基于机器视觉的芯片字符区域分割和定位算法

芯片表面的字符对分选具有重要意义,对字符的定位是分选工作的关键步骤。为了提高分选工作定位效率和定位精度,提出了一种基于改进的区域生长算法和凸包检测算法分割和定位芯片表面字符区域方法。首先,对采集图像进行预处理操作,利用改进的Canny算法获取无干扰图像边缘,将图像边缘作为区域生长法的种子点并以图像自适应阈值作为生长准则分割图像,使用最大内接矩形算法粗定位字符区域;其次,采用Harris角点检测算法获取字符角点分布位置;最后,筛选角点并提取关键点,利用一种改进的凸包检测算法定位字符区域。经过实验验证,所设计的算法能够完整的分割和定位芯片表面字符区域,定位精度和效率较原有方法提升5.3%和15.4%,满足实际工业生产的要求。

结合超体素与颜色信息的区域生长点云分割方法

为解决传统区域生长点云分割算法存在的欠分割和过分割现象,提出一种结合超体素与颜色信息的区域生长点云分割方法。在分割过程中加入超体素过分割步骤,避免直接从点云中分割数据,有效消除噪声和异常值对分割的影响,利用一种几何和颜色信息的联合准则合并超体素并进行区域生长。与深度学习方法和其它3种传统分割算法相比,分割效率和精度都得到了较大提升,解决了欠分割和过分割的问题。

改进的区域生长算法在三维激光点云识别岩体结构面中的应用

交错分布的结构面构成了岩体中的薄弱部位,准确高效的岩体结构面识别和特征信息提取可为岩体稳定性评价提供重要依据。三维激光扫描技术可以极大地提高结构面勘测效率和精度,但目前主流的点云分析算法存在结构面边缘识别模糊、点云分割准确性不能满足结构面特征信息提取精度等问题。因此,考虑岩体结构面点云位置与其邻域的空间关系,利用KD-tree数据结构进行最邻近搜索的体素下采样,在稳健随机Hough变换的基础上改进了区域生长算法,通过多特征值对区域生长分割参数进行修正,依据点云法向量差值和特征终值进行结构面分割,实现了结构面产状、间距、延展度信息的提取。研究结果表明:与传统的主成分分析法和随机抽样一致法相比,在室内块体模型组成的24个结构面中,该方法在相同区域具有更高的识别率和准确率,既能在复杂变化的平面区域保证数据的完整识别,也能在平面的尖锐位置较好地分割边缘点云。利用该方法可以将24个结构面分为6组,并在识别数据中获取对应的结构面特征信息,与实际测量结果相比,角度信息误差约为1°,距离信息误差1cm以内。利用该方法在长江干流蟒蛇寨斜坡岩体中成功识别出3组结构面同时计算各组结构面间距与延展度信息,并采用赤平投影图分析不同结构面组对斜坡稳定性的影响。所提出的方法在室内模型及现场斜坡验证效果良好,可以为岩体结构面识别分割提供稳定且有效的技术支撑。

机载LiDAR点云数据的建筑屋顶面提取算法

针对机载LiDAR点云数据的屋顶面提取过程中因受植被影响导致提取精度低的问题,提出了一种基于区域生长的屋顶面点云提取算法。进行滤波处理得到非地面点云,利用屋顶面点云邻域特征信息提取屋顶面种子点,引入植被指数和RGB差值信息作为生长约束条件对屋顶面点云进行生长分割,利用屋顶面的高程与面积值对提取结果进行过滤优化,得到屋顶面点云。选取了农村、城市、工厂三组不同场景的测试数据进行实验,结果表明:Kappa系数分别达到了97.29%、97.82%、97.13%,算法可实现较好的建筑屋顶面提取效果,且针对不同建筑场景具有良好的适应性。

基于三维重建的静爆场破片检测方法

针对靶场静爆试验中破片统计分析工作效率低的问题,提出一种基于多视图三维重建的破片检测方法。引入点云分割中的自适应阈值,有效保留三维点云的细节信息,增强了算法对靶场不同场景应用的泛化能力。针对大数量点云处理效率不佳的问题,采用点云法向量预先验证的方法,再结合颜色的区域生长分割算法,有效降低了检测误差和漏检概率,提升了破片检测的精度。实验结果表明:文中提出的检测方法检测准确率达到95%,破片弹着点误差小于4%,可以有效地分割出破片的着靶参数,为后续破片的统计分析工作提供了实验依据。

基于区域生长的侧扫声纳海底线追踪算法

针对当前侧扫声纳海底线自动追踪存在有飞点、连续性较差、易受噪声影响等问题,通过分析侧扫声纳海底线形成机理及图像特征,提出了基于改进的区域生长法的侧扫声纳图像海底线追踪方法,首先利用控制生长方向方法优化区域生长法计算复杂度高、效率低的问题,在提高追踪效率的前提下抗干扰能力也得到了有效加强,然后利用大滤波核中值滤波方法在保留海底边界特征的同时提高海底线连续性,最后利用二次区域生长方法针对性消除航迹线对瀑布图海底线的影响。通过对该方法进行研究和实验,成功实现了海底线自动追踪提取。在秦皇岛附近海域开展现场测试,论证了与传统阈值法提取海底线相比,提出的新方法在抗噪能力、连续性、普适性等方面都具有更好的效果。

一种基于机载激光雷达点云的建筑物识别方法

以三维激光雷达数据为基础进行目标自动检测识别具有重要现实意义。针对传统的以人工判读识别目标的方法已经远不能满足从海量数据中确定目标的要求,文中提出一种基于机载激光雷达点云的建筑物识别方法。通过使用改进后的金字塔方法构建三维激光雷达点云,鉴于三维激光点云具有地物本身的语义信息,可根据点云的多尺度复杂地物特征实现三维激光点云数据的自动分类,对分类后的非地面点进行区域生长分割,通过点云与建筑物平面特征的匹配,确定建筑物的识别结果。整个方案实现过程清晰、简单,而且该方法的实现对计算机硬件配置要求不高,能够从海量三维激光雷达数据中快速、准确地识别类建筑物,正确率高达81.25%,在目标识别领域具有较高的应用价值。

自适应区域生长的复杂曲面点云分割方法

机器人自动加工复杂曲面之前,需要对待作业目标曲面进行区域划分,以适配不同的工艺参数。针对现有方法分割复杂曲面点云产生的过分割和欠分割问题,提出一种自适应区域生长的复杂曲面点云分割方法。首先,设计基于动态平滑阈值的自适应生长准则,用于复杂曲面对象的点云分割,以减少过分割现象;其次,提出欠分割判断准则,以判定分割后的点云集,过滤出欠分割区域;然后,将欠分割区域重分割,直到不存在欠分割区域;最后,以扫描陶瓷洁具素坯得到的复杂曲面点云为实验对象,测试了提出方法对复杂曲面点云的分割效果。实验结果表明,提出方法的分割精度达92.63%、召回率达98.89%、综合评价指标F1分数达95.66,能有效且完备地分割出复杂曲面点云的各个区域。

基于区域生长法的无人机和无人船一体化测绘技术研究

针对控导工程监测过程中采用的传统水下高程测量方法存在操作人员多、安全隐患大等问题,以神堤控导工程12坝—20坝为例,采用无人机、无人船等非载人式勘测技术,对河道水上地形和水下地形展开同步测量。引入坡度因子对区域生长法进行改进,以目视解译方法识别的林木区域为基准,分析对比区域生长法和考虑坡度的区域生长法的识别准确率。采用自然邻域法对水下地形数据进行插值并与水上地形数据融合,得到神堤控导工程水上水下数字高程模型(DEM),并与工程三维视图进行对比。结果表明:利用无人机和无人船一体化测绘生成的DEM成果,满足有关技术规范的要求,具有较高的精度;采用考虑坡度的区域生长法识别控导工程的防浪林和行道林,识别正确率达92.47%。

山东烟区烤烟地上部临界氮稀释曲线的构建与营养诊断

为建立山东烟区烤烟地上部临界氮稀释曲线,探讨以氮素营养指数诊断烤烟氮素营养状况的可行性,优化烤烟氮素管理,田间设置6个氮肥用量,分析其对移栽后烤烟地上部干物质积累量和氮浓度的影响,并通过烤烟氮营养指数判断烟株氮素营养的丰缺情况。结果表明,随着施氮量增加,各取样时期烤烟干物质积累量均表现为先增加后稳定的趋势,不同施肥处理烤烟地上部干物质积累量差异显著;随着烤烟地上部干物质积累量的增加,不同施肥处理烤烟地上部氮浓度均逐渐降低;烤烟地上部临界氮浓度和干物质积累量符合幂函数关系,以地上部干物质积累量为驱动变量的临界氮稀释曲线为Nc=2.25×DM-0.13,其决定系数R2为0.72(p<0.05);不同氮肥处理氮营养指数(NNI)均在一定程度上呈现波动性,移栽后随时间增长呈现先上升后下降趋势,根据临界氮稀释曲线计算氮营养指数(NNI)判定烤烟氮营养状况,氮肥施用量90 kg/hm^(2)时氮营养状况较好。山东烟区烤烟地上部临界氮稀释曲线方程为Nc=2.25×DM-0.13,通过烤烟地上部临界氮稀释曲线与氮营养指数能够评价山东烟区烤烟氮营养状况,研究结果表明该试验地点适宜的氮肥施用量在90 kg/hm^(2)左右。

顾及邻域局部特征的车载点云城市道路提取

本文针对区域生长算法导致城市道路提取过程中点云的过分割问题,结合点云空间邻域特征信息,提出了一种用于提取地面点云的改进区域生长算法。首先进行数据预处理,去除远离城市环境的离群点;其次建立二维空间虚拟格网,合理利用点云的空间局部性、减少运算规模;然后采用平均曲率约束和拟合平面夹角约束聚类提取出城市道路点云;最后利用两段城市道路点云进行试验,与现有的区域生长算法进行对比分析。试验结果表明,本文方法能够很好地兼顾提取完整度与准确度,在复杂城市道路点云提取和城市道路建模中具有实用性。

基于区域生长优化的水利工程设施点云单体化研究

水利工程中输变电设施安全监测是保证水电站安全运行的重要环节,其中基于点云的变形监测需要准确分割出各种输变电设施。为此,通过对三维点云进行降维处理,获取水利工程设施的二维点云图像,基于区域生长算法和点云单体化算法实现分割工作。同时在区域生长算法的基础上提出了一种旋转角度优化算法,通过旋转三维点云数据,得到易于分割的最优角度点云图像,提高了区域生长算法的精度和速度。为验证旋转角度算法的精度,设计了仿真试验分割立柱点云,试验结果精确率达98%以上,表明旋转角度算法可应用于结构点云单体化领域。实际水利工程应用结果表明,所提方法可有效解决普通像素图像过分割的问题,能准确分割水利工程不同区域及设施。

基于耦合神经P系统的航拍绝缘子图像分割方法

针对复杂背景下无人机航拍图像分割算法训练规模大、计算代价高等问题,提出一种用耦合神经P系统进行图像分割的新方法(CCNP)。该方法基于耦合神经P系统的脉冲机制与耦合机制,将区域生长与耦合神经P系统相融合,通过神经元的脉冲机制,自动激活各个像素点,并根据激活状态将像素点纳入相同区域,有效提高每个像素点的点火速度,克服因像素值过低而难以点火的问题。利用伯克利图像进行验证,CCNP在IOU、DICE指标均值分别为0.94和0.97,MAE指标均值为0.04,三种指标上表现更佳,能够提升图像分割的精度,证明了CCNP的可行性。此外,通过对中国电力线绝缘子图像和无人机航拍图像的实例结果进行分析,进一步证明了CCNP在复杂背景下分割航拍图像中绝缘子的有效性,为航拍绝缘子图像分割提供了一种新方法。

基于灰度幅值直方图的视网膜出血点检测算法

为减少图像亮暗不均、出血点间灰度差异大对视网膜出血点检测结果的影响,提出一种基于灰度幅值直方图零点阈值与区域特征分析的视网膜出血点检测算法。算法通过大尺度中值滤波器实现图像的阴影校正,结合凹凸线段对背景干扰点进行抑制,完成前期的预处理操作;由各行各列幅值直方图中第一个零点进行暗目标自动阈值分割,并基于幅值特征的区域生长改善血管连续性;根据血管与出血点间形状的不同去除血管,实现了出血点分割。在DIARETDB1公开图库中的测试结果验证了算法的有效性。

面向车载激光点云的道路杆状物实例化提取

随着自动驾驶技术、智能交通系统和智慧城市管理系统的发展,道路环境的精确感知变得越来越重要。路灯、交通信号灯、交通标志牌等杆状物作为道路环境的重要组成部分,其自动实例化提取对道路的精细化智慧管理具有重要作用。面向车载激光扫描系统获取的道路点云数据,本文实现了道路环境中杆状物的实例化提取。首先,基于超体素区域生长的方式识别提取了杆状物中的垂直杆部分;然后,通过聚类的方式对垂直杆的附属物实现了实例化分割;最后,基于空间位置匹配实现了道路环境中杆状物的实例化提取。在长度为6.375 km的路段上测试了本文方法的有效性,试验结果表明,道路环境中的路灯、交通标志牌、交通信号灯、行道树等杆状物可以被有效实例化提取。

基于支持向量机回归的道路能见度检测

道路能见度是影响交通安全的重要因素之一。针对低能见度雾天的道路图像特点,提出一种基于支持向量机回归的车载视频道路能见度检测方法。首先通过区域增长算法确定特征提取区域;然后提取能够反映能见度大小的大气透射率特征和图像熵特征,利用所提取的特征训练支持向量回归模型;最后利用训练好的模型检测图像的能见度。实验结果表明,该方法在400 m以内的能见度检测中总体准确率可达到90.1%,可满足交通行业实际应用的需要。

一种机载LiDAR点云电力线自动化提取和重建方法

针对电力线走廊的机载LiDAR点云,提出了一种电力线自动化提取和重建方法。首先构建规则格网DEM,采用相对高程获得远地面点,分析点云空间分布特征对电力线点云进行粗提取,并利用局部高差的区域生长分割算法进行精细提取;其次,采用最小二乘拟合每个分割单元在xoy平面内的直线,分析该直线与对应高程数据的一阶导数变化趋势,利用密度聚类算法实现电力线的自动分段;最后,依据邻接电力线拟合求交点方式检测悬挂点位置,并采用多项式模型重构每根电力线矢量。实验结果表明,该方法能够自动化检测悬挂点位置,提取准确率高、拟合误差低,具有一定的参考价值。

基于机载LiDAR点云数据的建筑物提取方法研究

为了从机载LiDAR点云数据中快速、高效提取得到建筑物点,为建筑物三维模型重建、智慧城市建设提供数据支撑,本文提出了一种机载LiDAR点云数据的建筑物提取方法。具体实现步骤为:首先,对原始机载Li-DAR点云数据进行去噪、地面点滤波等预处理;其次,根据构建不规则三角网确定种子点进行区域生长得到初始建筑物点云;最后,对初始建筑物点云进行主成分分析等处理得到精细化建筑物点云。使用实测机载LiDAR点云数据进行实验,并对比不同方法提取建筑物点云结果。结果表明:本文方法较另外两种方法提取建筑物点云效果更好,精度更高,对于不同地形具有良好的适应性。

基于车载激光点云数据的城市道路面提取方法研究

随着智慧城市建设的不断发展以及城市交通管理难度的日益增加,准确获取道路信息的研究已成为热点。本文针对城市结构化道路的空间特征,提出了一种基于车载激光扫描点云数据的道路面提取方法。该方法实现道路面提取的有效步骤为:首先对原始车载点云数据进行抽稀、降噪等预处理,使用一种布料模拟滤波(Cloth Simulation Filter, CSF)算法对预处理后点云数据进行滤波,去除非地面点对后续算法的影响;其次,使用主成分分析法估算得到各地面点局部法向量与曲率值;最后,使用改进的区域生长算法,结合各参数设置实现道路面点云的精确提取。通过两段实测数据对本文提出方法进行检验,实验结果的完整性r、准确性p以及检测质量q均在94%以上,表明在不同点云场景下,使用本文方法均能得到良好的提取结果,具有较高的适应性。

基于道路扫描点云数据的城市道路标线提取

提出了一种基于车载激光扫描点云的道路标线提取方法。该方法实现道路标线提取的流程为:首先,为尽可能减少无用点云数据对道路标线提取的影响,使用布料模拟滤波(Cloth Simulation Filter,CSF)算法提取地面点,滤除非地面点,并利用基于法向量的区域生长算法提取得到路面点;其次,将路面点投影为强度特征图,根据标线几何特征提取标线边缘;最后,根据道路标线边缘信息实现标线候选点提取,并利用高斯混合模型(Gaussian Mixture Model,GMM)将噪声点剔除。使用两段道路点云数据对本文方法进行验证,结果表明本文方法提取道路标线点结果的精度指标均优于对比算法提取结果,能够提取较为完整的道路标线。