结合改良插补技术和MATLAB轮廓提取技术绘图机器人的设计

目前的绘画机器人类型繁多,但大部分存在一定缺点,如难以将绘图软件与图像识别技术相结合、绘图精度低等。针对此情况设计了一种绘图机器人,以Arduino UNO板为控制板,以Processing软件构建的接口为上位机,并在机器上采用了改进的插补技术和MATLAB轮廓提取技术,使图像识别技术得到较好运用,绘图精度提高,整个系统组装相对简单。

基于计算机视觉与Canny算法的服装纸样轮廓提取

为提高服装二维纸样轮廓信息采集转换的准确性及方便性,设计了一种基于计算机视觉的服装纸样轮廓提取方法。将手机相机作为图像采集设备,采用相机标定的方法进行图像畸变矫正,对图像灰度化处理后进行伽马变换。通过改进的Canny算法对纸样图像进行边缘信息的提取,使用自适应双边滤波保边去噪;在原Sobel算子上增加了45°和135°方向的梯度模板计算梯度;采用自适应双阈值确定边缘;融合形态学算法处理轮廓;最后按需进行轮廓骨架提取。结果表明:本文方法适用于二维纸样的轮廓提取,其提取误差在0.15~1.50 cm之间,可实现单独对服装纸样的外轮廓、内轮廓及内外轮廓图的提取,完成轮廓的无差别提取,减少后期人工对轮廓图的编辑,提高二维纸样数字化录入效率。

基于Matlab的红外图像的轮廓特征提取

红外图像轮廓特征的提取是其识别和判读的重要技术基础。本文将Matlab语言引入红外图像处理,介绍了Matlab语言的主要特点,给出了相应提取过程语言程序及处理结果。说明Matlab语言适用于红外图像轮廓特征的提取,该方法的提取效果优于Sobel算子法。

基于MATLAB的玉米果穗图像轮廓提取

计算机视觉在玉米果穗中的应用主要是对外观质量进行评定,本文利用MATLAB对采集系统传来的玉米果穗图像进行转换、灰度化、滤波降噪、区域增强等一系列处理后,选用Log算子提取出玉米果穗轮廓,效果良好,为后续的考种数据测量做准备。

基于级联U-Net的遥感影像道路分割和轮廓提取方法

针对基于深度学习的遥感图像道路信息提取模型往往只能输出单任务结果且多任务之间相关性利用不充分的问题,提出了一种基于级联U-Net的道路语义分割和轮廓联合检测方法,将道路语义分割后的特征图与原始图像融合后进行道路轮廓的提取,实现道路语义分割和边界轮廓的联合训练。首先使用U-Net网络结构提取光学遥感图像丰富的层次化特征,通过级联结构将特征串联融合,分别用于提取道路的语义类别和边界轮廓。其次在每级U-Net结构中引入注意力机制模块,进行空间上下文信息和深层次特征提取,改善网络提取过程中出现的细节模糊现象。最后,使用骰子系数和交叉熵误差组成的联合损失函数进行多任务整体训练,实现深度学习模型对遥感图像中道路语义类别和边界轮廓的同时提取。通过在加拿大渥太华城市地区的光学遥感数据集上进行实验,基于级联U-Net的道路信息联合提取方法在分割指标上分别获得了42%的精确度、58%的召回率、48.2%的F1分数以及71.6%的平均交并比,在道路检测指标上取得了0.896的全局最佳阈值(ODS)。结果表明,该模型在满足联合提取道路多任务信息的同时具有更优的检测精度。

基于激光测距的橡胶树树干轮廓曲线自动化提取方法

为获取橡胶树树干轮廓曲线模型,解决割胶装备难以精准贴合树干轮廓导致作业精度差、仿形效果不理想的关键问题,提出一种橡胶树树干轮廓曲线自动化提取方法。研制橡胶树树干轮廓点云数据自动采集平台,该平台由电源模块、控制模块、驱动模块、采集模块、数据传输模块以及数据记录处理模块组成,可实现树干外轮廓曲线点云数据的自动采集、传输、记录与处理。开展橡胶树树干轮廓曲线自动化提取试验,基于统计学方差分析法,通过曲线面积对比分析树干轮廓提取精度。结果表明,连续采集30组橡胶树树干轮廓点云数据,其轮廓特征有效识别度较高,轮廓特征点位置与实际位置基本符合;轮廓曲线重复提取变异系数为0.001 3;树干轮廓曲线提取精度不受树干位置和采集方向变化的影响,该技术方案具有较强可行性。

复杂背景下退役圆柱锂电池轮廓精确提取与位姿检测方法

针对退役圆柱动力锂电池自动化拆解过程中存在的成像环境复杂、电池不规则形变和金属表面不均匀漫反射等复杂情形,现有视觉识别方法无法准确提取轮廓与位姿信息问题,提出基于弗雷歇距离相似函数的轮廓精确提取和基于矩形度与边缘形态特征的位姿检测方法。通过建立圆柱锂电池Lambert漫反射模型和运用形态学运算方法得到锂电池粗定位轮廓,并根据弗雷歇距离定义的相似度函数,对粗定位图像内各像素带归类完成轮廓精确提取。随后根据圆柱锂电池正负极端特征,通过自适应阈值分割算法提取正负极端ROI区域特征轮廓,最后对比两端区域矩形度数值计算出锂电池位姿信息。实验结果显示:在自建包含形变、腐蚀锈斑和光照不均情形下的退役圆柱锂电池图像数据集中,所提方法对不同型号和位姿下的锂电池识别均有较高精度,其直径长度检测误差小于3%,位姿检测正确率高于94%,能够满足实际自动化拆解检测需求。

印花面料的边缘轮廓快速提取方法

工业协作型缝纫机器人代替操作工自动完成缝合是未来发展的必然趋势,但当前的工业协作型缝纫机器人难以快速精准地定位面料边缘轮廓信息,影响缝纫效率与缝纫质量。针对印花面料提出线下使用深度学习建立面料检测模型,线上调用面料检测模型分割面料与背景并结合传统轮廓检测算法快速准确提取面料边缘轮廓的方法。首先,建立面料图像数据集,并通过卷积拆分和融合损失函数对VGG-UNet模型进行优化,将面料数据集输入至优化的VGG-UNet模型进行训练学习并构建最优面料检测模型;其次,利用最优面料检测模型分割面料与背景;然后,采用数学形态学算法对分割后的面料图像进行自适应开运算去除面料边缘的毛边;最后,利用Canny算子对去除毛边后的面料图像进行轮廓提取。实验结果表明,本文方法可较好去除面料毛边并快速精准提取印花面料的边缘轮廓,所提取的轮廓与面料边缘轮廓高度拟合,轮廓提取精度高于99%,轮廓提取时间仅需0.216 s。本文研究可为后续机器人的轨迹规划提供快速准确的坐标信息,提高缝合质量和效率,推进无人化、自动化缝合生产线的实现。

基于实例分割的大场景下茶叶嫩芽轮廓提取与采摘点定位

为了解决野外大场景下茶叶嫩芽识别与采摘点精确定位问题,提出了一种基于实例分割的Yolov5s-segment改进算法。该算法首先引入P2微小目标检测层,解决原始Yolov5s-segment网络P3、P4、P5检测层对于小目标检测能力不佳的问题。其次,在主干网络末端增加CBAM(convolutional block attention module)注意力机制模块,提升模型的抗干扰能力,实现野外自然光照环境下茶叶嫩芽轮廓特征提取。最后,根据嫩芽轮廓特征进行采摘点精确定位。研究结果表明,相较于原始Yolov5s-segment模型,改进模型的精确度、召回率、F1分数、平均精度均值mAP50和mAP50-95分别提升了7.0、8.9、8.1、8.3、7.3个百分点。使用该方法可以准确提取大场景下的单芽、一芽一叶、一芽两叶三种类型茶叶嫩芽轮廓,并且实现采摘点的精确定位。研究结果为名优茶智能化快速采摘提供了一定的理论基础。

基于HSV+Canny模型、HED网络模型的衣物轮廓提取算法研究

针对边缘检测算法在衣物轮廓提取过程中易受噪声影响的问题,采用传统的图像处理方法和深度学习方法对衣物轮廓提取算法进行研究。传统的图像处理方法主要基于HSV模型和Canny算法,首先,通过HSV模型分割前景图像;然后,对二值化图像进行形态学处理;最后,利用Canny算法提取衣物轮廓,此方法能准确地提取大部分颜色的衣物轮廓。深度学习方法主要基于HED网络模型,针对HED网络模型输出边缘定位缺失和较为粗糙等问题,对HED网络模型进行改进,首先,去除第3、4阶段的池化层;然后,在特征融合阶段引入注意力机制;最后,融合Canny算法进行边缘细化。对比实验结果表明:HSV+Canny算法比Canny算法的ODS值和OIS值分别提升了13.16%和14.72%,检测速度有小幅提升;改进的HED网络模型比HED网络模型的ODS值和OIS值分别提升4.84%和3.97%的同时,检测速度持平。

一种基于地面激光雷达点云的建筑物外轮廓自动提取方法

本文针对基于地面点云数据的建筑物轮廓自动提取,设计了一种由粗到精的提取方法。首先,将点云降维,在图像中进行轮廓优化和粗提取;然后,将欧式距离聚类和全局最小二乘方法与RANSAC方法结合,对提取出的粗轮廓进行更精细地拟合,得到原始的线要素;最后,采用平面几何拓扑约束和经验模型的方法,对得到的线要素进行简化和连接,完成轮廓的提取。试验结果表明,本文方法能够有效提取出建筑物轮廓,与传统方法实测相比,轮廓顶点处的位置精度总体小于5 cm,能够满足大多数城市测量应用场景。

复杂异型建筑立面测绘轮廓提取方法设计

为解决点云数据密度异常时复杂异型建筑立面测绘轮廓提取精度变差的问题,提出基于局部点云密度的复杂异型建筑立面测绘轮廓提取方法。引入基于平面投影和双边滤波的测绘点云数据平滑方法,对测绘数据进行去噪和平滑处理,并通过点云分割方法提取目标点云区域。通过基于改进Alpha Shapes算法的立面测绘轮廓提取方法,以边界网格筛选的方式,去除目标点云区域冗余点云数据后,使用滚动圆半径自适应调节方法提取轮廓数据。试验结果表明,所提取轮廓匹配度高达95.08%,具有良好的精度和可行性。该方法可在有效平滑点云数据、分割获取目标点云区域的同时,高精度提取复杂异型建筑立面测绘轮廓。

复杂背景图像中人体轮廓的自动提取

为准确提取人体轮廓,提出基于MINet模型的复杂背景人体轮廓提取方法。拍摄正、侧面人体全身照并标注掩膜图,匹配不同的复杂背景,融合形成2860张多场景下的人像数据集。利用迁移学习机制,优化MINet显著目标检测模型,提取人体轮廓。分别对比了基于迁移学习的策略与原模型、U2Net显著目标检测模型、Mediapipe人体轮廓提取算法和传统阈值分割算法的人体轮廓提取效果。结果表明:基于迁移学习的MINet模型具有最优的人体轮廓提取性能,其准确率、精度、召回率和综合指标分别达到了0.998、0.987、0.992和0.990,人体轮廓提取效果与标注的掩模图最为近似。该方法能低成本、批量化、快速提取图像中的人体轮廓,为远程服装定制中的照片测量提供有效的技术方法。

基于多光谱无人机遥感的城市建筑轮廓立面提取

建筑物是城市化发展的重要标志,也是城市中的基础设施和重要组成部分。为实现城市的数字化和智能化发展,提取和描述城市建筑物轮廓立面特征。基于此,研究基于多光谱无人机遥感的城市建筑轮廓立面提取方法。通过张氏定义模板标定可见光相机参数,在平移矩阵和选择矩阵的作用下,选择多光谱无人遥感技术采集城市建筑影像;利用点云数据展示建筑图像中的轮廓立面,采用数学变换匹配理论转换点云向量,划分并特征拟合建筑轮廓立面点云数据;采用规则化重建方式建立拟合函数,分别在水平方向和竖直方向提取城市建筑轮廓立面,完成提取方法设计。实验以三组不同类型的城市建筑摄影图像作为测试对象,分别按照正确性指标、完整性指标以及质量指标进行验证,新方法能够实现较高精度的轮廓立面点云数据提取,具有应用价值。

基于MATLAB改进Canny算子边缘检测路径提取立交桥曲线的研究

针对工程项目中涉及的遥感影像图、航摄正射影像图,基于MATLAB程序设计研究改进后的Canny算子在立交桥曲线提取的应用。通过图像增强、线性与非线性处理相结合、形态学处理以及梯度倒数加权平滑针对像素点创建结构元素修改边缘检测路径,较初始检测算法得到更具实用性的目标提取对象,改进的提取程序能有效滤除目标对象周围非目标提取物干扰,提取指向性显著提高。提出以像素点提取参考点范围坐标的思路,以点位中误差为基准计算提取精度,成果能满足工程中1∶1000比例尺下的生产应用,将程序封装在GUI界面中提供模块化处理和成果输出。

一种基于点云和拓扑推理的建筑物轮廓线高精度提取方法

针对大范围内实景三维模型建筑物轮廓线提取的问题,基于倾斜摄影数据提出了一种轮廓线提取方法。首先,采用区域生长、欧式聚类等方法从倾斜三维模型中得到建筑物的点云数据;然后,采用RANSAC算法及法向约束得到准确的立面;接着,通过基于主基线的拓扑推理生成缺失面;最后,生成完整闭合、平滑吻合的建筑物轮廓线。研究表明,在随机选取的20栋大小不等、样式不一的建筑物上,该方法提取的轮廓线误差低,平面位置中误差为0.05 m,几何形态的长度、宽度以及轮廓面积的均方根误差分别为0.06 m、0.07 m和1.33%。结果显示,该方法简单,提取效率高,可适用于大范围实景三维模型的建筑物轮廓线的提取。

基于机载LiDAR点云数据的建筑物轮廓提取

本研究选取了位于毕节市特定区域的机载激光雷达(LiDAR)点云数据作为研究样本。首先对点云原始数据预处理,对点云数据进行滤波,设置一定的阈值,从而得到地面点与非地面点。其次利用深度学习算法获得机载LIDAR点云的精细化分类,在非地面点云中,设置阈值来提取建筑物点云,使用α-shape算法提取建筑物点云的轮廓,并采用线段加权的方式对提取的建筑物轮廓线进行优化。

基于MATLAB的影像建筑轮廓提取方法与实现

针对建筑轮廓提取问题,提出并实现了一种基于MATLAB的影像建筑轮廓自动提取方法。首先,对彩色影像进行阴影去除,将彩色影像转换为灰度影像,进行直方图均匀化以及中值滤波;其次,对中值滤波后的影像进行膨胀和腐蚀操作,通过对膨胀与腐蚀影像进行差分运算,进行地物边缘检测;最后,对边缘检测后的影像二值化处理,并完成建筑物特征点及其坐标的提取。通过实例验证表明,本文方法简洁可行,计算效率要高于深度学习提取建筑物的方法。

一种基于曲率提取轮廓特征点的方法

对边缘轮廓线进行了自适应平滑，在以轮廓点为中心的支撑区域内定义了曲率角，并根据定义的曲率角及曲率符号，采用简单的模板匹配技术，提取出候选的轮廓特征点，对候选点附加抑制条件得到真正的特征点．此方法减少了数字化误差及噪声带来的影响，抗干扰性好，且运算量较小．实验表明。

双阈值Alpha Shapes算法提取点云建筑物轮廓研究

针对单一阈值的Alpha Shapes算法在提取点云建筑物轮廓时存在的轮廓精度和完整性难以兼顾的问题,提出一种双阈值的Alpha Shapes算法,利用简单环的概念设计轮廓搜索算法,获得既有较好完整性又有较高几何精度的建筑物轮廓线;然后,利用一种最小二乘的轮廓线化简算法对提取出的初始轮廓进行化简,与经典的Douglas Peucker算法相比,在存在噪声的情况下,该方法化简后的轮廓线更接近实际的轮廓线。