基于ZYNQ的线激光轮廓传感器设计

为了直接获取工件轮廓点云,设计一种基于ZYNQ可编程芯片的线激光轮廓传感器。以ZYNQ芯片为核心处理器,设计传感器的图像采集与处理硬件电路。根据相机畸变模型,通过双线性插值法矫正各像素点的灰度值,研究基于法向迭代的灰度重心法以提取激光条纹中心线,结合相机参数和激光光平面方程的标定,计算相机坐标系下激光条纹中心点的三维坐标。在ZYNQ芯片中实现上述算法的并行加速,进行工件轮廓扫描测试。结果表明:该传感器可得到工件的三维轮廓点云。

基于DTW的轮廓特征目标识别算法

为提升传统目标轮廓识别算法的实时性,提出一种基于动态时间规整(dynamic time warping, DTW)的轮廓特征目标识别算法。该算法将质心高度增量特征描述符与DTW相似性度量算法相结合,首先对目标轮廓均匀提取采样点,并对目标图像以及模板图像轮廓点的质心高度增量特征进行提取,然后使用DTW算法寻找规整路径的方法对目标图像以及模板图像的特征矩阵进行相似性度量,最后定义形状复杂度,同时联合翻转目标的二次匹配得出最终识别结果。实验结果表明,所提出算法在MPEG-7、Kimia99数据集中对待测形状能够在保证识别率优于大多数常见的传统目标识别算法的同时提升目标识别的实时性。

一种线结构光亚像素中心坐标提取方法

为了提高光条中心点提取的精度和速度,提出了一种新的线结构光条纹中心亚像素提取方法。首先对图像进行中值滤波,采用轮廓跟踪算法避免扫描光条纹区域外的像素,以此提高计算速度,结合灰度重心法对光条纹中心进行初提取;通过均方灰度梯度法计算光条纹的法线方向并以初提取点为中心进行双线性插值;以提取到的初始点和插值点采用加权灰度重心法计算光条纹中心的亚像素位置。实验结果表明,所提方法的标准误差在0.1400 pixel左右,运算时间约为0.0670 s。

基于质心高度增量特征的目标识别算法

针对传统目标识别算法识别准确率低、复杂度高等问题,提出基于质心高度增量特征的目标识别算法。在提取轮廓特征阶段,以轮廓质心为参考点,对于任意采样点,根据其它采样点相对于该点的高度关系构建质心高度增量描述符。描述符不仅计算简单,对旋转、平移和缩放等几何变换具有不变性,而且引入轮廓顺序这一全局特征,提升了描述符的鲁棒性和区分能力。在特征匹配阶段,利用轮廓顺序已知这一优势,采用动态规划算法计算质心高度增量描述符的相似度,最后引入形状复杂度分析,优化识别效果。MPEG-7测试集和Kimia99测试集的实验结果表明,上述算法能够有效的对目标图像进行匹配识别,而且对于噪声的干扰具良好的鲁棒性。

基于乌鸦搜索的隐私保护聚类算法

针对基于差分隐私的K-means聚类存在数据效用差的问题,基于乌鸦搜索和轮廓系数提出了一个隐私保护的聚类算法(privacy preserving clustering algorithm based on crow search, CS-PCA)。该算法一方面利用轮廓系数对每次迭代中每个簇的聚类效果进行评估,根据聚类效果添加不同数量的噪声,并利用聚类合并思想降低噪声对聚类的影响;另一方面利用乌鸦搜索对差分隐私的K-means隐私保护聚类算法中初始质心的选择进行优化,防止算法陷入局部最优。实验结果表明,CS-PCA算法的聚类有效性更高,并且同样适用于大规模数据。从整体上看,随着隐私预算的不断增大,CS-PCA算法的F-measure值分别比DP-KCCM和PADC算法高了0~281.3312%和4.5876%~470.3704%。在相同的隐私预算下,CS-PCA算法在绝大多数情况下聚类结果可用性优于对比算法。

刚体变换下基于轮廓的多传感器图像配准算法

提出了一种基于轮廓的多传感器图像配准算法,输入图像之间的几何变换假设为刚体变换。该配准算法的特点是根据匹配轮廓对的质心和长轴计算配准参数,克服了传统的基于特征的图像配准算法控制点检测与匹配的问题,算法鲁棒性较高。首先提取输入图像中的明显轮廓,然后对提取的轮廓进行匹配,并将其中匹配的开轮廓对转化为闭合轮廓对,然后根据所有闭合轮廓对的质心和长轴估计配准参数。实验结果表明,所提算法能精确解决输入图像之间仅存在旋转和平移情况时的图像配准问题。

基于钻孔数据的复杂轮廓线三角面片的重构

阐述了基于钻孔数据的复杂轮廓线的三维重构,针对三维重构中存在的轮廓线的质心计算、对轮廓线方向性一致操作、分支问题以及如何得到较优的三维曲面等关键技术,提出具体的解决方法,并给出了最终的试验数据,验证了此三维建模方法的可行性。

基于轮廓曲线和特征区域的秦俑碎块匹配算法

为了提高秦俑碎块匹配的精度和速度,提出了基于轮廓曲线和特征区域的碎块匹配算法.提取碎块的断裂面及其轮廓曲线,并将轮廓曲线进行分段,再采用最长公共子序列算法将轮廓曲线进行匹配,以实现碎块的粗匹配;根据体积积分不变量计算碎块断裂面上所有顶点的凹凸性,并将断裂面划分为一系列或凹或凸的特征区域;计算断裂面上各个特征区域的质心,并采用改进的迭代最近点算法对质心进行匹配,以实现断裂面的细匹配.实验采用了3种匹配算法对秦俑碎块数据进行匹配,结果表明基于轮廓曲线和特征区域的匹配算法能更加精确地完成碎块断裂面的完全匹配和部分匹配,并在细匹配阶段取得了更高的迭代收敛速度.

基于中心-轮廓距离特征统计的形状表示方法

该文提出一种新的基于特征统计的形状描述方法。通过对中心-轮廓距离(CCD)和传统链码(Chaincode)的联合统计分析,使用中心-轮廓距离对形状进行层次分解,对各层的形状映射部分的链码描述进行统计分析,从而形成中心-轮廓距离和链码的联合统计(JSCCDC)描述子。形状之间的相似性可以用JSCCDC的城区距离来描述。实验结果表明,该表示方法兼具了形状的全局特征和局部特征,相比于传统的特征加权方法具有更优越的性能,在形状匹配和形状检索中具有较高的精度和可靠性。

一种双目视觉多目标分拣系统设计与测试

针对人工包装USB组件效率低和分装错误率高的问题,开发一套集识别、选择和分选于一体的智能分拣系统。提出一种改进的分拣算法,利用边缘曲线等价方法确定工件形状,通过多目标形心图像区域分割快算方法确定各组件中心,采用Harris角点检测算法获取旋转角度。构建分选识别相机和旋转纠偏相机相结合的双目视觉智慧分选和包装模式。结果表明:最大旋转角度误差为0.75°,最大质心偏差为0.68 mm,测试成功率达99.5%以上,所构建的智能分拣系统对USB组件不同摆放位置模板匹配的误差和抓取误判率均满足设计要求。研究结果为智能化设备研究提供了参考。

20世纪40年代初以来渤海形态变化特征

20世纪中期以来中国沿海经历了多次围填海热潮,2000年以来环渤海区域大规模围填海已使其成为近期中国围填海的重点区域。利用地形图、海图和遥感影像等资料获取的渤海多时相的平面重心、立体重心、海岸线、低潮线、等深线、海区面积和海区体积等指标变化信息,系统揭示渤海形态的长期变化特征。结果表明:近70年来,渤海面积不断萎缩,岸线普遍向海扩张,导致渤海的平面重心总体向东偏北方向移动,但渤海的平面周长总体呈增加趋势,平面形状趋于复杂;近50年来,渤海体积总体呈下降趋势,立体重心的位置趋于变深。自然条件下的河口三角洲发育和人类围填海活动是渤海形态变化的主要原因,但渤海形态变化的驱动力已由早期的以自然因素为主转变为近期的以人类活动因素为主。

一种基于质心距脉动特征的火焰轮廓识别算法

火灾视觉特征的提取是火灾图像探测的关键问题。提出了一种描述火灾火焰轮廓脉动信息的火焰图像质心距脉动模型,即先用质心距来描述火焰的轮廓信息,再利用傅立叶描述子描述火焰轮廓变化的时空信息,采用距离来度量相邻两帧图像轮廓的变化幅度。实验结果表明,对于火灾火焰视频图像而言,其相邻两帧之间的脉动幅度、变化频率要明显高于受控燃烧、光源干扰等非火灾情况,可有效应用于火灾火焰的识别。研究表明,该方法能有效地探测火灾的发生,降低系统的误报率。

基于摄像头的目标分析监控系统设计

文中实现了一种在简单场景下,基于摄像头的目标分析监控系统。首先通过USB工业相机采集连续图像序列,通过图像的灰度转换、轮廓检测以及质心跟踪对动态图像序列进行处理,然后得到运动目标的位置信息,最后通过目标的位置信息分析目标的状态。本文所实现的这种系统和传统的视频监控相比,大大节省了人力资源,由于低成本,使得这种系统普及成为可能。

基于物体特征轮廓的单类判别方法

针对当前物体轮廓分类方法的不足,提出一种基于物体特征轮廓的单类判别方法.首先修正了一种利用傅里叶描述子对轮廓归一化的方法;然后采用主成分分析对训练轮廓集的符号中心距离点列进行特征向量提取,生成类似"特征脸"的特征轮廓;最后根据轮廓在特征轮廓上投影所产生的截断误差不同设定阈值,进行轮廓类别判定.实验结果表明,与单类支持向量机方法相比,该方法的判别准确率提高了20%.

基于多特征融合的粒子滤波生猪采食行为跟踪

针对中国养猪业规模化、集约化迅猛发展过程中,人工观察监测记录生猪生长情况需损耗大量人力和物力,得到数据误差大的问题,该文提出将颜色特征与目标轮廓形心特征融合,基于粒子滤波算法实现生猪采食行为跟踪,当目标跟踪矩形框中心坐标和跟踪目标轮廓形心坐标之间的横坐标偏差大于跟踪目标轮廓横坐标方向的最大值与最小值的差的一半时,或其之间的纵坐标偏差大于跟踪目标轮廓纵坐标方向的最大值与最小值的差一半时,对基于颜色特征粒子滤波算法得到的跟踪矩形框的中心坐标进行二次修正,提高了目标生猪跟踪的可靠性和鲁棒性;通过对比试验,结果表明:该方法能够对目标生猪的采食行为进行自动跟踪、记录和分析,记录的目标生猪一天内的采食次数和采食时间与人工记录结果基本相同,有效跟踪平均精度为93.4%。

基于显著轮廓特征的SAR图像轮廓匹配新方法

在以星载SAR图像作为基准图、机载/弹载SAR图像作为实时图的匹配导航和精确制导研究中,传统基于点特征的匹配方法存在特征点数目过多,误匹配率较高,容易受噪声及灰度变化影响等问题。该文提出一种基于显著轮廓特征的SAR图像“由粗到精”的匹配新方法。该方法在对SAR图像进行预处理的基础上,采用改进的模糊C均值聚类(FCM)的图像分割方法来提取闭合轮廓特征;采用归一化轮廓中心距离描述符进行双向匹配,获得强鲁棒性的粗匹配轮廓对;在粗匹配轮廓上采用改进的局部二值模式(LBP)算子得到精匹配结果。试验结果表明,该方法在图像旋转、空间变化以及噪声干扰较大的情况下,具有精确性高、鲁棒性强的优势,适宜遥感SAR图像匹配。

基于霍夫圆检测的标志物多图像特征定位方法

针对霍夫圆变换对圆检测的不稳定、正确率低、准确度不高的缺点,提出一种基于霍夫圆检测的标志物多图像特征精确定位方法,实现对标志物空间位置地精确获取。用霍夫圆变换对图像初步检测,获取包含标志物的候选区域;利用颜色特征对候选区域筛选,去除虚假霍夫圆区域;再利用圆的自相似性和对称性,计算轮廓形心获取标志物中心位置;最后通过深度图像与彩色图像匹配的方法获取标志物的空间坐标。实验结果表明,上述方法不仅提高了获取标志物位置的精度,还降低了标志物倾斜变形对位置提取的影响。获取的标志物空间坐标可用于控制执行机构运动,为之后功能扩展奠定了基础。

基于kinect深度图像的目标定位与识别

针对颜色图像受光照及背景影响较大而较难识别目标的问题,利用深度图像作为目标载体,设计并实现了一种简单的目标识别方法。该方法主要包括深度图像的轮廓提取算法和基于轮廓特征识别两部分。先根据提取的轮廓计算矩信息得到图像质心坐标,再根据相机投影公式获得目标质心的真实相机坐标;提取轮廓的矩形描述子,组合轮廓不变矩特征和轮廓形态学特征成为目标的联合特征向量。针对不同的待识别目标,采集足够数量的训练样本,得到各目标的标准特征向量。最后实时提取场景目标的联合特征向量,计算场景目标特征向量与标准特征向量的最小欧式距离,进行识别判断。实验证明了该方法的快速、有效性。该方法应用在装载机械臂的室内移动机器人上,可实现目标定位、识别及抓取操作,具有一定的应用价值。

基于Snake模型的波门自适应跟踪算法

介绍了波门跟踪的原理以及波门自适应性的需求,结合主动轮廓模型中的GVF Snake模型和自适应分析质心跟踪算法,提出了基于Snake模型的波门自适应跟踪算法,根据Snake模型的收敛轮廓来确定波门位置和大小,由波门内背景像素点所占的比例来决定是否更新波门。通过实验仿真,该算法能够自适应地改变波门的大小,很好地跟踪目标。

基于单目视觉的助航灯具定位及发光口识别

为实现助航灯具的自动清洗,本文提出一种基于单目视觉的助航灯具及其发光口的定位和识别方法。通过提取摄像机画面中的灯具轮廓,采用最小二乘法拟合灯具不发光状态下的椭圆模型,得出灯具中心的像素坐标,采用质心法计算发光状态下光源中心的像素坐标。通过对摄像机的标定,建立地面约束坐标系,实现灯具像素坐标到世界坐标的转换,得到摄像机与灯具的相对位置。