基于组合激光结构光的视觉传感器检测算法及图像处理流程优化

基于激光结构光的视觉传感器广泛应用于焊接领域的坡口检测和焊缝跟踪。该文提出了一种基于组合激光结构光的新型视觉传感器,独特的光路结构设计避免了传感器应用于不同焊接位姿时繁琐的外参数标定,仅依靠传感器内部固有参数(应用前需校准)和焊接坡口图像的特征点坐标值,即可实现焊接坡口参数的在线检测,有效增强了传感器的适应性。通过对不同图像处理算法的改进和合理组合,对图像处理流程进行了优化。动态感兴趣区(region of interest,ROI)区域提取算法可快速寻获有价值的激光线和特征点所在区域,有效提升了后续图像处理速度;顶帽变换与自适应二值化组合,在将激光线灰度值均匀化的同时,实现了激光线与背景图像的有效区分。运用基于LOG(Laplacian of Gaussian)算子的边缘识别算法,可提取出激光线的单像素边缘;采用最小二乘法对所求得的激光中心线离散点进行直线拟合,通过联立直线方程求交点的方式,实现了对焊接坡口特征点图像坐标值的准确识别。借助Visual Studio平台,运用改进的图像处理算法、优化的图像处理流程和检测算法,对特征参数不同的V形焊接坡口进行检测试验,检测误差均在±4%以内,验证了所提出视觉传感器及其检测算法和图像处理流程的合理性和适用性。     

基于改进边缘检测的钢箱梁疲劳裂纹识别及量化方法研究

钢箱梁内部场景复杂,疲劳裂纹图像识别容易受到背景干扰.针对传统图像处理方法的识别局限性,提出了一种基于改进边缘检测算法的疲劳裂纹识别与量化方法.首先,通过边缘检测算法识别出裂纹特征点,并通过形态学处理提取出裂纹骨架线.其次,采用单目视觉方法进行裂纹的特征量化.通过张氏标定法,建立了相机成像模型,从而将裂纹特征点由像素坐标映射至空间坐标.最终,开展了疲劳裂纹识别与量化试验,将改进边缘检测算法与传统图像处理方法进行比较,并评估裂纹特征量化精度.研究结果表明：改进边缘检测算法通过引入双边滤波函数,可以在抑制焊缝噪声干扰的同时保留裂纹边缘特征,相比于传统边缘检测和自适应阈值分割算法,更适用于钢箱梁识别场景.在试验条件下,疲劳裂纹长度测量误差控制在5%以内.     

基于激光跟踪的V型坡口焊接机器人研究

介绍了激光跟踪焊接机器人的结构组成和工作原理。在分析了V型坡口焊缝空间位置和形状特征的基础上,采取结构光法标定焊缝图像,经过焊缝条纹图像处理,提取焊缝特征点,根据三角测量原理建立了特征点的三维坐标。通过建立图像空间到机器人末端焊枪的笛卡尔空间雅可比矩阵,计算出焊枪在基坐标下的位姿,利用机器人逆运动学方程,求得机器人各关节的位置值,最后由关节控制器控制各个关节的运动,实现了机器人V形坡口焊接的视觉控制。     

基于激光跟踪的V形坡口焊接机器人

介绍了激光跟踪焊接机器人的结构组成和工作原理。在分析了V形坡口焊缝空间位置和形状特征的基础上,采取结构光法标定焊缝图像。经过焊缝条纹图像处理,提取焊缝特征点,根据三角测量原理建立了特征点的三维坐标。通过建立图像空间到机器人末端焊枪的笛卡尔空间雅可比矩阵,计算出焊枪在基坐标下的位姿;利用机器人逆运动学方程,求得机器人各关节的位置值,最后由关节控制器控制各个关节的运动,实现了机器人V形坡口焊接的视觉控制。     

一种高精度CCD测试系统的非均匀性校正方法

针对高精度光电耦合器件(CCD)测试系统中像素的非均匀性给测试结果带来较大误差的问题,根据引起图像像素非均匀性噪声的特性,建立了对应的图像模型.采用自适应阈值分割算法将图像二值化分离出有效使用像素,并提出了一种采用两点线性方法对非均匀性像素进行校正的算法.仿真实验采用高速面阵CCD采集由激光器发射的圆形光斑图像,并通过计算图像光斑的中心坐标进行了验证.结果表明,该算法能够将图像的复杂背景与光斑分离,可校正其像素的非均匀性,稳定光斑的像素灰度值.在相同条件下连续采集图像,图像光斑的中心坐标稳定.     

一种紫色土图像的分割与提取方法

【目的】研究紫色土的图像分割与提取，为将来实现机器视觉识别紫色土打下基础。【方法】利用在RGB颜色空间的像素值分布特点，计算多变量条件概率，通过建立优化模型提取颜色特征值的边界，结合分段函数构建分割测度；然后，使用构建的分割测度建立基于密度峰值思想的优化模型，按照两次迭代差异最小化原则，优化局部分割阈值，从多个局部分割阈值中利用类内方差最小化模型获得优化的分割阈值，实现紫色土的图像分割；最后，以像素四邻域连通标记递归算法标记包含空洞的紫色土区域图像的连通区域以消除分割结果中的背景离散区域。同理，标记背景连通区域以填充紫色土区域图像空洞实现图像中紫色土区域的提取。【结果】计算综合评价指标F1、调整的兰德系数ARI和归一化互信息NMI来评价分割提取的结果。试验表明，提出的方法平均分割准确率达96.01%,97.16%和82.02%；与对比方法比较，提出的算法可以更加准确完整地分割与提取紫色土区域图像，最终实现紫色土图像土壤区域的完整分割。【结论】提出的算法是有效的。     

一种基于立体视觉的焊缝成形质量评价方法

摘要： 提出了一种基于立体视觉检测而实现焊缝成形质量评价的新方法.从采集的焊缝原始图像中分割出表征成形特征的焊缝图像，在确定相似性测度函数、匹配窗口大小和相似性阈值的基础上，建立了基于图像灰度的焊缝区域匹配算法；由视差图建立了焊缝轮廓的三维坐标，完成了焊宽、余高的提取和焊缝的三维重构；依据焊缝外观尺寸的检验标准(GB10854-89)建立了焊宽最大差、余高最大差、填充度和直线度等焊缝成形质量参数的评价指标.实际验证结果表明，所建立的焊缝视觉评价方法和指标可以快捷有效地评判焊缝成形的质量.     

一种改进的Harris-RANSAC长焦相机标定算法

长焦相机采集近距离棋盘格图像时易出现相机离焦现象，导致棋盘格图像产生散焦模糊，极大地增加了相机标定的难度，同时传统的Harris角点检测算法对散焦模糊的棋盘格图像进行角点检测的结果即使经过非极大值抑制处理也仍然存在大量冗余角点.针对上述问题，基于随机抽样一致(random sample consensus, RANSAC)算法提出一种改进的Harris-RANSAC长焦相机标定算法.首先，引入感兴趣区域将Harris角点检测的区域缩小到棋盘格区域以避免背景干扰；其次，采用随机抽样一致算法替代传统的非极大值抑制方法剔除冗余角点；最后，针对模糊棋盘格图像的特性构造新的响应函数，进行亚像素级角点定位，从而得到精确的角点坐标.结果表明，改进的Harris-RANSAC算法对模糊棋盘格图像进行角点检测时耗时短且精度较高，角点检测的反投影误差仅为0.432像素.     

基于机器视觉的除草机器人杂草识别

根据杂草颜色特征,提出了新的图像分割算法,在RGB空间直接将杂草从土壤背帚中分割出来。首先顺序搜索图像中每一个像素点,如果当前像素RGB值中G〉R且G〉嚣,则将该像素值置1（杂草）,否则为0（背景）,从而完成图像分割。然后采用8邻域消除孤立点,并确定杂草区域位置。利用VisualC＋＋开发了除草机器人杂草识别软件,设计了除草机器人结构模型。试验表明,该分割算法实时性好,可有效识别出杂草,并能够适应户外自然先变化。除草机器人机械臂能够准确定位,完成除草动作。     

图像分割方法在焊缝跟踪过程中的应用

为提高焊缝超声波探伤的实时跟踪,提出将图像分割方法应用于白线跟踪法和激光跟踪法两种不同焊缝跟踪系统中。一种是采用Hough变换边缘检测法对检测图像中的目标边缘进行提取,另一种是利用区域增长法对检测图像中的目标区域和背景区域进行有效区分,这两种方法都能很好地提取出图像中的目标特征信息。仿真结果表明,两种图像分割算法在焊缝跟踪过程中能够准确地识别出焊缝的特征信息,确保跟踪系统的实时性。     

小区域引导下的水尺水位检测方法研究

针对复杂环境下水尺识别及水位线检测存在准确率较低的问题，提出了一种小区域引导下的水尺水位检测方法.首先，利用改进的YOLOv4算法定位水尺上的“E”字符分割小区域；其次，在小区域内使用改进DeepLabv3+算法对水尺进行分割；再次，利用Canny算法提取水面边缘线；然后，通过统计像素坐标计算得到水位线；最后，使用线性插值法换算出水位值.实验结果表明，改进的YOLOv4的准确率均值为94.13%，高于其他目标检测网络；改进的DeepLabv3+的平均交并比为82.17%，高于其他分割网络；小区域引导下的水位线平均像素为3.030，低于直接分割，与人工读数进行对比误差小于1 cm，满足水文检测规范要求.与传统的图像检测方法相比，测量准确度更高.     

改进SLIC的紫色土彩色图像分割

【目的】从野外采集的紫色土机器视觉彩色图像往往具有复杂背景,需要研究从中分割提取紫色土区域图像,为紫色土视觉图像识别打下基础。【方法】首先,引入闵可夫斯基距离重新定义 SLIC 算法的颜色空间距离,实现 SLIC 算法改进,利用改进 SLIC算法实现对紫色土彩色图像的超像素初分割;然后,重构基于a 分量的度量anew拉伸紫色土与背景差异,利用重构anew定义超像素之间的相似度,并根据类间方差最大准则建立优化模型,优化超像素之间相似度的合并阈值,根据阈值从初分割图像中心超像素开始由内而外合并紫色土超像素;最后,提出填充算法来填充紫色土区域内部空洞,获得最终分割提取的紫色土区域图像。【结果】仿真实验图像结果显示:提出的算法从具有复杂背景的野外采集的紫色土机器视觉彩色图像中,分割提取紫色土区域图像是有效的;对有不同阴影覆盖的视觉图像样本的分割提取也具有有效性;仿真实验定量分析的数据结果显示:提出的算法相对于用来对比的阈值分割算法、聚类分割算法、已有的改进 SLIC算法在杰卡德系数评价指标上有一定程度的提高。【结论】提出的算法对从紫色土机器视觉彩色图像中完整分割提取紫色土区域图像,能实现自适应分割,算法是有效的。     

改进均值漂移算法的焊缝特征点识别分析

对于线结构光视觉传感的焊缝跟踪系统,快速、精准地识别和提取焊缝特征点是关键.根据结构光条纹线在焊缝处的变形导致的条纹不连续现象,对不锈钢平板对接焊缝和搭接焊缝进行了跟踪试验,提出以改进的均值漂移算法提取焊缝特征点的算法.与传统算法不同,所提算法免去了提取条纹中心线与拟合条纹线过程,直接通过漂移识别焊缝特征点;通过限制漂移算法的搜索方向,防止搜索"回漂"现象;引入漂移加速因子,提高算法执行效率.试验结果表明,利用改进均值漂移算法能够有效地识别焊缝特征点,显著地提高焊缝跟踪的准确度和实时性能.     

Steger算法在运动鞋底表面光条图像中心提取的应用

为了解决运动鞋生产过程光条在粗糙的鞋底表面产生的光斑以及光条宽度变化而带来光条图像的中心提取缺失的问题,提出一种适用于运动鞋底表面光条图像中心的提取算法。在最大类间差法(Otsu)的基础上引入了模板内像素灰度均值和其他像素灰度的差值阈值,从而有效分割出光条图像的光斑区域。采用Canny算子提取光条图像的边缘和宽度,并根据光条图像的宽度来改变Steger算法中高斯滤波核的大小。试验结果表明,所提算法可以准确分割运动鞋底表面的光条图像光斑,并快速提取鞋底表面光条的中心,解决因光条宽度变化而导致光条图像的中心提取失败的问题。     

基于超像素特征表示的图像前景背景分割算法

图像前景背景分割是图像处理中的关键技术,文中提出了基于超像素分类的二值分割算法。对于输入图像,首先采用超像素分割算法,将图像分割成多个保留边缘的封闭区域,即超像素;对每一块超像素,考虑颜色和纹理,构造一种对光照和颜色较为鲁棒的特征,来消除同种物体在光照和颜色差异下的影响;用所得特征训练分类器,判断每块超像素属于前景或背景;最后将超像素分类结果作为初值用图分割的方法进行修正,得到最终的二值分割结果。实验结果显示算法能较好的完成前景背景分割的任务。此外,本算法易于和现有的分类算法相结合,具有较强的可移植性。     

基于改进的SLIC区域合并的宫颈细胞图像分割

针对现有细胞图像分割算法对噪声敏感,传统SLIC(simple linear iterative clustering)算法对边界分割不精确的问题,提出一种基于改进的SLIC融合区域合并的方法:首先对宫颈细胞图像进行均值漂移处理,消除细微噪声点;然后进行二维Otsu自适应阈值处理得到初始轮廓,应用SLIC算法得到超像素区域,并融合到原图中完成初始分割;最后,在初始分割图中进行初略标记获得交互信息,利用最大相似准则进行合并,不需要预先设定分割阈值,没有被标记的背景区域将成功合并到标记的背景区域,同时,没有被标记的目标区域会被识别出,有效地阻止与背景区域合并。对宫颈细胞图像进行大量的细胞质分割实验,结果表明本文算法能够在较短时间内准确识别出宫颈细胞的细胞质边缘。     

基于纹理特征的激光拼焊等厚拼缝跟踪点识别方法

针对激光拼焊等厚拼缝间隙窄、仅基于结构光条纹检测时特征点不明显的问题,提出一种基于纹理特征的激光焊接等厚拼缝跟踪点识别方法,首先采用Laws纹理能量滤波方法对原始拼缝图像进行纹理滤波处理,然后采用Canny边缘算子提取板材边缘,再次采用阈值分割方法提取出结构光条纹,最后融合纹理特征和结构光条纹信息识别焊缝跟踪点.实验结果表明,所提出的方法能够实现不同速度下等厚拼缝跟踪点的自动识别,识别精度高且可避免图像灰度值变化带来的识别误差.     

一种基于结构光的V型坡口焊缝特征点识别算法

针对典型的V型坡口焊缝,采用自主研发的激光视觉传感系统设计了一种基于投影拟合方法的焊缝特征点识别算法,并通过实验加以验证.结果表明,所提出的算法对焊缝特征点的提取精度较高.     

基于分水岭变换的图像分割方法

针对基于分水岭变换的分割算法通常存在过分割现象,提出了一种新的分割算法,采用形态学的运算去除噪声及背景像素的影响,搜索区域极大值点,将分割定位于目标图像,从而达到很好的分割效果,方法从消除过分分割及区域轮廓定位等方面均具有很好的分割效果．     

基于像素差分网络和边缘方向插值的图像缩放算法

通过对图像在缩放过程中使用的不同插值算法分析比较，针对新的边缘定向插值算法中存在人工选取经验阈值的随意性与边缘轮廓连续性的问题，本文提出一种基于像素差分网络和边缘方向的图像缩放算法。从人工选择阈值完成边缘分割改为利用像素差分网络实现边缘分割；对边缘点3×3区域查找边缘线方向作线性插值，以保持图像边缘轮廓的连续性，从而保留图像边缘结构。实验表明：该算法能在提高图像分辨率的基础上保留图像所具有的边缘结构，有较低的时间复杂度，同时对于不同图像该算法具有较好的普适性。