基于立体视觉的农机热锻件测量系统设计

为解决农机热态锻件的在线尺寸测量问题,提出了一种基于计算机双目立体视觉的解决方案。针对热锻件的图像获取、特征提取、图像匹配和三维重建等问题展开研究,分别采用光谱选择性图像采集方案、形态学角点和轮廓提取方案,基于标定立体校正的快速匹配和重建方案,构建了一套在线测量系统。为提高系统的实时性,采用Open CV计算机视觉库函数实现相应算法。以一个被加热至1 000℃圆柱体锻件为试验对象,测量结果直径相对误差为2.20%,高度相对误差为1.81%,用时87s。试验结果表明:所提出的农机高温热锻件几何参数测量方法能够满足锻造生产现场对尺寸测量实时、精确、高效的要求。     

基于机器视觉和结构光的犁体样板曲线测量

以犁胫为试验对象,采用结构光和双目立体视觉,在实验室条件下,搭建了热态犁体锻件样板曲线三维重构和测量系统,提出了非高斯分布激光条纹边缘的形态学检测方法和亚像素中心的提取算法;在对原始图像立体校正基础上,研究了对激光条纹进行二次校正和高精度匹配的方案和算法,提高了左右图像立体匹配和三维重构的精度和速度,并在Halcon平台上,实现了犁体结构光样板曲线的光刀中心提取、重构、拟合和数学描述,解决了犁体样板曲线尤其是热态锻件犁体样板曲线测量难的问题.在Intel(R)Core(TM)i7-5500U CPU@2.40 GHz处理器上运行,测量精度1.88 mm,耗时316 ms.试验证明,以结构光和双目立体视觉为手段对犁体样板曲线进行测量,避免了热态锻件辐射光的影响及其他干扰影响,具有一定精度和可行性,可以提高犁体设计、制造、检验的效率和方便性,为犁体轮廓的检验、测绘、描述、制造和设计提供了新的途径.     

基于计算机视觉的摄像机标定矩阵算法

非接触测量系统是计算机视觉系统中的典型应用，而摄像机标定矩阵是非接触测量系统中的重要研究内容。本文在介绍几种的摄像机标定矩阵算法的基础上，根据给出一种基于摄像机成像模型的矩阵标定方法。实验表明，该方法操作简单，标定快速准确。     

基于机器视觉的零件尺寸测量装置的设计

文章提出了基于机器视觉的测量方式,主要测量工件的面积、周长和边长等数据。测量采用固定装置,标定采用传统标定法。硬件系统采用了USB接口的工业相机。软件主要对图像进行了预处理,预处理为图像的切割、灰度化、滤波。     

基于机器视觉的工业机器人标定方法研究

机器视觉标定是工业机器人的关键技术之一。本文提出了一种运用Open CV的工业机器人机器视觉系统标定方法,首先通过非线性模型摄像机标定,得出世界坐标系与图像坐标系之间的关系;然后再进行手眼标定得出世界坐标系与机械手坐标系之间的关系,最终推算出图像坐标系与机械手坐标系之间的关系。将图像上的点通过旋转平移矩阵反过来计算原点值,计算结果表明该标定方法的投影误差约为0.675个像素。     

机器视觉技术的发展和应用

1机器视觉系统的概述 机器视觉(又称计算机视觉)是指用计算机来实现人的视觉功能,也就是用计算机来实现对客观的三维世界的识别.简言之,机器视觉就是用机器代替人眼来做测量和判断.机器视觉系统是指通过机器视觉产品(即图像摄取装置,分CMOS和CCD两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作.     

基于机器视觉的采摘机器人果实三维模型重构与识别

为了提高采摘机器人果实定位和识别的准确性,在采摘机器人机器视觉系统的设计上引入了果实三维重构方法,利用二维采集图像信息的处理,通过坐标转换关系,实现了三维模型的构建。为了验证三维模型重构对机器视觉果实识别准确性的提高作用,模拟青椒夜间作业的采摘环境,对不采用三维重构和采用三维重构技术两种情况下的果实识别准确率进行了对比,结果表明:采用三维重构技术可以明显提高果实的定位识别准确率,对于采摘机器人机器视觉系统的优化具有重要的意义。     

基于双目立体视觉的植物三维重建系统

为推进农林业科技发展,将虚拟现实的三维重建技术进一步应用于农林业领域将受到更加广泛的关注。本文通过拍摄两幅不同视角的拟南芥图片来获得二维图像信息转换为三维信息,重建出三维模型,并建立人机交互系统。选择双目立体视觉系统来进行拍摄不同视角的拟南芥图片,采用相机标定参数对获取的图像进行畸变校正和极线校正,同时对图像进行图像分割。然后选择SURF特征检测算法和SIFT特征匹配算法进行特征检测匹配,将匹配后得到的拟南芥的二维数据转换为空间三维坐标,使用三角剖分算法和纹理映射方法得到了拟南芥三维逼真模型。最终得到了具有592个空间点的拟南芥的三维模型,并建立了基于机器视觉技术的模式植物虚拟生长模型的人机交互系统。通过对多盆拟南芥进行建模和参数验证,拟南芥叶片长度、宽度和茎秆长度的软件测量值与真实值之间的相关系数R 2分别为0.9404,0.974,0.9862,且软件测量值都在真实值的5%误差线范围以内。表明本文重建的拟南芥模型稳定性和可靠度都较高。     

食品分拣机械臂无标定视觉伺服控制技术的研究

食品分拣机械臂作业成熟实用化要解决的关键技术之一是视觉伺服技术.针对通用分拣机械臂提出一种"眼在手上"系统无标定视觉伺服算法用于主动跟踪目标食品.该算法基于动态的方差最小化原理控制机械臂,采用动态的拟牛顿法估计图像雅克比矩阵,为改善系统的输出响应也对动态残差项进行了估计,增强了无标定视觉伺服理论的实用性,最后通过仿真验证了所提算法的有效性和可行性.     

基于机器视觉的果树树冠体积测量方法研究

针对人工测量精度低、费时费力,而基于三维激光扫描技术、超声波技术等自动测量方法成本高、操作复杂的不足,提出了基于机器视觉的果树树冠体积测量方法,搭建了可移植性果树树冠体积自动测量平台。基于机器视觉实现待测树冠图像获取,通过图像处理算法获得树冠图像面积特征,并采用最小二乘法和五点参数标定法获得普适性树冠面积与体积相关关系模型,从而得到树冠体积,通过对梨树以及桂花树样本的试验,可以发现预测树冠体积平均误差分别为13.73%和10.18%。对于不具备系列样本无法构建模型的树冠,采用单点测量法,根据树冠轮廓拟合椭球结构体,然后根据体积求算补偿公式,完成体积测量,测量误差在10%左右。表明树冠形态特征的图像提取算法可行有效,通过面积以及轮廓特征量均能很好地表达树冠体积特征。     

基于单目视觉工件尺寸测量系统的研究

基于双目视觉三维测量原理,提出了一种摆动式单相机三维测量方法。通过分析系统结构参数对测量精度影响,确定了测量误差处于最小范围时的结构参数。设计了系统的硬件结构并开发了图像处理软件模块,搭建了相应的测量系统。利用平面靶标标定法对该系统进行了立体标定,确立了该系统各坐标系之间的映射关系。     

基于机器视觉的条播排种器性能检测及分析

运用机器视觉技术实现条播排种器性能的自动化检测.研究表明,帧种子数分布相对于拍摄频率（帧频率）具有独立性.以该独立性为基础构造的机器视觉检测方法为：采用CCD摄像机直接拍摄条播排种器试验的动态种子流,对获得的样本进行图像标定、灰度化处理、非种子目标去除、二值化处理、滤波去噪、小目标去除、种子遮挡判别、排种模式识别等图像处理过程,估计排种量的分布和计算排种器性能指标.     

基于单相机三维测量系统的研究

基于双目视觉三维测量原理,提出了一种摆动式单相机三维测量方法。通过精度分析,确定了测量误差处于最小范围时的参数。对系统的硬件结构进行了设计,开发了图像采集及处理软件模块,搭建了相应的测量系统。利用2D平面靶标定法,对系统进行了标定,建立了图像坐标与世界坐标系的关系。     

农作物无损检测的机器视觉系统标定方法研究

基于机器视觉的无损检测是植物生长建模的关键技术之一,对图像采集系统进行标定是实现无损检测的基本步骤.目前,摄像机标定的方法有传统标定方法、主动视觉标定法、自标定方法等.为此,对现有标定方法分别进行了讨论与比较,结果表明,传统线性标定法可以满足农作物无损检测的要求.     

轴套零件的机器视觉检测

针对轴套零件的几何尺寸测量给出了一种基于机器视觉的检测方法。阐述了在Visual C++平台下,采用数字图像处理技术非接触测量轴套几何参数的方法,包括图像的预处理、改进Canny算子边缘检测、圆孔检测技术等。并对系统进行标定,得到实际尺寸。通过试验得到测量数据,分析了测量误差的原因。分析及试验表明,用该方法对轴套的几何尺寸进行测量及分析评定在实际应用中是可行的,并具有高效性和实用性。     

基于机器视觉的大田植株生长动态三维定量化研究

高通量植物三维表型的研究对判定植株表型特征至关重要。基于机器视觉的植株三维表型获取方法在温室中已广泛应用,能够动态监测植株生长过程,但在大田复杂环境中应用较少。以大田生长的玉米、大豆植株为研究对象,基于机器视觉分析方法对不同生长时期玉米、大豆植株进行个体和群体的三维重建,并基于手动测量值对叶长、叶最大宽进行精度评估。研究结果表明,叶长、叶最大宽的计算值与手动测量值的R2均大于0.97,精度较高,表明大田环境下此方法可以满足作物表型三维构建参数提取的精度要求,但是当冠层遮挡较严重时,三维重建精度将明显下降。进一步自动提取了株高、冠幅和器官生长动态,结果可为与基因型相关的表型高通量分析提供方法,并可进行株型与冠层辐射的精确评价。     

基于双目立体视觉的秧苗直立度自动测定系统

介绍了基于双目立体视觉的秧苗直立度自动测定硬件系统和软件系统组成。在移栽机试验台上，两摄像机经标定后获取秧苗图像，通过图像处理得到二值化秧苗图像，在二维图像空间将秧苗角度信息简化为一条直线，然后利用简化的两条已知直线与两摄像机参数矩阵，进行空间直线三维重建，完成秧苗直立度的测定。试验结果表明：该方法可以获得较高的精度。     

图像测量技术在轴承测量中的应用

针对轴承的外径尺寸测量给出了一种基于机器视觉的检测方法。阐述了在Visual C++平台下,采用数字图像处理技术非接触测量轴承外径的方法,包括图像的预处理、图像二值化、圆孔检测技术等。在外圆尺寸获取中,分别采用最小二乘法和霍夫变换技术进行处理,结果表明利用霍夫变换技术获取的外圆尺寸精度更高。并对系统进行标定,得到实际尺寸。分析及试验表明,用该方法对轴承外径进行测量及分析评定在实际应用中是可行的,并具有高效性和实用性。     

张正友法的摄像机标定试验

针对机器视觉领域的摄像机标定问题,采用介于自标定与传统标定之间张正友法,对Sunway-130D数字摄像机进行标定。本研究首先阐述张正友法标定原理,即利用针孔模型匹配模板平面与其所成图像中的角点,计算出图像和模板之间的单应性矩阵,利用该单应矩阵线性解出摄像机内部参数,并由单应矩阵求出理想成像模型下的摄像机外部参数。然后考虑非线性畸变因素,求出畸变系数的初始值,最后对所有的标定参数进行迭代修正,通过非线性优化得到所有标定参数的最优解。制作模板并采集模板图像,利用MATLAB提取模板图像角点坐标并进行标定。结果表明:该方法可以有效地对摄像机进行标定;绝大多数偏差在(-1.5,1.5)像素之间,个别偏差超过1.5个像素,达到像素级精度,有较高标定精度。研究结果为进一步研究农业机械机器人奠定基础。     

基于计算机视觉的玉米果穗三维重建方法

提出了一种快速、准确、自动化的基于计算机视觉的玉米果穗三维重建方法。以一定角度间隔旋转果穗获取各视角下的图像,通过双目立体视觉技术重建各视角下的玉米果穗表面点云,计算重投影误差去除点云中的外点,寻找两相邻图像的对应匹配点,并由匹配点确定果穗表面点云中三维配准点的集合,计算两相邻视角下配准点的旋转矩阵与平移向量,采用RANSAC方法检验配准模型的一致性。依次对各视角下的点云配准拼接获得整个果穗表面点云,进行冗余点去除、网格简化、纹理贴图等后处理,获得最终果穗三维造型。实验结果表明:重建模型的体积与实测值不存在显著性差异,所述方法能够满足玉米果穗三维重建的需求。