基于双三次插值和高斯拟合的光条中心亚像素提取方法

针对结构光三维测量的高精度要求,提出一种基于双三次插值和高斯拟合的激光线条亚像素提取方法。该方法首先对光条图像进行感兴趣区域提取、高斯滤波等前处理,其次用形态学方法细化激光线条得到初始中心点,然后使用五点拟合法得到光条法线方向,在光条法线方向上取亚像素的拟合点,利用双三次插值得到亚像素坐标的像素值,最后进行高斯拟合,到光条亚像素中心。实验结果表明,算法平均精度值为0.389147像素,消耗时间为0.056 2 s,具有较高的提取精度和稳定性。

Zernike矩和最小二乘椭圆拟合的亚像素边缘提取

为了提高微操作系统的装配精度,提出了一种新型的亚像素边缘检测和中心定位算法。应用Canny算子提取了微零件在像素级的边缘。应用Zernike矩对微零件进行亚像素级的边缘定位。采用最小二乘椭圆拟合定位微零件的中心位置。实验结果表明,该算法能够实现更高的定位精度和消耗更少的时间。

计算机三维视觉测量中相机标定的圆形校正方法

目前相机标定中大部分用harris角点提取特征点,当标定板与相机夹角过大时,将会减少角点附近的灰度信息,从而影响了特征点提取的精度。研究改进椭圆圆心提取法,提出了一种基于惩罚奖励机制的外轮廓提取法,加快了外轮廓的提取。提出一种新的快速的方法获得多于8个方向的梯度。并对高斯拟合提取亚像素点进行加权处理。实验证明,此算法优于opencv中的算法,可稳定的求得相机内参。

复杂机场道面外来异物高精度实时检测算法

机场道面外来物(foreign object debris,FOD)具有类型多样、形状各异、背景复杂、目标弱小等特点,并且严重影响飞行器安全,故其高精度实时检测具有重要意义。针对以上问题,提出基于超分辨率特征金字塔并带有纹理信息提取模块的FOD实时检测网络(FOD real-time detection network,FOD-RDN)。该网络采用Darknet-53作为主干网提取特征,通过超分辨率特征金字塔对形状各异的小目标进行检测,并设计了纹理信息提取模块降低复杂背景的干扰。同时采用双通道YOLO检测器和基于CIoU的损失函数,进一步提升网络对FOD的检测精度和速度。实验结果表明,本文算法在满足实时性要求的情况下,在FOD数据集上整体检测精度达到了91.8%,相比于主流目标检测网络在FOD目标检测方面具有更好的检测效果。

双目视觉测量中等匹配点的光条中心提取

为了精确、快速提取激光条中心,使其提取结果更适用于工业现场特征尺寸的双目视觉测量,提出了一种等匹配点的激光条中心提取方法。利用灰度重心法粗提取出激光条中心点,计算灰度梯度方向,确定光条边界。接着,根据左右图像中激光条的粗提取结果确定基准光条,对另一幅图像中的对应光条进行插值。然后结合灰度梯度方向与插值结果对激光条进行重提取,得到等匹配点的亚像素中心坐标。最后,利用激光条中心点提取结果重建陶瓷平板、金属板表面及加工现场锻件表面的特征信息。实验结果表明,本文方法提取陶瓷板与金属板的激光条中心点的匹配率分别为99.887%与98.276%,宽度重建的相对误差分别为0.638%与0.488%,激光条中心提取结果能有效重建锻件表面的特征信息,满足工业现场对测量的精度、速度和鲁棒性要求。

快速线结构光中心提取算法

在线结构光三维测量系统中,结构光中心提取的速度和精度直接影响到系统的整体性能。基于几何中心法、方向模板法和灰度重心法,提出了一种快速提取结构光中心的算法。首先,先对图像进行预处理,通过几何中心法快速提取结构光中心作为骨架;然后,提出了一种基于位置的法线判断法求取骨架法线方向,与常用的方向模板法比较,在速度上有了大幅度提升;最后,对骨架法线方向上像素进行灰度加权,从而精确提取结构光中心。实验结果表明,该算法不仅在速度上有很大提升,而且精度也达到了亚像素级别。

基于FPGA的双目视觉同步采集系统设计

针对传统手术导航中光学定位系统两相机图像采集不同步的问题,利用ALTERA公司的DE2-70开发平台,设计了基于现场可编程门阵列(FPGA)和两片数字图像传感器OV7620的双目视觉同步采集系统。该系统实现两相机同步采集图像数据、并行提取标记点的亚像素坐标和USB传输等功能。上位机结果表明,该系统工作稳定,两相机图像数据能够同步和实时显示,亚像素坐标提取准确,满足手术导航系统中对图像采集的要求。

基于自适应模板线结构的光条中心亚像素提取方法

针对线结构光测量系统中如何准确快速地提取光条中心这一关键问题,本文提出了一种基于自适应模板的新方法。根据线结构光图像梯度分布特性,通过高斯卷积获得光条各点的Hessian矩阵。根据图像点的法线方向构造中心提取的卷积模板,并能够根据光条形态变化,自适应地改变模板权重分布。通过切线方向采样构建修正模板,有效修正噪声等因素造成的误差。算法仅对感兴趣区域提取,大幅减少运算量。实验表明,该方法具有精度高、对结构形态具有较高的敏感性、实时性较好等特点,实现了工业应用中线结构光光条中心的高精度快速提取。

直线和二次曲线的实时精确鲁棒提取

开发了一个从灰度图象实时、精确和鲁棒地提取直线和二次曲线的新技术通过利用由Ｚｅｒｎｉｋｅ正交矩（ＺＯＭ）亚象素边缘检测算子提供的边缘位置、方向和曲率信息，该技术有效地融合了随机Ｈｏｕｇｈ变换（ＲＨＴ）、异常点与伪曲线鉴别和最优曲线拟合等，并已作为低层视觉模块集成进我们的用于导引智能水下机器人（ＡＵＶ）的实时水下三维视觉系统实践证明我们所开发的此技术是高速。

基于边缘特征的亚像素相关匹配跟踪算法

基于像素灰度和基于特征的相关匹配跟踪算法跟踪精度不高,只能匹配定位到整像素点。针对该问题,采用相关函数拟合极值法对整像素匹配点进行亚像素定位。设计一种新的实验方法和基于边缘特征的相关匹配跟踪算法。实验结果表明,该算法可以达到0.1级别的亚像素定位精度。

基于LoG-Zernike矩算子的钢轨激光图像提取识别

采用激光摄像技术进行钢轨轮廓测量,图像中钢轨激光光条中心提取精度及效率,是决定钢轨轮廓测量是否可行的关键因素.提出采用LoG-Zernike矩算子进行钢轨激光光条中心提取,先利用LoG算子进行钢轨激光光条边缘粗定位,在粗定位图像边缘邻域内,再采用Zernike矩算子进行激光光条中心精确定位.详细论述了LoGZernike矩算子进行图像亚像素提取原理、过程,给出了LoG-Zernike矩算子详细计算步骤.试验结果表明,LoGZernike矩算子提取的钢轨轮廓曲线较细,连续性较好.

中厚钢板轮廓检测中线激光端点提取算法研究

提出了一种基于二次投影的边缘信息提取算法,并将这种算法应用于线激光端点的坐标提取.利用面阵CMOS相机获取入射在中厚板带钢表面的线激光图像,利用一次投影算法对预处理后图像进行处理,提取图像中激光线中心线的纵向位置坐标,并以它为基准,上下各取2行共5行作为提取图像中激光线端点位置坐标的目标行;然后,利用二次投影改进算法对这5行激光线分别进行处理,获取每行激光线端点的亚像素位置坐标,对该坐标值进行加权平均处理,所得值即为图像中激光线的端点位置坐标.所提出的二次投影改进算法不仅实现了目前中厚板形貌的非接触式测量,也提高了实际应用的检测精度.该算法光线端点检测精度可达0.003 5 pixel,在工程中具有较大的应用价值.

一种分阶段的高精度亚像素特征点提取方法

基于图像信息的目标跟踪问题中,对目标特征的精确提取与识别是极为重要的.本文针对点状特征的提取,采用了一种分阶段的高精度亚像素特征点提取方法.具体做法是:首先,利用Harris算子,获得像素级特征点;然后利用像素级特征点附近亮度值的梯度信息,进行亚像素级特征提取.实验结果表明,这种分阶段实现的亚像素级特征提取方法可以保证提取到尽可能多且位置精确的的亚像素级特征点.

基于扩展数学形态学的高光谱亚像元目标检测（英文）

提出了一种基于扩展数学形态学和光谱角度匹配相结合的高光谱亚像元目标检测算法。在目标与背景未知的情况下,同时利用光谱和空间信息实现目标的定位与检测,实现高光谱亚像元目标的检测识别。通过扩展的形态学膨胀和腐蚀运算实现端元提取,采用光谱角度匹配算法进行感兴趣目标的检测识别。算法性能通过AVIRIS数据进行评价,与仅利用光谱角度匹配的算法和RX异常检测算法进行比较。实验证明,所提出的算法性能优于其他两种算法,具有低虚警率的亚像元目标检测结果。

基于亚像素差异化判断的珠宝光泽度的判断

在对珠宝光泽度的判断过程中,采用传统的方法判断时,由于传感器的离散性和噪声的干扰,造成了像素级误差过大的问题。提出了基于亚像素差异化判断的珠宝光泽度判断方法。利用分阶段的高精度亚像素特征点提取方法,将珠宝光泽度图像边缘特征离散作为亚像素级特征点,组建了分类规则,根据Dempster组合规则满足高置信度、低冲突性的情况,将其融合于加权分配冲突法中,并解决证据冲突的问题,从而完成了对珠宝光泽度的精确判断。实验仿真证明,提出的基于亚像素差异化判断的珠宝光泽度的判断方法,精准度高,实用性强。

工件三维测量的激光线亚像素提取方法研究

木材喷涂是一个传统的加工行业,文章主要在木材喷涂行业中运用机器视觉的方法实现由数控工作的方式向自动化加工方式的转变。在整个过程中,利用单相机加线激光的方法实现整个木材窗框的三维信息的测量。其中激光线亚像素坐标的提取是影响整个系统测量精度的重要因素。文章采用灰度质心法来获取激光线的亚像素中心坐标,很好地解决了系统测量精度的问题。

基于机器视觉的砂轮轮廓形状检测方法

针对砂轮修整机在恶劣环境下无法对砂轮轮廓形状进行实时检测的问题,搭建了一种基于机器视觉的砂轮轮廓形状检测系统。使用基于边缘检测的背景分割算法设置ROI区域,图像在ROI内进行轮廓提取和三次样条插值补偿,获得完整的轮廓形状,再使用高斯拟合法进行亚像素边缘提取,获得更高精度的轮廓图像。实验表明:本系统可对光照变化范围在-200~150 Lux,轮廓缺失比少于25%的轮廓曲线进行完全补偿,单次图像处理用时在160ms之内,用于准确度检测的图像质量指数、像素值平方根误差、结构相似度、峰值信噪比的均值分别为0.5500、7803、7.24、0.0370,可实现加工过程中对砂轮轮廓形状的在线检测。

Zernike矩算法实现焊缝中心线亚像素检测

提出一种基于Zernike矩的亚像素直线检测方法,实现对航空航天薄壁结构件窄间隙焊缝中心线的快速精确提取。将采集到的焊缝图像进行ROI提取计算,以减小需要图像处理的区域,提高图像处理算法的速度;运用高斯滤波处理对其去噪;经过阈值分割后,采用Zernike矩算子检测提取焊缝图像中的焊缝直线,设定阈值过滤掉干扰点;最后进行亚像素细分计算,得出焊缝中心线的精确定位。实验证明,该方法检测精度更高,抗干扰能力强,对图像中直线的残缺部分以及其它共存的非直线结构不敏感,相对不受图像噪声的影响。

面向Sentinel-2影像的亚像元级水体提取方法

结合Sentinel-2影像及其他高分辨率卫星数据进行长序列、高频次、大范围的水面率、蓄水量、生态流量等水资源要素监测具有重要意义。为了提高水体提取精度,解决利用多源中高分辨率卫星数据提取水体时的空间尺度效应问题,本文提出了一种面向Sentinel-2影像的亚像元级水体提取方法(简称SWES)。首先利用RWI提取纯水体像元,然后利用膨胀算法提取水陆边界混合像元,最后为解决地物的类内光谱变化问题,采用考虑空间信息的多端元光谱混合分析算法(MESMA)求解水陆混合像元中的水体丰度。3个试验区的结果均表明,SWES取得了较好效果,平均RMSE为0.147,水体提取效果均优于自动亚像元水体提取方法(简称ASWM),尤其在水陆混合像元较多的坑塘养殖区。SWES在试验区获取的水体面积也有较高精度,平均相对误差为8.03%,低于ASWM的20.23%,结果表明SWES能够有效提升水域面积提取精度。

基于轮廓匹配的引线键合机视觉定位方法

视觉定位系统是芯片封装设备中的重要组成部分,视觉定位的精度对芯片加工精度具有很大的影响。基于轮廓特征的图像匹配相对于其他模板匹配算法更加有区分度,能够实现更高精度的定位。但传统像素级的轮廓提取算法无法满足小于1像素的图像处理要求,因此提出一种基于亚像素轮廓提取的模板匹配算法,根据该算法进行引线键合机视觉系统定位实验,有效提高了引线键合机的定位精度。