计算机视觉技术在微小尺寸测量中的应用

应用计算机视觉技术快速测量微小零件的尺寸,研究了CCD图像预处理、图像二值化、边缘处理、标定等技术,发现中值滤波平滑处理图像的精度更高,轮廓跟踪能使图像边缘确定时的运算更简单。图像检测结果与工具显微镜测量进行了比较,结果表明该测量方法可以快速、准确地实现大批量同类零件的尺寸测量及合格度的检验,并可满足100%在线检测要求,检测误差不超过0.0119mm,每件检测时间不超过2s。     

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。     

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。     

面向玉米果穗考种测量的图像标定方法

研究了一种适合户外环境下测量玉米果穗考种特征的图像标定方法。该标定方法基于二项分布,消除了采集图像数据中的误差数据(噪声、断线),并用最小二乘法拟合标定系统参数。测试结果表明,该系统可以在光照环境较差条件下获得较高的标定精度,适合选作玉米果穗考种测量系统的标定。     

基于非标定图像的犁胫热态锻件三维重构

热态锻件尺寸的实时测量是长期困扰锻造工艺的重要问题。机器视觉测量是有望解决这一难题的重要途径。现场标定是机器视觉测量最为繁琐的步骤之一。建立基于非标定图像的三维重构模型,可以避免现场标定,提高机器视觉的测量效率和使用的方便性。提出基于RANSAC自动估计两幅图像之间基本矩阵的方法,研究基于基础矩阵估计的三维重构过程,给出基于非标定图像的三维重建结果。实验表明,非标定三维重建能为犁胫热态锻件的计算机视觉测量提供一定精度的三维描述。     

基于数字图像处理技术的玉米长势预测

玉米长势是指玉米生长的状况与趋势,在生长期内实时掌握长势是玉米生产调控的关键,玉米长势可以通过叶面积、叶尖距、叶基角等特征参数来衡量。吉林省是我国主要的玉米种植区域,种植规模多为小地块,如果采用传统人工方式测量玉米长势,需要耗费大量人力、物力,而遥感技术适用于大面积种植,因此采用人工测量与遥感技术都具有明显的局限性。该研究采用数字图像处理技术,利用固定影像采集设备获取不同生长期玉米多尺度影像,首先利用灰度化和增强技术对影像进行前期预处理,然后使用迭代阈值分割算法提取影像中玉米植株区域,通过图像细化技术并结合参照物标定方法获取玉米植株的株高、叶尖距、叶基角和冠层面积等特征参数,最后对获取的特征参数使用回归分析建立玉米长势模型。试验结果证明,提出的方法有效可行,可以作为人工测量和遥感技术必要有益的补充。      

麦田杂草的图像识别技术的研究

主要研究了麦田杂草的图像识别技术,设计了麦田杂草识别系统.该系统包括使用数码相机进行麦田图像数据的采集,实现对图像的预处理;绿色植物与土壤背景的分割包括图像的灰度化与格式转换和图像的二值化;作物与杂草的分割包括作物中心行的识别和作物行的滤除,最后获取杂草图像.在滤除作物行的过程中确定边界阈值时采用通过先计算手工标定的作物行宽度与计算机自动检测的作物行宽度之间的相对误差,然后选定合适的对应最小误差的作物行边界阈值的方法.该系统全程使用MATLAB语言编程,系统最终目的是根据杂草和作物分布的位置特征滤除作物行,识别出杂草.     

肉中异物X射线检测的肉厚度激光双三角测量方法

针对不规则形状肉X射线系统成像受肉厚度影响产生灰度偏差的问题,提出一种激光三角法测量肉的厚度以补偿X射线图像灰度偏差的方法,建立了激光测量肉厚度模型及一种基于对称式结构的激光双三角法肉厚度测量系统。通过标定将左右CCD相机采集的两幅激光图像统一到同一个坐标下,采用基于灰度的图像拼合法将两幅肉激光图像拼合为一个完整的肉激光图像。三维扫描试验表明,肉图像外部形状基本对应,灰度变化相似,肉图像厚度变化与肉厚度轮廓接近。     

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。     

基于光度立体视觉的蔬菜秧苗叶片形态测量方法

为了实现蔬菜秧苗长势智能化在线评估,设计了基于光度立体视觉的蔬菜秧苗叶片曲面形态测量方法和装置,用于对叶片倾角、长度和面积进行精确测量。以15~30 d苗龄辣椒秧苗为测量对象,构建了针对其冠层叶片形态测量的试验装置。根据4组光源在标定球表面成像的反射关系组合方程,标定其对秧苗叶片的照射向量;以D65白色标准板为参考,采用图像RGB分量线性矫正的方法,对不同方位光源辐射强度差异进行补偿,克服光源强度波动对叶片图像明暗信息的影响。根据叶片在不同方位光源照射下图像的明暗特征,基于光度立体视觉获取主叶脉区域离散梯度信息,在此基础上采用最小二乘方法拟合叶片空间平面,以恢复叶片空间倾斜信息,进一步结合叶片图像尺寸测算其实际长度和面积。试验结果表明,视觉系统对秧苗倾角、叶片长度和面积的测量结果与人工测量结果相比平均偏差分别为6.29°、3.82 mm、56.53 mm2,叶片长度和面积与人工测量结果的决定系数R2分别为0.936 3、0.866 4,且对于叶片伸展充分、无遮挡的幼龄秧苗测量精度较高,可为进一步开发温室苗床秧苗长势在线监测设备提供重要技术支撑。     

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.     

圆柱螺纹牙型非接触检测失真校正

在对圆柱螺纹进行非接触检测时,螺纹牙型会产生失真现象,为此提出图像校正的方法。从螺纹牙型失真的几何原理出发,建立相应的螺纹数学模型,对采集的螺纹图像进行校正,获得真实的螺纹牙型,并通过软件仿真和试验验证了该模型的正确性。同时表明图像校正的方法提高了圆柱螺纹非接触检测的精度、效率。     

果树快速定位采摘机器人设计——基于红外和激光扫描技术

为提高采摘机器人的自主导航能力和采摘效率,实现机器人的快速果树识别和定位,结合红外测距传感器与计算机图像处理技术,利用激光扫描传感器体积小、功耗低、速度快、抗干扰等特点,提出了一种非接触式测量果树深度信息的方法;并结合计算机图像处理对果树进行了标定,实现果树的快速识别与定位,为采摘机器人运动轨迹规划提供了自主导航的参数。为了验证该方法的可靠性,在采摘机器人试验样机上安装了红外线测距和激光扫描快速定位装置,并通过左右两侧果树的导航路径拟合,得到了机器人的行走路径,通过对比红外线测距和激光扫描的结果发现,其拟合路径基本吻合,从而验证了该方法测量数据的可靠性。根据不同的树高对应的枝叶密度,利用计算机图像处理对果树进行了标定,最后利用激光扫描方法对标定后的果树进行了快速定位,并将结果和全站仪的结果进行了对比,结果表明:激光扫描和全站仪之间的最大误差仅为20mm。这说明,激光测量的精度较高,可以满足设计的需求。     

基于图像处理的蜜柑大小自动分级方法

文章介绍了采用图像处理技术进行蜜柑大小自动分级的方法,利用CCD摄像机获取蜜柑的样本图像,应用MATLAB软件实现对样本图像的背景去除、二值化、图像平滑、特征量提取和图像标定等处理,参照蜜柑分级的国家标准完成蜜柑自动分级。经试验验证表明,此方法分级精度高、速度快。     

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。     

重型拖拉机控制器的CCP底层驱动与上位机设计

针对重型拖拉机控制器的在线标定测量问题,以32位单片机MPC5744P为例,开发了控制器局域网络标定协议(controller area network calibration protocol,简称CCP)的底层驱动程序。依据CCP的需求设计了FlexCAN模块、PIT模块以及Flash模块的底层驱动程序。为实现对变量的在线标定,利用Python的外部工具PyQt5设计了相应的上位机。为验证所设计系统的性能,通过上位机对MPC5744P单片机进行了变量的在线标定测量测试。试验结果表明,设计的CCP底层驱动能够通过与上位机的交互准确实现变量的在线标定测量,符合设计要求。     

基于结构光视觉的联合收获机谷粒体积流量测量方法

针对谷物联合收获机工作过程中需要实时测量谷粒流量的问题,提出应用结构光视觉测量技术实现谷物联合收获机测量系统谷粒体积流量的测量。采用普通滑槽作为测量谷粒体积流量的输送器,应用滚轮与编码器测量谷粒在滑槽中的流动速度。根据激光三角法测量原理构建结构光三维视觉系统,测量滑槽中流动谷粒的截面轮廓,应用试验参数标定法建立物长与像素偏移值的关系。在对结构光图像进行预处理的基础上,通过阈值判定法获取谷粒流截面轮廓;采用梯形微元求和法分别建立谷粒流截面计算模型与体积计算模型。试验研究了滑槽倾角和图像采集帧率对谷粒体积流量测量误差的影响,结果表明,当滑槽倾角在15°～30°、结构光图像采集帧率在40～100 f/s时,4种谷粒体积流量的测量误差小于等于5.2%,重复试验变异系数小于等于0.021,均方根误差小于等于1.268 L;当测量体积为17.6 L、滑槽倾角为30°、结构光图像采集帧率为100 f/s时,测量误差最小,为0.74%;当测量体积为39.2 L、滑槽倾角为20°、结构光图像采集帧率为40 f/s时,测量误差最大,为5.2%。采用结构光三维视觉测量系统,应用梯形微元积分求和法建立谷粒流体积计算模型,可以实现滑槽输送谷粒体积的在线测量。