共形天线表面微小焊盘视觉定位算法设计

共形天线是一种特殊形态的新型雷达天线,具有低剖面性以及低散射面积,是未来雷达天线发展的重要趋势之一。当前,共形天线的装配方式正由人工装配转向自动化装配以提升生产效率和批产一致性,但共形天线表面的焊盘尺寸小,数量多且分布在复杂曲面上,现有视觉定位算法难以满足实际使用需求。为此,文中提出了一种多目标亚像素定位算法。该算法结合了模板匹配和亚像素定位算法,可以同时给出多个焊盘的精准位置信息。由仿真分析与实验验证可知,该算法的视觉定位精度可达5μm,有效提升了共形天线的装配质量。

基于数字图像相关法的轮轨力测量研究

针对应变计式轮轨力测量方法的不足,研究一种基于数字图像相关法的非接触式轮轨力测量方法。通过受力分析以及有限元计算,确定钢轨表面非接触测点区域位置。根据轨旁检测的特点设计测量系统的整体方案并分析了其测量原理,对相机进行了分析选型,以实现轮轨力作用下钢轨表面测点区域变形散斑图像的高质量采集。基于数字图像相关法对所采集的变形散斑图像进行分析,采用1阶形函数描述钢轨的变形,并使用零均值归一化差值平方和函数作为相似度的度量指标;为了提高系统的测量分辨精度,在整像素匹配算法的基础上,通过对位移初值进行迭代计算进一步得到亚像素级位移,并使用最小二乘法拟合位移场结果得到相应的应变场。在实验室设计并搭建了具有移动加载功能的轮轨力测量试验系统;通过静态标定试验准确建立了反映钢轨应变和轮轨垂向力大小数学关系的线性标定曲线,并分析讨论了相机工作距离和光照强度等因素对轮轨力测量的影响;在移动载荷作用下进行了轮轨力动态测量试验,与接触式应变计法测量结果进行比较,非接触式数字图像相关法在跨中位置的最大轮轨力测量误差不超过0.3%。动静态测量试验结果表明,数字图像相关法能够实现轮轨力的精确测量,是一种有效的非接触式轮轨力测量方法。

利用扣件位置关系定位图像边缘处不完整扣件的方法

扣件定位在扣件检测过程中具有至关重要的作用,其准确性直接关系到后续检测的可靠性。在使用线阵相机采集扣件图像时,扣件在图像中的位置并不固定,将会导致同一扣件可能横跨连续的2张图像,并在图像边缘处被截断。本文将这些被截断的扣件称为不完整扣件,其上半部分和下半部分分别出现在2张连续图像边缘处。不完整扣件由于形状缺失,难以定位其位置,从而降低了扣件检测的可靠性。为解决上述问题,本文提出一种利用扣件位置关系定位不完整扣件的方法。首先,通过像素统计法定位原始图像中的钢轨位置,并基于先验知识获得包含钢轨和扣件的原始图像子图,本文称所获得子图像为条形钢轨图;然后,拼接条形钢轨图,保证图像内存在多对扣件;接着,利用模板匹配获得与扣件模板最相似的位置,再利用该位置信息以及扣件之间的位置关系判断图像中是否存在不完整扣件并获取不完整扣件位置信息;最后,将2部分不完整扣件拼合为一张完整的扣件图像。研究结果表明,本文提出的方法能够100%定位采集图像中115对不完整扣件图像。研究结果具有实际工程价值,能够有效地解决图像边缘处不完整扣件定位问题,提高扣件检测的可靠性。

动态大视角场景融合帧间信息与模板匹配的低慢小无人机目标检测

为了提升动态大视角场景下对极小像素的低慢小无人机目标探测能力,本文提出了融合帧间信息与模板匹配的检测方法。首先,设计了一种动态信息提取模块,通过滤除背景信息干扰,引导算法关注动态变化的小目标区域;其次,提出多模板匹配策略对筛选出的动态区域进行相似度判断,完成无人机目标检测;最后,在天空、山地、楼宇等不同背景下,按照不同尺寸、不同模态进行了无人机目标检测实验。结果表明,本文方法可有效弥补深度学习方法对大视角极小像素目标检测的不足,对低慢小目标检测准确率达到0.81,虚警率为0.06,在像素占比不小于0.01%数据集上准确率能达到0.70。该方法适应可见光、红外多种模态数据处理,可满足后续多种智能算法组合探测应用。

立铣刀刃角的径向机器视觉在机测量

为提高企业磨削铣刀时的效率,对铣刀端齿研磨角度与铣刀螺旋线之间的关系进行研究,提出了一种基于机器视觉技术的立铣刀端齿磨削时刃角在机测量方法,通过铣刀径向拍照获取图像实现刀尖角度在机测量。采用模板匹配粗定位周刃交点位置确定ROI区域,通过亚像素轮廓提取,获取铣刀周刃交点的精确坐标,并根据该坐标与端面位置偏移量计算铣刀刀尖的角度。实验结果表明,该系统最大绝对误差为0.094°,且平均计算时间为0.086 s,符合企业误差不超过0.1°的要求。

无序安全扣快速识别和定位方法设计

针对传统的安全扣生产在摆放位置存在偏差时,无法实现夹取的问题,提出了一种无序安全扣快速识别和定位方法;该方法采用一种基于子模板和图像金字塔的改进NCC算法进行模板匹配,并结合圆投影算法实现对旋转安全扣的目标检测,同时采用基于交叉匹配和RANSAC方法进行安全扣精确定位;实验验证通过将定位结果与实际坐标进行对比,结果表明识别误差为0~1个像素,其中X轴的平均误差仅为1.02 mm,而Y轴的平均误差为0.76 mm,实现了无序安全扣精确地识别和定位,能够满足工程上的实际需求。

基于局部方差和后验概率分类的快速模板匹配算法

具有旋转不变性的模板匹配算法在工业制造上具有广泛的应用。为解决传统的模板匹配方法在目标旋转、匹配速度上的问题,提出一种基于局部方差和后验概率分类的模板匹配方法。为减少计算量,在匹配中通过局部方差过滤掉部分候选窗口,并在后验概率分类模块中通过对比不同区域稳定特征点对的灰度来计算窗口相关性。使用后验概率分类计算窗口相关度能在预处理过程实现旋转不变性,并保证准确率在95%以上。实验结果表明,该算法在80万像素级的任意角度匹配图像上选择合适的窗口移动步长后,可将匹配时间减少到10 ms以内,相较于现有算法速度更快。

单双目视觉结合的齿廓倒棱坐标提取方法研究

为了增加齿廓倒棱自动化程度,提出一种单双目视觉结合的齿廓倒棱坐标提取方法。首先标定双目相机完成齿轮图像立体校正和畸变校正。双目部分优化SGBM算法完成立体匹配,获取视差图及深度图,并提出一种基于最小二乘法的倒棱平面拟合算法得到倒棱平面深度Z_c。单目部分提出一种改进Canny算子和改进Zernike矩结合的齿廓亚像素边缘检测方法,获取齿廓边缘亚像素坐标,并基于重心法获取齿廓中心坐标。结合相机成像模型,得到左相机坐标系下齿廓及中心三维坐标。使用一个标准直齿轮进行了齿廓倒棱坐标提取实验,实验结果表明提取的三维坐标具有较高精度。

基于宽带相位运动放大与机器视觉的结构振动频率识别

为了解决现有视觉技术难以准确测量结构微小振动的问题,该文提出了一种基于宽带相位运动放大(BPMM)和亚像素模板匹配算法的结构振动测量和频率识别方法。首先,利用相机拍摄结构的振动视频图像,并对图像中的噪声进行初步去除。其次,在不需要结构频率先验信息的情况下,在包含所有感兴趣频率的宽频带内进行滤波,选取合适的放大倍数进行微小振动视频的放大处理,再利用亚像素模板匹配算法从放大后的视频中提取结构的位移时程响应。最后,对提取的结构位移进行归一化处理,得到结构的实际位移时程响应,利用快速傅里叶变换(FFT)获取结构的振动频率。结果表明:BPMM算法既能实现结构微小振动位移幅值的放大,又能有效去除微小振动视频中的噪声,提高了图像的信噪比,从运动放大后的视频图像中可以准确地识别结构的振动频率。通过3层框架结构的室内试验和实桥试验对该文方法进行了验证,识别误差分别在1%和5%以内。该文方法可在不需要结构频率先验信息的情况下实现微小振动的盲放大处理,具有噪声鲁棒性好、计算量小及适用性强等优点,为结构微小振动测量提供了一种新思路,具有良好的应用前景。

一种基于模板的二阶段ZS细化算法

二值图细化是图像预处理过程中的重要步骤之一,生成的单像素骨架图可以极大消除图像中的冗余信息,提取图像特征,对后期图像处理有重要作用。ZS细化算法迭代次数少、细化速度快,适合处理直线、T型交叉点和拐角等结构,但ZS细化算法中存在细化不完全、二像素宽斜线畸变、轮廓分叉毛刺等问题。针对这些问题,提出一种二阶段改进细化算法。改进算法的一阶段在ZS细化算法基础上增加保留模板和额外删除模板,生成保留部分二像素结构的骨架,二阶段使用删除模板对二像素斜线冗余像素进行删除,生成单像素宽度骨架。实验结果表明,提出的改进算法在保留目标图像拓扑结构的前提下,有效解决了ZS细化算法中存在的问题,提高了细化程度,生成单像素宽度骨架。

基于数字图像处理的浮选泡沫速度特征提取及分析

以浮选泡沫图像序列为对象,研究浮选泡沫图像序列速度特征提取方法,分析泡沫速度特征与浮选性能间的关系。提出一种抗尺度快速变化和具有旋转不变性的模板匹配算法,利用宏块跟踪技术对浮选泡沫图像序列的泡沫速度特征进行估计,得出像素级的泡沫运动速度参量。然后,采用二维拉格朗日曲面插值方法提取亚像素位移,得出精确的亚像素级位移参量。结果表明:在浮选过程中,减少浮选泡沫运动速度的紊乱程度能减小已粘附在泡沫上的矿物粒子的脱附率,进而提高浮选精矿品位,降低尾矿中有用矿物含量。

基于多时相遥感影像的东北三省作物分布信息提取

该文选用覆盖东北三省2007年主要作物发育期内14个时相MODIS NDVI 250m16d影像、2005年Landsat ETM+30m影像和大量地面调查数据,借助ISODATA非监督分类算法、作物植被系数变化曲线光谱耦合技术和GoogleEarth工具,提取了主要作物分布的空间信息。基于Landsat ETM+30m影像采用亚像素估算方法对耕地面积系数进行了计算,分别估算了东北三省的耕地、水稻、玉米和大豆的面积,并用各个县级地图做掩模提取了耕地、水稻、玉米和大豆的面积,与同期的统计数据组成4组配对样本进行对比验证。结果表明,4组数据经配对样本的T检验都呈显著性差异,耕地相关系数最高为0.92,依次为玉米、水稻和大豆,都在0.68以上,与统计数据吻合较好,而分析结果位置精度为85.7%,提取结果能较好的反映东北三省主要农作物的空间分布状况,可为其他区域尺度主要作物空间分布信息的提取提供借鉴。

基于机器视觉的菊花生长自动无损监测技术

本研究采用机器视觉及图像处理技术对多株植物生长信息进行了监测研究。该监测系统使用的CCD相机被安装在四周均布10株被测植物的精密旋转云台上,相机的镜头前安装了近红外滤片,在相机顶部安装了近红外光源。旋转云台按一定时间间隔自动定角度旋转,旋转到设定角度后,CCD相机对被测植株进行取像。利用该系统,可以长时间自动连续对多株植物进行监测。为了提高测量精度,实验过程中在被检测对象的茎节叶腋处粘贴反射亮片,在图像分析处理过程中,采用一种基于亚像素和区域匹配的误差消除估计算法EEC图像分析的处理方法,有效地提高了检测精度。并且,通过研究发现在图像匹配过程中,参考模板的最小尺寸应大于15×15pixel。利用该系统对菊花的茎长生长进行了监测分析,发现白天菊花的茎长生长率要小于夜间的生长率。该研究为利用机器视觉技术连续非接触监测植物的生长信息提供了技术理论基础。

基于掌纹图像相关匹配的重复定位技术

基于每次测量时所采集掌纹图像之间同时存在平移和旋转变化,先对图像进行空域旋转校正,然后利用相位相关方法进行相关匹配,并通过二次曲面拟合方法使平移变化的检测精度达到亚像元级,从而达到精确定位.该方法已成功应用于掌纹图像匹配定位中,对于无噪声干扰的掌纹图像,平移检测精度达到0.01像元,旋转检测精度达到0.1°.

基于极线校正的亚像素相位立体匹配方法

针对双目结构投影光栅相位法三维测量系统中立体匹配的效率与精度问题,提出了基于极线校正的亚像素相位立体匹配方法。首先,通过外极线校正算法将双目立体视觉几何结构校正为平视双目标准几何结构,使匹配点对在左右相机上的成像点位于同一水平线上。然后,采用双线性内插法获取校正后新相位图像对,并提出一种基于相位区域匹配的立体匹配算法,获得初始匹配点。最后,提出采用最小二乘拟合将初始匹配点附近3×3邻域内的相似度量拟合为一个二次曲面,然后求解得到该曲面的局部最小值,得到与待匹配点相位相同的右摄像机匹配点坐标。通过对标准平板平面度进行测量与精度分析,表明该方法能够快速、准确的实现立体匹配。

基于Harris-Affine的宽基线立体影像LSM匹配方法

针对宽基线影像的高畸变特点,提出基于几何一致性约束的Harris-Affine高精度最小二乘匹配(Least Square Matching,LSM)方法。首先,用Harris-Affine算子在影像高斯多尺度空间中提取仿射不变特征,并根据特征区域灰度矩阵与主梯度方位来实现特征的几何归一化,继而提取特征描述符,接着采用一种由粗到精的特征匹配策略来渐进地获取正确率占优的特征匹配。然后,通过LSM迭代方法来补偿同名像点的定位误差,LSM迭代所需的良好的几何畸变初值由同名特征区域灰度矩阵与主梯度方位求取,而良好的辐射畸变初值通过同名区域像元灰度的最小二乘线性拟合法求取。实验结果表明:该算法鲁棒有效,且实现了亚像素匹配精度。

一种用于未标定图像三维重建的立体匹配算法

提出了一种适用于未标定图像三维重建的立体匹配算法。该算法首先引入限制因子来消除Harris角点聚簇的现象,使用高斯曲面拟合内插使Harris角点达到亚像素级;接着采用特征点的Sift特征描述符进行初始匹配,利用随机抽样算法估计基础矩阵的同时剔除误匹配点对;最后在估计的基础矩阵的引导下进行双向匹配。实验证明,该算法能够很好地恢复物体的结构,是一种有效的用于未标定图像三维重建的立体匹配算法。

人体运动检测中的标志点识别算法

针对人体运动的特点提出在人体运动检测中的标志点识别的算法。算法主要包括以下三个方面:(1)采用改进的模板匹配方法以改善匹配峰值的尖锐度;(2 )采用目标图像与模板的互相关系数加权平均的方法使识别的分辨率达到亚像素的水平;(3)根据人体运动的连续性的特点来预测和检验标志点的运动、克服标志点遮挡问题。实验结果证明,采用上述的标志点识别算法能够达到比较高的识别精度和速度。

基于图像匹配的长焦透镜焦距测量研究

提出一种新的测量长焦透镜焦距的方法。采用测角精度较高的光电经纬仪,由CCD相机拍摄经纬仪中十字亮线偏移的位置图像,并记录经纬仪显示的对应角度。应用改进的互相关匹配算法及三次曲面拟合算法,对CCD拍摄的两幅图像进行快速亚像素匹配,获得关于十字亮线中心的一对亚像素匹配点坐标。最后根据经纬仪角偏移量和亚像素点偏移量求出长焦透镜的焦距,实验获得了较高的测量精度。

改进的字符图像细化算法

针对现有并行细化算法中存在的细化不完全、二像素宽斜线细化畸变等问题,提出一种改进的细化算法.首先对二值图像构造了一组保留模板和消除模板,采用算术逻辑运算对图像进行初步细化,并结合保留模板匹配将二像素宽斜线予以保留;再利用消除模板匹配进一步删除斜线上的冗余像素,得到8连接的单像素图像.针对字符图像的实验结果表明,文中算法能够有效地避免二像素宽斜线的细化畸变,保持了原图像的拓扑结构,实现图像的完全细化.