以效率较高的加速分割测试特征提取(FAST)算法为基础,添加原FAST算法不具备的尺度不变性和旋转不变性特征描述子,在特征检测和匹配时将颜色信息作为重要参考变量,提出了一种基于颜色信息改进FAST算法的图像特征检测和匹配算法(C-FAST)。改进后的算法效率较高,具有更高的检测和匹配精度,且在光照变化和噪声下均有很好的稳健性。使用公开数据集和常用图像对FAST算法、快速稳健特征(SURF)算法、基于颜色信息的尺度不变特征转换(CSIFT)算法及所提C-FAST算法进行了性能分析。结果表明,所提算法能有效可靠地完成图像的特征检测和匹配,对比原FAST算法,准确率提升30%。

针对标准Hough变换在直线检测中存在的问题,提出了一种基于改进随机Hough变换的直线检测算法。利用8邻域搜索对边缘图像像素点进行了聚类分组;提出了像素点梯度方向差分概念,求出每一个边缘分组中相邻像素点的梯度方向差分,从而进行直线预检测,排除不含直线特征的边缘组;基于随机抽样一致性算法,提出了一种带有直线参数模型预检验的改进随机Hough变换算法。研究结果表明,该算法有效解决了标准Hough变换中的问题,改善了直线检测过程中的误检情况,具有检测速度快、检测精度高的优点。

基于高斯映射聚类边缘提取算法提出了一种快速而精确的新方法,通过凝聚聚类和估计法线将高斯球中的法线进行聚类,通过分析每个点最近邻域点的协方差矩阵特征值来检测边缘特征。对不同的点云对象进行边缘提取对比实验,分别从边缘提取效果和提取时间进行对比分析。实验结果表明,所提方法能快速有效地提取点云的边缘特征,相比原高斯映射聚类边缘提取算法有很大的提升。

为了对自主研发的工业机器人进行校准从而提高其运动精度, 提出一种采用双目视觉动态跟踪球面编号靶点的机器人标定方法, 利用安装在机器人末端靶球上特征分布的编号标志点进行工作空间内任意位姿的测量, 由最小二乘迭代准确辨识出机器人的几何结构参数对控制器进行补偿。利用MFC由开放式、模块化思想编制标定软件, 设计视觉测量、数据处理、机器人控制等功能模块, 最后通过测量实例和对比实验, 验证其可靠性和准确性。实验表明, 该软件测量得到的位姿数据具有较高的精度, 扩大了传统视觉跟踪的视野范围; 同时将识别得到的机器人模型实际几何参数进行反馈补偿, 成功地将机器人绝对位置精度由3.785 mm提高到1.618 mm, 姿态精度由0.235 提高到0.139。

针对机器人手眼关系的求解问题, 在现有研究方法基础上, 将传统方法高精度的优点和主动视觉方法的简单易实现性相结合, 提出了一种新的混合求解方法; 只需机器人进行两次正交平移运动及分别对标定板成像一次, 即可标定手眼旋转矩阵R, 再指导机器人移动到标定板原点, 即可求解手眼平移矩阵T。以自主研发的平方六轴串联机器人为实验对象, 应用所提出方法求解出手眼关系, 并用传统方法对所求结果进行分析, 证明该方法误差在1 mm以内, 不需要求解复杂的传统方程, 且准确度高、易实现。

针对小波变换不能充分描述人脸曲线特征的缺点，本文提出一种基于曲波域与核主成分分析 (KPCA)的人脸识别算法。采用多尺度、多方向的曲波 (Curvelet)变换提取图像特征，不仅具有更高的逼近精度和更好的稀疏表达能力，而且其变换系数能有效表示沿曲线的奇异性。进一步使用核主成分分析 (KPCA)将曲波特征系数投影到更具表达力的核空间中，通过最近邻分类器进行分类。并在 JAFFE人脸库中、 ORL人脸库以及 FERET人脸库中做了多组实验，实验结果表明该方法在图像降维和识别率方面都达到了较好的效果。