在基于机器视觉的汽车刹车片外观检测中,刹车片图像前景分割及形状特征的提取和匹配算法是刹车片分类的关键。为实现汽车刹车片外观高精度检测分类,该文提出并实现了一种包括前景分割、几何特征提取及特征模板匹配的图像处理算法。该算...在基于机器视觉的汽车刹车片外观检测中,刹车片图像前景分割及形状特征的提取和匹配算法是刹车片分类的关键。为实现汽车刹车片外观高精度检测分类,该文提出并实现了一种包括前景分割、几何特征提取及特征模板匹配的图像处理算法。该算法首先将工业相机拍摄得到的红、绿、蓝(red green blue,RGB)格式图像转换到色调、饱和度、明度(hue saturation value,HSV)色彩空间,利用其中的饱和度S通道从暗色传送带背景中分割刹车片;然后提取刹车片区域的多维几何特征进行特征融合;最后采用基于信息熵加权的改进特征匹配算法,通过刹车片特征的信息熵对特征空间的Manhattan距离进行加权。对98张、54类刹车片图像进行了分类实验,结果表明:算法准确率为95.00%,每张平均耗时110ms,可以应用于刹车片生产过程中的实时自动分类。展开更多
文摘在基于机器视觉的汽车刹车片外观检测中,刹车片图像前景分割及形状特征的提取和匹配算法是刹车片分类的关键。为实现汽车刹车片外观高精度检测分类,该文提出并实现了一种包括前景分割、几何特征提取及特征模板匹配的图像处理算法。该算法首先将工业相机拍摄得到的红、绿、蓝(red green blue,RGB)格式图像转换到色调、饱和度、明度(hue saturation value,HSV)色彩空间,利用其中的饱和度S通道从暗色传送带背景中分割刹车片;然后提取刹车片区域的多维几何特征进行特征融合;最后采用基于信息熵加权的改进特征匹配算法,通过刹车片特征的信息熵对特征空间的Manhattan距离进行加权。对98张、54类刹车片图像进行了分类实验,结果表明:算法准确率为95.00%,每张平均耗时110ms,可以应用于刹车片生产过程中的实时自动分类。