旋转对称三角传感器中的光斑偏移

针对旋转对称三角传感器中的光斑偏移现象,建立了不同测量角度下成像圆环半径与光斑偏移量关系的数学模型,讨论了不同光斑偏移时的圆环平均半径变化规律,并对光斑偏移引起的光线角度偏移进行了分析.结果表明,所得实验现象与数学模型推导结果一致,数学模型能够反映传感器的光斑偏移规律.     

基于改进Zernike矩的亚像素钻铆圆孔检测方法

在机器人自动钻铆系统中,高精度的圆孔视觉测量技术对制孔的定位精度和质量检测具有重要作用。为了提高钻铆基准孔和连接孔几何参数的视觉检测精度,该文首先基于Canny算子获取像素级边缘点集,实现圆孔中心坐标的粗定位;其次提取待测圆孔所在的感兴趣区域,利用4个Zernike正交矩准确推导了三灰度过渡模型的边缘参数;然后通过判断边缘参数和阈值的关系,计算圆孔边缘点的亚像素坐标;最后根据最小二乘原理实现圆孔中心坐标和半径的高精度检测。仿真结果表明,该算法的圆心坐标相对误差在0.01像素范围内,半径的相对误差精度为0.1像素。稳定性和抗噪性实验表明,该算法适应于不同尺寸的圆孔,并且对噪声的敏感程度较低。因此,该算法有效提高了钻铆圆孔参数的检测精度,在机器人钻铆视觉测量系统中具有重要意义。     

基于Fourier-Mellin矩边缘检测的改进算法

为了满足计算机视觉标定与精密测量对图像边缘定位的高精度和抗噪声要求,提出一种基于正交Fourier-Mellin矩亚像素边缘检测的改进算法.首先,建立亚像素边缘理想模型,推导了新的Fourier-Mellin矩7×7模板,利用各级矩的卷积来提取边缘点细节特征.然后,根据幅值旋转不变性原理,通过分析图像边缘旋转至垂直方向后各阶次Fourier-Mellin矩之间的关系,得到被测点亚像素边缘的各级参数.再根据改进的边缘判据,利用其高阶矩的细节描述能力和低阶矩的噪声抑制能力,确定图像中实际边缘点的亚像素坐标.实验结果表明,改进算法具有更高的检测精度和更强的抗噪性能,对含噪直线和含噪曲线的定位精度可达0.07像素和0.10像素,更好地满足了图像边缘定位的稳定可靠、高精度测量要求.     

黑白棋盘格角点检测算法

分析了现有棋盘格角点检测算法存在的不足,提出了一种新的棋盘格角点检测算法.该算法定义4个特征方向,并通过黑白检测算子(BW)检测特征方向上像素的灰度分布特征,获得像素级精度的角点坐标位置;再根据局部窗口内响应值的相似度与影响因子对角点坐标加以修正,实现了亚像素级精度的角点坐标定位.该算法对图像的旋转和亮度变换具有鲁棒性.将本方法应用于实际拍摄的棋盘格图像,证明了其对棋盘格角点检测的有效性和实用性.     

基于图像处理的微钻芯厚测量

针对接触式芯厚测量设备不能测量直径小于0.30 mm的微钻的问题,提出了基于图像处理的微钻芯厚测量方法.为了提高设备的检测精度,对3种亚像素边缘检测算法进行了对比,综合各算法的误差和耗时,选取灰度矩法为亚像素边缘检测算法;并通过对直径0.40 mm、0.25 mm的钻头的芯厚测量来验证文中提出的测量方法的精确性.结果表明:对直径0.40 mm的钻头,基于图像处理的芯厚测量方法的重复精度可达1μm,重复精度优于接触式芯厚测量方法;对于直径0.25 mm的钻头,基于图像处理的芯厚测量方法的重复精度仍可达到1μm,说明该方法能够有效测量直径小于0.30 mm的微钻的芯厚.     

一种快速亚像素边缘检测算法

基于正交多项式拟合提出一种快速亚像素边缘检测算法, 并给出计算边缘点的直接表达式. 结果表明, 该算法有效地解决了目前亚像素边缘检测算法的检测精度和检测时间不能同时兼顾的问题. 通过与Gauss和空间矩两种亚像素边缘检测算法进行比较, 该算法能快速准确地求得亚像素级边缘位置.     

圆型图像特征点检测算法

为了提高圆型图像特征点检测算法的准确性和稳定性等,提出了一种基于圆型特征图像中心灰度对称的检测算法.先利用Sobel算子进行圆型特征图像边缘检测,然后采用灰度质心法求出圆型特征图像的中心,最后引入灰度对称因子获得圆型图像特征点的亚像素位置坐标.用仿真投影实验和实际实验来评估算法精度,结果表明新算法精度可控制在0.2个像素左右.     

微零件图像亚像素边缘定位算法

为快速而精确地检测微零件图像边缘,提出了一种新的图像亚像素边缘定位算法.此算法与常用亚像素边缘定位算法区别在于不需要进行边缘初定位,而直接提取亚像素边缘点.应用一种新的图像坐标排序方法,使无规律的边缘点能够按照一定时针顺序链接成闭合曲线.以微齿轮图像作为实验对象测试了算法的精度与速度,结果表明该算法在边缘定位精度满足亚像素的情况下,能够快速提取边缘曲线,处理时间不超过1s.     

基于Sigmoid函数拟合的亚像素边缘检测方法

亚像素边缘检测技术是采用图像处理软件算法来提高检测精度的有效途径,因而在基于计算机视觉的检测中具有重要地位。本文对矩法、拟合法和插值法等常用的亚像素边缘检测算法的原理、优点和不足进行了分析。提出了Sigmoid函数拟合的亚像素边缘定位算法,该算法采用Sigmoid函数拟合边缘模型,然后利用图像边缘灰度信息,对该模型进行非线性最小二乘拟合,求得边缘的亚像素位置。实验中测得本文提出的基于Sigmoid函数拟合的亚像素边缘定位算法定位精度为0.045像素,但检测的速度比灰度矩提高了一个数量级,比空间矩、Zernike矩和插值法提高了两个数量级。理论分析和实验结果表明：本文提出的亚像素定位算法能较好的满足影像测量中的稳定可靠、精度高及实时性的要求。     

基于图像处理技术的尺寸测量中边缘定位算法

为了进一步提高图像的定位精度,设计了一种基于插值理论的精确定位细分算法.通过多尺度小波变换与三次样条插值相结合,实现了亚像素级的测量.基于多尺度边缘检测的小波边缘检测方法,既能对边缘进行准确定位,又可以有效去除噪声干扰,提高边缘检测的稳定性和准确性.三次样条插值函数是分段插值函数,算法复杂度低、段与段之间连接处平滑、具有快速收敛性和稳定性.将上述两种融合的边缘定位算法,可以对图像进行精确检测和测量,其精度达到0.001个像素.