面向装配机器人的零件视觉识别与定位方法

针对装配过程中背景复杂、零件形状多样性等因素导致的识别与定位精度较低的问题,结合加速稳健特征(SURF,speeded up robust feature)算法、快速视网膜特征点(FREAK,fast retina keypoint)算法、汉明距离及仿射变换等,给出了的一种零件识别与定位方法.首先通过SURF与FREAK算法对装配零件的特征点进行描述,其次以汉明距离作为匹配点的相似性度量,最后采用随机采样一致性(RANSAC,random sample consensus)算法进行二次匹配去除无效匹配点对.通过模板图像与装配零件图像建立四参数的仿射变换模型,结合仿射变换求解装配零件的质心坐标,再利用视觉系统的标定参数得到零件质心的世界坐标.实验结果表明,该方法实现了对装配零件快速精准的识别与定位.     

基于视觉显著性与边缘密集度的文本区域定位

为解决传统算法对文本区域检测查准率较低的问题, 从自然场景文本特性出发, 提出了一种基于视觉显 著性与边缘密集度的鲁棒性文本定位方法。 首先利用谱残差理论提取图像的显著性区域, 然后在提取的显著 性区域中寻找边缘密集度大的区域, 以此构建候选连通域, 利用少量的先验信息滤除其中的非文本区域。 在标 准数据集上的实验结果表明, 与单纯利用边缘特征进行文本区域检测的方法相比, 该方法可获得 70% 的综合 检测率。     

基于图像处理的移动机器人视觉定位方法

移动机器人视觉定位方法,主要是将目标物体的图像像素与移动机器人和目标物体之间的距离联系起来。应用视觉传感器搜寻目标物体,并借助于图像处理技术提取目标物体的特征对目标进行定位。通过计算目标物体图像的像素数,比例关系来确定目标物体与机器人之间的距离。这种方法成功地运用于RIRAII移动机器人上。     

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.     

基于双目视觉的数码相机定位方法研究

围绕数码相机定位问题,在合理假设的基础上,首先建立像素、图像、光心、世界4坐标系并推导出坐标转换公式,进而确定相机成像的线性几何模型。其次利用MATLAB读图、确定椭圆形区域和边界点除噪等预处理,最终完成靶标上圆心的确定和相机内部参数的确定,并以共线性的误差来衡量模型求解的精度。     

一种基于边缘计算的RTK定位方法

实时动态载波相位差分(Real-Time kinematic,RTK)定位是一种基于载波相位观测值的实时动态定位技术,通过架设基准站并将基准站数据与流动站数据进行差分解算获取流动站的精确位置,从而得到比传统GPS定位更为精确的结果。本文提出了一种基于边缘计算的实时动态载波相位差分定位方法 E-RTK(Edge Real-Time Kinematic),通过将RTK解算任务迁移至边缘设备,降低RTK移动端对硬件的算力需求,进而降低RTK定位的硬件成本。本文基于E-RTK进行了实现及测试,实验证明,该E-RTK定位在较低的硬件成本下,能够达到与传统RTK定位相当的精度,除此之外,在使用GPS+BEIDOU卫星数据进行解算定位时,相较于常见的GPS+GLONASS定位,其Fix速度具有较大提升。     

基于直线检测的室内移动机器人视觉定位方法

针对室内移动机器人定位问题,提出了基于直线检测的室内移动机器人视觉定位方法.该算法通过Canny算子对图像进行边缘检测,设计自适应霍夫变换检测边缘中的直线,对直线进行平移和旋转变换,求取视场中心点到直线的距离,使用证据推理判断视场中心点是否穿越直线,从而获得机器人的实时坐标.实验结果表明:该算法切实可行,实时性好,定位精度高,具有很强的鲁棒性,很好地解决了室内移动机器人的定位问题.     

基于双目视觉的机器人自定位方法研究

研究了一种利用双目立体视觉的机器人自定位方法.首先提取双目图像序列的Harris角点特征,并计算其水平与垂直方向上的Sobel响应,基于此响应,采用绝对误差累计的最小窗口查找(SAD)原理进行立体匹配.将改进的RANSAC算法用于特征匹配点优化中,利用高斯牛顿迭代法求解机器人位姿,实现了机器人的自定位.室内、外实验,及与BoofCV视觉库中的立体视觉定位算法的对比分析,证明该方法在运算速度、定位精度和稳定性等方面均能满足实际应用需求.     

沙质环境中基于视觉的月球车定位方法

视觉里程计是月球车上重要的传感器之一,能够实现月球车在松软月面的定位,并对滑转率进行估计．针对沙质的月面模拟环境,为月球车开发了适应能力强的视觉里程算法．首先,研究基于形态学的图像增强算法以保证提取到足够多的特征点;其次,在对极线约束下实现角点的匹配,并且通过优化搜索窗口尺寸和预估搜索方向等方法提高匹配和跟踪的效率;再其次,采用随机抽样一致（RANSAC）算法进行运动估计,计算巡视器在6个自由度上的姿态变化;最后,在月面模拟场地对视觉里程算法进行试验,证明所提算法在特征稀少的环境中仍能保持较高的稳定性和定位精度．     

基于立体视觉的空间球体快速定位方法

采用双目立体视觉系统,对空间球体三维视觉定位方法进行了研究,提出了基于双视锥曲面的球体定位方法.为了实现对球体三维位置的动态实时检测,提出一种基于预测的椭圆曲线快速搜索算法.该算法采用随机Hough变换的取样思想和启发函数预测椭圆搜索区域,减少Hough变换的计算量.为了提高Hough表的操作效率、减少存储空间,设计了一种有效的Hough表存储结构.通过多种方法的综合应用,降低了球体三维定位的计算量和对存储空间的需求,并在实验中验证了所提出的方法.     

基于最大梯度差和边缘搜索的车牌定位方法

车牌定位是车牌识别系统的关键技术,定位的准确与否直接影响车牌识别的结果.为了实现车牌的准确定位及车牌识别,依据车牌区域具有丰富的边缘信息,提出了一种改进的车牌定位算法.利用最大梯度差缩小车牌图像范围和矩形匹配法粗定位车牌,根据搜索车牌的边缘信息来精确定位车牌.实验结果证明了该方法的可行性及定位的准确性,并且比单一使用最大梯度差法的定位准确率有较大的提高.     

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。     

基于视觉感知的LCDs运动图像边缘模糊的评价方法

基于LCD运动图像锐度的视觉感知实验,采用线性回归的方法,得到人眼感知到的运动图像边缘锐度参量Zscore的计算表达式,提出了利用与边界斜率和过驱动相关的2个参数来描述运动图像边缘模糊程度的量化公式.并将计算预测值和视觉感知的实验值进行比较.结果表明,二者具有较高的相关性(R2≥0.8892),该量化公式可以很好地用于...     

基于立体视觉匹配的采摘机器人目标定位方法

为了解决采摘机器人目标定位偏差大的缺陷,提出基于立体视觉匹配的采摘机器人目标定位方法。引入立体视觉模型获取目标图像,采用线性平滑滤波模板消除目标图像的噪声;应用Bouguet算法立体校正左、右图像对;应用Sobel算子检测采摘目标边缘,确定目标的采摘中心点,通过立体匹配确定左、右图像中采摘目标的对应关系,完成采摘中心点的正确匹配,实现采摘机器人目标精准定位。测试结果显示,应用提出方法获得的采摘中心点匹配精度更高,采摘机器人目标定位误差最小值为1.0%,降低了目标定位偏差,应用性能较佳。     

基于双目视觉的掘进机器人定位定向方法研究

随着煤矿采掘装备智能化需求日益迫切,煤矿掘进装备机器人化关键技术成为重要研究内容,确保掘进机器人的高精度定位定向是实现掘进机器人高效自主运行的重要基础,然而,受到掘进作业空间地质条件复杂、作业环境恶劣等因素影响,使得掘进机器人精确定位定向较为困难。基于双目视觉感知技术的掘进机器人定位定向方法,通过双目视觉传感器获取巷道空间环境特征,基于最大类间方差法建立巷道空间环境图像特征分割处理模型;分析巷道空间图像特征,构建掘进机器人及巷道空间环境特征识别模型;基于巷道空间环境图像识别信息,建立掘进机器人与巷道空间之间的坐标关系模型,推导并解算出掘进机器人在巷道空间中的位姿信息。经过仿真及实验验证表明,在实验室模拟巷道空间环境中,解算出的掘进机器人定位定向参数精度较好,算法误差较小,空间定位定向模型合理,仿真计算可靠,提高了掘进机器人对巷道空间环境信息的获取与特征识别能力,为掘进机器人的定位定向技术提供理论基础。     

基于旋转立体视觉的元件针脚精密定位方法

目前自动插件机大部分采用底部相机的视觉定位方式,常会有元件针脚与本体难以区分的情况.为此文中提出了一种基于旋转立体视觉的元件针脚精密定位方法:首先提出一种利用棋盘格标定板的旋转轴标定方法,进行系统标定;接着获取多个角度元件针脚侧面图像,并提出了一种基于空间矩算法提取元件针脚亚像素特征点的方法;然后优化多个角度图像中的特征点,计算针脚的空间位置.搭建了基于背光源的视觉定位系统进行实验,结果表明:文中方法的针脚定位精度随着成像次数增加而提高并收敛,且元件抓取的位姿对针脚定位精度无影响;与现有定位方法相比,文中方法能更稳定地获取针脚图像,因而能获得更好的定位精度,此外其在飞行中取像的方式也节省了插件机的拍照时间.     

基于字符边缘检测和颜色特征的车牌定位方法

针对复杂背景下车牌定位精度低的问题,提出一种基于字符边缘检测和颜色特征的定位方法. 针对图像中车牌区域含有的丰富边缘,首先进行垂直边缘检测,然后去除大量背景和噪声边缘,接着通过对垂直边缘的统计分析确定2个候选区,最后结合车牌的颜色特征确定最终的车牌图像区域. 实验结果表明,该方法准确率高,鲁棒性好,具有较大的实用价值.     

基于模糊逻辑的引信检测机械手视觉定位方法

为了提高引信出厂检测的质量和效率,该文设计了一种引信自动检测系统。针对机械手与检测装置的自主对准和对接的问题,提出了一种基于模糊逻辑的引信与检测装置自主对准控制算法。以引信和检测装置的相对位置和偏差角作为控制变量,设计了二维模糊控制器。通过对控制器的动态调整,可以输出最优运动参数。与传统的引信检测方法相比,该算法进一步提高了引信检测的效率和定位精度。开发了引信全流程自动检测系统的物理样机,并进行了机器人现场操作试验,验证了所提出的视觉定位算法的有效性和工程实用性。     

基于视觉和毫米波雷达的车道级定位方法

提出了一种基于视觉和毫米波雷达的车道级定位方法.利用机器视觉方法,通过摄像头检测车道线,并用圆曲线模型进行拟合;采用毫米波雷达检测道路两旁的静止护栏边沿,以获取道路的边界信息,采用低精度全球定位系统(GPS)获取当前道路信息,并对比车道线与道路边沿的相对位置关系,从而进行车道级定位.结果表明,针对中、高速城市道路及高速公路场景,所提出的车道级定位方法的定位效果较好.