针对现有的自动上甑设备存在的机器人成本高、工作空间局限、对图像采集设备性能要求高等问题,设计了一款五自由度专用上甑机器人,实现了多工位之间的切换作业,摆头末端的三维准确定位及摆动高度差的补偿等功能,并利用MATLAB仿真验证了其工作空间。热像仪安装于可回转的铺料头上,采用多点图像采集再拼接的方法实现了甑桶料层表面温度信息采集;通过图像区域分块、阈值化处理和特征点匹配对两级筛选的方法对基于SURF算法的图像拼接方法进行优化改进,提高了图像拼接的实时性和准确性,最后用实验证明了改进方法的有效性。

基于机器视觉的测量技术现在已经相当成熟,但目前使用机器视觉进行工业零件测量的多为小尺寸零件,对于超出工业相机有效物距的零件的测量较少。应用图像拼接方法,将拍摄到的单个齿轮的多个图像拼接成一个完整的齿轮图像,以便后续进行齿轮的测量。在图像拼接过程中,将SURF特征点检测与FREAK特征描述子相结合,节省了特征匹配的时间,提高了拼接速度;使用两次BFMatcher(暴力匹配)及对称性验证,提高了特征匹配点的质量;对特征匹配点进行多次筛选,保证了变换矩阵的准确性;去除变换矩阵中的缩放和剪切动作,保证了图像只进行刚性变换;采用加权图像融合方法,保证了图像的无缝拼接。经实验和误差分析,结果表明该齿轮拼接技术方法速度快、精度高。

在无人机为载体的基础上进行对目标场景的三维重建,就是结合无人机和计算机视觉技术,利用无人机操作灵活性,视角可控制性等优点。为实现更加完整的三维模型的重建,提出一种基于多图像拼接三维重建算法。基本思路是在无人机为载体的基础上,从不同方向获取目标物体的图像,通过自标定方法获取相机内参数,采用图像拼接融合技术对多幅图像分析、合成,从而最大限度地对建筑物场景的各种特征信息的描述。进一步对拼接融合后的图像进行特征点提取和点云匹配,从而获取全景图空间特征点三维点云,获得一个较为真实的重构对象的三维模型。实验结果表明,改进后的重构方法的精度较高,适合在许多场景三维重建的应用。

针对轧辊外表面的曲面性及摄像头视角较小的情况,为了能够准确分析轧辊表面缺陷,提出了一种全景拼接技术对轧辊表面图像进行拼接,获得完整的全景图像。首先对摄像头采集到的图像进行了图像预处理,由于拍摄轧辊的外表面,图像会产生桶型畸变,采用了柱面反投影,对产生畸变图像进行了曲面校正,然后使用了SURF特征点提取,之后通过快速近似最近邻和(FLANN)匹配算法进行匹配并运用RANSAC算法去除误匹配点,提高了变换矩阵的精度,对拼接后的图像采用了加权平均融合算法对两张图像进行了融合,消除了两张图像的拼接线,实验表明,该轧辊外表面的曲面拼接算法达到了想要的拼接效果。

特钢管棒材精整过程需要对其进行打捆和拆捆操作,而人工拆捆工作环境差、强度高。针对拆捆过程捆缝状态和捆丝识别这一难题,提出一种基于线结构光的管棒材捆缝与捆丝识别方法。提出一种基于图像各亮度值像素数量的二值化阈值算法,通过计算满足亮度的像素点数量得到二值化阈值,以减弱环境光照影响;针对单张图片视野无法确定最大捆缝位置的问题,提出一种基于圆弧顶点和端点特征的激光图像拼接算法;最后,提出一种基于霍夫变换和连通域分析的捆丝数量和状态识别算法,实现对生产现场不同规格管棒材捆丝特征的精确识别。实验结果表明:提出的二值化阈值算法相较传统算法对激光条纹的识别率更高,且速度提升17%;最大捆缝和捆丝识别算法的检测误差小于3 mm,完全满足实际生产需要。

为了使医生能清楚地观察到人体各部位的完整图像，提高诊断的精确度，需要对X光机所获得的局部人体图像进行拼接处理。在简要介绍2幅相邻图像拼接的基本原理的基础上，着重研究基于灰度相关配准中的比值匹配法。利用2列像素及其所包含的区域信息，通过获取模板及计算最小差值寻找最佳匹配值，并在匹配完成的基础上采用淡入淡出方法对图像进行平滑拼接，以增强拼接效果。软件仿真结果表明，此种方法具有很好的实用性，配准成功率很高，同时能兼顾配准速度，拼接后的图像中间无明显的拼接缝隙，效果显著。

本文针对大型物体自由曲面测量中,传感器单元测量区域小等问题,提出了一种基于粘性目标实现空间图像拼接的方法.采用基于旋动理论,利用相邻图像块中三个粘性目标的空间位置信息确定视觉测量系统姿态的变化,完成空间图像块的拼接.相关实验表明,基于粘性目标实现空间三维图像数据的拼接是可行的,拼接数据空间点距离的相对误差小于0.6%.

为解决由于曲面光照不均而导致的获取管道焊缝图像亮度差异较大、特征不清晰等问题,提出一种快速稳定的焊缝图像拼接方法。基于传统加速稳健特征(SURF)的图像拼接算法,在特征描述环节,用局部差异二值(LDB)描述子描述特征点区域,相较于传统描述子降低了特征维度;结合LDB描述子,构建特征点与相邻特征点的约束信息,利用局部结构信息进行多特征点同时匹配代替单一特征点匹配方法,提高匹配稳定性。试验结果表明:该方法有效提高了管道焊缝图像拼接的快速性和成功率,拼接效率约是SURF算法的1.8倍,拼接成功率约是SURF算法的1.3倍。该方法在其他图像拼接领域也具有一定应用价值。

主要研究了图像拼接的优化问题,针对传统的Harris角点检测算法流程进行了改进。在通过NCC算法对特征点进行匹配的过程中,采用了一种改进的特征点描述方法,减少了常规NCC算法产生的伪匹配点,从而提高了运算的速率。为验证其有效性,该方法被应用于一个图像拼接的实例中,实验结果表明,该算法缩短了图像拼接所消耗的时间,提高了图像拼接的精度和效率,具有良好的实用性。

在基于机器视觉的测量中，由于影像设备的性能限制与对图像的精度要求，需要对拍摄的图片进行拼接。对于一般灰度图像进行旋转操作会对图像造成失真的情况，文中针对中小模数齿轮的灰度图像拼接提出了基于边界的齿轮拼接方法，对滤波后的齿轮图像进行边缘提取，对提取到的数据点采用半径约束的最小二乘法拟合圆心，圆心配准后对齿廓数据点进行配准以求得旋转角度完成拼接。仿真结果表明该方法可以将拼接误差控制在一定范围内。