针对自动化立体仓库货物检测难度大、实时性差等缺陷,提出一种基于图像差分与特征匹配的货物检测系统。通过四旋翼无人机结合无线图像系统获取货物图像,并传输至上位机软件系统进行检测,通过将实时图像与模板图像差分结合自适应阈值滤波方法检测出货物缺失部分;通过改进的ORB算法结合网格运动统计方法完成图像的精准匹配,采用网格划分统计特征点的方法检测货物缺陷。实验和现场系统运行测试表明,所研究的货物检测系统,在货物缺失、缺陷检测时正确率分别达到95.0%和93.3%,具有较高的准确率。

提出了采用SURF特征匹配的方法对钻杆接头目标识别的控制方法。对钻杆接头获取目标图片后进行工作环境干扰模拟和自身工作状态模拟预处理,以提高仿真实验的真实准确度,便于更好地对不同环境和工作状态的目标特征的匹配识别。对预处理后的钻杆接头图像采用SURF特征提取匹配的方法进行图像目标识别,模拟实验中主要对SURF特征匹配阈值和匹配特征点的数量进行了学习。实验结果表明,文中提出的图像目标识别方法效果较好,为井口自动化工具的全自动化、智能化控制提供一种思路,具有一定的参考价值和借鉴意义。

在分析了指纹识别系统的工作原理和系统组成的基础上，给出了一种基于DSP芯片TMS320C5416。并集合CPLD和外围存储技术的指纹识别系统的软、硬件组成和设计方案。

针对移动机器人在曲面场景的匹配问题中，同形约束用于解决极约束产生的匹配模糊性问题和发现新的匹配点。实际上是平面块对曲面进行近似逼近的过程。逼近程度和逼近性能需要有指标进行定性和定量的衡量。故提出了两种性能评价指标：平均映射误差和平均映射匹配对。仿真实验结果的分析证明，场景深度变化或者场景距离摄像机的距离变化，对立体匹配算法性能本身不受影响，但映射和建立匹配关系时所需要的同形矩阵的数量不同。而且，随着特征点的稠密度提高，曲面场景的稳定性降低，可随着迭代过程的进行，算法本身结果还趋于稳定。

为了降低榫头数控加工过程中手动编写NC代码的复杂程度,提高加工效率,研发一种基于图像特征识别的榫头自动加工系统。重点研究图像特征识别的数控加工总体结构、特征库建立、特征匹配算法、加工工艺库等关键技术。详细分析榫头模型的图像特征库、NC数据库和图像检索算法等的主要功能及实现方法。

为使机器人能够在昏暗且模糊的水下环境中实现较为清晰的地图构建和准确的自身定位,基于Rtab⁃map算法对其前端进行优化。通过直方图均衡化算法对双目相机采集到的水中图像进行预处理,提高图像的亮度和细节处的清晰度。使用ORB算法提取和匹配图像特征点,采用RANSAC算法剔除图像误匹配点对,提高相机位置估计的精度。实验结果表明:使用直方图均衡化算法处理水下的模糊图像,特征匹配点对数明显增加。基于公开数据集对优化后的Rtab⁃map算法进行测试,所得到的多项误差明显降低。在实验室水槽条件下进行试验,验证了采用优化后的算法得到的三维点云图质量更优。

为了实现汽车轮毂在辊道上随机混流状态下的型号自动识别,提出一种基于环投影特征的轮毂识别算法。该算法不受轮毂的角度和位置变化的影响。首先提取每种型号轮毂的半径及其环投影特征作为模板,然后求取待匹配图像的重心来近似轮毂的圆心,并在其附近分析每一点的环投影值来确定真正的圆心坐标与半径。利用轮毂的半径和环投影与模板进行粗匹配,筛选掉不匹配的型号。最后通过比较径向投影,返回相似度得分最高的型号。实验结果表明:该算法具有较高的稳定性和实时性,识别速度为1个/2 s。

为了获取在风洞实验中运动物体的位姿变化,提出了一种融合物体表面三维形貌信息的单相机视觉位姿测量方法。该方法以多点透视成像原理作为求解物体位姿变化的基础,以物体的图像特征角点作为特征点,并利用物体表面三维形貌模型信息获得特征点的三维坐标。通过实验完成了该测量方法的精度验证,在400 mm的观察距离上,位移平均测量误差为0.03 mm,均方根误差为0.234 mm;俯仰角、偏航角与滚转角的平均误差分别为0.08°、0.1°与0.09°,均方根误差分别为0.485°、0.312°与0.442°。实验结果表明该方法有可用于实用的测量精度。

利用FLANN算法对已检测的SURF描述子进行特征匹配,对获得的关键点进行迭代排序,用RANSAC算法进行匹配点优化提纯。通过灰度差分算法对经过矩阵变换配准后的图像进行缺陷区域提取,采用Otsu阈值法进行图像分割,并对缺陷连通域面积特征进行分析。试验结果表明,该方法在检测速度与范围方面优于传统的检测算法,在小模数塑料齿轮工业在线检测方面有着积极的研究意义与价值。