【摘 要】
：
受到不同光源影响,视觉跟踪控制效果不佳,对此,提出了应用ISight的船舶中大型弯管环焊缝焊接协同控制系统设计。设计基于ISight的驱动装置,监控环缝焊接过程,通过直流伺服电机驱动器,改善送丝负载较大问题,利用电源控制箱输出的模拟信号,控制焊接电源,二值化处理数字图像,避免外界干扰,提取图像灰度值的输出结果,调整并校正X,Y两个方向焊接误差,消除图像误差,控制焊缝焊接。实验结果可知,该系统与实际
论文部分内容阅读
受到不同光源影响,视觉跟踪控制效果不佳,对此,提出了应用ISight的船舶中大型弯管环焊缝焊接协同控制系统设计。设计基于ISight的驱动装置,监控环缝焊接过程,通过直流伺服电机驱动器,改善送丝负载较大问题,利用电源控制箱输出的模拟信号,控制焊接电源,二值化处理数字图像,避免外界干扰,提取图像灰度值的输出结果,调整并校正X,Y两个方向焊接误差,消除图像误差,控制焊缝焊接。实验结果可知,该系统与实际像素最大偏差为1 pixel,具有良好视觉偏差控制效果。
其他文献
为了提升船舶质量,保证船舶的航行安全,提出可视化图像处理下船体表面微裂痕高效检测算法。利用摄像机、图像采集卡等硬件设备,获取船体表面微裂痕可视化图像。经过滤波去噪和图像增强2个步骤,实现对初始可视化图像的处理。在此基础上,分别从纹理轮廓和几何2个方面,提取船体表面的微裂痕特征,并通过与完好船体表面图像的比对,得出最终的检测结果。将设计的检测算法应用到实际的检测工作中,计算得出设计算法的检测精度高于
现有的舰船锚泊运动可视化方法在风浪较大时,难以获取精确度较高的图像,因此研究计算机视觉在舰船锚泊运动可视化中的应用方法。基于计算机视觉技术转换舰船静态图像,建立舰船锚泊运动惯性数学模型,目标特征可视化处理。在实验中,以3种风浪模式进行对比测试。实验结果显示,该方法在3种风浪模式中图像转换精度均高于其他方法,由此可知,计算机视觉技术在舰船锚泊运动可视化中的应用效果优于现有方法。
由于船体三维立体显示存在一定不足,且图形特征匹配错误等,导致当前用户界面设计无法有效辅助船体三维网格模型设计。为此,提出船体三维网格的图形用户界面设计方法。结合虚拟现实技术,设计图形用户三维虚拟显示界面。以此为基础,通过识别不同手势指令,无接触虚拟操作用户界面功能模块,实现有效的人机交互,辅助完成船体网格模型模拟试验。结果表明:与基于图形推理、基于机械点阵以及基于数字图像处理技术等3种方法设计的界
为实现船舶航行图像的高效处理与传输,应用视觉传达思想设计一种船舶航行图像实时传输系统。系统由多个模块构成,其中通信模块采用LRIT系统进行通信。前端图像采集模块负责进行图像采集,通过IIC总线对图像解码芯片实施视觉传达配置,采用数字多媒体软件进行采集图像的视觉传达。指令和图像处理模块由通信协议处理单元、指令信息处理单元等构成。图像滤波模块使用的图像滤波处理算法为中值滤波算法,能够实现噪声的降低与图
针对舰船航行视频图像损耗率大的问题根源,对基于多媒体技术的舰船航行视频优化进行研究。首先根据相邻帧编码器结构特征,对视频邻帧进行结构划分;然后在划分结构的基础上,完成对异常邻帧编码器的稳帧优化;最后根据稳帧后的编码器阈值,完成对去雾滤波器阈值的修正,实现航行视频稳帧去雾的最佳效果。通过与传统视频优化方法的实力对比测试数据表明,提出的优化方法具有优化速度快,输出视频邻帧稳定性好,去雾效果好的特点。
常规方法匹配待修复样本块和填充样本块时,忽略了梯度项距离这一影响因素,造成修复图像与原始图像相似度较差。为此,提出基于计算机应用技术的舰船图像修复方法。采用计算机应用技术,可视化图像待修复区域轮廓,划分多个待修复样本块,通过优先权确定样本块修复顺序,计算待修复样本块、填充样本块之间的颜色项距离、边界项距离、梯度项距离,选取距离最小的填充样本块,填充至匹配到的待修复样本块,完成图像修复。抽取舰船图像
多通道图像调度过程中,受到网络链路带宽计算结果的影响,使得控制器面对大量数据流时收敛速度较慢。因此,提出船舶监控红外图像处理中多通道SDN控制器改进设计。基于负载均衡技术,建立多通道SDN架构。度量链路层面的影响因子,计算SDN网络中所有链路可用带宽。采用PSTS算法,根据链路可用带宽为不同路径分配权重,完成图像传输链路的排序和筛选。通过OpenFlow协议连接交换机,实现多通道SDN控制器整体改
传统舰船图像优化算法在优化过程中,图像的优化系数普遍倾向于一种优化机制,导致图像在色彩与噪声处理上无法达到平衡统一,直接导致优化输出图像的噪声消除区域在高阈值色彩增强下,图像边缘锐利度动态范围过高,边缘细节信息损失严重,不利于图像的信息保存与分析。为了解决优化过程中色彩增强与噪声消除的同步问题,提出噪声消除和彩色增强的舰船图像优化研究。首先,将图像像素点转化为几何结构特征点,将平面二维空间结构转化
针对目前舰船图像无损压缩方法压缩后分辨率过低,导致压缩时间增加的问题,提出了基于循环卷积算法的舰船图像无损压缩方法。采用循环卷积算法,采集待无损压缩的舰船图像信息,根据循环卷积层循环训练方法,将待压缩的舰船图像信息进行分层归类。通过对舰船图像的关键信息完成捕获,输出有效初始化函数,利用神经网络池化层对采集到的图像信息完成循环遍历操作,通过池化处理,输出训练后的图像信息,完成图像的无损压缩。实验结果
海上交通运输业的快速发展,对船舶航行安全性提出更高的要求。船舶图像系统作为辅助船员安全驾驶的措施之一,必须保证图像的分辨率和清晰度。为实现这一目标,可以利用特征融合技术,选取适宜的特征提取算法,对图像中的特征点进行准确提取,为图像融合拼接提供有利条件。在图像拼接的过程中,通过预处理,消除影响拼接效果的因素,以此来确保图像的拼接质量,为船舶安全航行提供支撑。本文的研究对于船舶图像系统性能的全面提升具