基于机器视觉的带式输送机高精度煤流检测研究

针对现有基于机器视觉的带式输送机煤流检测方法存在的图像细节缺失、在多处断裂或断裂间距较大区域拟合效果较差的问题,基于直射斜收式激光三角测量原理,提出了一种基于机器视觉的带式输送机高精度煤流检测系统,将线激光发射器布置在带式输送机测量位置正上方并垂直照射煤堆,煤堆随带式输送机匀速运动,利用相机在斜上方实时拍摄包含激光条纹的煤堆表面图像。对煤流检测系统进行标定,包括相机内参数标定和激光平面标定,得到煤堆的高度信息;对煤流截面激光条纹图像进行处理,从提取精度、算法实时性等角度对比分析了灰度重心法和区域骨架法,根据对比结果选用区域骨架法提取激光条纹中心;针对利用图像膨胀操作进行激光条纹断裂修补拟合效果较差的问题,提出采用最小二乘法作为激光条纹断裂修补算法,相较于闭运算,最小二乘法拟合处理的平滑效果更好,精度较高;建立煤流截面积计算模型,通过计算每一帧上煤堆的横截面积,即可得出不同带速下的煤流体积。实验结果表明,当带速分别为0.25,0.5,1 m/s时,煤流检测系统误差均较小,最大误差分别为2.78%,3.61%和3.89%,验证了煤流检测系统具有较高的准确性。

复杂光照环境下的线结构光条纹中心提取方法

提取线结构光条纹中心是三维测量系统中关键的一步,针对复杂光照环境以及Steger算法耗时长的问题,提出一种快速、准确的光条纹中心提取方法。采用滤波算法去噪,顶帽运算和边缘检测消除背景中的复杂光照;接着采用改进Rosenfeld骨架化得到初始中心,拟合初始中心点和条纹上下轮廓点计算初始中心的法向和光条纹的线宽;最后基于改进Hessian矩阵得到亚像素中心点。实验表明,该算法适用于复杂多变的环境;算法运行时间为0.151 s,相较于Steger算法提高了近8倍;提取精度为0.23 pixel,保留了Steger算法的高精度,能够实现对光条纹中心的快速、精确提取。

基于线结构光的填料板尺寸检测系统研究

为检测填料板的波峰高度、平均波间距等参数,提出了一种基于线结构光的填料板尺寸测量系统。首先,介绍了系统的组成及基于激光三角法的测量方案,对测量系统进行标定,获取了相机成像模型与被测物之间的坐标转换关系;然后,利用改进的灰度重心法对线激光的光条中心进行提取;最后,对采集的点云数据沿y轴切片,分别对多组切片上的点集进行拟合,从而完成波峰高度和平均波间距的测量。实验结果表明,使用的改进的光条中心提取法精度更高,波峰高度测量误差可达±0.04 mm,平均波间距的测量误差可达±0.08 mm,满足实际生产需求。

线结构光中心线提取算法研究与发展

在线结构光三维测量系统中,准确提取光条中心线是实现三维测量的关键问题。首先,从线结构光的工作原理及系统组成出发,介绍了当前线结构光的发展历程。然后,概述了现有的光条中心提取方法,对其原理和关键技术进行了分析和对比。最后,分析传统中心线提取算法的优缺点,总结了深度学习的强适应性和高精度性能更适合工业检测中的应用。对线结构光光条纹中心线提取算法进行研究,对现有的问题进行了深入分析,并对未来的研究方向做出了展望。

基于线结构光视觉的负载柔性臂振动位移测量

针对柔性臂末端存在负载情况下的振动测量研究,设计一种基于线结构光视觉的柔性臂振动位移测量系统。首先,选取负载柔性臂作为测量对象,搭建线结构光视觉测振平台,通过CCD相机采集机械臂末端由激光发射器发射的光条图像;其次,经过提取光条中心特征点,得到准确的光条特征点信息;最后,进行了振动位移测量实验。实验结果表明:基于线结构光视觉的负载柔性臂振动位移测量方法能够在非接触情况下进行实时、准确的振动位移测量,与压电测量法对比分析,实验结果平均差异率仅为1.2%,从而验证了线结构光测振系统方法的可行性和有效性。

连铸坯三维测量多线结构光的中心条纹快速提取

在利用多线结构光系统对大尺度连铸坯进行三维测量的过程中,线结构光中心条纹的提取精度是影响三维测量精度的重要因素。提出了一种对传统灰度质心方法进行优化的多线结构光中心条纹提取方法。对连铸坯表面激光横截面不满足高斯分布的线结构光条纹,利用图像背景差分的方式去除环境噪声,并根据线结构光条纹与背景间的灰度变化信息确定线结构光的边界,同时提取线结构光的感兴趣区域。根据光条在梯度方向上的灰度积分比例计算灰度质心法的自适应灰度阈值,利用灰度质心方法处理感兴趣区域提取出光条中心点,最后结合附近半径为5个像素的邻域内所定位的中心点进行质心重提取,获得连铸坯表面光条的亚像素中心坐标。现场测量结果表明:对反射特性不均匀的连铸坯表面的激光条纹光条中心进行提取,最终连铸坯边缘轨迹点的三维测量结果标准偏差在2 mm以内,该方法具有精度高、速度快、鲁棒性强的特点。

基于改进Steger算法流程的线激光中心提取

在三维测量与重建过程中,线激光条纹中心的提取尤为重要,Steger算法由于运算量巨大,无法满足工业中实时性的要求。为了解决Steger算法运算量大、提取效率低的问题,本文提出了基于改进Steger算法流程的线激光中心提取方法,主要用于提高光条中心提取效率。首先通过滤波和形态学方法对图片进行预处理去除噪声。其次,将灰度化图像进行阈值分割,降低图像复杂度。最后,通过提取感兴趣区域、粗略估算光条宽度降低算法冗余度,再运用Steger算法对感兴趣区域内光条进行中心提取。通过实验数据分析,改进后的Steger算法流程与传统Steger算法相比较,不仅继承了传统Steger算法优良的稳定性,而且有效地提高了光条纹中心提取效率,为实时进行三维重建与测量打下了基础。

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。

基于信度评估的线结构光多重曝光条纹提取

在单线结构光三角测量法的实际应用中,图像中条纹截面灰度分布的可靠性是保证条纹中心提取精度的重要基础。在物体表面反射特性不均匀的测量场景中,受欠曝光与过曝光的双重影响,造成条纹截面灰度分布不均匀、条纹中心可信度低等问题。基于上述问题,对复杂反射特性表面的单线结构光条纹提取技术进行了研究。提出了一种基于信度评估的条纹提取方法。创新性地应用了条纹能量密度与条纹宽度相结合的双参数评价标准,有效避免了单一能量信度标准下约束力不够的问题。该方法依据信度阈值识别多重曝光图像中的可信条纹,并将可信条纹拼接重建成最终条纹图像。试验结果表明,重建图像具有全局可信度,有效提升了条纹中心计算精度。该方法能够为复杂场景下三维测量技术的发展提供一定参考。

基于FPGA的实时线结构光传感器激光条纹中心提取方法

激光条纹提取方法是线结构光传感系统中的一项重要技术,其准确度和速度直接影响系统的测量性能。然而,传统Hessian矩阵法可能会产生多余中心点和缺失中心点,限制了其准确度和鲁棒性。此外,传统Hessian矩阵法计算复杂,难以应用于实时测量场景。为此,提出了一种适合在FPGA中实现的激光条纹中心提取改进方法。首先,设计了一个新的判断函数来代替最大特征值来选取显著中心点,以增加真实中心和其他区域之间的数值差异,并通过修改中心判断标准,采用非最大值抑制的方法处理多余中心点和缺失中心点。其次,将所提出的方法在FPGA中进行实现。在不降低精度的前提下,对计算进行了合理优化,减少了FPGA的资源利用率和延迟时间。在准确度对比试验中,在噪声水平分别为0,0.01,0.02和0.03时,平均绝对误差分别为0.0039像素,0.0373像素,0.0520像素和0.0646像素,均方根误差分别为0.0068像素,0.0469像素,0.0654像素和0.0811像素;在FPGA中实现时,运行时间和延迟时间分别为14.89 ms和216.42μs。实验结果证明,所提出的方法准确度高、鲁棒性好,能够进行实时中心提取。

复杂物体线结构光中心线提取方法研究

针对复杂物体动态三维测量中条纹图像过曝光、欠曝光以及环境光照干扰引起激光中心线提取速度慢、提取不准确的问题,提出一种基于深度学习语义分割技术的光条中心线提取方法,该方法使用改进的UNet++模型进行图像分割,粗提光条中心区域,得到1~2个像素宽度的光条中心线,再利用灰度重心法精确提取亚像素中心。经实验证明,该方法能够有效克服因光条图像曝光不均以及外部干扰噪声带来的不良影响,准确、快速地提取出了复杂物体完整、光滑的亚像素光条中心线,满足工业中动态三维测量的要求。

基于骨架邻近像素匹配的光条中心提取方法

提出一种基于骨架邻近像素匹配的线结构光条中心提取方法,分别在图像预处理阶段和光条中心提取阶段对传统方法进行改进.在图像预处理阶段,将马尔可夫随机场理论应用于二值图像去噪中,同时提出了一种基于连通域面积特性的ROI(region of interest)提取方法.在光条中心提取阶段,首先提出了一种光条骨架剪枝算法,对细化ROI得到的光条骨架进行剪枝、平滑,之后综合考虑光条图像的几何特性和灰度分布特性,基于邻近分析对ROI内各像素进行划分,继而求取出灰度重心,最后经Savitzky-Golay滤波后实现光条中心提取.实验结果表明,所提方法对不同类型光条的提取适用性强,相较于Steger法精度更高,且速度在其基础上提高了约6.98倍.

基于白光三角法的芯片封装凸点高度测量

为了实现芯片封装凸点(Bump)高度的测量,建立了基于白光三角法的测量系统,并提出了一种复杂背景下Bump高度的测量方法。根据提出的测量模型搭建了Bump高度测量系统,利用U-Net深度学习模型进行光条图像的分割并结合灰度重心法和插值法提取完整的光条中心,以克服复杂背景的干扰。然后,对测量系统进行标定以确定像素值与实际高度值的对应关系。最后,通过函数拟合的方式确定Bump的高度。实验结果表明:Bump高度的测量重复性平均值为0.21 μm,标准差为0.095 μm;测量平均误差为-0.04 μm,标准差为0.408 μm。该方法在复杂背景下对Bump高度的测量精准度高、稳定性好,可满足芯片封装中晶圆Bump共面性在线检测的要求。

基于K-means聚类的结构光中心线提取方法研究

在线结构光测量系统中,为实现对结构光光条中心线的快速、准确提取,提出一种基于K-means聚类的光条中心线提取方法。在对光条图像进行中值滤波的基础上,利用K-means算法分割出光条感兴趣区域(ROI),并对二值图像进行数学形态学操作,再结合灰度重心法和最小二乘法得出较好的光条中心线。实验结果表明:该方法能够有效分割出目标光条,并快速提取出光条中心线;算法提取光条中心到拟合直线距离的标准差约为0.184像素,运行时间约为0.281 s;提取精度明显优于灰度重心法和方向模板法,实时性比Steger算法有巨大的提升,且具有较好的抗噪声干扰能力。

法向邻域加权灰度重心的光条中心提取法

为了提高激光条纹中心提取的精度和实时性,提出一种法向邻域加权灰度重心的光条中心提取法。采用双边滤波进行图像预处理,通过最大类间方差法确定阈值进行二值化处理;通过骨架细化操作提取激光条纹的骨架,通过Bazen法计算骨架法向;利用法向邻域加权的灰度重心模型提取激光条纹亚像素中心。实验结果表明:与Steger法相比,该方法运行时间减少了28%~45%,实时性更好;与灰度重心法相比,该方法残差降低了30%~50%,准确度更高,稳定性更佳,能够弥补灰度重心法易产生断线的不足。

用于钢板测量的线激光条纹中心提取方法

针对用于钢板测量的线激光条纹中心提取方法,提出一种基于Steger方法的改进算法。首先,对原始图像进行自适应裁剪处理;其次,通过多次中值滤波操作进行噪声处理;最后,提出一种间隔n行采用Steger算法、中间行近似拟合的方法来计算条纹中心。应用结果表明,该算法将条纹中心提取速度提高了5倍,对于钢板实时测量系统具有一定工程意义。

粗糙金属表面光条中心提取方法

为了精确提取粗糙金属表面的光条中心,提出了一种基于光切法的光刀条纹中心提取方法。从图像形态学角度出发,分析了图像的噪声来源,利用图像增强处理将噪声转化成颗粒状形态,并保持有效光条的连续条纹状特征。然后,通过对图像连通区域面积计数,分割噪声和有效光条信息,将得到的二值化光条图像作为掩模板,与原图像相乘来复原光条图像的灰度信息。最后,应用灰度重心法对已去噪的光条灰度图像进行中心提取。实验结果表明,提出的方法可使提取的光条中心全部落在光条位置区域。对噪声较多的直线条纹区域进行的中心提取显示,此方法的平均误差为0.337 5个像素。

线结构光三维视觉测量中光条纹中心提取综述

光条纹中心提取是线结构光三维视觉测量中的关键技术.把影响光条纹中心提取精度的主要因素归纳为工作环境、激光平面、被测物体和图像采集系统,并对其进行了对比分析.根据提取算法的理论基础、对图像信息的利用及计算思路特点的差异,将其分为几何中心方法和能量中心方法两大类.针对每类方法的计算思路、优缺点、改进方法、适用工况等在细分类方法中进行了对比分析和归纳总结.最后结合两大类方法的发展特点,提出了光条纹中心提取方法的进一步发展方向.

大视场下线结构光光条中心的快速提取

在线结构光三维测量中,线结构光光条中心的提取是关键的一步。针对强背景光大视场下线结构光光条(长度约2m)中心的提取,提出了一种基于感兴趣区域(ROI)的光条中心提取方法。首先用统计的方法确定图像处理的ROI,再在此区域内用最大类间方差法进行阈值分割并用灰度重心法提取中心。结果表明:在VisualC++6.0平台上,处理一帧1280×1024大小的线结构光条图像大约用时47ms,且光条中心提取精度高。这种提取中心的方法很好地减弱了大视场下强背景光的干扰,提高了光条中心提取速度。

关节臂激光扫描系统光条中心提取方法研究

在基于关节臂的线激光扫描系统中,光条中心的提取精度和所用时间直接影响到整个系统的测量精度和实时响应能力。本文在国内外现有算法基础上整合改进,利用迭代阈值法、改进Sobel算子和光条修补算法完成光条粗提取,取中心点附近10 pixels利用灰度重心法计算光条中心精确位置。实验证明,该算法在350 mm?350 mm测量范围内,系统测量误差优于40?m,一次提取时间28 ms,确保系统35 f/s扫描频率,满足实时在线测量要求。