棋盘格图像角点坐标亚像素提取方法

针对基于视觉测量的物体位姿测量系统要求标定系统精度较高的需求,提出了一种自动识别和亚像素提取黑白平面棋盘格模板图像内部角点的方法.该方法在详细分析了棋盘格图像局部特性的基础上,建立了准确高效的改进SUSAN角点检测算法和精确的亚像素级提取角点坐标的方法,计算出总体标定误差为0.2个像素.通过实验验证了该算法的可行性和有效性,能够为高精度标定系统提供可靠数据.     

线结构光多传感器三维测量系统误差校正方法

针对线结构光多传感器三维轮廓测量系统中多传感器坐标系统一误差及线结构光带特征平面方程求解误差的校正问题,应用一种可进行特征点多分辨率提取的平面靶标,选择两传感器共同测量范围内部分特征点作为参考点,应用迭代求解最近临点算法,求解两标定坐标系精确统一的参数,实现多传感器测量系统中两坐标系统一误差的校正.提出了一种带参数的线结构光带图像特征点亚像素提取算法,通过参数设置改变线结构光带特征平面的位置,对线结构光带特征平面方程求解误差进行校正.实验结果表明,误差校正算法精度高、重复性好,确保测量系统可以获得复杂型面物体高精度的截面测量配准数据.     

亚像素级标定角点提取新算法

在计算机视觉测量中。摄像机的标定精度对保证系统测量精度有着至关重要的作用。而角点的提取精度一直是摄像机标定技术的难点。文中在分析常用角点提取方法的基础上，结合数学形态学算法和边缘形态模板，施行了畸形角点的修正，实现了高位置精度的角点提取。并在分析算法和计算结果的基础上，提出了角点位置突变概念，进行了亚像素级的角点像素坐标修正。标定中的角点经模板校正、数学形态学提取、亚像素修正可达到很高的精度。该算法计算简单、灵活，程序自动化，简化了标定过程。     

基于深度学习的贝类目标定位与统计测量方法

提出了一种基于机器视觉和深度学习的贝类目标检测和统计测量方法。首先，设计了一种带有4个角点的平面容器，在检测到图像像素角点后，根据平面投影的单应性，建立其和实际物理角点的映射关系，可得到像素坐标转换为实际物理坐标的单应矩阵。其次，采用目标检测的方法得到目标的定位框，并根据得到的单应矩阵，可将定位框的像素坐标转换为实际测量坐标，从而得到目标的实际尺寸。实现的算法可以移植到手机等便携式设备上，根据随意拍摄的图像便可直接输出目标的平均直径，具有很好的便利性。实验结果表明，本方法能够客观地对目标尺寸进行测量和统计，有效地克服了人工测量统计速度慢效率低的不足。     

CCD摄像机标定中角点亚像素定位方法

CCD摄像机的标定是实现光学三维轮廓测量技术的必要步骤,其标定精度在很大程度上取决于标定特征点的定位精度.在分析现有棋盘格角点像素级和亚像素级定位方法不足的基础上,提出了一种基于改进SV方法的棋盘格角点亚像素定位方法.首先,采用SV算子对角点进行像素级检测;其次,选取标定图像中以初定位角点坐标为中心的5×5像素区域,对其灰度值进行双线性插值;最后,计算插值图像的灰度质心,再根据插值放大倍数,将质心转换到亚像素坐标,实现了角点亚像素定位.实验结果表明,该方法可以获得亚像素级角点坐标,实现CCD摄像机的高精度标定,标定平均误差为0.108 mm.     

空间物体定位的机器人手-眼视觉标定方法

提出了一种用于空间物体定位的机器人手-眼视觉标定新方法。该方法用一恒定变换矩阵描述末端执行器坐标系与机器人坐标系的对应关系,并假定在标定过程中,物体至摄像机的距离保持不变,将三维定位的问题简化为二维问题处理,极大地减少了计算量。当未端执行器的位置变化时,不需要对系统进行重新标定。     

基于拉丝法的线结构光视觉测量系统标定

 利用线结构光视觉非接触测量技术的大量程、大视场、高精度、光纹信息提取简单等优点进行非接触测量大型机器及轨道等。分析了线结构光视觉测量传感器数学模型,利用构建的位于光平面上的标定特征点,提出了一种基于拉丝法的线结构光视觉测量标定方法,即先标定传感器相机的内外参数,再利用激光线与铁丝相交形成的点作为特征点标定光平面在相机坐标系下的方程。该方法降低了标定设备的成本,过程简单。标定结果表明：该方法标定满足测量要求。     

基于亚像素边缘的棋盘格的角点检测

棋盘格标定广泛应用于高精度机器视觉中。针对棋盘格标定中最关键的角点检测技术,本文提出了一种基于亚像素边缘的角点检测算法。先确定棋盘格边缘线法线方向,再在法线方向插入虚拟像素;根据边缘像素灰度变化趋势,用反正切函数进行曲线拟合;然后通过曲线梯度,确定亚像素边缘。在得到各亚像素边缘后,根据边缘相交形式,采用形心法确定角点位置。本算法建立了边缘法向方向亚像素定位算法,不受棋盘格角点方位影响。采用结合像素插值和灰度曲线拟合的方法提取亚像素边缘,有效的提高检测精度。实验表明本算法相对Harris角点检测算法精度提高一倍。本算法已成功应用于石油管螺纹的图像检测中,满足实际应用需求。     

基于平面靶标的三维测量数据拼接方法

为实现列车转向架的大尺寸参数测量,提出了一种基于大尺寸标定板的数据拼接方法。首先,将被测工件分割成若干子区域;接着,通过双目视觉测量系统分别获取每个子区域的测量数据,将平面靶标放在共同视野下,每个子区域采集靶标上的3个及多个非共线的标记点;然后,通过运算获取各区域间的坐标关系,选取其中一个摄像机坐标系作为世界坐标系,可将其他摄像机获取的数据统一至世界坐标系中,实现数据的拼接。最后,通过求解标定板上圆心间距,验证算法精度。实验结果表明:本方法简单易行,精度较高。     

基于线纹尺的线结构光视觉传感器标定新方法

为了实现传感器简单、快速、高精度的标定,提出了一种基于线纹尺的线结构光视觉传感器直接标定新方法,设计了平面靶标与特征点提取算法.即通过获取已知三维空间坐标特征点的图像坐标,直接建立亚像素物像索引表,实现了系统的直接标定.标定实验与测量实验结果表明:文中标定新方法操作简单,易于实现,具有较高的标定精度,Z轴、X轴方向的测量误差均值分别为0.0045 mm和0.0130 mm,能够满足工业生产与测量的基本需求.     

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.     

基于立体视觉的被动测距技术研究

为了实现基于立体视觉的被动测距技术,该文搭建了一套双目成像测距系统实验平台,研究了基于双目立体视觉的被动成像处理算法;设计了可实现多目标的实时跟踪测距的双目成像测距应用软件,对提出的一种基于SIFT搜索窗口大小随着目标尺寸变化自适应调整的跟踪算法进行了验证.测试结果表明该软件在跟踪、测距方面表现出色,在1~2个目标时具有较好的实时性.通过平面标定法进行准确的摄像机标定,采用SIFT特征匹配算法进行立体匹配,测试结果表明在取octave层数为4时,匹配准确度一般可在0.05个像素范围内.实际外场测试实验表明,该算法对一定距离范围内的目标物体进行测量具有较好的准确性.     

双目立体视觉空间火灾定位方法的改进

针对室内空间火灾早期自动定位的需要,基于机器视觉技术对传统空间定位方法进行改进。设计简单实用的平面标定板进行摄像机标定,利用HALCON解决快速自动提取标定板上特征点像素坐标的问题。针对传统标定算法只校正径向畸变的不足,建立了更全面的摄像机畸变模型。通过迭代法利用成像模型和畸变模型求解并优化摄像机的单应性矩阵和畸变系数并通过三维重建实现空间定位。将此方法应用于消防炮工程项目,结果表明该改进方法具有有效性、快速性和准确性。     

基于主动视觉的测量装置精度校准方法

针对工业在线监测对测量装置精度及稳定性的要求,对视觉测量装置精度校准及维护方法进行研究。分析透视原理下引入图像畸变的测量装置成像模型,推导测量装置相对基准激光做直线运动时光斑在畸变图像中的轨迹方程,提出一种基于主动视觉的测量装置精度校准方法:首先,通过控制测量装置做二维平移运动得到校准所需的特征点信息;接着,利用光斑的畸变轨迹方程求解测量图像的畸变系数并对图像进行畸变校正;最后,求解图像平面到被测平面的单应性矩阵从而完成精度校准。对特征点的布置方式进行优化。研究结果表明:校准后的定位测量峰值误差为0.373像素,均方根误差为0.178像素。该方法精度较高且易于实施,能满足工业在线检测的要求。     

基于双目识别技术的复杂背景中果实识别试验

为了迅速识别不同背景中的果实目标,在规范结构下建立了双目立体视觉识别系统,对复杂背景中的果实进行定位和识别.提出了基于角点聚类的局部特征提取及匹配算法,利用极限约束条件,通过提取同行像素角点特征完成立体匹配,获取果实3维信息.通过对不同背景下果实目标进行大量试验,发现基于单一特征属性的提取方法,角点匹配效率低,定位精度...     

双目立体视觉摄像机标定及精度分析

以VC++为开发平台,采用开源的OpenCV函数库实现张氏标定算法;以标定板上的角点为测量对象,进行双目立体视觉系统的三维数据测量.采用标定获得的摄像机参数对模板图像进行校正,使用Harris算子进行角点提取,并对各行各列角点进行最小二乘直线拟合,以其交点为最终的角点位置,最后进行角点匹配与反求.测量结果的精度分析表明...     

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.     

基于特征匹配算法的双目视觉测距

距离测量作为障碍物检测以及路径规划的前提和基础是机器人研究领域的一个重要分支。在众多测距方法中,由于双目立体视觉具有信息丰富、探测距离广等优点被广泛应用。本文将改进的SIFT特征匹配算法应用到双目视觉测距与标定系统中。首先建立双目视觉测距模型,测量值由空间物点在左右摄像机下的像素坐标值决定;其次根据该模型的特点提出了基于平行光轴的双目立体视觉标定方法;最后利用改进的SIFT特征匹配算法,提取匹配点的像素坐标完成视觉测距。实验结果表明,根据测量数据对障碍物进行三维重建,相对距离与真实场景基本吻合,能够有效地指导机器人进行避障。     

基于角点特征的几何形状中心定位

图像特征点中心定位是位姿测量中求解位姿的关键．针对同一图像有多个几何形状的问题,首先利用开源计算机视觉库OpenCV对原图像进行区域分割,得到目标区域的边缘,其次将每个区域进行像素填充;然后用Harris算法进行角点检测;最后根据角点坐标再计算中心点,并将文中算法就一幅图像中有单个几何形状的情况与原始Harris和改进的Harris算法从准确率和效率上进行了比较．实验证明,这种中心定位算法不但提高了准确率和效率,而且误差可以减小到1个像素以内．     

基于双目立体视觉的三维重建方法

基于双目立体视觉视差原理,结合halcon视觉开发库标定摄像机的内外参数,利用标定结果校正目标图像;引入多重网格算法以及像素灰度、梯度、平滑度相结合的相似度判断准则对校正图像进行立体匹配,获得连续稠密的视差图;根据深度信息恢复原理获取三维点云,并采用移动最小二乘法对三维点云进行平滑滤波;最后运用基于贪婪算法的三角剖分实现物体可视表面三维重建,并对重建表面进行形态学处理填补黑洞.实验结果表明,物体重建表面光滑连续,视觉效果令人满意.