一种非Hough变换的快速圆检测算法

在精密测量、自动化装配和机器人等诸多领域,往往需要对圆形器件或图标进行识别和定位,而目前传统的检测方法是Hough变换,计算复杂,对资源需求大,且不利于实时控制.本文利用圆形几何对称的性质,采用基于颜色分类方法,提出一种非Hough变换的圆的检测方法,从而达到对彩色图像中圆形目标进行快速识别的目的.设计了算法的流程,编制了相应的圆识别程序,通过对足球机器人定位的验证,表明该算法具有运算速度快及对畸变的圆形目标适应性好等优点,为图像处理中圆目标的快速识别与定位提供了一种借鉴.

改进的Hough变换圆检测算法

针对标准Hough变换在圆检测中对时间空间需求高的问题,提出一种改进的Hough变换圆检测算法。该算法将标准Hough变换检测圆时的三维空间转换为一维空间,利用圆为中心对称图形的几何特征计算圆心,然后通过一维Hough变换进行半径累积,得到圆半径。实验证明,该算法运行速度快,占用内存小,抗噪性能好,对单个圆和多个圆同样有效,具有较高的实用价值。

基于Hough圆卷积变换的孔组检测

为降低孔组测量的成本,提高测量的精确度,提出一种基于Hough圆卷积的孔组检测方法。对孔组图像进行中值滤波、拉普拉斯锐化增强和边缘检测;根据孔组半径大小的变化范围,对Hough圆锥进行改进;在此基础上,利用改进的Hough圆锥与边缘检测后的图像进行三维卷积,得到Hough参数空间,计算出孔组的坐标和半径值;采用快速傅立叶变换法代替三维卷积,减少算法的计算时间。实验结果表明,该方法的检测精度高、实时性强,可以用于孔组的自动化检测。

一种基于Hough变换的快速圆检测算法

为加速轮毂轮廓圆的检测速度,提高轮毂自动化加工的效率,提出一种基于Hough变换的改进算法。该算法利用圆的先验几何特性,把采样点到三维参数空间的映射降低至二维,求得映射后距离各拟合直线最近的点,将其作为圆心点完成对轮廓圆的特征提取。实验结果表明:该算法不仅保留了传统Hough变换的优点,而且通过降低参数空间维数,使无效点带来的计算消耗大大降低,提高了检测效率,具有较高的应用价值。

基于机器视觉的钢管壁厚在线检测方法研究

在钢管生产过程中,需要对钢管的壁厚进行实时测量,以检验所生产的钢管是否符合规格。针对人工测量钢管壁厚中所出现的测量效率低、易产生疲劳且无法实时测量等问题,基于机器视觉测量技术,提出一种钢管壁厚在线检测方法。该方法首先采集钢管断面图像,然后对采集到的钢管图像进行预处理,使用Canny边缘检测算子检测钢管断面内外圈边缘特征,最后使用改进后的随机霍夫圆检测算法检测断面轮廓,根据设计的钢管壁厚测量方案计算得到各处钢管壁厚。改进的随机霍夫圆检测由于采用分区采样以及筛选出与边缘轮廓契合度最高的候选圆的方式,提高了原检测算法的检测精度与效率。经过实验验证,该方法测量精度高,效率高,能够满足对钢管壁厚在线检测的要求。

自适应聚类结合迭代拟合的多圆检测算法

本文提出了一种自适应聚类结合迭代拟合新的多圆检测算法。使用自适应聚类结合迭代拟合的检测方法增强了算法鲁棒性而且避免边缘曲线连接性的要求,因此本文提出的算法对部分圆以及非连续曲线圆都具有较好的检测效果。自适应聚类操作考虑多点的分布,提高算法速度的同时避免了虚假检测的存在。最后给出的不同方法实验结果性能比较表明本文提出的算法是合理高效的,在计算机视觉领域具有一定的应用前景。

基于改进圆检测算法的桥吊负载空间定位

针对传统桥吊的接触式摆角检测仪检测精确低、存在死区等缺点,且目前桥吊视觉检测方法的标识物过于繁琐且对旋转倾斜较为敏感的问题,提出了一种视觉目标检测算法来实时获取桥吊负载的空间位置。在桥吊负载上加球形标识物,通过获取球形标识物的信息来获得摆角与绳长信息。在设计出的搜索框中用改进的圆检测算法识别出球心位置与半径,之后通过空间几何方法来获取实时的摆角与绳长。利用桥吊视觉实验装置将提出的视觉检测技术与增量式编码器获取的结果进行对比分析,结果表明:视觉检测方法精确地获取摆角,为桥式吊车防摇控制系统提供更为精确的数据。

基于机器视觉的浇口杯定位研究

针对铸造浇注过程中浇口杯位置无序、数量不定以及高度不同造成的浇口杯定位难等问题,本文提出了一种基于OpenCV视觉技术的铸造用浇口杯定位方法,着重阐述了机器视觉计算方法的设计步骤。首先,根据目标的形状、尺寸等特征获得感兴趣区域(ROI);经过图像预处理后针对传统方法得到的特征点中伪特征点较多的问题,引入自适应高斯滤波平滑二值图像;之后利用Canny算子来检测浇口杯边缘,并引入了3×3的Sobel算子以获取更多的方向信息以及降低Canny算法的敏感性;通过对图像拟合、提取、比较分析等操作,获取浇口杯在砂箱的相对位置。最后以消失模铸造砂箱浇口杯为例,实验结果表明,提出的方法精度高、实时性好,能够快速得到浇口杯的边界信息和位置坐标,为全自动浇注奠定基础。

基于图像分析的自动化码头集装箱边缘检测与定位问题研究

集装箱边缘检测与定位是自动化集装箱码头岸边与堆场装卸作业过程中的一个关键决策内容,在环境(气候、照明等)多变的情况下,其检测与定位过程具有不确定性、动态性、复杂性、随机性等特点。面向自动化集装箱码头,探索通过边缘特征提取、聚类分析、霍夫变换等技术对拍摄的图像进行处理,研究在当前环境下有效过滤光点、噪声等其他不利因素的影响,得到集装箱的轮廓和位置信息,便于机械吊具进行对箱和吊箱工作。研究成果能够有效利用现有资源,提高集装箱边缘直线和角点识别的准确度、图像识别的效率和质量,实现科学有序的自动化和智能化作业,提高装卸作业效率和设备利用率,降低能源消耗,从而提升港口生产作业水平及其核心竞争力。

基于无人机机器视觉的沙糖桔果园创新农场管理模式

应用无人机机器视觉技术,可判断沙糖桔的种植区土壤情况,监测其虫害和杂草影响,侦查其成熟期的果实情况,同时采用霍夫圆变换、Faster Rcnn目标检测算法等技术可预测产量。

基于梯度的区域生长和距离直方图的快速圆检测方法

针对基于Hough变换类圆检测算法所需设置参数较多和基于距离直方图的算法计算量大等问题,提出了一种基于梯度的区域生长和距离直方图的快速圆检测方法(GHC)。该算法通过利用梯度模值和方向进行区域生长的方法得到若干圆弧线段支撑区域;选取弧线段上的三个坐标点求解该圆弧段对应的圆心和半径并求解出正方形适应区域;将每条圆弧线段上的所有点向其适应区域内各坐标点进行投影并统计距离的累加值;综合全图距离直方图,精确地求解出图像中包含各圆的圆心和半径并进行完整度校验。通过实验表明,相比基于距离直方图的圆检测算法(HBCD)和随机Hough变换算法(RHT),该法对不同尺寸、完整度的单圆或多圆均有良好的检测效果,具有较强的稳健性和较小的空间、时间复杂度。

基于目标纹理的机器视觉转角检测方法

目标姿态角度检测系统是确保智能制造设备自动化、智能化的核心部件之一,在智能制造设备中得到了广泛的应用。提出了一种基于目标纹理的机器视觉转角检测算法,该算法通过椭圆聚类提取图像中的感兴趣区域,采用Hough梯度变换寻找感兴趣区域中包含特定纹理特征的区域,结合先验信息对特征区域进行标记、匹配,进而计算出待测物体的滚转角度,算法的运行耗时小于0.5s。采用该算法实现了浮子组件在浮液中的径向滚转角检测,并模拟实际检测环境测试了该算法的精度。测试结果表明,绝对精度小于0.3°,重复性精度小于0.08°,满足实际生产现场对检测精度的要求,解决了人工检测精度低、耗费人力的问题,提升了浮子转角检测的精度和智能程度。