基于HALCON的单目视觉标定研究

在一种基于机器视觉的冲床改造中,需进行图像坐标系和冲床坐标系之间坐标变换,以实现布料位置转换到机床坐标系中,实现落料控制。与此同时,需要对采集图像进行畸变矫正,防止摄像机畸变导致落料件不完整,以提高落料精度。根据实际改造方法提出了基于HALCON的单目标定方法。首先在HALCON相机模型的基础上推导出摄像机参数公式;进而阐述了标定板的选取原则和自制标定板方法;最后模拟冲床落料实验场景,进行了标定实验,求得相机参数。实验证明采用自制标定板进行标定能够满足使用要求并降低了改造成本。     

列车智能障碍物检测系统在北京新机场线全自动运行中应用的研究

全自动运行系统对提高列车运行安全以及提升列车运输效率具有重要意义,现阶段全自动运行系统列车主要依赖于信号系统,缺乏主动环境感知功能。本文提出了一种基于视觉与雷达融合的列车智能障碍物检测系统,该系统主要包含有轨道区域识别模块、列车检测模块以及视觉与雷达融合模块。其中轨道区域识别模块应用语义分割算法实现前向轨道区域的精准识别,列车检测模块通过卷积神经网络算法实现当前轨道内前向列车识别。视觉与激光雷达融合模块通过融合激光雷达数据与视觉数据,实现全天候的环境感知。实验结果表现本文的系统具有较强的鲁棒性,将对提升新机场线的列车运行安全以及运输效率具有重要意义。     

高速铁路电务轨旁设备巡检系统研究

电务轨旁设备巡检系统综合应用低照度感光、激光照度补偿、图像数据压缩、机器视觉等技术,安装在高速铁路巡检车辆上,实现电务轨旁设备外观图像采集、管理和分析功能。该系统应用机器视觉技术,通过对比原始图像数据,实现设备变化的自动识别;结合地面台账数据和车载定位信息,准确定位异常设备图像和设备位置,实现图像自动筛选和自动检测,切实为电务轨旁设备养护维修提供依据和指导。     

基于计算机视觉技术的接触网定位器坡度动态测量算法

为实现对接触网定位器坡度的动态测量,提出基于计算机视觉技术的定位器坡度的动态检测算法。采用中值滤波算法和维纳滤波算法对拍摄到的图像序列进行图像预处理;对序列图像中的接触网定位器进行提取识别以及角点检测;选用NCC角点匹配算法对检测序列图像中检测到的角点进行匹配;在匹配角点的基础上,利用基于仿射不变性的直线匹配算法,对各幅图像中的直线进行匹配,从而可以自动获取图像序列中各图像直线的夹角,实现定位器坡度的自动动态测量并且减小了测量结果的不确定性。     

一种乘客信息显示器的机器视觉检测系统

由于传统人工测试方法强度高、效率低,通过机器视觉方法对列车乘客信息显示器进行测试,采用LabView Vision基于USB 3.0相机设计实现了机器视觉检测系统,对该型显示器实现亮点、暗点、字符自动识别和自动检测。试验验证表明,该检测系统提高了测试一致性,保证了测试覆盖率,并能够精确进行故障诊断。     

图像处理技术在钢轨表面缺陷检测和分类中的应用

采用图像处理、模式识别及机器视觉等理论,对现役钢轨缺陷进行检测和分类.完成自动提取缺陷图像和最小化缺陷图像,以减少处理量并降低存储空间需求,自动判断缺陷类别.文章对采集到的缺陷图像进行处理,实验结果证明该方法能够正确实现检测轨道表面缺陷检测,并具有一定的适用性.此方法可以克服人工检测方法的许多弊端,提高检测速度和精度.     

基于机器视觉的城市轨道交通对标停车系统研究

车辆自动驾驶技术是基于环境感知技术对周围环境进行感知,并根据获得的信息,通过车载中心电脑控制车辆的转向和速度,使车辆能够安全、可靠地行驶,并达到预定目的地的车辆控制技术。基于自动驾驶技术中的机器视觉,通过安装在车辆上的车载摄像头识别车标及车辆信号灯,允许车辆在没有人工参与的前提下,在自主进站停车过程中,识别车辆的位置并实施制动停车。机器视觉通过传感器及相机来代替人类双眼的功能进行测量和判断,是未来车辆发展的趋势,对标停车只是机器视觉可以完成的功能之一。未来,通过安装在车辆上的摄像头可以实现轨道交通的机器视觉,实时掌握路面信息,感知周围环境,在缓解交通压力、提升城市交通效率、提升能量利用等方面发挥更多的作用。     

基于LabVIEW的二维码高效识别系统设计与实现

介绍了二维码的结构、标准、编解码过程,以及采集图像上传至上位机的过程。通过分析二维码特性,基于LabVIEW开发的二维码机器视觉检测系统提出图像导入、图像预处理、图像定位和特征提取等研究方法,最终实现二维码识别功能。该系统使用640×480像素的低分辨率图像进行测试,在恶劣条件下取得94%的成功率且处理时间在40 ms/板以下,优于大多数现有系统。     

基于图像增强与深度学习的钢轨表面缺陷检测

相比传统的物理检测算法,基于机器视觉的检测算法具有检测速度快、操作便捷等诸多优点,但因受光照不均、相机失焦抖动、雨雪天气等外界因素的影响,导致检测精度降低。针对这一问题,提出一种基于图像增强与深度学习的钢轨表面缺陷视觉检测算法。首先,对图像进行Gabor滤波去噪,以减少噪声对缺陷检测的影响;然后,利用HSV空间变换方法增强缺陷图像的关键特征信息;最后,通过改进Faster R-CNN卷积神经网络,实现了多尺度钢轨表面缺陷的检测与识别。通过对所提出的检测算法进行对比实验,实验结果表明:裂纹、剥落、磨损三类缺陷的识别精度分别为91.87%,92.75%和91.52%,检测速度为每张图像0.265 s,优于已有的钢轨表面缺陷检测算法,能够很好地应用于实际项目中。     

基于目标识别与跟踪的嵌入式铁路异物侵限检测算法研究

铁路线路异物侵限是威胁行车安全的一个重要隐患。基于机器视觉与嵌入式技术设计了异物侵限自动检测系统,利用FPGA和ARM芯片实现了图像采集处理硬件平台。提出异物目标分类和运动行为分析相结合的嵌入式异物侵限检测算法。算法采用两级判别结构,首先利用支持向量机及一组特征向量对背景差分图像得到的异物目标进行分类,根据分类结果滤除大部分行进列车目标,之后运用Kalman滤波器设计目标跟踪算法,对其余目标进行行为和运动趋势分析,滤除其中非侵限干扰信息提高报警准确率,并对有侵限趋势的异物提前预警。实验表明,该系统能够有效地识别检测区域内的异物目标,系统侵限报警准确率达到97.11%,平均检测频率达13帧/s。     

基于机器视觉的轨距检测方法研究

提出了一种基于机器视觉的轨距检测方法,该方法采用4个CCD摄像机和2个红色扇形光源构成检测系统。对检测系统进行了定标分析,采用提取分量的方式对图像的目标区域和背景区域进行分割,利用图像差影法去除噪声,应用自适应迭代阈值法对图像进行二值化处理,并通过膨胀和细化算法得到轨道的截面轮廓线。试验结果表明,该方法能有效地实现轨距参数的高精度动态测量,精度可达到0.07mm。     

基于图像的高速铁路道岔岔尖密贴监测系统

针对我国高速铁路道岔岔尖部位密贴状态监测的难点,研发基于图像的道岔岔尖密贴监测系统。在分析现有监测方法的基础上,通过在传统机器视觉技术中引入学习算法和云计算等先进技术,设计基于岔尖边缘识别的密贴度监测算法,研究提出监测系统架构,并通过现场测试检验监测算法的准确性。测试结果表明,与现有监测方法相比,该系统大幅提高了道岔岔尖密贴监测的效率和准确度,从而降低因尖轨密贴故障造成的事故风险。     

基于LabVIEW的综合客运枢纽站智能监控系统设计

针对综合客运枢纽站客流的监控与管理需求,利用LabVIEW图形化编程平台和相应的硬件设备开发枢纽站智能监控系统,该系统使用模块化的设计方法。图像采集模块采用独特的方法解决了大范围监控的摄像头设置和视频分区显示等难题,并实现了监控视频的自动化分类存储。视频播放模块可以按要求对监控视频进行加减速和回放等播放操作,还可以通过扩展加入追踪定位功能。客流检测程序模块应用了LabVIEW视觉开发包中的图像处理与机器视觉相关函数,通过对监控视频的实时处理,得到车站客流信息,以实现对车站客流的智能化预警管理,为综合枢纽站客流管理提供了一定的解决办法。     

基于层次积分梯度的尖轨伸缩位移图像自动判读算法

针对人工判读道岔尖轨伸缩位移图像存在效率低和误差大的问题,为实现尖轨伸缩位移的实时自动监测,提出1种基于层次积分梯度的尖轨伸缩位移图像自动判读算法。采用逐层逼近目标区域的方式,克服尖轨伸缩位移图像中噪声和不相关信息的干扰,以SURF(Speeded Up Robust Features)算子的特征匹配结果为指导,逐步提取图像中的有效区域;利用积分梯度的抗噪特性,根据积分梯度和极值点精确定位刻度尺的特征点位置,结合可信度检验,实现尖轨伸缩位移图像的自动判读。用该算法对监测现场采集的尖轨伸缩位移图像进行判读的结果表明,可在2s内自动判读尖轨伸缩位移图像,总体偏差在0.5mm以内,能够满足目前现场对尖轨伸缩位移实时自动监测的要求。     

基于多传感器融合的视觉感知困难样本挖掘方法

视觉感知困难样本能有效提升自动驾驶场景中目标检测算法的性能,但是这些样本通常稀少且难以通过简单手段获取.针对该问题,文章提出一种基于多传感器融合的视觉感知困难样本挖掘方法.该方法利用雷达点云分割出来的障碍物目标对图像检测目标进行交叉复核,基于实际障碍物在多传感器间的映射关系挖掘图像目标检测算法难以识别或者未加入模型训练的样本,并将这些困难样本通过云边协同机制用于图像目标检测模型的重训练和远程部署,实现模型的优化迭代更新.试验表明,该方法可以有效挖掘矿用卡车自动驾驶场景的困难样本,通过增量迁移学习显著提升图像目标检测算法性能.同时,该算法对轨道交通等领域自动驾驶场景也具有重要的指导意义.     

行李安检禁限带物品识别多标签图像分类算法

有效识别禁限带物品的智能识别算法有助于降低安检人员劳动强度，提升旅客行李安检作业效率。文章采用图像多标签分类的深度卷积神经网络，通过引入图像注意力机制与动态元融合，能够在卷积前向传递过程中补充低层图像视觉线索，有效应对行李X光图像中物品影像混叠干扰及低分辨率特征混淆的问题，增强对细粒度特征的识别能力；同时，引入外部神经知识的元选择网络，实现网络多阶段预测的自适应融合，以避免权重偏置现象。实验结果表明，文章算法能够克服行李X光图像中影像混叠和物品尺度变化带来的禁限带物品识别困难，有效提高识别准确率。     

视频丢失快速检测算法研究

随着视频监控规模的不断增大,对视频监控终端进行自动诊断成为迫切需求。针对视频监控中经常发生的视频丢失故障,提出一种诊断算法,并进行系统设计和实现。该算法基于监控图像和差分图像的直方图分布特征,对视频丢失进行快速、准确的检测。通过对视频质量诊断系统实际运行结果进行分析,该算法能够满足视频监控故障自动诊断的需求。     

车体称重调簧试验台视觉定位控制系统研究

基于中南大学研制的车体称重调簧试验台硬件设计,摒弃了硬件改动较大的基于位移传感器的闭环控制方案,而是利用现有资源及机器视觉技术代替人眼完成定位控制操作。围绕前端图像采集、图像识别及特征提取、后端半闭环反馈控制3部分搭建基于图像信息的手眼视觉伺服系统模型,提出基于Open CV机器视觉库的参数自适应改进Hough变换算法识别目标特征轮廓,应用TMS320C6748系列嵌入式DSP图像处理平台,提供一套多路视频信号分时定位控制的通用解决方案。根据实测结果,本视觉定位控制系统可以准确识别试验所需3种不同车型的二系簧定位销形状,并且系统的定位控制精度在±2 mm以内,满足系统定位精度要求的±5 mm,相比手动方式缩短定位补偿时间75%,提高试验台自动化程度和试验效率。     

基于FPGA和DSP的高速实时轨道巡检图像采集处理系统

基于FPGA和DSP的高速实时轨道巡检图像采集处理系统由光学系统、FPGA模块、DSP图像处理模块及上位机组成。为提升图像采集的质量,提出并设计线阵相机加激光光源的组合方案,用以有效滤除阳光干扰,避免图像过度曝光。针对高速实时采集需求,设计FPGA采集模块,实现巡检图像采集控制和传输。针对实时智能检测需求,开发基于DSP模块的JPEG压缩、钢轨区域识别和扣件定位算法以及基于工控机的扣件缺陷识别算法。设计上位机软件,实现用户交互及数据存储。试验测试结果表明:该系统对钢轨定位的准确率在99%以上,对扣件定位的准确率在90%以上,对异常扣件识别率在80%以上,系统检测的最高速度可达160 km·h-1。     

改进Canny算子在列车车轮踏面损伤检测中的应用

高速列车车轮踏面剥离、擦伤等损伤的检测主要以效率低下的人工巡检为主,为了提高检测效率设计一种基于机器视觉的高速列车车轮踏面损伤的动态检测系统,提出使用改进Canny算子对车轮踏面损伤进行边缘检测。改进的Canny算子在平滑图像时采用自适应加权中值滤波算法来代替高斯滤波,采用添加45°和135°方向梯度模板的Sobel算子来计算梯度幅值,以大津法(Otsu法)来确定最佳高低阈值。仿真实验结果表明:基于自适应加权中值滤波和大津法的改进Canny算子可以有效地检测车轮踏面损伤的边缘,同时也实现了自动检测。