计算机视觉以图像处理技术为核心,赋予机器环境理解的能力。利用计算机视觉进行测量定位,具有无接触、快速、精确的特点,应用前景广泛。 本文主要讨论在低光照、光照不均匀及有噪声等复杂条件下的圆检测定位技术,并将其应用于铁路油罐车罐口视觉定位中。 圆是计算机视觉中常用的几何图形,对图像中的圆进行定位是基于图像的测量中最基本和最重要的任务之一。本课题讨论复杂条件下的圆检测技术,而灰度图象对光照较为敏感,因此在图像预处理过程中应首先进行边缘检测,后续检测都基于边缘图像进行。为提高检测效率,对圆进行定位采用了两个步骤:圆识别和圆检测定位,也可称为圆的粗定位和精定位。圆识别或粗定位是指在某一特定的图像区域内确认是否有待测圆目标存在,或者确认圆目标在某一区域内,这一步骤使用模板匹配技术来完成。模板匹配常用的算法有传统的归一化互相关法、矩匹配法、SSDA及基于FFT的相位相关法等,其中基于FFT的相位相关法是频域算法,具有较好的鲁棒性,适合应用于噪声条件下的圆识别,配合金字塔分层搜索策略,可进一步提高搜索速度。圆检测中Hough变换法应用较为广泛,其检测精度高,抗噪性能好,但其计算量较大,不适合实时应用场合。本文采用基于统计原理的最小二乘圆检测法,以边缘跟踪确定圆边缘点位置,以最小二乘法估计圆心和半径,精度可达亚像素级。最小二乘圆检测法较Hough变换计算速度快,对由光照引起的边缘缺失有一定的适应性。 将基于FFT的相位相关法和最小二乘圆检测法应用于铁路油罐车的罐口检测定位中,得到了良好的定位效果。