基于视觉技术的复杂空间装配中的精细对孔

来源 :智能计算机与应用 | 被引量 : 0次 | 上传用户:Gemini
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在复杂空间的自动化装配过程中,模块与模块安装位置的安装孔之间需要在孔位对准后用螺丝固定,针对这一问题,设计实现了一种精细对孔方法。该方法从安装孔视频流中定时读取一帧图像,在对图像进行滤波去噪、边缘检测等操作后,采用最小二乘法检测安装孔圆心坐标信息,根据安装孔之间的圆心距判断安装孔是否对准。实验在0.062 5 mm的标定精度下,Hough圆变换和最小二乘法的圆心距检测结果分别是0.125 mm和0.06 mm。实验结果表明,在高精度的标定结果下,相比较Hough圆变换,最小二乘法能够更好地检测到安装
其他文献
声源可视化技术对传声器数量和采集系统的性能具有一定的要求,传统驻极体传声器阵列采集系统存在功耗高、体积大、采集系统可移植性差和拓展性差等问题.本文设计了36阵元数字MEMS传声器阵列成像系统,有效克服了以上问题.采集模块选用FPGA为硬件平台,完成数据采集和信号处理模块设计,分析了I2 S音频传输协议的实现、数据传输机制的建立和上位机数据的交互方式.并在普通室内环境中对此系统进行实验验证,系统的声源成像效果良好、成像分辨率高,在实际的噪声源定位与噪声设备监测中有广泛的应用前景.
机器学习在数据密集型应用中十分广泛,但缺点是当数据集很小时往往效果欠佳。近年来,人们提出了小样本学习来解决这个问题。小样本学习指只利用少量样本来训练识别这些样本的机器学习模型。由于小样本学习的实用价值,业界提出很多针对的研究方法,但是目前国内缺少该问题的综述。本文中,对目前业界提出的小样本学习模型及算法进行了总结和探索。首先,给出了小样本学习的问题定义,并介绍了其他一些相关的机器学习问题;然后,根
本文设计了一种基于传感器和无线传输的运动辅助系统,人员佩戴的单元模块通过LoRa与上位机通信.接收上位机发出的心跳信号、采集运动和定位信息.肢体传感器通过2.4 G无线通信与相应的单元模块通信以及采集肢体运动数据.LoRa使得上位机可远程获取人员数据.单元模块和肢体传感器间采用2.4 G近距离通信,避免了各人员间数据干扰.