隨著現(xiàn)代工業(yè)的發(fā)展,機器視覺在工業(yè)生產(chǎn)中的應用越來越廣泛,機器視覺算法在嵌入式系統(tǒng)上的實現(xiàn)也成為了熱門的研究方向。輪廓匹配算法是一種應用很廣的機器視覺算法,但是傳統(tǒng)的輪廓匹配算法在應用上存在一些問題:一是算法性能低下,無法達到實時性需求;二是應用環(huán)境復雜,例如光照不穩(wěn)定等因素,算法的魯棒性有待提升;三是應用需求復雜多樣化,算法的普遍適用性存在挑戰(zhàn)。針對上述問題,本文設計并實現(xiàn)了一種嵌入式視覺傳感器輪廓匹配算法,算法以形狀梯度為特征,并針對嵌入式系統(tǒng)的特點對算法進行了優(yōu)化,具有匹配速度快、光照魯棒性、通用性、可配置性等優(yōu)點。算法的創(chuàng)新點和優(yōu)勢表現(xiàn)在:一、以圖像金字塔優(yōu)化方法為基礎,結(jié)合積分圖和基于弱分類的積分圖加速策略,設計了一種可在圖像金字塔頂層快速獲取目標輪廓的候選位姿的三級匹配方法。使用此優(yōu)化方法可以在圖像金字塔頂層快速獲取目標輪廓的粗定位和粗略角度,對算法的性能有極大的提升。二、針對在圖像金字塔多層匹配過程中,對目標進行候選點擴展時會產(chǎn)生大量重復擴展候選點的問題,本文設計了一種在目標候選點的鄰域內(nèi)獲取最優(yōu)候選點的方法。此方法在金字塔層間候選點集合中對候選點時可做出有效且全面的擴展... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：101 頁

【學位級別】：碩士

【部分圖文】：

二維高斯分布示意圖

[47]。圖2.8 圖像金字塔效果圖Canny 邊緣檢測算法由 John F. Canny 于 1986 年提出[48]。Canny 算法主要分為五個步驟：1. 圖像去噪圖像中的高頻噪聲在檢測過程中容易被識別為偽邊緣。利用高斯濾波模糊處理可以消除由于高頻噪聲造成的偽邊緣[49]。邊緣信息也是圖像中的高頻信號，高斯模糊時需要選擇合適的高斯模糊半徑 ，否則易將圖像中的弱邊緣信號誤消除。2. 獲取 x 和 y 方向上的梯度向量圖像的邊緣信息由邊緣輪廓點和輪廓點的方向信息組成。邊緣輪廓點的方向信息可以用梯度來描述，梯度信息包含梯度向量的幅值和方向。Sobel 算子是常用的離散型梯度提取算子[50]，用于求解圖像中梯度的近似值。梯度向量由 x 方向和 y 方向的分量組成。式(2-5)中 S 為原始圖像，xG 和yG 分別代表 S 圖像經(jīng)過 Sobel 卷積操作后兩個方向上的梯度圖像。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. 使用非極大值抑制方法消除外點獲得梯度幅值后，一個鄰域內(nèi)會有多個幅值大小相似的點。但是在該鄰域內(nèi)個真正的邊緣點。為消除非邊緣冗余點，需要使用非極大值抑制方法找出鄰大值以將鄰域內(nèi)的非邊緣點進行去除[51]。4. 使用雙閾值法和滯后邊緣跟蹤Canny 算法使用雙梯度幅值閾值的方法來提取邊緣像素。雙閾值法保留所有超過高閾值的邊緣像素點；刪除所有梯度幅值低于低閾值的像素點；對于梯于高閾值而高于低閾值的像素點，若該像素點可以連接到一個高閾值輪廓像留該輪廓點。Canny 邊緣檢測的示意圖如圖 2.9 所示。

【參考文獻】：
期刊論文
[1]基于機器視覺的機器人分揀技術(shù)發(fā)展研究[J]. 蔡倩倩,寧祎,王雷.  現(xiàn)代制造技術(shù)與裝備. 2018(08)
[2]基于深度學習的工業(yè)視覺檢測系統(tǒng)[J]. 晉博,蔡念,夏皓,林健發(fā).  計算機工程與應用. 2019(02)
[3]基于CMOS圖像傳感器的嵌入式機器視覺系統(tǒng)[J]. 向毅,江永清,吳英,李斌,許迪,王煜.  半導體光電. 2008(03)



本文編號：3348589