针对机器人示教抓取异构件水龙头仅能适应固定姿态,缺乏自主获取位姿能力的问题,开发了一套双目视觉引导的异构件定位抓取系统。首先通过单目及双目标定获取相机参数及相对位姿,接着对图像进行预处理、立体校正。经过二值化、形态学等图像处理算法将水龙头待抓取区域提取并且创建为模板。采用模板匹配与极限约束结合的方法进行特征匹配,根据匹配点视差及相机标定结果计算三维坐标,同时利用图像的二阶矩计算偏转角度。最后根据手眼标定矩阵及偏转角转换公式,求得水龙头在机器人基坐标系下的姿态,实现异构件的定位与抓取。实验结果表明x、y、z方向误差分别在±0.9mm、±1mm、±1.4mm以内,偏转角误差在±3.5°以内,具有良好的实用价值。

将可获取环境信息的视觉传感器连接机械臂,进行机械臂建模并赋予机械臂目标数据获取和定位的功能,针对基于双目识别机器视觉技术的机械臂抓取控制精度和抓取效率进行了研究。研究发现双目识别视觉机器人移动范围大于500 m,明显高于三眼视觉机器人,同时避障精度明显优于三眼视觉机器人,差异对比P<0.050;双目识别视觉机器人的抓取力度、定位精度、行走精度均优于三眼视觉机器人,差异对比P<0.050;双目识别视觉机器人在“捡鸡蛋”任务模式下平铺效率、篮中效率明显高于三眼视觉机器人,同时损失率(5.6±0.7)%明显低于三眼视觉机器人(16.2±3.5)%,差异对比P<0.050。由此可见基于双目识别视觉的机器人拥有更高的移动效率、控制精度及工作效率。

提出了一种测量物体微位移的新方法.原子力显微镜作为测量工具,样品和扫描器置于待测物体上,物体每移动一定距离就由AFM扫描获得一幅样品图像,由此获得一系列连续的序列图像.采用模板匹配方法检测相邻序列图像的偏移,从而可计算出物体的微位移.实验结果表明,用该方法还可实现物体二维方向的微位移测量,且精度达到纳米量级.

本文提出了一种基于模板匹配和神经网络的车牌识别方法。该方法具有模板匹配识别车辆字符和神经网络识别车牌字符的各自特点，可有效地提高车牌字符识别的识别率，识别速度和识别系统的泛化能力，实验结果表明，该方法车牌字符识别率超过92%，识别时间不超过1200ms，能较好地满足实际系统的要求。

研发出一种基于机器视觉的全自动定值灌装系统，采用CCD摄像机和图像采集卡采集图像，运用图像二值化、中值滤波及模板匹配等技术计算出桶口中心坐标，步进电机驱动二自由度移动平台，带动喷枪移动到桶口上方，实现桶口的自动定位。

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。

针对岩石隧道掘进机(TBM)钢拱架拼接施工过程中的定位问题,提出一种基于机器视觉的钢拱架铰接孔定位检测方法。根据钢拱架拼接的现场环境,设计图像采集系统;使用具有旋转不变性的归一化的互相关值(NCC)模板匹配算法,可快速匹配钢拱架铰接孔所在的感兴趣区域;基于一维像素序列上的灰度梯度确定铰接孔外轮廓边缘点,并使用基于随机抽样一致性(RANSAC)算法的椭圆拟合方法确定钢拱架铰接孔圆心,实现钢拱架定位,为钢拱架拼接提供位姿信息。结果表明:该方法可实现钢拱架铰接孔的高效率、高精度定位检测。

针对阵面雷达现有装配过程中存在的自动化水平低、检测速度慢等问题，提出一种基于机器视觉引导机械手装配与检测的设计方案，方案核心在于对辐射单元口沿中心的快速、精确提取。首先通过基于形状的模板匹配算法对采集图像进行匹配，实现对辐射单元大致位置的快速定位；然后为实现对辐射单元中心点的精确提取，提出一种基于灰度差与极性变化的方法来重新拟合辐射单元外轮廓线。经Halcon仿真对比验证，该算法的检测效果比单纯进行模板匹配得到的结果有明显的优越性，这为实现阵面雷达的自动化装配与检测提供了有力的基础。此外该算法除辐射单元外亦可应用于包括圆在内的任何规则形状物体的轮廓线快速精确提取。

采用改进模板匹配和最小二乘法对偏心桶加注口进行视觉定位。首先通过阈值分割和中值滤波对桶口图像进行预处理,然后通过改进的相关系数法进行模板匹配,获得要识别区域,减小运算量。最后通过最小二乘法得到偏心桶加注口的圆心坐标。实验结果表明,该方法的精度能达到工业要求,相比传统Hough变换,实现了检测的实时性。