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.     

基于视觉与边界元法的复杂曲面砂带磨削接触状态快速获取

机器人砂带磨削具有高的加工表面质量与效率,但是在加工复杂曲面部件时,难以确定的局部接触状态导致加工过程的精度难以保证,限制了其在高端产业的应用。目前的局部接触状态计算方法难以满足加工中对计算效率的要求。因此,本研究首先对比分析了FEM与BEM在计算接触状态方面的结果,提出采用机器视觉识别砂带上的磨削痕迹得到磨削区宽度,并将其作为BEM的边界条件,最终实现了局部接触状态的快速获取。该方法能够在1 s内计算得到18 mm×18 mm区域大小,精度0.2 mm点云轮廓的接触状态,与FEM计算结果对比,最大误差不超过5.6%。     

基于视觉传感的投影标示技术研究进展

数字化制造技术在航空制造领域不断深化,但在部分装配环节,工人仍是从事生产活动的主体。航空工业产品结构复杂、零部件繁多、装配工作量大,对从事装配工作的工人提出较高技术要求。投影标示技术是提高人工装配环节数字化程度与生产效率的重要技术途径之一。首先,从投影标示技术的实现原理出发,阐述该技术在辅助装配领域的适用性。其次,重点阐述其依赖的系统标定、视觉传感和投影映射3个主要技术内容。然后,介绍投影标示技术在飞机制造领域的应用情况并展望未来发展趋势。最后,在梳理国内研究现状的基础上总结面临的技术挑战。     

焊缝高效精密磨抛智能技术研究进展

焊接表面的缺陷严重影响焊接结构件的后续加工和服役,焊缝的高效精密磨抛是获得焊缝高质量表面的关键技术之一,研究焊缝高效精密磨抛具有重大意义。聚焦于焊缝高效精密磨抛的智能技术,总结焊缝磨抛的特点,从基本磨抛原理和模型、智能磨抛设备以及力控算法和基于视觉技术的焊缝高效精密磨抛3个方面详细阐述了焊缝磨抛智能技术的发展现状;最后阐述智能技术给焊缝高效精密磨抛技术带来的机遇与挑战,提出该领域亟待解决的问题。     

一种改进点线特征融合的双目视觉惯性定位算法

在复杂产品装配过程中,对增强现实设备定位是实现虚拟引导信息与装配现场实时融合的核心。传统基于标签或预先构建离线装配基体模型的定位方式,存在装配任务与视觉定位兼容性低,单一视觉定位鲁棒性和稳定性差的问题。利用多传感器融合的视觉惯性导航方式进行定位,可提高定位的精度和鲁棒性,有效提高复杂产品装配质量和效率。本文提出了一种基于点线特征融合的双目视觉惯性定位算法,对双目相机和惯性测量单元（Inertial measurement unit,IMU）进行联合标定,并通过ORB和LSD线端融合的点线特征提取匹配,采取视觉和IMU紧耦合的方式,建立基于点线特征的视觉惯性融合的位姿误差融合模型。对比VINS-Fusion、PL-VIO和本文改进IPLVIO算法,结果表明IPL-VIO算法在结构化场景下的绝对位移和旋转误差比原算法误差更小,同时结构化场景信息更加丰富,能够应用在弱纹理的AR装配现场中,为增强现实辅助装配平台提供稳定可靠的位姿数据。     

基于视觉的码头集装箱AGV导引系统

根据码头环境的特殊性,提出了一个应用在码头的集装箱装卸自动导引车(A u tom atic gu ided veh icle,AGV)系统。本系统是基于视觉导引的,采用先识别,后跟踪的方式。在识别时根据识别的标志线的特点,提出了改进的Sobe l算子和可调节参数的Hough变换的方法;在跟踪时,提出了一种用自适应模糊的负反馈来改善系统识别质量和频率稳定性的思想,并应用到了该系统中。文中还提出了一种简单有效的防止图像抖动的方式,使得传送给机车控制系统的参数更加平滑、稳定。实验证明,该系统可以满足AGV在码头工作环境中的全天候工作,并且保证AGV在8 m/s的速度下,系统的识别精度在5 cm以内。     

航空发动机叶片表面损伤与检测研究进展

航空发动机叶片的工作环境极其恶劣,表面会出现各种类型的损伤。在损伤早期进行表面检测能够有效预防因损伤扩展导致的叶片失效断裂。发动机叶片表面损伤的检测和评估主要由人工操作,严重依赖工作经验,但人工检测不仅效率低下,而且检测结果容易受到人为因素的影响。为了高效、高精度地检测发动机叶片表面损伤,从叶片失效形式出发,综述了发动机叶片在停放和运行2种状态下的损伤机理,并重点阐述了涡流检测、渗透检测等常用于叶片表面损伤检测的方法。总结了基于机器视觉的检测技术,分析机器视觉检测面临数据集稀缺和单一性的挑战,认为收集大量数据并进一步完善评估标准是未来发动机叶片表面损伤检测系统研究的重点方向。     

基于多特征图像视觉显著性的视频摘要化生成

如何高效提取视频内容即视频摘要化,一直是计算机视觉领域研究的热点。简单通过图像颜色、纹理等特征进行检测已无法有效、完整地获取视频摘要。基于视觉注意力金字塔模型,提出了一种改进的可变比例及双对比度计算的中心-环绕视频摘要化方法。首先,以超像素方法对视频图像序列进行像素块划分以加速图像计算;然后,检测不同颜色背景下的图像对比度特征差异并进行融合;最后,结合光流运动信息,合并静态图像与动态图像显著性结果提取视频关键帧,在提取关键帧时,利用感知哈希函数进行相似性判断完成视频摘要化生成。在Segtrack V2、ViSal及OVP数据集上进行仿真实验,结果表明:所提方法可以有效提取图像感兴趣区域,得到以关键帧图像序列表示的视频摘要。      

基于无监督学习的多模态可变形配准

针对医学图像配准问题,传统方法提出通过解决优化问题进行配准,但计算成本高、运行时间长。深度学习方法提出使用网络学习配准参数,从而进行配准并在单模态图像上取得高效性能。但在多模态图像配准时,不同模态图像的强度分布未知且复杂,大多已有方法严重依赖标签数据,现有方法不能完全解决此问题。提出一种基于无监督学习的深度多模态可变形图像配准框架。该框架由基于损失映射量的特征学习和基于最大后验概率的变形场学习组成,借助空间转换函数和可微分的互信息损失函数实现无监督训练。在MRI T1、MRI T2以及CT的3D多模态图像配准任务上,将所提方法与现有先进的多模态配准方法进行比较。此外,还在最新的COVID-19的CT数据上展示了所提方法的配准性能。大量结果表明:所提方法与其他方法相比,在配准精度上具有竞争优势,并且大大减少了计算时间。      

基于局部主动轮廓模型的飞机壁板铆接孔定位方法研究

对飞机壁板铆接孔的定位方法进行了研究,提出了一种基于局部主动轮廓模型的铆接孔定位方法。首先通过基于灰度直方图的全局阈值分割和形心法进行铆接孔的粗定位;然后以粗定位坐标为圆心建立遍历圆,并以遍历圆作为限制条件构造能量圆,建立能量方程求解遍历圆内能量最小的像素点为铆接孔的精定位位置;最后进行视觉引导铆接孔定位试验,试验测得定位误差小于0.05mm,满足飞机壁板自动铆接的工艺要求,且比传统的区域主动轮廓模型定位精度高,具有一定的可行性。