基于HSI图像分割的AGV道路标线中心线提取

针对视觉导航AGV的道路标线中心线提取,提出了一种新型的基于HSI图像分割的方法。该方法首先将原始的RGB图像转换成HSI图像,在此基础上完成图像分割。图像分割所获得的单色位图,经过图像形态学的处理,包括开运算、腐蚀、差运算等,最终可提取出道路标线的中心线。对实际道路图像数据的实验验证了该方法的有效性。与原有方法相比,该方法所需运算简单,实现该方法所需硬件资源消耗小,适合基于嵌入式系统开发的视觉导航AGV。     

基于数学形态学与Hough变换的道路边缘提取

道路边缘的提取是运动检测中最关键的一步。针对目前运动检测过程中更新数据量大、实时性不高的问题,提出了一种新型、快速的道路边缘提取方法。该方法首先利用数学形态学对原图像进行增强,然后通过Canny算子对增强图像进行边缘检测,最后采用Hough变换检测出二值图像中的道路边缘。实验证明,该方法准确性较高,可以减少后期运动检测的运算范围,提高运动检测速率。     

一种基于CCD的嵌入式虹膜识别系统设计

通过普通摄像头得到的虹膜图像的纹理通常是模糊的,不能直接用于虹膜识别;先对虹膜图像获取、内外边缘定位,然后采用基于B样条的FFD模型对图像进行配准,采用小波变换对图像进行融合,然后对图像进行二值化和特征提取处理;对虹膜识别中的算法进行改进,提出了一种嵌入式虹膜识别算法,对该算法的实验表明,算法运算速度快,精度高,性能稳定,适合在嵌入式系统中应用。     

基于多方向小波变换及形态学重构的SAR图像边缘检测

结合小波变换和形态学的优点,针对SAR图像提出了一种改进的边缘检测方法.图像小波分解后,对3个方向的高频子图像分别利用Donoho的软门限阈值去噪,采用不同方向的边缘检测算子进行边缘检测,对低频子图像用形态学的开闭运算去噪后采用腐蚀运算进行边缘检测,利用得到的高、低频边缘子图像进行小波逆变换重构出图像边缘.实验结果表明...     

一种改进的空间滤波除噪算法在道路识别中的运用

提出了一种在道路边缘像素连续的前提下,运用空间滤波方法除去道路图像中央的噪声的新算法,从而使得机器人在直线道路情况下能够清晰地识别出路和非路的部分.通过实验比较,结果表明该算法能够得到较好的除噪和道路拟合效果.     

一种可蓝牙通讯的微型迷宫机器人

为解决传统迷宫机器人不能在线调试的缺陷,设计了一款具有蓝牙通讯在线调试功能的微型迷宫机器人。机器人基于嵌入式ARM Cortex-M3内核,能在复杂迷宫中自由行走,记忆路径并能根据优化算法选择一条从起点到终点的最优路径。系统硬件由电源模块、传感器模块、电机及驱动模块、蓝牙无线发送接收模块和微控制器单元组成。软件重点在电机控制算法和迷宫算法,运用PID算法实现电机速度和位置的控制,采用假想算法实现迷宫机器人的迷宫搜索。实际测试表明,设计的迷宫机器人速度更快、更稳定,能进行连续快速转弯和斜线冲刺;假想算法剔除大量无用的迷宫信息,大大提高了搜索效率。     

基于六边形结构边缘检测算法的研究

将直线插补运算与六边形图像结构相结合,提出了一种简单高效的边缘检测方法.先用高斯滤波器对图像进行滤波,再使用Sobel算子进行边缘检测,最后按给定阈值对边缘进行精确提取,经过这3个步骤完成图像的边缘检测.通过实验验证了六边形图像结构的Canny边缘检测算法比常见的Canny边缘检测方法更精确、更能抑制噪声;而且直线插补运算在图像边缘检测中具有较快的计算速度,比非线性插补计算效率高.     

机器人运动学逆的并行算法

对普通的运动学求逆方法进行了改进,使求逆运动学不必调用正弦和余弦超越函数;提出了一种查表法代替反正切运算,从而使求每个关节角的时间减少 895 μs,因而使整个求逆过程减少运算时间 5.37 ms。为了进一步减少运算时间,本文采用 4 CPU分二级并行求逆运算,并采用任务分配式方法,最后将求 CinCinnati 机器人运动学逆时间由普通方法的 20.272 ms 降至 4.907 ms。4CPU 二级并行运算还能使求机器人关节角速度和角加速度的运算时间降至单 CPU的 1/3。     

基于图像统计特征的平移线性插值方法

针对平移线性插值算法存在的边缘锯齿问题,提出一种基于图像统计特征的平移线性插值方法.该方法利用图像插值前后边缘统计特征的相似性,从低分辨率图像中获取估算高分辨率图像边缘点所需的协方差矩阵和矢量,并对非边缘处图像进行平移线性内插,可以同时保持图像边缘的光滑性和非边缘处的细节特征.该方法无需迭代运算,计算量较小.实验结果表明,用该方法可获得高质量的高分辨率图像.     

基于边缘检测的人脸正面图像识别

人脸识别系统是高级信息检索和机器人视觉的重要内容.主要提供了基于人脸正面图像特征提取的方法.在具体实施的过程中,首先是将彩色图像转化成灰度图像来增加图像本身的对比度,以便图像的边缘检测和特征定位,其次是利用边缘检测的方法,对人脸图像进行特征提取,以达到人脸特征识别的目的.     

三值光学计算机自动解码器

解码器是三值光学计算机(ternary optical computer, TOC)中负责将运算器输出的结果从三值光信号变换成对应的电信号的部件. 根据现有三值光学计算机的实际状况, 实现了一款自动千位三值光学计算机解码器系统.该系统由4 个数码摄像头和嵌入式系统组成: 利用摄像头采集三值光学处理器输出的运算结果的图像, 由嵌入式系统处理这些图像以获得运算结果的数值. 嵌入式系统中的软件包括拍照控制、数值生成和输出控制三个主要部分.创建的地址定位技术可解决运算器输出图像与摄像头拍摄图像在像素数量上差别过大的问题. 提出并实现的降蓝技术可解决蓝光对液晶暗状态的严重干扰问题. 建立的自检机制可提高解码结果的准确性和可靠性.     

一种图像区域边缘表达方法

在图像的研究和应用中,图像区域边缘的表达方式很重要,它关系到区域描述的准确性,对后继的图形识别和判断影响很大．根据自由曲线产生方法,用自由曲线拟合图像区域的边缘,克服了以往样条曲线不过型值点的缺点．同时,由于无须反求运算,自由曲线拟合速度很快,并且采用了最佳光顺算法,曲线拟合边缘较紧密,实验表明这种方法是有效的．     

一种基于小波提升变换的多尺度边缘提取算法

提出了一种基于小波提升变换的改进图像边缘的检测算法.本算法首先对源图像进行小波提升分解,然后分别对高、低频子图像进行边缘提取.对于低频信息使用Canny算子进行边缘检测,而高频信息先用相邻尺度小波系数相乘的方法去除噪声,消噪后再对高频分量进行边缘检测.最后通过一定的融合规则进行融合,得到最终的边缘图像.实验结果表明,该方法具有运算速度快,能有效地抑制噪声,边缘检测精度高等特点,是一种有效的图像边缘提取算法.     

基于DSP和图像识别的拉索表面缺陷检测技术

针对国内对拉索表面保护材料层的两种检测方法的不足,搭建以嵌入式DSP为核心处理器,结合CCD、视频解码芯片、SDRAM、FLASH ROM等外围资源的采集和检测系统,提出了一套快速识别拉索表面缺陷的检测识别算法,包括:确定图像区域,改进中值滤波,SOBEL边缘检测和动态阈值分割,形态学闭合运算,缺陷面积计算和存储.实验结果表明该方法实现了桥梁拉索表面缺陷的实时、非接触的智能化检测,并给出了该系统所能达到的指标.该系统结构简单、成本较低、操作简便、具有重要价值.     

基于边缘拟合和数字孪生的机器人运动控制系统研究

提出一种基于边缘拟合和数字孪生的机器人运动控制系统.通过深度图像和RGB图像获取目标物体信息,并进行边缘提取,通过边缘拟合得到目标的边缘轮廓,根据其轮廓计算目标物体的中心点坐标,从而实现准确的目标识别与定位.采用数字孪生方法对机器人实时运行状态进行同步显示.试验表明该方法对圆形物体的识别与定位具有高准确性和鲁棒性,在数字孪生平台上运行具有可靠性与实时性,有一定的实用价值.     

基于FPGA的高速视频实时边缘检测算法设计与实现

针对运动目标追踪中对高速视频实时边缘检测的需要,设计了一个基于FPGA的视频实时边缘检测系统,并利用FPGA和Verilog语言实现.结果表明,该系统完成一次Sobel边缘检测运算时间只需要5个时钟周期,视频信息处理速度达到152MB/s,能够实时、快速和准确地输出视频图像边缘信息.     

基于边缘密度的片状零件视觉定位方法

采用机器人手臂对零件产品进行抓取已成为智能上下料的关键技术,在该技术中机器人手臂往往采用视觉定位的方法来获取零件的位置.针对一类表面平滑的片状零件定位问题,从观察零件和背景图像特征出发,设计一种基本边缘密度的零件检测方法.该方法首先对零件图像进行边缘检测,然后以求取一定尺度内的边缘密度.以密度为基准得到图像的密度图,进而对密度图像进行分割和标记连通域,最后得到零件的具体位置.对实际拍摄的零件图片进行检测的结果表明,所研究的方法可以可靠地对零件进行检测和定位.     

基于边缘流和区域合并的岩屑颗粒图像分割

边缘流分割算法可利用图像的多种特征进行准确的图像分割,但传统的边缘流分割算法运算复杂度高,容易造成过分割.针对这些问题,作者对边缘流算法进行改进,并提出一种基于边缘流和区域合并的图像分割方法.该方法首先对原始彩色图像进行改进的边缘流分割;再通过曲线演化和边缘连接得到封闭的边缘;最后根据区域颜色相似度对初分割的图像进行区域合并,得到最终的分割结果.实验表明,该方法提高了分割效率,解决了过分割问题,将该方法应用于岩屑颗粒图像分割取得了较好效果.     

基于DCT的Sobel算子的图像边缘检测优化算法

针对Sobel算子会检测出很多的伪边缘,边缘定位精度不够高等问题,提出一种基于DCT的Sobel算子的图像边缘检测优化算法.该算法首先将图像转换成灰度图像,然后做二维DCT变换,获取其低频DCT信息,然后将低频信息与原始图像对比获取其灰度图像信息,接着经过Sobel算子运算,与直接经过Sobel算子运算后的图像进行对比叠加,最终得到图像边缘信息.该方法能更准确地定位出图像边缘,弥补了Sobel的不足.     

基于模糊形态学的图像边缘轮廓提取改进分割算法

图像边缘轮廓提取在国计民生、军事等领域有广泛应用,为了克服噪声等影响导致的图像过度分割现象,探讨了一种基于模糊形态学的图像分割改进算法.该方法借助模糊形态学的开、闭运算,首先对原始图像进行平滑处理,然后基于形态学梯度算子进行梯度计算,最后基于改进分水岭算法与IFT分割算法的融合,对梯度图像进行分割得到期望的边缘轮廓图像.仿真以图像识别为例,实验显示基于改进的图像分割算法可较好地消除过分割现象,正确识别图像,实现目标与背景的分离.研究结果表明,提出的图像分割算法是合理可行的.