融入一维概率Hough变换与局部Zernike矩的双目视觉测量

针对被测物体理想角点不易检测致使测量精度不高的问题,提出一种融入一维概率Hough变换与局部Zernike矩的双目视觉测量方法。首先利用一维概率Hough变换对物体外轮廓边缘进行直线检测;然后根据直线检测结果建立感兴趣区域,在各局部区域内利用Zernike矩进行亚像素检测,并在两相邻感兴趣区域的相交范围内完成亚像素点筛选;之后通过正交总体最小二乘法进行亚像素边缘直线拟合,并进行关键点匹配;最后利用三角测量原理获得被测物体的三维空间信息完成测量。以连铸坯模型为测量对象,实验结果表明:此算法最小相对误差达到0.3401%,满足测量要求。长度相对误差均值为0.3945%,与传统SIFT,ORB算法相比分别降低80.01%和74.63%;与其他边缘拟合算法相比测量误差减小34.11%,运行时间缩短39.07%,验证了此算法的精确性和高效性。

一维概率Hough变换的实时鲁棒多圆检测方法

针对现有圆检测算法以像素为投票主体在二维或三维空间进行参数累积,运算复杂度高,难以达到复杂自然场景中的实时检测要求的问题,提出一种以线段为投票主体并基于一维概率Hough变换的实时圆检测算法.首先基于梯度方向对Canny边缘像素实施逐段分割,从中选取满足一定曲率条件的线段作为种子,对每个种子沿半径进行一维概率Hough累积;然后根据峰值大小和位置提取有效圆及其初始半径;最后利用圆的直接最小二乘拟合进一步定位圆半径和圆心.对复杂的自然场景图像进行实验的结果表明,通过选取合适的分割阈值,该算法在确保圆检测可靠性的前提下在速度上显著优于现有算法.

基于深度学习的厂站一次接线图拓扑关系检测

目前调度控制系统中厂站一次接线图的绘制采用人工绘制、录入的方式,由于图形样式复杂,设备类型众多,极易出现元件缺失、关联错误、连接线虚接等问题。针对这些问题,提出了一种基于深度学习和改进概率霍夫变换相结合的厂站一次接线图的识别算法。首先,利用基于改进Faster-RCNN对电气元件、文本框进行识别,并获取其位置信息。然后,利用改进概率霍夫变换检测母线与连接线。最后,根据检测到的元件、母线和连接线,设定距离阈值、构建图结构,确定各元素的关联关系。实验证明,本文所提方法的母线检测准确率高达100%;对于厂站一次接线图拓扑关系检测,其准确率、召回率、综合F1值分别达89.8%、88.6%、89.2%,与Faster-RCNN、YOLOv5等方法对比,准确率提升显著,能够满足厂站一次接线图自动识别的要求。

概率Hough变换在仪表检测中的应用

介绍了图像处理技术在汽车仪表检测中的应用。利用图像处理技术,如阈值分割、图像膨胀、图像细化等各种图像处理方法进行图像处理。对表盘指针的识别,采用了一种概率Hough变换法。

基于概率Hough变换的指针仪表去影算法

提出了一种能够在存在干扰光源的情况下正确判别指针、去除干扰阴影的算法。通过使用Hough概率变换对二值图像处理,通过任意两个不同位置的指针来确定指针的回转中心,根据回转中心坐标固定不变的特点,当图像中出现干扰时,通过图中所有检测到的直线与仪表零刻度指针所在直线的交点与回转中心坐标的大小关系,确定正确代表指针的直线。所提算法提高了仪表检测的稳定性,通过对电流表的判别实验证明了方法的有效性与正确性。

基于3D-Hough变换的多机TBD算法

利用隐身目标RCS的空间差异性,提出一种用于隐身目标探测的基于3D-Hough变换的多机TBD算法。该算法对多机雷达回波进行联合处理,首先通过能量判决剔除杂波带来的部分虚警点,再通过概率网格划分解决多机Hough变换时因多雷达测量精度不统一带来的检测性能下降和虚假航迹增多问题。与传统单机TBD方法相比,该算法联合利用多机雷达回波进行3D-Hough变换,提高了对隐身目标的检测性能,为机载雷达协同反隐身提供了一种解决思路。通过仿真证明了该算法在强杂波背景下对隐身目标的探测能力。

An Inherent Probabilistic Aspect ofthe Hough Transform

in this paper a new property of the Hough transform is discovered, namely an inherent probabilistic aspect which is independent of the input image and embedded in the transformation process from the image space to the parameter space. It is shown that such a probabilistic aspect has a wide range of implica tions concerning the specification of implementation schemes and the performance of Hough transform. In particular, it is shown that in order to make the Hough transform really meaningful, an appropriate curve (surface) density function must be, either explicitly or implicitly, supplied during its implementation processi and that the widely used approach to uniformly discretizing parameter space in the literature is generally inadequate.

道路区域分割的车道线检测方法

为了满足无人驾驶车在高速公路行驶的实时性和鲁棒性要求,提出了一种基于道路区域分割的车道线检测方法.该方法分道路区域分割和车道线检测2个阶段.在道路区域分割阶段,首先提取的道路颜色值,然后在二值边缘图像中搜索连通域,通过将连通域的颜色特征值与道路颜色特征值比较来快速定位道路区域,并将这一区域划定为车道线检测的感兴趣区域.车道线检测阶段则使用改进的概率Hough变换方法提取车道线点,并使用最小二乘法对车道线点集进行拟合,获得车道线模型的参数.实验证明该方法相比传统的利用标准Hough变换算法准确率提升23%,有效地排除了道路区域外的直线像素干扰,具备较好的鲁棒性和实时性.

被动传感器航迹起始算法

为解决杂波、未知数目和被动传感器测量精度不一致情况下的航迹起始问题,提出了一种适用于被动传感器系统的航迹起始算法。该算法首先根据启发式规则消除一部分虚假定位点,然后利用概率网格的思想将观测空间划分为同一大小的网格,同时根据被动传感器的测量精度计算得到每个网格内出现目标的概率,最后利用序列Hough变换进行航迹的检测。仿真实验表明,该算法不但能够有效实现航迹起始,而且降低了虚假航迹的起始率。

基于多种边缘检测的视频划痕检测技术

针对电影胶片中比较常见的垂直划痕及其特性,提出了一种新的基于多种边缘检测的检测算法。该算法首先运用Sobel算子中对垂直边缘响应最大算子对图像进行边缘检测,然后运用Canny算子进行边缘检测,再用概率Hough变换检测图像中垂直直线,最后结合形态学处理和宽度约束得到划痕位置。实验结果表明,该算法能有效地进行噪声干扰下的划痕检测。

基于概率霍夫变换的快速车道线检测方法

提出了根据高斯分布模型的自适应阈值分割方法,使用了基于形态学变换的二值图优化算法得到车道线边缘图.改进了概率霍夫变换,使其更能满足实际情况,从而换检测出车道线.实验表明了该方法可以有效检测出车道线,并且速度上得到了极大的提高.

概率哈夫变换在井下煤仓煤位检测中的应用

针对井下煤仓煤位的检测,运用计算机视觉识别技术,提出了一种新颖的哈夫变换检测圆的算法,它通过梯度信息,使用对点(2个点)来确定一个圆,从传统的三维空间采样降为二维空间采样,在很小的参数空间内对图像痕迹进行恢复,从而使它具有精度高、速度快、占用内存少等特点.利用辅助光源将这一新算法应用到井下煤仓煤位的检测中,对高、中、低不同煤位的检测取得了满意的结果.

结构化道路上应用区域划分的车道线识别

针对多数研究中车道线检测的准确性和实时性难以有效平衡的问题,提出了一种应用区域划分的车道线识别方法。首先通过改进的大津(OTSU)算法提取边缘图像,再在所得边缘图像的基础上,利用改进的概率霍夫变换(PPHT)提取车道标识线上的特征点,并采用最小二乘法(LSM)对特征点点集进行直线拟合,最后通过提出的路面干扰线规避算法检测所有拟合得到的直线段并筛选可能的车道线。在实验方面,引入三种算法作为对比,并利用提出的准确性评价模型对500幅典型道路场景图中的车道线识别结果进行评估,同时统计在处理一段长为1 min 26 s的道路视频时每帧图像序列的平均耗时。实验结果表明所提算法的查准率、查全率、F量测值均优于对比算法,且达到实时处理的要求。

基于多雷达的临近空间目标检测前跟踪算法

针对临近空间目标的低可探测性和多雷达采样周期与测量精度不一的问题,提出一种基于概率网格和多维Hough变换的多雷达检测前跟踪(TDB)算法。利用概率网格将雷达测量数据概率化,通过多维Hough变换在多维空间建立初步候选航迹,利用基于不敏变换的空间融合方法得到目标数目及轨迹。仿真实验表明:该算法能够在密集杂波下实现弱小目标的有效检测。

图书馆在架图书的索书号图像提取与分割

图书索书号提取与分割是图书馆自动存取机器人完成图书上下架的关键技术。提出了一种利用索书号颜色特征和书脊边缘信息进行图像提取分割的方法,有效地解决了背景相近的相邻索书号之间的分割问题。通过实验利用HSV颜色空间提取索书号区域,用Canny算子做书脊边缘检测,采用概率霍夫变换法查找书脊边缘线段,实现了索书号图像的提取与分割,并针对厚、较厚、中等厚、较薄、薄、混合等几种类型的书脊进行了分类实验和研究,可以有效地提取出不同情况下每本图书的索书号,为图书馆自动存取机器人完成自动存取操作奠定了基础。

用于智能汽车的复杂光照环境车道线检测及跟踪方法

针对复杂光照环境的智能汽车行驶安全问题,提出一种车道线检测及跟踪的改进方法。在图像预处理阶段,应用灰度变换方法增大不同光照环境的车道线和道路对比度;用改进概率Hough变换方法提取二值化图像中的车道线;用最小二乘法进行车道线拟合;根据前一帧车道线检测结果建立Kalman滤波动态感兴趣区域,实现车道线准确跟踪。进行夜间光照、弱光照、强光照及正常光照等不同光照环境下的车道线检测和跟踪实验。结果表明:该方法的准确率约为97.53%,对于单帧车道图像的处理时间约为60 ms,具有较好的准确性和实时性,并具有抗路面阴影、交通标志、车辆遮挡、路灯等因素干扰的能力。

基于图像处理的汽车指针仪表检测研究

研究一种基于图像处理技术的汽车指针仪表自动检测系统。在OpenCV的编程环境中,利用图像处理技术,实现图像细化、图像二值化等图像预处理。采用一种改进的概率霍夫变换与RGB颜色通道相结合的方法,实现汽车仪表的指针检测。这种方法能减少运算量,并准确地识别出指针直线。

亚像素级激光光条提取及其激光平面标定应用(英文)

为了标定激光平面以实现三维形貌测量,提出一种亚像素级精度激光光条提取算法.该算法包括两侧边检测和中心线提取2个部分.首先,利用基于主成分角的渐进概率霍夫变换检测2条侧边并依赖该两侧边的距离获取光条宽度;然后,应用二维泰勒展式提取具有亚像素级精度的光条中心线并依据重建的三维坐标标定激光平面.实验结果表明,所提算法光条中心提取速度较快,平均约为78 ms/帧,光条平面共面误差较低,限制在0.3 mm以内.因而所提算法能够满足提取光条的两侧边和中心线的需要,且快速可靠、精度高和抗干扰能力强.

结合Sobel和PPHT的织物纬斜检测方法研究

针对光电式织物纬斜检测方法存在准确度低、适应性差、耗时长的问题;提出了结合Sobel边缘方向和累加概率霍夫变换(PPHT)的机器视觉织物纬纱倾斜检测方法,能够快速准确地检测出织物纬斜方向角度;首先对工业相机采集到的织物图像进行频域滤波再逆变换,增强织物图像中的纬纱纹路;然后使用Sobel方向算子对织物图像卷积运算得到织物图像的边缘方向图,并对其阈值化分割出边缘方向图中的纬纱纹路区域;最后将纬纱纹路区域骨架化,采用累积概率霍夫变换检测出近似纬纱纹路区域骨架直线的倾斜角度,即织物纬纱倾斜角度;通过对不同类型的织物样品进行纬斜检测测试,测试结果为检测纬斜角度的偏差值低于0.1°,检测时间低于0.6s;结果证明提出的方法能够满足机器视觉整纬器精确性、实时性和通用性的要求。

遮挡率因子优化Kalman的户外活动路线跟踪模型

针对标准Kalman滤波在户外活动路线跟踪中还存在的跟踪不精确的问题,设计了一种基于遮挡率因子优化Kalman滤波的户外活动路线跟踪模型。首先根据户外活动路线跟踪的需求,选择直线定位准确,抗干扰力强的概率Hough变换算法,采用首尾相连的连续的直线进行户外道路的拟合,然后针对出现遮挡时,Kalman滤波迭代出的观测值具有较大误差的问题,引入遮挡率因子调节Kalman滤波器的估计参数。之后就设计的模型进行了仿真实验,与传统的算法相比,采用改进Kalman滤波进行户外活动路线跟踪的效果较为精准。