共查询到20条相似文献,搜索用时 93 毫秒
1.
2.
3.
4.
文章主要面向齿轮工件,基于机器视觉方法实现齿形轮廓自动检测。首先设计齿形缺陷专用检测装置,用于齿轮图像的采集;然后基于机器视觉方法,对齿轮图像进行预处理,包括灰度转换、中值滤波去噪以及二值化;并基于Sobel边缘检测实现齿形轮廓的提取,确定分度圆半径,基于最小二乘法拟合圆求圆心,根据分度圆与齿廓的交点测量齿距偏差。经验证,齿轮图像预处理以及Sobel边缘检测具有较好的通用性,基于机器视觉的齿形缺陷检测准确可靠,能够有效提升齿轮轮廓的自动检测效率。 相似文献
5.
基于Hough变换的车牌倾斜检测算法 总被引:7,自引:0,他引:7
典型的角度检测算法是进行Hough变换后寻找最长直线的倾斜角度.一般情况下,待处理图象中未必有明显的较长直线.甚至存在一些对图像进行正确检测的长直线干扰。章介绍了一种基于统计考虑的数据分析思路,以期在基于Hough变换的角度检测算法上取得更高的准确性。 相似文献
6.
7.
钢桥面板疲劳开裂为常见的钢桥病害,准确快速地发现并确定钢桥面板裂纹几何特征对降低运维成本、制定运维策略具有重要意义。针对传统人工巡检效率低、检测环境恶劣等问题,提出了基于计算机视觉的钢桥面板裂纹及其特征识别方法。采用目标检测网络YoloV5和图像语义分割网络U-Net++相结合的方法识别裂纹。根据2个网络的结构特性标注图像中的目标后生成数据集,并分别对网络中的参数进行训练。利用训练后的YoloV5与U-Net++分阶段对待测裂纹图像进行检测与分割,并通过阈值分割优化U-Net++分割结果,再通过骨架化后得到裂纹骨架线;在确定裂纹形貌后,采用YoloV5识别出的标定块求解透视变换矩阵与像素尺度系数,然后对裂纹骨架线进行图像矫正并确定裂纹几何特征。研究结果表明:YoloV5可准确检测出裂纹与标定块,且检测稳定性好;通过优化U-Net++训练时输入的像素尺寸,提高了U-Net++训练的收敛速度,网络损失由0.121降至0.096;求解透视变换矩阵时,使用所有角点坐标拟合该矩阵的最小二乘解可提高图像矫正标定的精度;当图像采集距离较远、角度较大时,角点投影误差增大,且该误差对角度更为敏感;不同图... 相似文献
8.
环境感知系统是智能驾驶电动汽车智能驾驶系统中不可或缺的一部分,相关的视觉图像处理技术是基于视觉的环境感知系统的核心组成部分,是国内外学者关注的热点。在现有车道线识别算法的基础上,本文提出了一种更完善的检测算法。通过逆透视投影变换转换坐标,对输入图像应用双边滤波、大律法二值化、形态学处理等前处理过程,消减噪声;最后使用Canny算子进行边缘检测,并利用Hough变换识别直线,对结果进行筛选。实验证明车道线识别算法能在不同环境下成功地识别出车道线,该算法有着较好的实时性和鲁棒性。 相似文献
9.
对某大桥横梁节点疲劳破坏试验,相继观察到高强螺栓出现松动,经过分析,阐明了横梁节点连接螺栓的松动机理。运用空间解析几何原理,进一步建立螺栓螺纹面方程,确立各转矩之间的关系,得出了高强螺栓支承面摩擦转矩、摩擦剪力和螺纹面摩擦转矩、摩擦剪力之间的关系式。最后总结了该类高强螺栓连接的松动规律。 相似文献
10.
针对智能车辆安全辅助驾驶系统中利用单目视觉进行车道识别的问题,提出了1种基于平行直线对模型的车道检测方法。该方法根据高速公路图像特征构建平行直线对模型,在此基础上先利用 Hough变换提取直线,再由改进的级联 Hough变换检测出平行直线对的消失点,最后通过消失点和先验信息来提取当前车道线。使用M atlab对高速公路上不同路段、不同光照情况、不同车辆干扰下共150幅道路图像进行实验,检测精度达88.6%,平均检测时间为0.24 s。实验结果表明,这一方法在高速公路行驶环境下能较准确地检测出当前车道线,具有很好的光照适应性、抗车辆干扰性和一定的实时性。 相似文献
11.
车辆辅助驾驶系统中的三车道检测算法 总被引:1,自引:0,他引:1
本文中提出了一种基于车道线特征的三车道检测算法。首先,在车道线预提取过程中对道路消失线以下部分的整个车道图像进行模糊化和边缘检测,并根据边缘点位置和方向角对消失点进行定位,同时基于消失点位置提取直线并结合车道模型对构成三车道的直线进行筛选和补充。接着在车道跟踪阶段,根据前一帧图像检测出的直线和消失点位置,对车道图像局部区域分别进行边缘点、直线的跟踪检测,并对消失点位置进行重定位。最后,对车道参数进行寻优以计算车道线曲率和车道宽度。试验结果表明,提出的边缘检测算法能有效检测模糊车道线边缘并抑制噪声,消失点和直线的检测方法耗时少且准确性高。在直线检测的基础上进行车道模型匹配能提高车道识别实时性,算法在车道线模糊、雨天、大雾和大曲率等环境下均具有较好的适应性。 相似文献
12.
针对序列图像的多车牌定位问题,提出了一种综合车牌特征与梯度分析的定位算法.该算法使用灰度均衡化与中值滤波算法对图像预处理来消除噪声,利用测试样本图像提取出若干有效的车牌参教作为定位系统的输入,实现了全自动定位车牌的目的.并引入MGD梯度分析方法辅助边缘提取算法来提取车牌候选区域,利用HSV颜色模型,使用主颜色分析方法分析候选区域,并通过车牌字符纹理分析方法做进一步的判断.使用Hough轮廓检测方法计算非文本区域块的直线斜率.该算法定位效果较好,鲁棒性强,有很好的工程应用推广价值. 相似文献
13.
针对城市混合交通的复杂场景图像中多目标及其参数的检测问题,提出了一种由改进的帧间差分与边缘提取相结合的算法。利用帧间差分法检测车辆的存在,对帧差图像运用统计滤波算法提取多运动目标,通过形态学方法提取并细化目标边缘,根据主边缘(轮廓)信息完成车辆定位,最终结合摄像机标定结果计算出多目标交通参数。算法避免了复杂场景的背景建模,减少了运算量。实验结果表明,该算法不仅能较为准确地检测多运动目标的参数,而且具有较强的实时性。 相似文献
14.
车道线的准确检测对于智能辅助驾驶和车道偏离预警系统的性能有着非常重要的作用,当前的传统研究方法普遍存在对复杂道路环境的适应性不够,检测精度有待提高等问题。针对复杂交通环境的车道线检测问题,充分考虑到复杂道路结构的语义信息,提出了1种基于语义分割与道路结构的车道线检测方法。该算法采用Encoder-Decoder的基础网络结构模式,通过改进实现语义分割,利用池化层的索引功能,以反池化的方式进行上采样,在每个上采样之后连接多个卷积层。然后再使用标准交叉熵损失函数训练分割网络,利用深度学习方法得到排除外部环境干扰的道路分割图像,并对分割后的道路图像进行透视变换,采用Hough变换和边缘点的参数空间投票,快速提取和修正车道线左右边缘点,将提取的边缘点进行贝塞尔曲线拟合,实现车道线的平滑显示。提出的算法在相关车道线数据集上进行了训练和测试,与基于参数空间投票方法相比,准确度提升5.1%,时间平均增加了8 ms;与卷积神经网络(convolutional neural networks,CNN)方法相比,准确度降低了1.75%,时间平均减少了6.2 ms。测试结果表明,利用提出的语义分割编解码网络... 相似文献
15.
16.
17.
介绍了一种基于视觉检测技术的球笼保持架窗口位置在线检测方法.采用具有独特双光源照明的成像系统的同时获取了窗口边缘和基准面的图像信息,以VC++为平台对数字图像信息进行处理和分析,频域高斯滤波完成图像去噪后,采用形态学边缘检测算法获得窗口边缘点和基准点,利用两直线的平行关系开展最小二乘直线拟合确定窗口边缘位置.实际应用证明该系统稳定可靠,检测效率高,具有良好的应用前景. 相似文献
18.
提出了用机器视觉系统对汽车仪表板总成进行智能检测的方法。仪表板质量检测的关键技术是提取边缘数据和定义指示误差。为有效地去除噪声并进行边缘数据提取,采用了小波变换模极大值的方法提取仪表图象特征,同时提出一种新的旨示精度评判准则。在此基础上,成功地研制出一种机器视觉检测系统。 相似文献
19.