嵌入式视觉传感器轮廓匹配算法的研究与实现

发布时间：2021-08-17 22:04

　　随着现代工业的发展,机器视觉在工业生产中的应用越来越广泛,机器视觉算法在嵌入式系统上的实现也成为了热门的研究方向。轮廓匹配算法是一种应用很广的机器视觉算法,但是传统的轮廓匹配算法在应用上存在一些问题:一是算法性能低下,无法达到实时性需求;二是应用环境复杂,例如光照不稳定等因素,算法的鲁棒性有待提升;三是应用需求复杂多样化,算法的普遍适用性存在挑战。针对上述问题,本文设计并实现了一种嵌入式视觉传感器轮廓匹配算法,算法以形状梯度为特征,并针对嵌入式系统的特点对算法进行了优化,具有匹配速度快、光照鲁棒性、通用性、可配置性等优点。算法的创新点和优势表现在:一、以图像金字塔优化方法为基础,结合积分图和基于弱分类的积分图加速策略,设计了一种可在图像金字塔顶层快速获取目标轮廓的候选位姿的三级匹配方法。使用此优化方法可以在图像金字塔顶层快速获取目标轮廓的粗定位和粗略角度,对算法的性能有极大的提升。二、针对在图像金字塔多层匹配过程中,对目标进行候选点扩展时会产生大量重复扩展候选点的问题,本文设计了一种在目标候选点的邻域内获取最优候选点的方法。此方法在金字塔层间候选点集合中对候选点时可做出有效且全面的扩展... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：101 页

【学位级别】：硕士

【部分图文】：

二维高斯分布示意图

[47]。图2.8 图像金字塔效果图Canny 边缘检测算法由 John F. Canny 于 1986 年提出[48]。Canny 算法主要分为五个步骤：1. 图像去噪图像中的高频噪声在检测过程中容易被识别为伪边缘。利用高斯滤波模糊处理可以消除由于高频噪声造成的伪边缘[49]。边缘信息也是图像中的高频信号，高斯模糊时需要选择合适的高斯模糊半径 ，否则易将图像中的弱边缘信号误消除。2. 获取 x 和 y 方向上的梯度向量图像的边缘信息由边缘轮廓点和轮廓点的方向信息组成。边缘轮廓点的方向信息可以用梯度来描述，梯度信息包含梯度向量的幅值和方向。Sobel 算子是常用的离散型梯度提取算子[50]，用于求解图像中梯度的近似值。梯度向量由 x 方向和 y 方向的分量组成。式(2-5)中 S 为原始图像，xG 和yG 分别代表 S 图像经过 Sobel 卷积操作后两个方向上的梯度图像。1 0 1 1 2 12 0 2 0 0 01 0 1 1 2 1x yG S and G S (2-5)

右方像素亮。2 2x yG G G =atan2 ( ,)y x G G3. 使用非极大值抑制方法消除外点获得梯度幅值后，一个邻域内会有多个幅值大小相似的点。但是在该邻域内个真正的边缘点。为消除非边缘冗余点，需要使用非极大值抑制方法找出邻大值以将邻域内的非边缘点进行去除[51]。4. 使用双阈值法和滞后边缘跟踪Canny 算法使用双梯度幅值阈值的方法来提取边缘像素。双阈值法保留所有超过高阈值的边缘像素点；删除所有梯度幅值低于低阈值的像素点；对于梯于高阈值而高于低阈值的像素点，若该像素点可以连接到一个高阈值轮廓像留该轮廓点。Canny 边缘检测的示意图如图 2.9 所示。

【参考文献】：
期刊论文
[1]基于机器视觉的机器人分拣技术发展研究[J]. 蔡倩倩,宁祎,王雷.  现代制造技术与装备. 2018(08)
[2]基于深度学习的工业视觉检测系统[J]. 晋博,蔡念,夏皓,林健发.  计算机工程与应用. 2019(02)
[3]基于CMOS图像传感器的嵌入式机器视觉系统[J]. 向毅,江永清,吴英,李斌,许迪,王煜.  半导体光电. 2008(03)



本文编号：3348589