钢丝绳的横向振动与提升系统的结构设计和动态特性关系复杂,钢丝绳的工况条件加大了其测量的难度。为抑制钢丝绳的横向振动和提高提升系统运行的平稳性和安全性,对钢丝绳横向振动的测量和研究是不可或缺的。提出一种基于单目视觉检测原理的钢丝绳横向振动测量方法,给出了图像采集系统的设计,图像处理流程以及系统软件编写流程,并利用C++Builder XE编程平台通过C++语言完成视觉处理算法设计。分析了影响测量精度的系统误差并给出了相应的解决方案。实验表明,提出的钢丝绳横向振动测量方法可以准确反映钢丝绳横向振动规律并对后续钢丝绳横向振动理论研究提供实验依据和数据支持。

为解决因被测零件表面与相机光轴不垂直以及摆放位置不一致,导致单目测量精度低而被限制应用的问题,提出一种单目测量系统的配置方案。该方案将工作台面设计成台阶圆状,保证圆形零件边缘始终与台阶圆同一点相切,工作台面采用透明有机玻璃和背光源,提高圆形零件边缘成像清晰度。通过获取不同零件的成像直径,采用拟合方法得到测量系统模型。实验结果表明,测量数据与实际数据之间的相对误差不超过0.187%,能够满足实际工程测量的要求。

为支持家庭用服务机器人抓取任务,设计了一种针对家庭环境中常见物体的实时三维重建系统。系统假设相机在围绕物体运动的同时采集图像。首先借助从运动恢复结构算法求解相机在采集图像序列时的运动轨迹。根据运动轨迹中的位置信息,基于几何约束为相机运动轨迹中的每一帧选择最合适的配对图像。提出基于虚拟双目的立体匹配方法恢复每组配对中两帧图像共视区域的三维结构。利用L-R检查和抛物线拟合等后处理方法剔除误差较大的测点。最后用不同的图像配对计算出的三维结构生成最终的物体模型。实验结果表明生成的物体模型中位数相对误差在1.0%左右,满足机器人抓取任务中对物体模型的精度要求。同时系统平均运行速度超过25帧/秒,满足家庭用物体快速建模的要求。

基于机器视觉在工业上的广泛应用,对用于气阀装配的机器人视觉系统进行了标定研究,包括基于主动非线性的相机标定和基于Eye-in-hand方法的手眼标定,经实验证明,标定后的视觉系统对气阀的定位精度误差为0.52 mm,达到了气阀的定位与装配精度要求,实现了基于视觉的气阀与气缸间的定位与装配,对其他机器人视觉定位研究与设计具有重要的实用价值和意义。

为验证堆芯复查期间通过单目视觉测量燃料组件间距精度,搭建测试平台,按照比例绘制模拟堆芯图。摄像机按照规划的运动轨迹拍摄模拟堆芯图片,通过标定求解摄像机内参数、外参数和畸变参数,将校正参数代入摄像机数学模型并对拍摄图片进行匹配,求解相邻组件上管座间距和组件高差值。将间距测量结果同模拟堆芯图组件已知间距比较,测量误差小于0.42 mm。测量结果显示精度在允许范围内(小于0.5 mm),验证了堆芯复查期间通过单目视觉测量燃料组件间距的可行性。

在单目视觉检测中,由于相机设置角度以及镜头等原因,相机所拍摄的图片存在非线性畸变,在图片使用之前通常需要进行相机标定、畸变校正。径向基函数(RBF)神经网络具有良好的非线性拟合能力,文中提出一种基于RBF神经网络的相机标定方法,该方法从标准标定板中提取样本像素点作为网络输入,对神经网络进行训练,训练好的网络可以得到畸变图像与校正图像像素点之间的对应关系,进而达到校正图像畸变的作用。实验结果表明,相较于传统的张正友标定法,该方法简单有效,精确度更高。

针对工业上单目视觉系统难以适应工件Z轴位置变化的问题,开发基于单目视觉的Z轴位置自适应识别定位方法与系统。采用激光三角测距原理检测工件坐标系平面与相机坐标系平面的距离,配合下位机微机控制系统实现工件平台Z轴位置自适应,进一步融合HSV颜色空间模型,通过改进模板匹配算法完成工件识别定位。联合Halcon与Visual Studio进行单目视觉Z轴位置自适应识别定位系统软件开发以及实验验证。结果表明:该系统在工作范围内平均定位误差小于1 mm,具有较好的Z轴位置自适应调节能力和较高的定位精度。

针对移动机器人室内定位过程中,单目视觉难适应光照变化、里程计累计误差导致定位误差较大问题,提出边缘侧多传感器融合的定位方法。以稀疏直接法(半直接法)作为单目视觉的前端,实时单目相机估计位姿,通过惯性传感器恢复尺度输出位置信息,并且获取IMU的加速度以及偏航角、里程计当前速度,通过扩展卡尔曼滤波算法融合3种传感器信息,实现更加精确的定位。在移动机器人侧处理传感器读取的信息,从而减小机器人体积。边缘侧混合式多传感器信息融合使移动机器人在单个传感器失效以及无法人为干预时,也能够精确实时地在多种复杂环境中完成自主定位。

为了测量圆形物体的直径,无需考虑复杂的成像模型,基于一种先测量后建模的思想,首先测出一系列标准物体的直径,接着依次将这些物体放到测量平台上,通过图像处理的方法依次获取这些物体在CCD相机中的直径,建立一一对应的关系。根据这些数据,利用曲线拟合的方法建立实验模型。最后根据实验模型,在一定范围内测量其他未知直径的物体,并与人工用游标卡尺测量这些物体的直径进行比较,验证了该方法的可行性并分析了尺寸测量误差产生的原因。

在单目视觉的前提下,针对复杂多变的道路环境中车道线识别算法易受干扰的现状,设计了一种新的道路图像处理方法。首先静态划分道路图像的感兴趣区域,在感兴趣区域内进行图像处理和车道线检测,将图像灰度化,采用中值滤波去除噪声;接着在基于最大类间方差法的基础上,运用Canny算子进行图像边缘检测;最后使用改进的Hough变换对车道线进行识别及拟合。通过自主搭建的实验平台对研究算法进行实验检测,实验结果表明,该方法在道路环境复杂的情况下仍能准确地识别车道线,具有较强的鲁棒性。