一种移动车辆遮挡下的车道线检测方法

针对存在移动车辆遮挡等强干扰的情况,提出了一种基于轮廓筛选的车道线检测方法.首先基于轮廓角度和像素数目滤除非车道轮廓进而实现特征点粗提取,然后提取像素点的位置信息,通过设计一种基于相对距离与梯度的自适应双阈值筛选法进行车道线特征点的精提取,进而拟合车道线.实验结果表明,该算法具有较强的抗遮挡能力,且满足实时性要求.     

基于多尺度边缘曲率估计的图像拼接方法

针对传统图像拼接方法仿射不变性差和对噪声敏感等问题,提出了一种基于图像边缘特征点的检测、匹配和融合方法.首先利用Canny边缘检测器提取图像的单像素边缘特征,通过边缘点邻域内的多尺度平均余弦值估计得到曲率极大值特征点,然后构建每个特征点的8×8邻域内的梯度方向直方图描述符,采用最小欧式距离与次小欧式距离比进行粗匹配,接着通过随机抽样一致性算法精匹配得到图像间的投影变换矩阵,最后采用加权平均融合算法可以得到无拼接缝隙的宽视角图像,实验表明,与基于Harris算法的拼接技术相比,该方法平均重复率高20.83%,平均定位误差低19.36%.     

基于轮廓曲线和特征区域的秦俑碎块匹配算法

为了提高秦俑碎块匹配的精度和速度,提出了基于轮廓曲线和特征区域的碎块匹配算法.提取碎块的断裂面及其轮廓曲线,并将轮廓曲线进行分段,再采用最长公共子序列算法将轮廓曲线进行匹配,以实现碎块的粗匹配;根据体积积分不变量计算碎块断裂面上所有顶点的凹凸性,并将断裂面划分为一系列或凹或凸的特征区域;计算断裂面上各个特征区域的质心,并采用改进的迭代最近点算法对质心进行匹配,以实现断裂面的细匹配.实验采用了3种匹配算法对秦俑碎块数据进行匹配,结果表明基于轮廓曲线和特征区域的匹配算法能更加精确地完成碎块断裂面的完全匹配和部分匹配,并在细匹配阶段取得了更高的迭代收敛速度.      

基于双目视觉的工件三维重建

为了提高样品识别的智能化水平,基于双目视觉技术,配合工业机器人,对具有特征轮廓属性的工件进行三维重建.三维重建算法采用轮廓边缘线拟合算法以实现工件边缘轮廓提取;针对多条轮廓线相交情况,采用点圆拟合理论确定特征点;为了实现左右对应特征点的准确匹配,采用异面直线公垂线最小距离算法,通过对比左右公垂线距离大小判断两条直线对应特征点是否为匹配点;当单次拍摄无法满足完整尺寸测量时,引入了具有重叠特征点的二次拍摄重建算法.对5组不同尺寸、不同形貌的工件开展三维重建实验,整体还原出工件的三维尺寸形貌,各工件的主要轮廓尺寸的误差标准差基本在±0.5mm以内.     

采用轮廓片段空间关系实现遮挡目标识别

为了实现高比例遮挡情况下的目标识别,提出一种基于轮廓片段空间关系的目标识别算法.首先,在采用轮廓的形状上下文特征进行粗匹配的基础上,对模板图像和待识别图像分别进行图像骨架关键接合点的提取和轮廓形状质心的提取.然后,以图像像素中心点为原点建立坐标系,以图像骨架关键接合点和轮廓片段质心在各自图像建立的坐标系内的位置确定空间关系.最后,制定空间关系参数约束标准,筛选满足空间关系约束准则的目标库图像为最后识别结果.与现有遮挡目标匹配算法相比,该算法可以实现高比例遮挡情况下的目标识别,在目标遮挡比例为60%的情况下,识别率可达到78%.     

基于边缘方向和梯度的图像特征匹配算法

主动形状模型(Active shape model,ASM)是一种基于统计参数化的图像特征匹配算法,它主要应用于提取图像的特征点.在分析传统方法不足的基础上,提出一种基于改进主动形状模型的图像特征匹配新算法.传统的ASM直接采样灰度值信息建立局部纹理模型,灰度值对光照、姿态等因素是非常敏感的,常会带来较大匹配误差或者导致模型匹配失败.采用基于每个像素的边缘方向和强度来代替灰度值,改进的表示方法是利用边缘方向和强度的信息去建模,并且加入了边缘结构的方向和强度.改进的表示方法增加了纹理表示的边缘特征,边缘特征能有效地让模型收敛到图像的外轮廓,当外轮廓精准匹配后可以有效抑制和促进图像内部特征点定位更加准确.实验结果表明,改进的方法可以有效提高模型的匹配精度.     

基于改进空间矩算法的光纤纤芯轮廓特征点快速提取

为了提高基于视觉的光纤精密对接的特征点提取速度和定位精度,提出了一种基于改进空间矩算法的光纤纤芯轮廓特征点亚像素快速提取算法.该算法首先对光纤纤芯的初始位置进行快速搜索,进而对纤芯和光纤端面进行边缘追踪,提取出纤芯的边缘;然后采用改进空间矩算法得到边缘的亚像素位置,并对提取到的纤芯边缘点和端面边缘点进行直线拟合,求取光纤中轴线及端面直线方程.实验结果表明,文中提出的光纤纤芯轮廓特征点提取算法相对于传统方法具有提取速度快、抗噪性好和定位精度高的特点,能满足实时精密对接光纤的要求.     

基于Canny-AAM的人脸特征定位算法

主动表观模型(AAM)是经典的特征点检测方法,该模型对外轮廓的定位不是十分准确,且计算复杂度高,迭代次数大,容易陷入局部最优解,很难满足多姿态人脸特征点检测的要求.针对上述问题,提出了一种基于Canny边缘检测的AAM人脸特征定位方法.在使用AAM之前先利用Canny算法进行边缘检测,滤去非人脸轮廓部分像素点的纹理信息,使特征点极大限度的定位到人脸轮廓部分.实验结果表明:该方法减少了迭代次数,降低了计算的复杂度,提高了匹配的准确率,时间消耗降低了27.7%.     

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。     

基于改进的Zernike矩亚像素边缘提取算法外螺纹非接触测量

为了进一步改善螺纹图像轮廓提取效果、提高螺纹参数的计算测量精度,在分析基于Zernike正交矩亚像素边缘检测算法的基础上,建立了边缘灰度阈值与一阶导数相结合的模型,提高了亚像素边缘点的定位精度,并在此基础上提出了计算螺纹中径和牙型角的新方法.结果表明,该方法对于克服工件表面水油污染、提高检测精度具有显著效果.     

基于感知Hash和极线约束的改进AKAZE算法

针对图像在发生变化时特征点匹配准确率较低的问题, 提出一种基于感知Hash和极线约束的改进AKAZE（accelerated-KAZE）算法. 该算法将特征点匹配分为粗匹配和精匹配两个阶段, 粗匹配阶段利用特征点的最近邻次近邻比值和感知Hash算法进行匹配点对的筛选； 精匹配阶段使用随机抽样一致算法和极线约束进一步筛选匹配点对. 仿真实验结果表明, 与进行随机抽样一致算法剔除误匹配点对后的原算法相比, 特征点匹配准确率仍平均提高12.9%, 速度仅慢2.4%, 可在保证算法效率的前提下有效提升图像发生变化时匹配点对的准确率.     

采用仿射迭代最近点的晶圆分割方法

针对依赖硬件设施的晶圆分割方法存在生产成本高、工艺复杂且分割效果不稳定的问题,提出以仿射迭代最近点(ICP)算法为核心的基于图像形状配准思想的晶圆分割方法。该方法采用Canny算子提取图像边缘,建立晶圆模板图像与目标图像的特征点集;对目标图像的边缘图像进行基于Hough的直线检测,得到粗略的晶圆矩形边框信息;以矩形左上角的点坐标作为匹配搜索区域的初始值进行基于仿射ICP算法的精确配准,通过晶圆产品图像与模板图像的特征匹配,实现晶圆的快速、准确分割。理论分析及实验结果表明:该方法计算复杂度较低,单独样本分割时间约为0.9s,样本分割精度明显高于其他算法,满足自动化生产线的实时在线检测需求。     

一种基于几何特征由粗到细点云配准算法

针对点云配准算法对初始位置敏感且收敛速度慢的问题,提出一种基于几何特征由粗到细点云配准算法。在粗配准阶段,通过投影法提取源点云和目标点云各4个轮廓点,然后利用曲率特征和轮廓点之间的距离寻找稳健的特征点对,计算得到初始刚性变换参数;细配准阶段,计算点云法向量及法向量夹角,以法向量为特征进行特征匹配,然后使用法向量夹角来启发搜索,使迭代最近点(iterative closest points, ICP)算法快速收敛。实验结果表明,所提出的由粗到细的配准算法鲁棒性强,具有较高的精度和速度。     

自适应Harris角点提取的点云粗配准算法

针对传统3D-Harris角点提取算法中,Harris算子使用降维后的缺失几何信息、角点提取时响应值计算量大且耗时长、特征点对匹配精度不高以及需要手动设定角点响应阈值等问题,提出了一种完整而高效的Harris角点自适应特征描述、提取和匹配的点云粗配准算法。引入正交梯度算子对传统Harris算子和自相关函数进行改进;利用点云曲率约束实现角点的自适应筛选与提取,减少角点响应值的计算量;构建角点几何结构的特征描述子,结合阈值检测和描述子匹配,将角点匹配对集合进行扩展,从而完成源点云和目标点云之间粗配准;将所提算法得到的配准结果作为精配准初始值,利用迭代最近点算法实现精配准。与对比算法在公开数据集上进行实验比较,结果表明：所提算法的特征正确提取率为0.93,正确率最高;提取时间为7.63 s,效率最快;所提算法结合精配准步骤在实验数据集上的旋转误差、平移误差和运行时间均为最低,配准效果最佳。     

基于工艺匹配的微小型结构件边缘检测方法

为提高显微视觉检测的精度,指出微小型结构件的视觉检测过程中应当遵循工艺匹配原则,提出一种基于工艺匹配的边缘检测方法:对不同工艺工件的边缘过渡区进行提取,建立边缘过渡区的数学模型,从模型中确定边缘点精确位置. 对不同工艺样件的实验结果表明,该算法考虑了实际加工特性的影响,通过建立过渡区数学模型使边缘检测结果达到亚像素级,而且识别的边缘连续,能进一步满足精密测量的需要.     

基于运动目标识别的摩托车视频监控驾考识别技术研究

针对人工监考摩托车驾考往往存在徇私舞弊、判断不准确等缺点,提出一种基于运动目标识别的摩托车视频监控驾考识别技术.基于改进ORB图像特征匹配算法、消除误匹配点等策略对摩托车驾考监控视频进行稳像处理;使用边缘轮廓检测的运动目标识别算法,完成运动中摩托车目标图像边缘轮廓特征检测,利用双目视觉极线约束模型对摩托车目标特征点进行立体匹配与三维重构,提高轮廓检测精度.测试结果显示,该方法检测摩托车驾考目标的最优准确率可达96％,检测算法运行的响应时间较少、实时性优,具有良好的视频监控驾考适应性.     

基于人眼特征信息的驾驶人眼视线估计

提出了一种新的基于人眼特征信息的驾驶人眼视线估计的算法,且研究使用普通的摄像头。采用Harris角点检测算法对驾驶人上、下眼睑外轮廓进行角点检测,拟合人眼轮廓曲线;再对人眼区域图像进行色彩空间转换提取灰阶值分量,图像亚像素下进行Hough边缘检测,设定相应的虹膜边缘曲率阈值,准确识别人眼虹膜边缘信息。算法结合虹膜和人眼轮廓信息对驾驶人眼视线进行估计。将提出的算法应用到实车试验中,采用facelab5眼动仪对驾驶人视线估计角度结果进行验证。试验结果表明,所采用的人眼视线角度估计算法在实际的驾驶环境中准确率较高。     

多级提取奇异点的算法及基于奇异点的粗匹配

提出了一种分别基于Poincare指数和梯度场零点检测的分级算法来提取奇异点(核心点,三角点).该算法分为两级:首先是粗定位,根据指纹块方向场的Pioncare指数确定奇异点所在的分块和该奇异点所属的类型,同时得到核心点的方向;然后精定位,用梯度场零点检测的方法在该块中精确确定奇异点的位置(精确到像素级);最后利用奇异点的位置和方向信息对指纹做粗匹配,尽可能地排除明显不可能的候选待匹配指纹.实验证明,提取奇异点的算法快速、准确并且有很强的鲁棒性,而且与全图平方方向场滤波算法相比节省27%的计算时间.后阶段粗匹配的算法则能够拒绝30%的候选指纹系统的处理时间.     

一种快速高精度的汽车仪表盘图像配准算法

针对现有印刷产品检测中的配准算法,如Surf,Fast算法,直接用于仪表盘图像配准存在耗时长、精度低、光照变化敏感等问题,设计了基于轮廓几何特征的余弦距离相似性度量配准算法。先去除图像冗余背景,提取前景目标特征;通过余弦距离度量特征,筛选粗匹配特征;利用RANSAC算法剔除误匹配,获取精匹配特征,求得配准参数,完成配准。实验结果表明,对于3840×2748像素的仪表盘图像,在配准时间、精度以及光照变化敏感度上,算法优于经典Surf和Fast特征配准算法,目前已应用于四川省某车辆仪表盘生产厂的印刷质量检测中。     

基于角点匹配的几何形状定位

针对常见的几何形状匹配算法对目标遮挡较为敏感,提出了一种基于角点匹配的几何形状定位.该方法首先根据边缘曲率提取图像的角点,然后采用基于改进的投票策略的角点匹配算法对检测图与模板图进行匹配,最后通过Ransac算法去除错匹配.实验表明,该算法定位效果良好,有效地解决了目标部分遮挡问题.