结构光三维视觉检测中光条图像处理方法研究

在结构光视觉检测系统中,光条中心的提取精度直接影响到整个测量系统的测量精度.光条图像的处理是其中重要的一步,尤其是受到严重噪声干扰的图像.探讨了被多种噪声干扰的光条图像的处理和精确提取光条中心的方法.给出了一种消除环境干扰的滤波模板并实验验证了其滤波效果.使用这些光条图像处理方法使整个测量系统在200mm×200mm的测量范围内测量精度达到0.083mm.      

红外气体分析中环境影响的补偿方法研究

环境温度、总压影响是红外气体分析中难以有效解决的主要问题之一，本文以二氧化碳气体为测量对象，采用实验手段，单片机和数据自理技术建立了环境温度、总压对红上气体分析影响的补偿数学模型和求解方法，并进行了实验验证，研究的内容为红外气体分析中影响影响的外补偿开始辟了一条新的途径，具有广阔的应用前景。     

视觉检测中高速图像采集技术的研究

利用视频输入处理器(SAA7111)和现场可编程门阵列(FPGA),采用全硬件方式和两帧轮换存储方式设计实现了图像采集系统、计算机以及前端硬件处理系统之间的相互接口,使得视觉检测中视觉传感器能够同时进行图像采集和低级图像处理.     

线结构光传感器标定点获取方法研究

提出了一种基于双重交比不变性的线结构光传感器标定点获取的方法,利用该方法和设计的标定靶标,可方便的获取大量的高精度的标定点,解决了线结构光传感器标定点不易产生且数量少的问题,从而可以在一定程度上提高标定的精度.仿真结果表明该方法是可行的.      

无人飞行器自主着舰实时场景的仿真实现

为给垂直起降无人飞行器视觉自主着舰算法研究提供经济可行的解决方案,实现了无人机自主着舰场景的软件仿真以提供算法研究中所需的合格场景图片.基于机器视觉理论,通过分析无人飞行器机载摄像机在自主着舰时考虑了透镜畸变参数的针孔成像模型,给出了无人飞行器着舰靶标的成像公式,并介绍了软件仿真中畸变模型实现时出现的问题及解决办法.为了使仿真图像更逼真,综合考虑了无人飞行器着舰实时场景中所存在的主要干扰,如光照不匀,运动拖影及电气噪声和大气流动和海面悬浮颗粒造成的白噪声等,在C+ +和Windows环境下实现了无人飞行器自主着舰的仿真图像和数据的实时生成.最后展示了部分仿真结果.     

星敏感器中星图图像的星体细分定位方法研究

介绍了星敏感器的基本工作原理和星图图像的预处理的主要方法,将传统质心法、带阈值的质心法、平方加权质心法和高斯曲面拟合法应用于星敏感器中星图图像的星体细分定位,并进行了较为系统的仿真研究.仿真结果表明,带阈值的质心法是一种较为理想的星体细分定位方法.就噪声水平、阈值选择及低通滤波对细分定位精度的影响进行了仿真研究.最后,利用仿真结果对模拟星图图像的星体进行了细分定位实验,取得了较为满意的结果.      

一种快速的星敏感器星跟踪方法研究

阐述了星敏感器中星跟踪方法的重要性,指出了目前国内外星跟踪方法的不足。针对这些不足,提出了一种全新的、快速的星跟踪方法。新的跟踪方法采用现场可编程门阵列(FPGA)实现了实时的星点定位;正是由于这种技术的采用,加快了星点位置信息的获取,摈弃了跟踪窗的跟踪方法,采用简单的匹配识别的跟踪方法;对于新星的识别,由于有初始姿态而采用匹配组的识别方法。最后给出了星跟踪过程的实验结果。     

一种地形轮廓特征的立体视觉三维重建方法

针对自然地形轮廓特征的三维数据测量问题,提出了一种基于区域分割的立体视觉三维重建方法。先通过分水岭变换进行图像分割,根据分割区域边界确定图像中场景的轮廓边缘。轮廓边缘按所属区域分组进行立体匹配,根据分割区域相互邻接的全局特征和各区域的位置、尺寸、灰度值局部特征建立区域约束,并根据区域边缘像素点梯度分布特点建立梯度方向约束,以减小立体匹配的搜索空间、优化匹配顺序、提高匹配精度。进而根据双目立体视觉的成像模型计算匹配边缘点的三维坐标,实现地形轮廓边缘的三维重建。实验结果表明,该方法能够快速有效地重建出体现地形三维结构特征的轮廓边缘,并具有较高的立体匹配正确率和重建精度。     

单目主动视觉无人机导引中摄像机内参数标定的线性方法

提出一种单目主动视觉无人机导引中摄像机内参数标定的线性方法,在摄像机主点位置进行预标定的条件下,摄像机只需拍摄一幅着舰平面靶标上的一组正方形图像,无须知道该组正方形的任何几何信息,通过计算圆环点,建立绝对二次曲线对摄像机内参数的约束方程即可线性求解摄像机内参数,仿真实验和真实图象实验表明:该方法在摄像机内参数(如焦距等)需要经常改变的视觉任务,如基于视觉的无人机着舰导引、运动参数估计、三维视觉重建及视觉监控中,使得摄像机内参数的标定具有简便、实时和鲁棒性强的特点。     

基于Gabor滤波器的图像目标识别方法

为了给机器人视觉导航提供有效信息,提出一种基于图像匹配的目标识别方法.对CCD采集的目标图像,由 Gabor 变换生成的二维Gabor 滤波器有着优良的滤波器性能,不需要对图像进行分割,能适应一定的旋转、尺度、光照的变化,通过多个频率和角度的Gabor算子与图像的卷积,获取图像全局信息的特征描述.分类方法采用统计学习理论基础上发展起来的一种新的机器学习方法——支持向量机(SVM, Support Vector Machines),它可解决模型选择、过学习、维数灾难等问题.通过支持向量机进行多维特征向量的分类.该方法可达到较高的识别率,达到实时处理的要求,可以在人脸识别、机器人视觉定位等领域得到应用.