面向上甑工艺的机器人作业系统研究

本文关注白酒酿造过程中的上甑环节,分析上甑师傅典型作业手法,设计了一套面向上甑工艺的机器人作业系统。首先,本文提出了一种基于样条曲线-高斯模型的上甑轨迹泛化编码算法,通过现场采集人工上甑的动作数据,将其导入泛化模型得到人工上甑工艺在空间中的轨迹特征。之后,分析人工上甑工艺特性,划分机器人上甑区域,设计甑料流速可控的末端料斗机构,并结合现场布局对每个区域的铺洒轨迹进行计算。为实现期望厚度的上甑工艺要求,建立机器人动力学逆解模型,根据机器人各关节负载限制得到每个区域的最大速度,结合末端料斗机构的伺服控制性能,制定上甑作业时铺洒厚度的控制策略。最后,通过多次上甑实验,验证了本文所设计的机器人作业系统的有效性。     

基于视觉显著性的突变运动目标跟踪

针对突变运动下的目标跟踪问题,提出一种基于视觉显著性的粒子滤波跟踪算法.该算法将基于视觉注意机制的视觉显著图引入粒子滤波框架中,根据视觉显著图的显著性区域,按"胜者为王"和"返回抑制"机制进行目标检测,并以检测结果为全局建议分布进行粒子采样,从而完成全局状态空间的搜索,有效地避免了陷入局部极大值.同时,为增强目标区域在视觉显著图中的显著性,将自底向上和自顶向下的计算模型相结合,根据目标模板对各个特征显著图进行自适应权值计算,并按权值融合产生视觉显著图.实验结果表明,针对不同类型的突变运动跟踪场景,该算法均能表现出较好的鲁棒性.     

基于边缘响应和自相似的红外与可见光图像区域特征匹配方法

红外与可见光图像的匹配是计算机视觉中一项重要的研究课题.由于红外与可见光光谱的差异,图像之间的相似性较低,图像匹配正确率较低.根据红外与可见光图像区域形状相似特点,提出了一种基于边缘响应和自相似区域特征匹配方法.该方法首先计算红外与可见光图像的边缘响应并检测区域特征,然后提取区域形状并建立区域形状的自相似描述,最后对区域特征进行匹配.实验结果表明,该方法在特征检测可重复率和特征匹配准确率等方面均具有良好的性能.     

基于小面核滤波的快速红外舰船检测方法

针对复杂海天背景下红外舰船目标的实时检测需求,提出了一种基于小面核滤波的快速红外舰船检测方法.在频域视觉显著性计算原理的启发下,结合小面拟合模型,设计了一种高效的时域小面卷积核,以抑制背景并增强具有高亮灰度对比边缘的红外舰船目标,进而确定候选目标区域.然后采用一种L0梯度最小化滤波方法,实现候选区域中目标区域的灰度均衡,以完整并准确提取目标形状.最后根据舰船的尺度和形状特性,完成目标判别.实验中对3组公开实拍红外图像数据集进行了测试,实验结果表明:本方法具有较好的鲁棒性,其对3组数据的检测准确率均高于90%,在PC平台上的处理速度维持在10ms量级,优于现有的典型方法,能够满足多数工程应用需求.     

一种基于改进视觉注意模型和局部自相似性的目标自动检测算法研究

针对基于视觉注意模型的检测算法只能检测到图像中的感兴趣区域,无法准确地提供目标的轮廓和位置的不足,提出了一种基于改进视觉注意模型和图像局部自相似性的目标自动检测算法。通过增加运动速度和运动方向特征改进了经典的Itti视觉注意模型。利用改进的视觉注意模型提取感兴趣区域,提高了视觉注意模型的检测能力。再利用图像在边缘处具有良好的局部自相似性,实现了基于图像局部自相似性的目标检测算法。实验表明,算法能快速检测到图像中的目标感兴趣区域,并对其进行精确分割和定位。     

固态法白酒甑桶蒸馏的操作线

通过理论和实验两方面的研究,建立了固态法白酒甑桶蒸馏的操作线,提出了计算馏酒浓度的方法,分析了影响馏酒浓度的因素。指出1)酒醅中酒度的变化及甑桶高度时馏酒浓度影响不大。2)酒醅中干物质量及冷醅的吸热情况对馏酒浓度有较大的影响。     

基于深度学习的无人机单目视觉避障算法

针对基于单目视觉的无人机(UAV)避障问题,本研究提出基于单目深度估计和目标检测的四旋翼自主避障方法。其中,单目深度估计模型提供障碍物像素级别的深度信息,目标检测模型提供障碍物的位置信息。单张红绿蓝(RGB)图像的深度图和目标检测结果由卷积神经网络(CNN)获得;图像的区域划分以目标检测结果为依据,区域深度以深度估计结果为计算依据;规划算法依据区域深度和区域划分结果计算无人机的线速度和角速度,实现无人机的自主避障。为验证算法的自主避障性能,采用Parrot Bebop2无人机对本研究提出的算法与直飞算法进行实飞对比实验。结果表明:本研究提出的算法可用于四旋翼无人机的低速自主避障。     

基于显著点提取的红外弱小目标检测

根据人类视觉感知理论,采用bottom-up控制策略的预注意机制和top-down控制策略的注意机制,提出了一种适用于自动目标识别的目标检测算法.该算法首先对输入图像进行非均匀区域分割,根据对象的显著性特点,在已分割好的各个区域提取出显著性点作为潜在目标点,得到潜在目标点集合,之后采用改进的双滑窗算法对这个集合进行更为细致的识别,剔除伪目标,检测出真实目标.实验表明,该算法具有良好的检测效果,预注意机制有效降低了算法运行的时间,改进的双滑窗算法使得检测的鲁棒性更强,对于目标区域带有运动阴影的红外图像以及复杂背景下的红外图像均能进行正确的检测.     

一种基于图像匹配的闭环检测方法

为提高较大规模环境下同时定位与地图创建闭环检测的鲁棒性和实时性,提出一种基于单目视觉的闭环检测方法.利用尺度显著算法选择图像的感兴趣区域,对显著特征区域再选择后,通过提取图像尺度不变特征进行图像匹配以实现闭环检测,解决了特征匹配计算量过大对数据关联的速度影响问题.     

基于视觉注意机制的红外弱小目标检测

提出了一种基于视觉注意机制的红外小目标检测算法.通过形态学Top-hat算子对图像背景进行抑制,并根据目标与周围背景的对比度不同生成显著图后分割出目标感兴趣区,在感兴趣区域内对每帧图片在尺度空间采用Dog算子处理提高图像信杂比,获得具有较大信杂比的点.为避免目标在帧中消失,采用PID算法跟踪目标点,在可疑目标点周围小区域内采用视网膜皮层理论(Retinex)算法对图像局部区域增强再重新分割出目标.实验证明:该算法能有效对红外小目标进行检测,算法在不同背景的图像检测性能都趋于稳定,当目标融于背景时,能很好地将红外目标检测出来.     

基于显著性检测的图像简化

图像简化作为机器视觉、计算机视觉中的一项重要任务,对于提高网络传输效率、加速视觉算法分析处理具有重要意义.针对传统图像简化模型中存在的目标、背景不加区分及尺度效应等问题,提出了一种新的基于显著性检测的图像简化模型,模型首先采用MB+显著性检测算法计算图像的目标显著区域,然后在CIE Lab颜色空间中对L波段上的背景区域进行快速水平集变换,最后按照设定准则合并背景中的非主导区域并输出简化后的图像.     

基于模糊联合误差的红外图像边缘检测方法

图像的边缘检测中,非优化梯度阈值选择的不当会造成某些边缘点的丢失;而模糊阈值方法,需占用大量存储空间来搜索参数的最优组合.针对以上问题,本文在模糊理论的基础上,并结合红外梯度图像的特点,提出了一种基于模糊联合误差的红外图像边缘检测方法.本文首先通过改进的Sobel算子构造出红外图像的梯度图,在对其进行模糊划分的基础上计算区域模糊度,最后通过对区域联合误差的比较,确定模糊区域中像素点的隶属,实现边缘提取.与传统的基于梯度的边缘检测算法及最大模糊熵算法进行了对比实验.结果表明,该方法用于红外图像边缘检测时,能够在更短的处理时间内,保留更多的边缘信息.     

基于视觉注意机制的实时红外小目标预检测

在红外小目标检测中引入视觉注意机制,以计算机量较小的预检测为代价减少了目标检测的区域,在注意机制中采用 非线性采样模型,并利用相邻采样点形成显著性图,实验证明基于注意机制的预检测能有效地提高系统的计算效率,同时也具有一定的抗噪能力,可用于噪声环境中的小目标检测。     

用于场景分类的显著建筑物区域检测

为了实现城市区域内室外场景的快速分类,提出了一种基于视觉注意力选择机制的显著建筑物区域检测方法.该方法首先通过Gabor算子对图像进行滤波,得到水平方向与垂直方向的联合增强图像,然后利用基于相位傅里叶变换(Phase Fourier Transform, PFT)的显著性映射算法提取视野中的显著建筑物候选区域,最后通过方向直方图判别算法去除干扰目标,并采用CV (Chan Vese)模型实现显著建筑物区域的分割.该方法在注意力选择机制及建筑物方向特征的基础上,提取具有场景代表性的建筑物区域信息,增强了算法的时效性和场景分析能力,同时实现了区域信息在像素级上的精确检测,并将其应用于美国南加州大学的多类室外场景数据库.实验结果表明,显著建筑物区域检测方法在检测结果、计算速度和鲁棒性等方面均取得了较为满意的效果.     

大型高功率激光装置下装系统的碰撞检测

分析了大型高功率激光装置在线可替换单元装校过程的特殊性,建立了基于区域划分的下装系统的方向包围盒,在包围盒的计算中引入闵可夫斯基和的概念,并在其基础上对分离轴的选择进行优化组合,结合碰撞的局部性原理,构建了一种动态的OBB(Oriented Bounding Box)层次树检测方法,经过中国大型高功率激光装置下装系统的装校仿真实践,结果表明这种划分区域的连续检测方法高效可靠。     

基于IS模型的视觉显著性分析及算法改进

针对现有视觉显著性模型不具有普适性的局限性,本文分析了基于有效编码假说的视觉显著性IS模型,为解决IS模型描述大目标时显著性不理想的问题,利用该模型方法简单、计算量小、可行性好等优势,以相似区域分配相近显著性值作为约束条件,对该模型的算法进行了改进。实验结果表明:改进算法与原方法计算复杂度相当,平均运行时间为0.06 s,易于实现、计算量小,且与原方法相比其查准率提高3%、查全率提高2%,能有效检测出图像中的显著目标区域,具有一定普适性。     

基于机器视觉的钢轨表面损伤检测算法

钢轨表面损伤的检测对于铁路运输安全具有重要的意义.不同类型的损伤具有不同的成因和特征,单一的检测算法针对性和鲁棒性不强,应根据不同的损伤类型提出针对性的检测方法.本文针对鱼鳞纹损伤的规则方向性特征,提出了基于转动惯量等效椭圆的区域方向性计算和基于纵向区域直方图的区域方向性筛选算法;针对踏面剥离裂纹和浅层掉块损伤的呈带状分布的不规则、不连续和多凹陷特征,提出了基于多孔洞区域的骨架提取的检测算法.这两种算法均能有效地检测出相应损伤,为缺陷的分类识别提供参考.     

基于视觉注意机制的图像质量评价

提出了一种基于人眼视觉注意机制的图像质量评价算法(VAIQM).首先,对输入图像进行预处理,以便分别在细节和轮廓2个层次上测量局部视觉畸变.然后,在视觉显著、中等显著和不显著区域分别计算区域相似度,并将其合并为图像整体的细节和轮廓相似度.最后,将细节和轮廓相似度合并为图像整体质量指标.实验结果表明,在A57,IVC,TID2008,Tomaya-MICT,LIVE,CSIQ和WIQ七种数据库上,VAIQM算法的整体性能均优于结构相似性(SSIM)算法及其扩展版本MS-SSIM算法,能更好地体现主客观评价的一致性.MS-SSIM算法需要利用多分辨率分析工具将待测图像分解为若干子带,其计算复杂度远高于VAIQM算法.此外,VAIQM算法在这7种数据库上的性能波动均较小,显示出较高的鲁棒性.     

基于物体信息的图像显著性区域检测

针对目前图像显著性检测存在的显著性图边缘模糊、缺乏视觉高层信息等问题,提出了一种基于物体信息的显著性检测算法。将似物性计算与显著性计算相结合,可以将前景与背景分离,抑制高对比度干扰区域的影响。首先采用改进的L0平滑算法对图像进行滤波处理,然后通过超像素分割将图像分成若干图像块,再通过聚类算法进行合并,得到待检测图像块。采用似物性检测算法计算物体可能存在的区域,与待检测图像块进行融合,得到物体显著性图,再通过颜色对比度及空间分布特征计算显著性图,最后将二者融合,得到最终结果。实验结果表明,算法能够得到清晰的物体边缘,对图像的显著性区域能够较为全面地覆盖,有效地抑制高对比区域的干扰。