综合应用光电技术、数字图像处理技术和计算机技术,以薄片型机械零部件为主要测量对象,开发一套工件尺寸测量系统,主要包括照明系统、图像采集系统、图像处理系统和尺寸测量系统。根据检测要求,采用Canny算法进行边缘检测粗定位和8个方向模板的改进亚像素检测技术获得工件精确轮廓信息,再对轮廓进行分割和选择,采用Hough变换完成工件的二维尺寸测量,并利用Halcon与C++联合编程实现多类型工件二维尺寸测量系统。实验结果表明直线和圆测量中,Hough变换测量值与千分尺测量值平均误差为0.042 mm;平均耗时32.543 ms。

车道线的自动检测技术是车辆实现自动驾驶的关键,而夜晚条件下的复杂环境给车道线检测带来很大的困难,是目前该技术研究的难点。这里提出一种图像增强算法,将高斯高通滤波器与高帽滤波结合对道路图像做增强处理,用以解决夜晚条件下低照度非均匀光照道路图像带来的不良影响。高斯高通滤波器调整图像中的非均匀光照,高帽滤波增强车道线边缘并通过图像灰度变换提升车道线与背景的对比度;然后使用分块阈值分割算法对道路图像进行阈值分割,使用基于斜率约束的Hough变换检测图像中的直线,并进行筛选拟合出车道线。

针对水下目标被动定位技术中目标运动分析方法（TMA）及匹配场处理方法（MFP）需要较多的观测阵元、算法复杂的问题,通过分析浅海声压场的干涉特性,提出了一种适用于单水听器被动目标运动参数估计的新方法.近距离目标辐射的噪声通过浅海声场后,在时频域上形成干涉条纹.利用射线模型分析浅海声压场,推导出时频干涉条纹是双曲线簇型的.运用图像处理中边缘提取的常用方法——Hough变换,提取双曲线参数,可以得到运动目标的航速、航深及距离的信息.海试数据分析说明了其有效性.与一般的水下目标运动分析和匹配场处理技术相比,本文的方法具有声场分析和定位方法简单的优点.

Hough变换在指针式仪表判读中的应用含读数的判读以及误差分析两步。前者步骤包括：利用CMOS摄像头采集获取原始图像，对图像进行增强和滤波处理，完成平滑滤波和中值滤波，并找出秒针、分针、时针对应的三个局部最大值，采用Hough变换判读手表读数；后者则根据相应公式估算分针和时针的读数误差，其自动判读系统可精确到一个像素。

为了满足精密零件高精度、高效率的加工检测要求，开展了机械零件形位误差在线检测研究，提出了一种新的检测方法。在得到零件的视觉边缘图像信息后，利用Hough变换将零件原始图像空间的给定曲线通过曲线表达形式变为参数空间一个点的原理，并结合形位误差检测方法，检测零件边缘图像上下棱边的边缘点，对检测到的边缘点应用最小二乘法进行拟合得到较精确的直线方程。通过实验将检测结果与人工检测结果比较，两者相差不大，表明该方法的有效性。

为了实现飞机姿态的测量,提出用光电经纬仪单站空间余弦姿态测量方法及多站面面交汇测量方法来获得飞机姿态参数。经纬仪单站加距离信息测量飞机姿态时,采用穷举法获得飞机轴线上的特征点,利用空间的位置关系获得空间姿态参数;经纬仪多站交汇方法获得飞机飞行姿态参数时,首先采用Hough变换对二维平面图像拟合获得目标中轴线,然后计算原点到目标的中轴线的垂直距离及原点到目标的中轴线的法线与X轴正向的夹角,获得目标在二维平面的直线方程。目标图像的二维中轴线与摄影系统的光学中心唯一确定了一个空间平面,采用面面交汇的方法,获得空间中轴线,得到飞机轴线的偏航角及俯仰角。实验结果表明,单站测量目标姿态在距离〈6000m时,姿态角测量误差〈1°;多站测量目标姿态在交汇角为30～150°时,姿态角测量误差〈0.6°。精度比对结果表明,本...

针对现有的汽车密封条长度测量设备中使用模板匹配算法检测特征点位置时,密封条自身旋转导致匹配效果差的问题,提出一种基于Hough变换的自适应模板更新算法。该算法在传统模板匹配方法的基础上,通过设定阈值对模板匹配效果进行判断;对于匹配效果不好的图像进行Hough变换,结合特征点的几何特征进行识别;通过特征点的位置与尺寸信息,将其转化为新的模板用于下一次的模板匹配,实现模板的自适应更新。试验结果表明,该算法弥补了传统模板匹配法对图像旋转异常敏感的问题,提高了识别的稳定性,同时保证了检测效率满足现场的要求。

目前压力仪表计量读数以人工读数为主,存在读取数值偏差问题,通过计算机自动识别压力表示数代替人工读数,可提高读数精度和工作效率,进而实现无人工操作的实时监测。为实现压力仪表的自动化精准高效读数,研究了基于Hough变换算法的计算机视觉读数,开发了相应的程序。首先采集压力表示数变化照片,通过Hough变换检测圆形表盘,采用二值化算法进行前期预处理,然后进行指针细化,将呈现长三角形的指针细化成一条直线,并通过Hough变换检测直线确定细化后的指针所在象限位置以及斜率,根据斜率判断指针偏转角度,并采用最小二乘法拟合压力值与偏转角度的关系,最终计算出指针在任意位置时的压力表示值。实验结果显示:采用该方法的判读值与压力表实际示值的误差在-0.17^+0.21 MPa之间,证明了算法的有效性。

车道线检测时容易受到路面环境的干扰、检测准确度与实时性不易保证。为此,提出了基于稀疏网格和动态特征窗口（DFW）的车道线检测方法。首先在道路区域建立了稀疏网格区域,然后提取了网格上的车道线灰度信息,大幅度排除了冗余像素。利用车道线的方向特性,提出了对称性六向梯度边缘检测方法,进而采用椭圆膨胀元素建立了车道线DFW。利用车道线方向和长度的显著特征,提取了车道线特征边缘并对其进行了Hough直线拟合。在多样性的道路环境中进行了算法测试,讨论了不同分辨率图像的车道线检测耗时。试验表明：提出的算法简单、快速,可以有效排除各类路面干扰像素,能够鲁棒、准识别多种路面环境中的车道线。

传统的hough变换在进行圆的检测时,是对整幅图像进行计算的,因此计算量大,运行速度慢,而且不适用于复杂的图像。在用三坐标测量机的测头部分进行相机标定时,除三坐标测量机的圆形测头外,图像中还有多个圆形固定孔,严重影响了圆形测头的检测,因此传统的hough变换圆检测算法不能准确测出测头的圆心。针对以上问题,文中介绍了选定感兴趣区域的改进方案。感兴趣区域包含了三坐标测量机测头的大体位置,只对感兴趣区域进行hough变换可以大大减少计算量,提高运行速度,还能忽略其他相似图形的干扰,将三坐标测量机的测头部分快速检测出,并得到其在像素坐标系中的坐标。