基于机器人视觉的银网焊点定位技术研究

铅锌电池制作工艺过程中的银网焊接工序不仅存在肉眼识别不准确、出错率高的问题,而且劳动强度大、效率低。针对此工艺,提出一种基于机器人视觉的自动化焊点定位方法。系统以机器人搭载自动化焊接设备对焊点精确定位并焊接,采用畸变校正和机器人手眼标定完成了图像坐标系到机器人坐标系之间位置的精确变换,并运用Blob分析粗定位和基于形状的模板匹配精定位相结合的算法,有效地解决了噪声干扰、非线性光照干扰及银网变形引起的识别定位障碍,达到焊点识别定位精度高、生产效率高的目标。     

印制电路板视觉检测系统

本文对印制电路板视觉检测进行了深入地讨论,印制电路板视觉检测即要求检测出印制电路板上的几何缺陷,用计算机来代替人的视觉,介绍了图像的配准,图像的分割及故障点的识别。     

双目视觉图像定位技术在自动压铆机数控托架系统上的应用

创新性的将双目视觉图像定位技术应用在自动压铆机上,以实现对铆钉的精确定位,针对压铆机的压铆特性,提出了一种基于特征圆并采用一步移动的双目立体视觉标定方式,建立了双目识别图像定位技术对铆钉的标定方法.对自动压铆机数控托架系统进行了设计,实现了自动压铆机数控托架系统的自动压铆.     

一种基于张氏标定法的单目相机改进标定算法

单目视觉在地面机器人等无人导航系统中的应用越来越广泛,而相机参数的标定是利用视觉进行导航的基础性工作。标定结果的好坏,直接影响导航性能和定位精度。主要考虑单目相机的径向畸变,基于张正友平面标定法,通过利用Matlab进行图像预处理、利用OpenCV进行Harris角点检测和亚像素精确化等方法在角点提取精度等方面进行了改进,通过重投影法对标定结果进行了评估,并将其与Matlab相机标定工具箱Toolbox_calib所得结果进行了比较。实验结果表明,改进的标定算法标定结果精度更高,并且对多个摄像头传感器均有效,适用性强。     

基于序列图像的无人机自测速方法与试验

为自主、精确测量无人机的飞行速度,研究并发展了一种基于序列图像的无人机自测速方法并进行了相应的试验。该方法利用无人机上已有的惯导装置、高度计和摄像机,在连续成像的条件下,通过匹配跟踪得到地面同名点在相邻两帧光学或红外实时图中的位置,利用飞行高度、姿态信息和成像帧频计算得到无人机的瞬时飞行速度。在无人机的匀速平飞段,通过大量数据拟合得到高精度的平均飞行速度。通过挂飞试验对方法进行了验证,实时得到了小于0.2 m/s的测速结果,满足工程要求的精度,为工程应用打下了一定的基础。     

航空发动机燃油喷嘴雾化角度测量研究

喷雾锥角的大小直接影响到燃料在燃烧室空间的分布特性。为解决传统的人工测量喷雾锥角方法的精度较低、重复性较差等难题,拟采用基于计算机视觉与图像处理技术,运用MATLAB/GUI软件的强大图像处理功能设计出航空发动机燃油喷嘴雾化角度测量系统,实现可视化界面操作。结果表明:该系统处理速度较快、精度较高,可减轻人工判读的繁琐工作量,对于质量较差的图像,可通过人工判读,减弱系统读取误差对试验结果的影响。     

基于合作目标和视觉的无人飞行器全天候自动着陆导引关键技术

 GPS受他国控制和易受干扰对基于该导航系统的无人飞行器导航和着陆具有潜在危险,为了使其安全自动着陆,提出通过在着陆跑道(广场或公路)上预设具有受控发射红外光的地面合作目标,实现无人飞行器的视觉全天候自动精确着陆新技术。首先研究得到切实可行的工作过程;然后研制了合作目标,通过理论分析和实验得出,无论能见度高低,8~12 μm中远红外视觉系统探测到的合作目标图像质量远优于可见光视觉系统,研究得到合作目标和背景的温差在170~200 ℃时,成像效果最好。在识别研究中发现,基于传统的不变矩算法对合作目标的识别可靠性稍差,为了进一步准确地识别合作目标,又提出了基于方向链码的合作目标识别算法,该方法的耗时为不变距的96%,但是识别的可靠性比前者有显著提高。     

采用局部约束线性编码的像素级舰船目标图像融合

为了提升视觉信息在低能见度条件下的适用性,提出了一种采用局部约束线性编码的像素级舰船目标图像融合方法.首先,采用K均值奇异值分解算法从海量的训练样本中完成过完备字典的学习.其次,在考虑着舰导引实时性任务需求的前提下,采用局部约束线性编码完成融合系数的非迭代求解,相较于压缩感知理论架构下的匹配追踪算法,极大地降低了计算复...     

基于单目视觉的机器人避障方法研究

避障问题一直是机器人领域研究的热点和重点。设计一种基于单目视觉的避障系统,能够同时检测机器人正前方和两侧的障碍物,且对低纹理障碍物同样具有效果。该系统采用特征尺度检测器完成机器人视野正前方障碍物的检测,对于视野两侧的障碍物运用光流平衡策略进行规避,而对于低纹理的障碍物则利用图像熵的方法进行检测。整个系统在地面移动机器人上进行了测试,实验结果表明,该方法能在复杂的环境下可靠地完成机器人的避障任务。     

基于多尺度分割注意力的无人机航拍图像目标检测算法

随着无人机（UAV）遥感技术的发展,无人机航拍图像目标检测逐渐成为无人机应用领域的一项核心技术,在交通规划、军事侦查及环境监测等领域具有重要应用价值。针对无人机图像中小目标实例多、背景复杂及特征提取困难的问题,提出一种基于多尺度分割注意力的无人机航拍图像目标检测算法MSA-YOLO。首先,利用嵌入在骨干网络瓶颈层的多尺度分割注意力单元建立多尺度特征间的远程依赖关系,从而强化关键特征的表达能力并抑制背景噪声干扰;其次,设计了一种自适应加权特征融合方法,该方法动态的优化各输出特征层权重,实现浅层特征与深层特征的深度融合;最后,在VisDrone公开数据集上的实验结果表明：该方法取得了34.7%的平均均值精度（mAP）,相比于基线算法YOLOv5提高了2.8%,在复杂背景下仍能显著提升无人机图像目标检测性能。     

频率锁定对伞弹系统稳态特性的影响

旋转伞弹在下落过程中的稳定性直接影响着子弹的扫描性能,因此研究影响伞弹系统稳定性的因素非常重要。采用激光双目立体投影图像视觉技术在立式风洞中非接触测量了伞弹模型的扫描角和瞬时转速,介绍了测量与数据处理的方法,着重讨论了频率锁定现象对伞弹系统稳定扫描特性的影响。试验结果显示：在较窄风速范围内,存在频率锁定区域;在频率锁定区,扫描角和瞬时转速具有较好的周期稳定性,对外界的干扰不敏感,能量谱峰值也较显著。     

航拍视频帧间快速配准算法

 为应对相机运动的影响,提出了一种快速有效的无人机(UAV)视频相邻帧图像配准算法。通过空间分布约束和角点量限制来筛选有效的FAST特征点,引入自适应阈值提高特征点检测的环境适应性,采用训练得到的不相关采样点集对特征点进行二值描述,以获得准确快速的特征描述,并通过最近邻算法根据汉明距离获得特征匹配对,最后运用RANSAC方法得到帧间仿射变换模型参数,消除相机运动带来的影响,为后续运动目标检测与跟踪提供保障。实验结果表明该算法快速、稳定,具有较高的环境适应性,能够满足无人机系统视频图像配准的要求。     

一种基于亚像素匹配的高精度视觉定位方法

大多数应用到无人机景象匹配导航中的匹配算法都只能满足像素级精度,且当无人机利用景象匹配定位时图像之间往往存在较大的视觉差异,这种情况下图像匹配精度低且性能会急剧下降。所以选用具有仿射不变特性的特征点进行匹配,结合高斯亚像素拟合原理及特征描述符简化方法,并采用渐进采样一致性(PROSAC)算法剔除误匹配点,最终实现亚像素级的景象匹配定位。实验结果表明,采用此方法可以大大提高图像匹配的精度,提高到0.05像素以内。     

用于无人直升机着舰控制的计算机视觉技术研究

 通过理论分析和计算机半实物仿真研究了一种应用于无人直升机自主着舰的双目立体计算机视觉系统及相关计算机视觉技术。研究了基于HSV 均匀色标的计算机视觉技术在无人直升机着舰控制中的应用。使用Hough 变换算法检测直线参数,在Hough 变换中利用梯度信息,它的应用打破了Hough 变换的计算瓶颈。整套算法的抗噪声能力很强,达到了无人直升机自主着舰的实时性和实用性要求。     

图像配准关键技术综述

图像采集设备的快速发展带来了图像种类和数量的迅速增加,图像拼接、融合等视觉系统提高了对图像配准的技术需求。图像配准利用原始图像数据或图像特征信息对输入图像的重叠区域进行变换和对齐,是为后续图像拼接、图像融合等图像处理任务提供操作基准的核心技术,是当前计算机视觉领域的热点研究问题。首先介绍了图像配准技术的主要应用领域及重大发展前景,然后说明了图像配准技术的基本框架和技术难点,详细阐述了基于特征以及基于区域的图像配准技术的实现算法及关键技术,分析了不同配准算法的优缺点及适用性,并对图像配准技术的发展前景进行了讨论和展望。     

计算机视觉在无人机着陆中的应用

介绍了计算机视觉的定义和视觉系统的软硬件组成，总结了视觉导航在旋翼无人机着陆方面的研究现状，并对视觉导航在固定翼无人机着陆中的应用给予初步分析和介绍。     

基于视觉的无人机自主着陆方法研究

本文针对无人机着陆的问题给出了一种基于视觉的自主着陆方法。通过对飞机动力学、图像信号、控制器进行线性化建模,详细分析了该方法的原理和工作过程.并在仿真中建立简化的环境.以某种飞机模型为试验对象.进行了仿真试验。试验结果表明该方法具有较好的精度,可以实现无人机的自主着陆。     

Use of land＇s cooperative object to estimate UAV＇s pose for autonomous landing

The research of unmanned aerial vehicles＇（UAVs＇）autonomy navigation and landing guidance with computer vision has important signifcance.However,because of the image blurring,the position of the cooperative points cannot be obtained accurately,and the pose estimation algorithms based on the feature points have low precision.In this research,the pose estimation algorithm of UAV is proposed based on feature lines of the cooperative object for autonomous landing.This method uses the actual shape of the cooperative-target on ground and the principle of vanishing line.Roll angle is calculated from the vanishing line.Yaw angle is calculated from the location of the target in the image.Finally,the remaining extrinsic parameters are calculated by the coordinates transformation.Experimental results show that the pose estimation algorithm based on line feature has a higher precision and is more reliable than the pose estimation algorithm based on points feature.Moreover,the error of the algorithm we proposed is small enough when the UAV is near to the landing strip,and it can meet the basic requirements of UAV＇s autonomous landing.