芯片封装立针微孔加工视觉定位技术研究

针对立针加工中微孔加工位置定位问题,提出了一种基于模板匹配粗定位和基于边缘检测精定位的两步视觉定位方法。在粗定位阶段,提出了一种基于形状模板匹配和支持向量机的粗定位方法,首先建立了带掩膜的模板,在形状模板匹配的基础上,通过提前终止策略、图像金字塔,以及减少搜索面积的方法对匹配过程进行加速,在对匹配结果提取方向梯度直方图特征后,基于支持向量机进行分类从而防止误匹配。在精定位阶段,提出了一种具有角度约束的边缘检测算法定位外轮廓边缘,并采用二次函数拟合梯度极大值实现亚像素边缘定位,利用最小二乘法拟合轮廓边缘后定位微孔加工位置。在实验阶段,首先通过少量样本对支持向量机进行训练,准确率达到了99.76%,在此基础上本文粗定位方法交并比达到82.9%,而传统的模板匹配方法仅为36.5%;将立针以不同姿态放置在不同位置,在不同光照强度下加入高斯噪声后进行精定位实验,发现本文精定位方法的最大定位误差为2.20μm,而基于Canny边缘检测方法的最大定位误差为5.99μm,本文算法总耗时仅需328 ms。     

虹膜内外边界的粗定位方法

为了提高现有虹膜定位算法的性能,提出了一种虹膜粗定位算法。该算法利用二值图像的下边缘轮廓粗定位虹膜内边界,利用内边界圆心左右两侧的一维灰度均值信号粗定位虹膜外边界。即使在存在严重的眼皮和睫毛干扰的情况下,这种算法也能快速有效地估计出虹膜内外边界的位置。实验结果表明:该算法能够极大地提高虹膜定位的速度和准确度,粗定位一幅虹膜图片平均只需71m s,定位准确度也明显优于现有的粗定位算法。     

基于地磁熵和地磁差异熵的地磁导航区域选取

惯性导航系统的导航误差随着时间积累发散,无法长时间内保持高精度,要想使其完全自主导航,必须加以其它的导航方式进行辅助,如地磁匹配辅助等.在地磁辅助导航中,地磁区域的选取能够在很大程度上影响辅助导航结果的精度.本文引用了地磁熵和地磁差异熵作为地磁辅助导航区域选取的参考准则.在分析ICCP算法理论的基础,提出了具体的实现算法,利用该算法在选择区域进行地磁辅助导航的仿真.经仿真实验验证,地磁熵和地磁差异熵对地磁导航区域的选取具有一定的指导意义,为提高地磁辅助导航的精度提供了一种新的手段.     

基于ICCP算法的地磁匹配辅助导航

惯性导航系统(INS)的导航误差随着时间积累发散,要想使其完全自主导航,必须加以其它的导航方法进行辅助,如地磁匹配辅助导航等.导航算法是地磁匹配辅助导航的关键技术之一,采用基于地磁场的最近等值线迭代算法(ICCP),实现测量值与背景场数据的最优匹配,从而获得位置信息.在吉林松花湖水面,利用高精度的铯光泵磁力仪搭载于水下机器人(ROV)进行实际水域测量,绘制出高精度的局域地磁图.基于该地磁图,通过ROV在水面上航行时的实时地磁值、航向和航速等数据,利用ICCP算法进行地磁匹配.匹配结果与GPS实测数据对比,取得理想的补偿效果.实验表明,基于ICCP的地磁匹配辅助导航能够有效修正惯导所产生的累积误差.     

基于行人航位推算的后向地磁匹配算法

针对行人航位推算(pedestrian dead reckoning,PDR)定位存在误差累积和智能手机内置传感器精度不高的问题,采用PDR结合地磁的方法进行室内定位研究,提出一种改进的基于PDR的后向地磁匹配算法.在构建地磁基准库阶段,使用克里金插值算法有效减少数据采集所耗费的大量时间并构建出双分辨率地磁基准库.在地磁匹配阶段,改进了基于动态时间规整(dynamic time warping,DTW)的后向地磁匹配算法,改进后的算法避免传统DTW地磁匹配需要全局搜索地磁序列的缺点,在保证定位精度的前提下,增强了定位实时性.实验结果表明,本文算法最大定位误差小于1.5m,可以满足普通室内定位需求.     

蚁群算法在辅助导航重力匹配中的应用

重力匹配算法是实现重力辅助惯性导航系统的关键技术之一。针对传统重力匹配方法由于复杂度高、应用范围小等缺陷而导致很难实现精确、快速匹配的问题,将改进的蚁群优化算法应用于重力匹配的搜索过程,并将多普勒测速仪提供的速度信息作为限制条件对蚁群搜索过程进行约束,异常精度一定的条件下,可降低误配率。仿真结果表明,该匹配算法在重力特征显著的区域具有较高的匹配率,收敛性更好,可以达到更加精确的匹配定位,从而实现重力辅助导航。     

月球车视觉系统立体匹配算法研究

根据对月球车立体视觉系统及其工作环境特点的分析,提出了一种特征辅助的区域匹配算法.该算法将匹配分为特征匹配和区域匹配两个阶段进行.特征匹配阶段利用几何约束和多特征匹配得到高可靠的边缘匹配结果.边缘匹配结果经滤波后用于辅助区域匹配,有效地减少了无特征辅助的区域匹配在无纹理和少纹理区域容易产生的误匹配.算法结合特征匹配和区域匹配各自的优点,可以以较高的可靠性得到密集的视差图.实验结果表明,该算法用于室外自然地形图对的匹配时,可以生成较为准确和密集的地形图,满足月球车立体视觉导航的需要.     

改进的蜂窝网室内定位匹配算法

针对无线信道的动态衰落特性,基于蜂窝网的室内定位存在较大误差,提出一种改进的蜂窝网室内定位匹配算法——基于主成分分析法(principal component analysis,PCA)的子空间匹配算法,不仅保证系统实时性,而且有效地剔除大误差点,提高定位精度.该算法利用无线蜂窝信号非视距传播造成的位置特性构建离线指纹数据库,根据在线接收信号从离线指纹库中提取子指纹库,利用PCA算法对在线实测数据及子指纹库进行有效地降维,构建子空间,并结合加权K近邻匹配算法(weighted K nearest neighborhood,WKNN)估计出多个位置坐标,利用3σ准则对这些位置做筛选,输出最终定位结果.实验结果表明,基于PCA的子空间匹配算法在保证定位实时性的前提下,能有效剔除大误差点,提高整体定位性能.     

基于亚像素边缘检测的圆定位技术的研究与应用

在自动插件机视觉定位过程当中,针对印刷电路板(PCB)圆形定位孔需要快速高精度定位的要求,首先利用模板匹配法进行目标区域的粗定位,将粗定位的目标区域设置为感兴趣区域(ROI),然后通过图像预处理技术获取定位孔的轮廓边缘.在此基础上,采用Zernike矩亚像素边缘检测技术进一步提取边缘的亚像素点,最后采用一种稳健高精度最小二乘拟合圆方法来计算基准圆中心坐标.实验结果表明,自动插件机视觉定位系统总体所耗时间大约120 ms,定位误差均值为0.1像素,满足自动插件机快速精密插件的要求.     

一种基于KNN的室内位置指纹定位算法

提出了一种基于KNN 的FM、DTMB 联合信号位置指纹匹配算法,并根据不同位置具有不同信号强度将匹配过程设计为一个多分类算法模型. 离线阶段,通过采集FM 信号与DTMB 信号的强度信息,完成位置指纹库的构建. 在线匹配阶段,利用KNN 算法对新采集到的数据进行加权欧氏距离匹配,通过对K 值以及特征向 量的选取对定位误差进行了分析. 仿真结果表明,该算法在室内定位中具有良好的鲁棒性和准确度,90% 概率下定位精度2.3 m.     

地形特征匹配辅助导航方法研究

对传统的地形轮廓匹配辅助导航算法进行了如下改进：首先在景象匹配的基础上对飞行区域作出预测,其次利用实测高程度列和预测高程序列匹配,对飞行器进行实时定位和下一时刻的航迹预测;最后利用递堆和缩小匹配网格搜索范围等手段减少计算量。该方法提高了地形轮廓匹配的实时性和精度,增加了飞行器超低空飞行的可靠性和机动性。     

基于KWAP-KNN分区聚类算法的室内定位分析

针对单一聚类算法存在的多种问题，提出一种基于KWAP-KNN的分区聚类算法。首先，结合信号发射装置和实际定位环境进行区域粗划分，之后通过K-means聚类对该方法中未覆盖节点及交叉节点进行聚类，得到最新分区结果。区域划分之后，通过熵值法对仿射传播算法（WAP）中偏向参数p进行优化，以进一步提高其聚类的效率，最后通过K最近邻算法（KNN）算法得到粗定位结果。实验结果证明，区域划分后，KWAP-KNN算法得到的粗定位结果更准确，定位精度可达到1.8m左右。相比较其他算法，WAPKNN算法的平均误差、最大最小误差值最小。     

基于众包校正的多源融合室内定位算法

为了提高室内定位算法的精度，本文融合Wi-Fi和蓝牙两种信号源，提出了一种结合粗定位和众包校正的适用于多用户环境的室内定位算法。该定位算法分为离线和在线两个阶段，离线阶段的主要任务是构建多个指纹库，在线阶段的主要任务是进行粗定位和众包校正。粗定位分别利用Wi-Fi接收信号强度指示和蓝牙接收信号强度指示计算用户的粗略位置和用户间的距离；众包校正包括聚类校正和虚拟空间校正两个部分，它利用用户间的距离和用户组的位置分布提高定位精度。在UJIIndoorLoc和IPIN2017-CAR数据集上进行验证，实验结果表明，提出的定位算法将平均定位误差分别降至4.96 m和4.35 m。     

等离子体显示器屏板复合定位技术

针对荫罩式等离子体显示器屏板定位的特点,研究了基于计算机视觉的图像定位和基于衍射光栅的莫尔定位2种方法.利用这2种定位方法建立了精密定位的复合控制系统,其中图像定位作为粗定位,光栅定位作为精定位.通过粗定位与精定位相结合的两段式复合定位,可保证在较大的信号捕捉范围内,实现显示器屏板的高速高精度定位,有效地解决了定位精度、定位速度与信号捕捉范围三者之间的矛盾.实验结果表明,采用复合式精密定位可在50 mm的工作行程内获得±1 μm的屏板定位精度,这对荫罩式等离子体显示器的产业化具有重要的实用价值.     

基于集成学习与BP神经网络的室内地磁定位算法

本文针对当前室内地磁定位技术存在地磁信号不稳定和地磁指纹不唯一所造成定位误差大等问题,提出一种基于集成学习与BP神经网络的室内地磁定位方法,提高地磁定位精度。将BP神经网络作为弱预测器,通过集成学习的方法把多组弱预测器集成为强预测器,使用地磁数据进行室内定位,与地磁指纹库中的真实位置信息进行对比并计算出定位误差。结果表明本方法与KNN、DTW以及BP神经网络相比,总平均定位误差分别降低了2.55、1.33和0.4 m。     

基于双目视觉的水泥混凝土路面错台检测方法

针对水泥混凝土路面错台测量手段的不足,提出了一种基于双目视觉的错台测量方法.该方法根据双目摄像机的成像特点和水泥混凝土路面的图像特征,对接缝位置进行定位和错台计算.定位分为2个主要步骤,一是基于灰度投影的粗定位,二是在粗定位的基础上提取接缝附近图像,利用灰度投影和边缘投影精定位.由双目视觉测量系统计算相邻2块水泥板在错台附近点的三维坐标,利用这些坐标计算错台量,其中关键环节是在双目图像匹配时提出了一种基于匹配点位置估计的匹配算法.试验表明,与直尺测量结果吻合.     

一种利用信道状态信息的室内指纹定位方法

传统的室内指纹定位技术通常是利用接收信号强度指示(RSSI)来生成指纹,然而由于RSSI易受到环境变化等因素的影响,无法进一步提高定位精度。本文提出了一种利用信道状态信息(CSI)的指纹定位方法。充分利用多入多出(MIMO)和正交频分复用(OFDM)技术的频率分集和空间分集的优势,以接收天线为单位对信号进行聚合,将处理后CSI子载波的幅度和相位信息作为位置指纹。在会议室和实验室测试了影响定位精度因素,并分别与1种基于RSSI的指纹定位方法和2种基于CSI的指纹定位方法进行了对比分析。实验结果表明:本文提出的定位方法在会议室和实验室中的定位误差分别是0. 85 m和1. 28 m,定位精度优于其他3种方法。     

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.     

一种快速车标定位方法

车标定位是车标识别系统中至关重要的一步，作者提出了一种快速的车标定位算法，即在已知车牌位置的情况下，利用车标位置垂直方向能量集中的特点进行滤波处理以及在粗定位矩形框中利用模板匹配的方法得到车标的准确位置，实验结果表明，该方法定位准确率在95％以上，平均速度在150ms至200ms之间。     

重力图的可导航性分析

利用重力图进行辅助导航时,匹配区域的重力场特征直接影响匹配效果,对重力图进行可导航性分析可以为确定匹配区提供依据,实现高精度定位.分析重力图主要统计参数对区域导航能力的影响,将各参数赋以相应的权重得到区域的总体特征参数,该参数可以描述重力场的特征,可作为可导航性分析的依据.