测量方法。该方法首先通过逆透视变换算法,实现从车道正视图到鸟瞰图的转换;继而通过霍夫智能变换实现对车道线的识别以及提取;最后利用积分法以车道线为参照系,计算目标车距。本研究利用Visual Studio 2013+OpenCv平台编译试验程序进行试验,结果表明,相较于传统车距检测方法,该方法提升了车距测量精度,具有一定的优越性。