基于边缘拟合和数字孪生的机器人运动控制系统研究

提出一种基于边缘拟合和数字孪生的机器人运动控制系统.通过深度图像和RGB图像获取目标物体信息,并进行边缘提取,通过边缘拟合得到目标的边缘轮廓,根据其轮廓计算目标物体的中心点坐标,从而实现准确的目标识别与定位.采用数字孪生方法对机器人实时运行状态进行同步显示.试验表明该方法对圆形物体的识别与定位具有高准确性和鲁棒性,在数字孪生平台上运行具有可靠性与实时性,有一定的实用价值.     

基于果蝇优化算法的零件图像边缘检测算法研究及应用

为实现零件图像的边缘检测,针对传统基于微分的边缘检测算法存在边缘点定位不准确、角点漏检等不足,提出一种基于果蝇优化算法(fruit fly optimization algorithm,FOA)的零件图像边缘检测算法.该算法首先通过Canny算子得到边缘点的先验知识,再利用希尔伯特变换提取角点信息,以边缘点和角点信息作为启发信息,建立基于FOA的零件图像边缘检测模型,最后通过随机平均移动机制和循环终止条件得到图像的单像素边缘.经实验验证,算法在无噪声边缘检测的条件下,相比传统的Canny算子,在零件图像检测的精度和准确性上有较大提升,可应用于工业零件的高精度无损检测.     

采用图像定位与轮廓检测的喷墨宽度测量算法

提出基于图像定位与轮廓检测的喷墨宽度测量算法.首先,根据图像灰度熵特征与旋转定位函数,提出基于动态阈值熵函数分割与EmguCV的产品定位算子,得到产品中心点坐标与旋转角度;然后,传递给机器人Robert,引导Robert到产品边缘喷墨上方进行局部图像采集;最后,采用大律法分割法处理喷墨边缘图像,设计基于Canny边缘检测与轮廓检测的测量算子,从而完成喷墨宽度测量.实验数据显示:与当前目标宽度测量技术相比,文中算法具有更高的测量精度与稳定性.     

基于边缘的字符串定位算法

为了对强干扰噪声图像中的字符串进行实时的检测定位,该文提出了一种基于边缘的字符串定位算法,它引入了边缘密度图和边缘连接强度两个新的概念。该算法首先通过对边缘密度图进行投影分析进行自顶向下的粗定位,然后在此基础上利用垂直边缘的连接强度进行自底向上的精确定位。新算法有效地克服了噪声的影响,运算复杂度低,因而能够实现对强干扰噪声图像中的字符串的实时定位。采用该算法对集成电路芯片图像中的编号字符串进行定位,实验结果证明其在处理强干扰噪声图像时是有效的。     

相位信息和数学形态学的彩色图像边缘检测

针对传统边缘检测算法最初只基于灰度图像,对彩色图像提取的边缘定位不准确、边缘有断点等问题,将在HSV彩色空间中对彩色图像进行了多通道边缘检测.考虑到传统边缘检测算子对图像的噪声和明暗程度比较敏感,采用相位一致和数学形态学相结合的方法对单通道图像进行边缘检测.仿真实验显示,该方法可以有效地提取彩色图像的边缘.     

输电线路中缺失绝缘子的检测与定位

在对无人机航拍图像中缺失绝缘子进行特征分析的基础上,提出了对绝缘子轮廓进行椭圆拟合与筛选进行缺失绝缘子定位的方法.该方法在使用Canny算子进行边缘检测后,对得到的边缘图像进行边缘细化、剔除细小边缘、形态学闭运算的处理,以去除边缘图像中的无关信息,并将部分断裂边缘重新进行连接,得到完整的边缘图像.最后通过对不同轮廓间进...     

基于机器视觉的迷宫机器人道路边缘获取

针对嵌入式系统的中央处理器主频不高、数字图像处理运算较复杂的问题,提出了一套对基于嵌入式系统和机器视觉的迷宫机器人所获取的道路图像求边缘.道路边缘检测方法采用中值滤波、迭代算法分割图像、形态学闭运算和Roberts算子求边缘.实验结果表明,此方法边缘信息定位合理,计算简单,效率较高,对迷宫机器人来说是一种合理、有效的道...     

基于边缘检测的人脸正面图像识别

人脸识别系统是高级信息检索和机器人视觉的重要内容.主要提供了基于人脸正面图像特征提取的方法.在具体实施的过程中,首先是将彩色图像转化成灰度图像来增加图像本身的对比度,以便图像的边缘检测和特征定位,其次是利用边缘检测的方法,对人脸图像进行特征提取,以达到人脸特征识别的目的.     

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NSCT的含噪图像边缘检测算法

为提高含噪图像的边缘提取性能,本文提出基于NSCT的含噪图像边缘检测算法。该算法先利用硬阈值方法去除各子带中的噪声信息,然后对得到的高频图像进行自适应阈值法处理得到高频边缘信息,利用对低频图像提取的低频边缘图像对高频边缘图像进行补偿,得到最终的边缘图像。实验结果表明提出算法在不同噪声密度下均能获得良好的边缘检测效果,验证了提出方法的有效性和优越性。     

基于投影变换的锂电池喷码字符检测定位

针对锂电池喷码字符检测定位问题,提出一种基于机器视觉的定位方法.该方法首先根据锂电池图像的特点采用梯度特征对喷码字符区域进行初定位,然后通过倾斜校正得到精细定位后的字符区域.在此基础上,将阈值分割后的字符图像与形态学膨胀后的Canny边缘图像进行逻辑与操作,得到待投影字符区域,最后将待投影字符区域进行垂直和水平两次投影得到单个字符的位置信息,完成字符的检测定位.实验结果表明所研究的方法可以较好的实现对单个喷码字符的精确定位,具有一定的应用价值.     

基于NSCT和KFCM聚类的图像边缘检测方法

为进一步提高现有图像边缘检测方法的性能,提出了一种基于非下采样Contourlet变换(NSCT)和核模糊c-均值(KFCM)聚类的图像边缘检测方法.首先通过NSCT将原始图像分解成低频分量和高频分量;然后对含噪声较少的低频分量提取边缘信息,并采用KFCM聚类算法进行聚类得到低频边缘图像,以提高定位精度,而对于边缘细节信息较多的高频分量各个子带,通过模极大值检测边缘以减少伪边缘,丰富图像细节;最后对低频和高频图像边缘进行融合得到完整的边缘.实验结果表明,相比于Canny方法、边缘检测算子与模糊聚类结合的方法、边缘信息与混沌粒子群优化的模糊聚类结合的方法、NSCT域模极大值方法,文中方法具有更好的边缘检测效果,边缘定位准确、完整、连续、细节丰富.     

汽车牌照定位检测技术研究

针对汽车牌照定位检测传统方法的缺欠和不足,采用了小波变换模极大值对图像边缘进行检测,进而利用灰度投影图和图像纹理特征相结合的方法,实现了汽车牌照的实时定位.计算和模拟表明,该方法定位准确、鲁棒性能好、自适应能力较强.     

基于角点检测和边缘提取的车牌定位方法

车牌定位技术是实现车牌自动识别的关键技术之一。根据车牌藉征,设计了一种基于角点检测和边缘提取的车牌定位方法。该方法首先对原始图像进行阈值分割,其次采用数学形态学方法增强车牌边缘,接着利用角点检测方法对车牌进行粗定位,最后通过边缘提取来实现车牌图像的精定位。通过实验分析,证明该方法定位效果较好。     

基于二维码的相机位姿求解

针对视觉机器人定位问题,提出基于二维码的相机位姿求解方法,以实现视觉机器人的精准定位.利用开源计算机视觉库(open source computer vision library,OpenCV),首先对二维码的标准位置和相机进行标定;其次对图像进行预处理,得到二维码准确的边缘轮廓;然后利用循环遍历和最大距离算法求解特征点,对于像素过低导致的边缘失真采用"像素突变"算法进行优化;最后利用特征点通过坐标变换求解出相机位姿.在实际场景中对该方法进行测试,试验结果表明算法的旋转轴误差为±0.18 m,旋转角误差为±2°,平移量总误差为±0.02 m,可以有效地对视觉机器人进行精准定位.     

利用脊波变换对牙片中根管图像的增强方法

基于牙片图像的特点及脊波变换能保持线型结构的特性, 提出一种基于脊波变换的边缘检测方法. 以Radon变换作为脊波和高斯小波间的桥梁, 通过脊波域内灰度均值的比较对牙根管区域进行定位, 得到了定位准确、 连续的根管图像边缘. 该检测方法抗噪性好, 定位准确, 更益于医生诊治.     

基于边缘和水平集的复杂背景金属零件二维条码精确定位方法

针对由于背景复杂、光照不均等因素导致的复杂背景下金属零件上二维条码定位困难问题,提出一种基于边缘及水平集的复杂背景金属零件二维条码精确定位方法.首先,通过直线检测方法定位条码的L边;然后,采用一种改进的水平集图像分割方法对可能的条码区域进行图像分割,利用条码的边缘轮廓特征、灰度及梯度直方图双峰特征进行二维条码区域判断;最后,通过区域Hough变换精确定位二维条码区域.实验结果表明,所提出的方法平均定位准确率可达到95%,且其处理时间小于1s,适用于对大多数复杂背景下金属零件二维条码的定位.     

一种基于边缘检测的图像融合新方法

提出一种新的基于边缘检测的图像融合方法.该方法利用Canny算子进行边缘检测,将边缘检测图像的逻辑值与小波变换进行结合.在小波变换域内,对低频和高频子图像采用区域融合的方法.最后,进行小波逆变换得到融合图像.通过主观评价和包括熵、均方根误差、峰值信噪比和互信息等客观评价标准进行评价,结果表明,基于边缘检测的图像融合方法融合效果较好,对于模糊部分不同的源图像进行融合具有一定的通用性.     

基于形态学和贴标签法的苹果图像增强

苹果图像的精准分割是目标果实识别与定位的关键步骤,然而分割出的图像往往存在较多的孔洞和噪声,影响着进一步的识别与分析,因此需要对目标果实的分割图像进行完善和去噪处理.应用于苹果采摘机器人的图像处理中,既要考虑处理精度,还要考虑处理效率.将数学形态学和贴标签法相结合,首先利用数学形态学方法去除分割图像的孔洞以及部分噪声,求出最大连通区域;然后利用贴标签法进一步处理,得到较为完好的目标果实图像.在HSI和Lab两种颜色空间下进行实验,对组合方法处理后的图像再利用Sobel算子进行边缘检测,结果表明,该方法能够有效地填补孔洞和滤除噪声,且不会破坏图像的边缘信息,为进一步的图像识别打下基础.     

基于形态学的边缘检测系统与FPGA实现

针对传统的Sobel算子边缘定位不够精确,对图像中的噪声响应较大的问题.提出一种基于形态学的边缘检测系统.采用4个方向的Sobel算子分离出图像的边缘点与非边缘点,将边缘点在梯度方向上进行形态学的膨胀操作;将非边缘点视为噪声点,采用腐蚀操作.为了便于工程应用,采用FPGA芯片对算法进行硬件加速.实验结果显示,该方法边缘定位更加精确,对噪声的响应更小.