1 河北工业大学 机械工程学院，天津30040
2 河北工业大学 电工装备可靠性与智能化国家重点实验室，天津300401
3 天津爱思达航天科技股份有限公司，天津00000
针对现有接触式测量方法装夹定位后只能测量一种或两种参数、检测效率低等问题，提出一种舵类结构件几何量误差和装配误差视觉检测方法。首先，利用计算机视觉系统获取舵轴和舵面区域图像，利用图像预处理技术去除图像畸变和噪声，为了更有效地提取舵类结构件边缘，分别采用Sobel算子、Scharr算子、Laplace算子和Canny算子对图像进行边缘检测以确定轮廓，实验对比发现Scharr算子处理后的舵轴图像边缘更清晰且无间断，Canny算子处理后的摇臂图像边缘比较清晰，因此选用Scharr算子提取舵轴图像边缘、Canny算子提取摇臂图像边缘。结合被测要素特点，采用霍夫直线和霍夫圆检测方法提取舵面边缘线特征、舵轴母线特征、摇臂圆轮廓特征；确定了舵芯对称度、舵轴垂直度、摇臂夹角的基准要素，构建了几何量误差检测目标函数，运用自适应遗传算法计算最优解；结合相机标定的内外参矩阵，得到舵芯对称度、舵轴垂直度、摇臂夹角的测量值。最后，研发了舵类结构件几何量误差和装配误差视觉检测软件，搭建了视觉检测实验平台，实现了几何量误差及装配角度误差快速检测功能。经过多次重复测量实验，对称度检测精度达到0.055 mm，垂直度检测精度达到0.225 mm，装配角度检测精度达到0.772°，完成单次检测耗时7 s。该方法不仅提高了几何量误差检测精度和检测效率，同时有助于提高舵类结构件成型-制造-在机检测的自动化和智能化水平。
舵类结构件 几何量误差 视觉检测 霍夫变换 air rudder geometric errors vision inspection hough transform
1 深圳技术大学 大数据与互联网学院,深圳 518118
2 深圳技术大学 中德智能制造学院,深圳 518118
3 深圳技术大学 新材料与新能源学院,深圳 518118
为了在被测物体部分被遮挡的情况下,仍能完整地测量出物体的表面形貌,提出了一种基于霍夫变换的多线结构光标记的光场3维成像系统。通过提取亚像素的条纹中心坐标进行投票,分析霍夫参数空间中的投票分布,设计了自适应范围投票和自适应窗口策略,无需对条纹级次编码也能够准确地确定对极平面图像中多根直线的参数。结果表明,该系统拟合平面的平均偏差为0.0096 mm,标准偏差为0.0074 mm,并利用光场成像中不同视角下物体的遮挡关系不一致,准确地恢复了被遮挡物体的完整表面形貌。这一结果对于解决3维测量过程中遮挡问题是有帮助的,该研究为获取完整和高效3维数据的测量方法提供了参考。
测量与计量 结构光场 霍夫变换 结构光 光场成像 measurement and metrology structured light field Hough transform structured light light field imaging
重庆邮电大学 通信与信息工程学院, 重庆 400065
车道线检测是车辆智能驾驶系统的重要组成部分。针对传统的车道线检测方法精度低、实时性能差的问题, 提出一种基于机器视觉的车道线精确检测算法。该算法采用车道内侧边缘线代表车道线, 具体包括预处理和车道线提取两个步骤: 预处理部分包括灰度化、Sobel边缘检测、ROI设定、二值化, 最终得到车道线部分的二值图像; 车道线提取部分包括图像切片、改进的Hough直线检测、DBSCAN直线聚类以及直线拟合, 最终得到精确的车道边缘线信息。最后将算法应用于各种场景下的路况测试, 实验结果表明: 该算法的平均准确率为94.9%, 平均处理时长为25.6ms/f, 具有很好的实时性和鲁棒性。
车道线检测 感兴趣区域 霍夫变换 聚类 lane line detection region of interest Hough transform DBSCAN DBSCAN clustering
1 长春理工大学 机电工程学院，吉林 长春 130022
2 长春理工大学 重庆研究院，重庆 401135
随着道路上汽车的增多，汽车制动系统的可靠性受到越来越多的关注，基于机器视觉的汽车制动主缸补偿孔参数检测精度，是决定汽车安全性和停车可靠性的关键技术，补偿孔作为汽车制动主缸的重要组成部分，可以起到调节汽车制动主缸储液罐与压力室中制动液的重要作用，其尺寸精度和加工质量受到严格的控制，因此如何准确的获取补偿孔的图像是补偿孔参数检测的首要问题。通过将飞机钻铆孔法线找正的方法引入到图像获取中，将四点微平面法线检测方法与图像处理相结合，实现高效高精度的法线找正。实验表明，本文算法法线找正精度高于0.05°，优于传统检测精度的0.5°，检测时间小于1 s。本文提出的算法在满足精度要求的情况下，算法简单，实时性高，同时具有较好的鲁棒性，满足制动主缸生产工业现场对于检测速度和精度的要求。
激光测距 法线检测 梯度霍夫变换 椭圆拟合 laser ranging normal detection gradient hough transform ellipse fitting
中国人民解放军32033部队, 海口 571100
针对现有的盲波束形成算法适应性较差, 多目标分析时采用级联模式存在结构复杂的问题, 采用并联模式存在稳健性较差的问题和采用时频分析时存在导向矢量估计较难的问题, 提出一种基于霍夫-迭代傅里叶变换的多目标盲波束形成算法。该算法首先通过短时傅里叶变换和霍夫变换解决导向矢量的估计问题, 然后通过设计波束图投影算子控制副瓣电平和过渡带以实现对波束的控制, 最后输出多目标盲波束。仿真实验分析表明, 该算法无需求逆, 计算量较小, 可以根据实际需要灵活设计旁瓣和零陷参数, 输出性能稳定。
盲波束形成算法 霍夫变换 迭代傅里叶变换 导向矢量估计 时频分析 blind beamforming algorithm Hough transform iterative Fourier transform estimation of steering vector time-frequency analysis
1 安徽大学物理与材料科学学院, 安徽 合肥 230601
2 合肥师范学院物理与材料工程学院, 安徽 合肥 230601
3 马钢 (集团) 控股有限公司, 安徽 马鞍山 243003
设计了一种在实验室环境下模拟工业现场高速线材椭圆度监测系统, 利用三相机测量的方式, 实现了线材椭圆度的非接触式测量。首先选取双侧远心镜头、准直光源、高速面阵 CCD 工业相机对线材实时图像进行采集, 并对相机进行标定与畸变矫正; 随后对三路相机采集到的实时图像依次预处理, 提出了一种自适应 Ψ 值运动模糊图像恢复方法; 最后通过霍夫变换检测到的两条直线上点分别计算出三路相机测得的线材直径, 并利用直径计算出线材椭圆度。研究结果表明, 在实验室条件下该系统的测量精度达到了实际工业生产中所需的精度, 有望在高线生产线上投入使用。
双侧远心镜头 霍夫变换 椭圆度 运动模糊 面阵 CCD bilateral telecentric lens Hough transform ellipticity motion blur processing area array CCD 大气与环境光学学报
2020, 15(4): 314
1 福建师范大学医学光电科学与技术教育部重点实验室, 福建 福州 350007
2 福建师范大学福建省光电传感应用工程技术研究中心, 福建 福州 350007
3 福建师范大学光电与信息工程学院, 福建 福州 350007
4 广州中国科学院沈阳自动化研究所分所, 广东 广州 510000
海天线是海空背景图像所具有的重要特征之一,海天线的检测对天空区域和海面区域的划分以及目标检测具有重要作用。然而,复杂海空背景环境中的海杂波、云层、强反射、复杂气象条件等都会给海天线检测造成困难。针对复杂背景下海天线检测的环境适应性问题,对视觉传感器获取的原始图像及图像中海天线的特点、干扰因素及其抑制方法、现有的海天线生成方法三个方面进行了详细的阐述和分析,通过对比实验列出各种海天线生成方法的优缺点和适用场景,对比分析了自行提出的形态学方法的实验结果及适用场景。最后提出海天线检测面临的挑战,展望其下一步的研究方向。
图像处理 海天线检测 无人艇 视觉传感器 线性拟合 霍夫变换 小波变换 激光与光电子学进展
2020, 57(16): 160002
1 贵州电网有限责任公司 输电运行检修分公司， 贵阳 550000
2 中国电建集团 贵州电力设计研究院有限公司， 贵阳 550000
为了解决电力线点云可能存在交跨线点云较难处理、绝缘子点云较难分割、现有算法模型研究不完整问题，采用了基于点云数据特征的电力线快速提取和重建方法，首先通过输电线路体素栅格高程特征进行点云快速粗分类，然后运用随机一致性算法进行点云快速精化，采用顾及交跨线的滤波算法高效准确提取电力线点云，针对电力线局部线性模型分割出绝缘子，最后采用局部加权质心的方式提取电力线关键点，实现电力线的快速重建,并进行了理论分析和实验验证，取得了较好的实验结果。结果表明，电力线提取与重建综合准确率95.3%，总体耗时2.5s以内，验证了算法的快速性、准确性和鲁棒性。这一结果对电力线点云提取和重建有一定帮助。
激光技术 电力线提取 霍夫变换 输电线路 laser technique power line extraction Hough transform transmission line
1 天津大学电气自动化与信息工程学院, 天津 300072
2 天津农学院工程技术学院, 天津 300384
3 天津理工大学电气电子工程学院, 天津 300384
水果的可见光谱目标识别是实现农业自动化采摘至关重要的一步。 在水果识别的过程中, 由于重叠和遮挡的影响使得目标识别困难, 识别率不高。 本文针对自然环境中果实重叠的识别问题, 利用谱聚类算法对图像进行分割, 然后使用随机霍夫变换实现果实的识别和定位。 针对传统算法运算复杂度高, 运算速度慢的问题, 本文提出了基于均值漂移和稀疏矩阵原理的改进谱聚类算法。 首先使用均值漂移算法对图像进行预分割, 均值漂移是一种用于密度梯度的无参估计法。 该算法实质是一种迭代, 先计算出偏移量, 根据偏移量移动点, 如此反复, 直到偏移量为零即收敛到一点为止。 利用均值漂移算法除去大多数的背景像素, 为减少谱聚类算法的计算量做准备。 然后提取预分割图像的有用信息即图像中像素对之间相似度的描述, 将提取的图像特征信息映射到稀疏矩阵中, 并使用K-means算法将其分类。 得到最终的分类结果, 实现对预处理图像的再次分割。 然后恢复图像分割区域的颜色, 使用彩色向量梯度提取边缘轮廓, 对得到的轮廓图像使用随机霍夫变换, 并在检测过程中设置半径参数的范围从而进一步加快算法的运行速度。 经过检测可以得到目标的圆心坐标和半径, 从而实现重叠绿苹果的识别。 降低了谱聚类的数据处理量, 提高了算法的运行速度。 经过试验分析和算法对比, 该算法得到较高的重合度9541%, 较低的误差率459%和误检率305%。
均值漂移 稀疏矩阵 谱聚类 随机霍夫变换 目标定位 Mean shift Sparse matrix Spectral clustering Randomized hough transform Target location 光谱学与光谱分析
2019, 39(9): 2974
