基于激光断面扫描卧式罐所获取的点云数据, 提出了一种卧式罐倾斜比计算方法。该方法建立在卧式罐筒体为近似圆柱体的基础上, 通过拟合筒体上点云数据得到轴线方程, 从而得到卧式罐倾斜比计算方法。该方法首先给出了点云数据的预处理方法, 通过基于曲率算法和对称性原理, 将单层数据中的圆弧段与直线段进行分离; 通过基于最小二乘法的直线拟合, 剔除了由于附件引入的干扰点, 以此获取稳定的圆柱拟合参数; 然后, 利用 Levenberg-Marquardt非线性最小二乘法, 拟合得到圆柱体参数方程, 最终换算得到卧式罐倾斜比的精确计算。实验证明, 该方法运算时间短, 鲁棒性强, 与手工测量相比, 角度偏差小于 0.01°。

提出了一种基于SUSAN算法和Hough变换的直线边缘亚像素定位方法。在该方法中,给出了SUSAN算法模板选择的依据,同时定义了直线边缘响应函数并引入加权Hough变换。首先,利用直线边缘响应函数对直线边缘进行提取;然后对具有响应值的灰度点进行Hough变换并将该响应值作为权值记入参数空间累加器,得到粗定位;在粗定位的基础上对映射区进行局部细化,并对区域内点进行拟合,最终得到直线边缘精定位。实验证明:直线边缘定位精度可达0.3pixels,同时为解析曲线亚像素定位提供了一种新的思路。

理想规则图像特征经标准互相关函数匹配后,相似函数C*(x)可用确定的解析式Z(x)表达。但是对于含噪声图像,相似函数C(x)较之C*(x)发生了变化,但存在“零相似不变性”。将此原理应与于显微视觉中图像物面分辨率的在线标定,推导了矩形图像特征的一维相似函数解析式Z(x);求解C(x)=0作为Z(x)的近似,并给出了具体标定算法;通过仿真图像实验,给出标定算法的正确度在0.1～0.2 pixel;最后,将标定算法应用于可连续变焦的微对准装配系统,实测算法的精密度可达为0.08 pixel。实验结果表明,基于“零相似不变性”的标定算法是具有实用性的亚像素标定方法。

根据显微图像的几何特点,提出了基于HT (Hough Transform) 十字显微图像亚像素定位算法(SLACHT) 和基于HT近似圆显微图像亚像素定位算法(SLARHT),对显微图像特征中的直线和近似圆的亚像素定位做了深入的研究.通过与经典直线HT定位算法和经典随机HT圆定位算法进行实验对比,验证了该定位算法的优越性;通过与Matlab中的直线HT定位算法和圆HT定位算法进行实验对比,验证了该算法的可靠性.大量实验表明,该算法的定位精度优于0.01像素,具有运行速度快、鲁棒性强的特点.