采用激光线光源的焊接坡口间隙视觉检测

针对生产过程中焊件的加工装配误差、焊件热变形等因素导致的焊接坡口间隙变化从而影响焊缝质量的问题,设计基于激光线性光源的焊接坡口间隙视觉检测系统.运用LabVIEW的Vision Builder AI 3.0图像处理模块对焊接坡口间隙变化进行实时测量,实现坡口间隙变化视觉信号的图像采集和检测.实验表明,焊接坡口的检测精度和实时性可以满足焊枪姿态、焊枪摆动角度和焊接过程中焊接规范的实时修正与控制要求.     

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。     

基于视觉识别的多层多道路径规划修正

摘要： 针对传统大厚板手工电弧焊和半自动焊工艺复杂、焊接效率低下、质量稳定性差等问题提出大厚板焊接的新方法：双机器人双面熔化极活性气体保护焊（MAG）,打底焊采用双机器人双面MAG错位焊接,填充焊采用双机器人双面MAG对称焊接.多层多道焊接过程中累积误差和焊接变形会对多层多道路径规划精度造成影响,准确的多层多道路径规划是实现大厚板机器人自动焊接的关键因素.提出基于视觉识别的多层多道路径规划修正方法,通过图像处理结合图像三维信息恢复获得各焊道实时填充信息,对多层多道路径规划进行修正,提高多层多道路径规划精度.     

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。     

多层多道焊接参数模糊控制系统的设计

针对工业机器人中厚板多层多道焊接参数选择的难题,采用基于查表的模糊控制方式,选取送丝速度和焊接速度为控制量,熔丝面积为被控制量,利用Matlab得出了各个变量之间的模糊控制表,用C#编写软件,实现了焊接参数的模糊控制.以25 mm厚对接平焊为例进行试验,结果表明该系统能将焊接后熔丝面积与实际焊接需要填充量的误差保持在5%以内.     

多种子点提取三角网格特征轮廓的方法

提出一种基于多种子点提取三角网格特征的算法,根据曲率大小和法向矢量检测特征轮廓存在区域并用不同颜色凸显;在适当位置指定种子点并计算种子点的相关属性;构建节点评估函数模型来选择路径节点;最后将提取的特征轮廓线进行光顺处理。通过实例表明,该算法不仅对封闭特征和锐利边缘提取有效,还对开口特征和特征变化平缓的区域有效,甚至对相同特征分叉时提取的准确性更高。     

基于林地激光点云的树木胸径自动提取方法

提出了一种基于随机RANSAC模型的树木胸径自动提取算法。首先,采用布料模拟滤波（CSF）算法对林地点云数据进行滤波,获取树木、地面数据与数字地面模型（DEM）并提取树木胸径处点云,然后进行欧式距离聚类,最后基于随机random sample consensus（RANSAC）模型拟合树木模型,实现自动化的树木胸径提取。使用上海市青浦区某区域两林区样地的地面激光点云数据对该算法进行验证,与实际人工测量树木胸径的平均偏差分别为0.79cm和0.52cm。实验对比结果表明,该算法在精度与时间性能上均优于基于Hough变换的算法与基于最小二乘的算法。     

一种基于曲率提取轮廓特征点的方法

对边缘轮廓线进行了自适应平滑,在以轮廓点为中心的支撑区域内定义了曲率角,并根据定义的曲率角及曲率符号,采用简单的模板匹配技术,提取出候选的轮廓特征点,对候选点附加抑制条件得到真正的特征点．此方法减少了数字化误差及噪声带来的影响,抗干扰性好,且运算量较小．实验表明,该方法具有很好的轮廓特征点检测及定位能力     

基于机器视觉的施工现场钢结构焊缝坡口识别

基于线结构光视觉传感技术建立了一种适用于施工现场钢结构焊缝坡口识别方法.以南京某超高层建筑钢结构为工程背景,首先设计开发了适用于施工现场的图像采集装置,通过识别算法从采集图像中截取结构光线条感兴趣区域图像;其次,提出了基于分组教学优化算法-大津法(GTO-Otsu)的图像局部阈值分割方法,实现了结构光线条与背景的有效分割;然后,构建了线性结构元素用于修复结构光线条断裂区域;最后,通过比较相邻像素点的灰度和与一阶差分值的方法提取了结构光线条中心线及特征点坐标,并建立了像素转化方法,完成特征点像素坐标的转换,实现坡口几何尺寸测量.3组施工现场钢结构焊缝坡口图像处理和识别结果表明了该方法的准确性与适用性.     

点云数据特征点提取方法的比较

点云特征的提取在城市、地质等领域有非常重要的使用价值。特征点是最基本的几何特性和纹理特征的特征基元,其不会因为坐标系的改变而发生变化。通过用不同的方法提取点云数据中的特征点,可以在减少计算量的前提下,保留点云的几何特征。通过对利用法矢、曲率和体积积分不变量3种不同的特征点提取方法进行比较,并通过Matlab进行特征点提取实验并分析情况,对其优缺点及适用性进行探讨。     

车载激光点云中道路路灯提取方法

针对道路环境中路灯的提取,提出一种车载激光点云中路灯提取方法。该方法首先对原始点云建立三维格网索引,分析灯杆在二维投影平面中的圆弧形态以及在三维空间中的柱状形态,提取杆目标;然后根据树木与路灯上部点云三维形态的差异去除树木,提取候选路灯;最后,建立路灯灯头模板库,通过模板匹配精确去除交通信号灯和交通标志牌等,实现路灯的准确提取。实验证明,该方法可以有效提取实际道路环境中的不同路灯,提取准确率和召回率分别达到94.01%和89.47%,且不需要辅助数据,具有较强的适用性。数据处理效率较现有同类方法有大幅提高。     

基于投票策略的特征点提取

特征点提取算法中存在伪角点和定位不准确的问题,导致特征点匹配率低,并且影响图像配准精度和速度.针对这一问题,提出基于投票策略的特征点提取算法.算法通过选举人投票选举出最强特征性点集,有效去除伪角点.点集中的特征点满足多重准则,特征性强度高.依据坐标选举,保证了特征点定位的准确性.在发生相似变换、亮度变化和加噪的情况下对大量图像进行了特征点提取和匹配实验,并与传统的特征点提取方法进行比较.实验结果表明,该算法提取的特征点具有更好的有效性,算法具有较强的适应性和抗噪性.     

基于关键特征点提取的图像快速配准方法

常用图像配准拼接算法中,计算复杂度会随运算数据量的增加而急剧增长,基于该特点提出了一种快速的图像配准方法.通过提取关键特征点并进行匹配实现计算数据量的降低,从而加速了图像配准.首先检测待拼接图像中的特征点及特征信息冗余区域,并根据特征点的数量调整冗余区域的大小;去除位于特征冗余区域内的特征点;使用归一化互相关及随机抽样一致性算法对剩余的关键特征点进行粗细两步匹配,求出拼接参数完成图像配准,实现图像拼接.实验结果表明,提出的方法实现了图像配准拼接,并且与改进前相比显著提高了运算速度,以lena图为例,运行时间仅为改进前的30.47%.     

V型坡口对接焊接图像处理方法的研究

该文根据V型坡口对接的特点,通过对多种图像处理方案的对比和分析,从中选出最佳方案,对各个处理步骤安排合理,优化工艺流程,用最少的步骤实现了对焊缝特征值的提取,对最终实现焊接质量图像跟踪奠定了基础。     

基于多尺度特征图像分割的车道线提取方法

识别与检测车道线作为自动驾驶感知周围环境的一环，为自主车辆在众多复杂场景中提供交通数据信息参考.为了提取车道线本身含有的交通语义信息，按照实际含义分为不同类别，提出一种多尺度分辨率特征的图像分割方法提取车道线，生成低分辨特征，同时保持高分辨尺度子网.针对卷积神经网络无法充分探索空间信息的局限，引入全自注意力网络结构改进下采样解码部分，将特征图通过嵌入向量映射完成线性采样，再经由全自注意力网络结构提取空间上下文语义信息，最后对图像进行降采样完成最终的下采样过程.利用滑窗多头注意力机制，解决嵌入向量映射层因划分造成边界上下文语义信息的不连续问题.针对改进的模型采用交并比损失函数进行优化，能够在保持精度的情况下正确识别相应类别，交并比和F1系数分别达到49.36%和63.02%.经实际测试，在遮挡、阴影等复杂场景下的车道线识别也能更加准确，具有更好的鲁棒性.     

基于MARC的多层多道焊数值仿真研究

文章首先应用Marc有限元软件建立了对接焊缝的有限元模型,依据余氏经验电子理论确立了马氏体的开始转变温度Ms,使用数值仿真技术对双层单道焊的焊间冷却时间进行调整.然后对比了层间温度分别为Ms与室温的冷却速度,得出前者的冷却速度要比后者慢两倍多,表明采用控制焊间冷却时间使层间温度为Ms的方法可以降低冷却速度避免出现冷裂纹.最后,对比了多层多道焊中采用V形坡口顺序焊接、X形坡口对称焊接焊后变形与残余应力大小,结果表明采用双面焊的X型坡口的焊后变形以及残余应力分布要优于采用V形坡口顺序焊接.     

矢量曲线特征点提取方法的改进

矢量曲线压缩在地理仿真、地图数据库建设及地理信息研究中具有重要的意义.分析了GIS中矢量数据的传统压缩算法-道格拉斯-普克(Douglas-Peucker)数据压缩算法,传统的压缩算法编程复杂,运算速度慢.提出了一种较为简单的特征点提取方法,该算法通过计算相邻矢量数据的斜率,以斜率之差为约束条件,通过在MATLAB7....     

矢量曲线特征点提取方法的改进

矢量曲线压缩在地理仿真、地图数据库建设及地理信息研究中具有重要的意义。分析了GIS中矢量数据的传统压缩算法—道格拉斯-普克（Douglas-Peucker）数据压缩算法,传统的压缩算法编程复杂,运算速度慢。本文提出了一种较为简单的特征点提取方法,该算法通过计算相邻矢量数据的斜率,以斜率之差为约束条件,通过在MATLAB7.0上的仿真实验,该算法在提取矢量曲线特征点的过程中比Douglas-Peucker算法更为简单,对复杂曲线的特征点提取也非常准确。     

基于多层特征深度融合的卷积神经网络人脸识别方法

针对传统神经网络在人脸图像的训练过程中没有将高低卷积层信息进行融合,为充分利用图像各层特征信息,提出一种基于三层特征融合的全连接卷积神经网络模型,算法将原有网络最后三层特征结合,并将提取的特征信息与最后一层全连接层结合,从而增加了浅层特征的表达,加强了深层特征的提取效果,促使改进后的卷积神经网络提取的信息更加完备;同时将损失函数和中心函数加权联合,以提高人脸图像的识别率和区分性.在CASIA-webface人脸数据库进行的实验结果表明,改进后的网络模型识别率达到98. 7%,优于DCNN等算法,并将训练好的网络模型应用到YALE、PERET、LFW-A等人脸库上,相比其他方法识别率都有所提升.     

基于雷达信号特征点提取的结构物埋深估算方法

为了克服经验法推算结构物埋深的缺陷,基于检测对象的雷达反射波形特征,通过提取反射波形上的少量特征点,提出一种估算结构物埋深的新方法,并考虑实际检测中结构物反射波形的畸变,对估算精度进行分析评价.结果表明:对于理想的无畸变检测数据,该方法对结构物埋深、水平位置及电磁波速的估算结果较为精确;当反射波形存在畸变时,该方法对埋深的直接估算结果误差较大,平均误差达到55.202％,但对于电磁波速的估算结果较为精确;对于实测的有畸变检测数据,可通过电磁波速估算结果及测得的目标体双程旅时对埋深进行间接估算,估算精度满足雷达法检测对埋深估算的要求.相比经验法,该方法在估算精度、误差控制方面具有显著优势.