霍夫变换

摘要： 针对原木材积检测中存在的效率低下和人工成本高等问题,提出了基于计算机视觉技术的原木堆自动化检尺方案.方案首先采集原木堆两侧端面图像,进行包括灰度变换、二值化、孔洞填充以及边缘检测在内的一系列图像处理操作;然后对获得的处理结果,利用霍夫变换圆检测进行原木端面类圆形检测;最后,将检测得到原木两端检尺径数据排序整理,运用国家标准规定的原木材积检测公式计算得到原木材积.实验证明,算法的原木材积检测准确率可达到97%.

摘要： 为满足自动驾驶汽车在不同环境条件下自主行驶的需求,提出一种基于改进霍夫变换的车道线检测算法。首先利用HSV提取图像车道线颜色特征,然后对HSV和灰度空间融合后的二值化图像进行Canny算子边缘检测、霍夫变换和直线拟合等处理。对比分析实验结果表明,提出的检测算法不仅提高了车辆对车道线的识别精度,而且改善了稳定性。

摘要： 为了解决产品制造企业对R型销的间隙测量难度大、效率低的问题,本文提出了一种基于机器视觉的R型销间隙测量方法,介绍了测量方法的整体结构。首先,利用连通域分析进行图像预处理,并提取对象边沿;然后,利用Hough变换检测外边沿直线,并分区搜索两个较宽间隙端点的大致位置;再利用最小二乘法拟合得到内边沿直线,并获取各间隙拐点的准确位置;最后,搜索各间隙的另一端点,并计算出各间隙的宽度。实验表明,此方法自动适应被测对象型号、位置和角度的变化,用C++实现的该算法平均运行时间约为50ms。在5个对象各100次随机摆放的重复性测量实验中,窄、中、宽三间隙的最大绝对误差分别为0.038mm、0.059mm和0.071mm,最大相对误差分别为3.360%、1.059%和0.670%,满足企业实际应用的需要。

摘要： 为实现通过机器视觉方式对细纱接头机器人的纱线断头进行定位,并简化机械结构,根据断头纱线图像特点,提出针对纱线特征的识别与定位算法。利用工业相机采集纱线被吸入吸嘴的图像,通过改进灰度增强方法增大纱线特征与背景对比度,利用Canny算子进行边缘检测,最后通过划分上下感兴趣区域以及优化的霍夫直线检测获取纱线的图像特征并利用定位算法提取所需的位置信息。结果表明:本文算法提取的位置信息精度较高,坐标点误差为1.42像素,角度误差为0.60°;相较于传统检测算法,程序运行时间得到了缩短,识别时间在10^(-1) s数量级上,实时性好;研究成果可应用于细纱接头机器人产品开发中。

摘要： 针对堆场堆取料机防碰检测系统多个毫米波雷达现场标定中一般标志物难以识别、标定精度较低的问题,提出了一种优化的基于坝基直线特征的毫米波雷达联合标定方法。首先,以堆取料机走行坝基作为标志物,通过随机霍夫变换与改进的双点移除p-最小二乘法相结合的直线检测方法检测坝基在不同位置下的直线特征。然后,根据多组直线特征形成的几何约束计算出雷达间的相对位姿参数。最后,通过遗传算法对相对位姿参数进行全局优化。实验结果表明,改进的直线检测算法提取坝基直线特征的准确性明显提高,提出的标定方法精度较高,适合毫米波雷达在堆场环境下的标定,能够满足工业需求。

摘要： 如今人均车辆保有率逐年上升,如何快捷寻找停车场空位成为停车行业研究的新方向。随着深度学习技术的发展,使用深度学习检测停车场空位,为解决停车位检测问题提供了新思路。文章提出了一种基于深度学习结合透视变换、Canny算子边缘检测和霍夫变换直线特征提取等方法的停车场空位检测模型,其准确率达到94.44%,在检测停车空位方面取得较好效果,为停车场空位图像检测方向提供了实现方法和技术支撑。

摘要： 针对机械式和光电式方法检测钢丝绳缠绕状态存在受外部环境影响大、传感器安装工艺复杂且要求高、加装传感器系统安全风险增加等问题,提出了基于人工智能与数字图像处理技术的自动在线检测方法。首先,采用BASNet网络识别包含轮毂下边缘的显著性区域;然后,通过轮廓跟踪算法和霍夫变换检测目标边缘和基准边缘;最后,通过计算目标边缘和基准边缘的位置关系并与已有限制参数对比,判断钢丝绳缠绕状态。实验结果表明:该方法正确率可达95.86%,处理单张图像耗时约0.60 s,初步具备工程应用条件。

摘要： 基于机载激光雷达点云,提出一种综合点云预处理、地面点滤波、电塔点云定位获取以及电塔结构线建模的电塔点云提取与重建方法。该方法首先对电力线路点云进行去噪等预处理,再使用渐进三角网滤波去除地面点,然后在电力线路分段的基础上,通过高程连通性定位电塔所在分段,再将电塔分段点云投影到水平面上并结合密度聚类算法和高程差特性对电塔聚类块进行提取,然后使用生长算法去除该聚类块中的电力线点,最后使用霍夫变换提取出电塔直线点云,并利用最小二乘法拟合电塔结构线来完成电塔模型的重建。实验表明,此方法对电塔点云的提取完整率可以达到96.8%以上,并能够以较高的精度和效率完成电塔的结构线模型重建。

摘要： 人工智能技术的迅速发展使智能驾驶成为热门领域,车道线检测技术作为智能驾驶领域的关键技术,对其进行准确的识别意义重大。文章针对直道车道线识别问题,设计了一种基于OpenCV的直道车道线识别算法。首先,为了提高检测的准确性,将车道线彩色图片读取为灰度图;然后通过边缘检测算法中的Canny算子提取出车道线边缘;为了进一步减少车道线识别的干扰以及提高运算效率,设置图片的感兴趣区域;最后基于Hough变换对车道线进行拟合,在拟合时根据左右车道线的斜率范围对左右车道线分别进行拟合。通过OpenCv库对设计的算法进行了验证,结果表明,所设计的算法具有较好的准确性,最终达到识别车道线的目的。

摘要： 信号分选是雷达信号处理的基础与前提,传统方法在雷达数量增加、模式多变的情况下,分选性能显著下降。通过分析旋转长基线干涉仪(RLBI)体制中辐射源脉冲相位参数时变的特性,提出了一种基于霍夫变换的信号分选方法。该方法首先利用频率参数聚类进行初次分选,再利用霍夫变换提取不同来波方向上脉冲的相位时变特性直线,最后利用相位周期延拓进行脉冲序列提取。仿真实验表明了算法的有效性。相比传统方法,该方法能够利用相位参数直接分选不同来波方向上的脉冲,能在一定程度上解决旋转干涉仪信号分选中因缺乏方位信息而造成的分选效果下降问题。

摘要： 针对自动驾驶汽车对车道线的检测问题,提出一种基于OpenCV的对车道线目标的直线轮廓进行有效识别的方法.首先在图像预处理基础上进行Canny边缘检测并查找轮廓;然后运用感兴趣区域截取,并创建一个梯形的mask掩膜,与边缘检测结果图混合运算,保留掩膜中的白色部分;最后使用霍夫变换得到多条直线的起点和终点,通过计算只得到左右两条车道线.实验结果表明,该方法可以有效地完成对车道线直线轮廓的提取及检测,且避免了周围线条的干扰.

摘要： 利用机器视觉技术准确获取苹果树上果实的数量是进行果树测产和精细果园管理的关键.针对野外果园环境和光照条件的复杂性,本文提出了一种基于果实颜色和形状模型的红富士苹果检测计数算法,该算法能够有效解决果实在光照条件变化、颜色分布区间大且不规则、果实重叠、果实被遮挡等复杂情况下的果实检测问题.rn 首先,利用178张苹果图片以及39张非苹果图片进行神经网络建模;然后使用训练好的苹果检出神经网络模型对待检测的图片进行处理,去除无关的背景;再对无背景图片进行边缘检测;最后,对检测得到的边缘图像进行霍夫变换检测并获得圆及圆心位置,即为苹果所在的位置.经试验验证,使用该苹果检出算法与人工统计法获得的计数结果之间具有极高的相关性,决定系数R2达到了0.985,显示该算法具有较高的准确性和抗干扰能力,能够用于算法野外环境中成熟期苹果测产.

摘要： 利用数字图像处理技术对硅片进行光致发光缺陷检测,首先需要将目标硅片图像从光致发光图像背景中分割出来,然后再对目标硅片图像进行处理和分析.本文利用图像边缘检测和霍夫变换直线检测相结合的方法,将目标硅片图像从背景图像中分割出来.经过实验证明本文的方法可行,并且具有良好的实时性和准确性.

摘要： TBD算法在获取每一帧数据时并不宣布检测结果,而是将每一帧所获取信息数字化并存储起来,然后在每帧数据之间对假设路径包含的点做几乎没有信息损失的相关处理,经过数帧的积累,在估计出目标的轨迹之后,将检测结果与获取到的目标航迹同时宣布.实现检测前跟踪技术的具体算法主要有两类:一类是批处理算法,另一类是递归处理算法.批处理算法主要有:动态规划(DPA)、最大似然概率数据融合(ML-PDA)和霍夫变换(HT)算法等.这类方法均采用多帧数据联合处理的方式.递归算法主要有:粒子滤波(PF)和格子贝叶斯滤波算法等.该类方法均采用多帧数据递归迭代处理的方式.其中,粒子滤波、动态规划和霍夫变换是目前国际上研究的热点.

摘要： 针对目前传统人工解译自动化程度不高的问题,根据高空间分辨率遥感影像中农田水利灌溉设施的分布特点和几何特征,提出一种基于Hough变换和数学形态学相结合的农田灌溉设施提取方法.用图像二值化突出显示主要灌溉设施地物,以此构造相应的数学形态学线性结构元素.利用Canny算子进行边缘提取,解决了农田灌溉设施提取中直接用Hough变换方法不能精确提取较短沟渠和微小弯曲沟渠问题,也为农田线状地物设施监测以及农用地分等定级等工作提供了有效的科学技术支持。

摘要： 针对目前传统人工解译自动化程度不高的问题,根据高空间分辨率遥感影像中农田水利灌溉设施的分布特点和几何特征,提出一种基于Hough变换和数学形态学相结合的农田灌溉设施提取方法.用图像二值化突出显示主要灌溉设施地物,以此构造相应的数学形态学线性结构元素.利用Canny算子进行边缘提取,解决了农田灌溉设施提取中直接用Hough变换方法不能精确提取较短沟渠和微小弯曲沟渠问题,也为农田线状地物设施监测以及农用地分等定级等工作提供了有效的科学技术支持。

摘要： 针对目前传统人工解译自动化程度不高的问题,根据高空间分辨率遥感影像中农田水利灌溉设施的分布特点和几何特征,提出一种基于Hough变换和数学形态学相结合的农田灌溉设施提取方法.用图像二值化突出显示主要灌溉设施地物,以此构造相应的数学形态学线性结构元素.利用Canny算子进行边缘提取,解决了农田灌溉设施提取中直接用Hough变换方法不能精确提取较短沟渠和微小弯曲沟渠问题,也为农田线状地物设施监测以及农用地分等定级等工作提供了有效的科学技术支持。

摘要： 针对目前传统人工解译自动化程度不高的问题,根据高空间分辨率遥感影像中农田水利灌溉设施的分布特点和几何特征,提出一种基于Hough变换和数学形态学相结合的农田灌溉设施提取方法.用图像二值化突出显示主要灌溉设施地物,以此构造相应的数学形态学线性结构元素.利用Canny算子进行边缘提取,解决了农田灌溉设施提取中直接用Hough变换方法不能精确提取较短沟渠和微小弯曲沟渠问题,也为农田线状地物设施监测以及农用地分等定级等工作提供了有效的科学技术支持。

摘要： 多目标跟踪问题是跟踪系统的核心问题,基于泊松点过程处理方法的思想,在传统概率多假设目标跟踪方法的基础上,结合改进Hough变换方法进行航迹起始,构建了一种多目标跟踪算法模型,通过典型态势仿真,验证了算法的有效性.

摘要： 多目标跟踪问题是跟踪系统的核心问题,基于泊松点过程处理方法的思想,在传统概率多假设目标跟踪方法的基础上,结合改进Hough变换方法进行航迹起始,构建了一种多目标跟踪算法模型,通过典型态势仿真,验证了算法的有效性.

摘要： 本发明公开了一种基于广义霍夫变换和小波变换的路标识别方法，包括以下步骤：步骤1：选标准图像构建特征图像库；步骤2：对于采集到的图像进行去噪操作；步骤3：对去噪后的图像利用广义霍夫变换进行边缘提取；步骤4：将提取后的图像利用小波分解提取图像低频信息；步骤5：根据图像低频信息建立对应的特征图像；步骤6：采用欧式距离对所建立的特征图像和特征图像库进行匹配识别。本文发明利用小波分解获取图像低频信息，从而构建特征图像库，保留了图像中最本质、识别效果最好的特征信息，相比传统的识别方法，其准确率更高。

摘要： 本发明公开了一种基于广义霍夫变换和小波变换的路标识别方法，包括以下步骤：步骤1：选标准图像构建特征图像库；步骤2：对于采集到的图像进行去噪操作；步骤3：对去噪后的图像利用广义霍夫变换进行边缘提取；步骤4：将提取后的图像利用小波分解提取图像低频信息；步骤5：根据图像低频信息建立对应的特征图像；步骤6：采用欧式距离对所建立的特征图像和特征图像库进行匹配识别。本文发明利用小波分解获取图像低频信息，从而构建特征图像库，保留了图像中最本质、识别效果最好的特征信息，相比传统的识别方法，其准确率更高。

摘要： 本发明属于智能交通领域，公开了基于霍夫变换的车牌倾斜校正方法，将待检测图片通过级联分类器检测出车牌位置；使用边框回归方法将得到的车牌位置进行调整；将车牌图像进行颜色过滤；将车牌图像使用水平膨胀算法；使用Canny算子对车牌图像进行单次标识；对车牌图像使用霍夫变换检测间断点边界，确认旋转角；使用旋转算法将车牌图像进行旋转，并按上下边框倾斜角进行拉伸；对倾斜校正完成后的车牌进行字符分割和识别。本发明得到的车牌坐标更接近真实车牌；本发明对图像使用水平膨胀操作，使其字符宽度减小，减少了霍夫变换后干扰直线段的数量和霍夫变换的耗时。本发明针对车牌图像畸变进行还原，提升车牌识别的准确率。

摘要： 本发明提供一种基于霍夫变换的产品检测方法，包括以下步骤：确定产品需检测的区域；对参照样品的待检测区域进行图像采集形成待测区域图像，提取待测区域图像的边缘特征点，对提取到的边缘特征点进行霍夫变换以拟合所述待测区域图像的参考边缘线；对待测样品的待检测区域进行图像采集形成样品待测区域图像，提取样品待测区域图像的边缘特征点，若待检测区域具有裂痕，所述裂痕也为边缘；对提取到的边缘特征点进行霍夫变换以拟合所述样品待测区域图像的样品边缘线；将样品边缘线与参考边缘线比对，若相同即为无裂痕品，若不相同即为初认定裂痕品。后续裂痕的发展及影响提供参考，为生产者后续对于产品生产，产品质量提升及维修提供有意义数据。

摘要： 本发明涉及相机标定技术领域，尤其涉及一种基于深度霍夫变换的多传感器外参在线标定方法，包括如下步骤：首先对相机的内参进行标定；对深度相机进行深度矫正，当做针孔模型标定得到内参；对投影后的图像进行线特征检测；同样对2D相机的图像进行线检测，获得2D相机的带有语义的线特征信息；利用刚体变换得到深度值在相机坐标系下的位置；通过迭代方程使2D相机和深度相机的投影残差下降，迭代的终止条件是变化量小于阈值。本发明首次提出应用视觉检测技术对无标定物场景相机外参的在线标定的方法，可以保证系统在运行过程中对其进行自动标定，有效提升系统可靠，减少人工工作量，节省人工成本。

摘要： 本发明公开了一种基于SSD(Single Shot MultiBox Detector，单帧多框检测器)‑改进帧间差分法‑霍夫变换的结构系统运动状态异常检测方法，包括：S1)利用相机获取目标物运动过程视频集1，进行处理与标定；S2)将样本图像和标签文件输入到SSD网络模型进行训练与验证；S3)利用相机获取目标物运动过程视频2，并使用训练后的SSD网络模型对视频2进行目标物上的运动部件检测；S4)对S3中检测得到的目标物上的运动部件进行改进帧间差分法处理，获到目标物上的运动部件的边界特征；S5)利用霍夫变换对S4中获得的边界特征处理得到边界的旋转角度指标；S6)绘制旋转角度历程曲线；S7)计算与正常情况下旋转角度历程曲线的均方根偏差值，进行异常检测。本发明的目标物运动状态检测方法，具有操作便捷、处理智能、检测精度高的优点。

摘要： 本发明公开一种基于霍夫变换的组合孔轮廓点检测与分割方法包括以下步骤：S1、提取组合孔光刀曲线的点云数据，得到若干个端点；S2、对每个端点进行区分，判断其为轮廓点还是干扰点，并建立轮廓点与孔的对应关系；S3、对孔所在的平面进行平面拟合，拟合出孔的相关参数。本发明针对视场中有多个圆孔特征的情况，对组合孔轮廓点的检测与分割方法进行研究，在得到各个圆孔的轮廓点后，使用圆拟合迭代法剔除其中被错误分割的点，并得到各个圆孔的特征参数，实现了多个孔特征参数的同时提取，不仅解决了组合孔在视场中相互干扰的问题，同时提高了检测效率。

摘要： 本发明提供了一种基于概率霍夫变换的丝束翻转视觉检测方法，利用相机进行采集丝束面的图像，通过计算机中的均值滤波算法、概率霍夫变换算法对丝束面的图像进行处理和丝束面轮廓线的采集，再通过计算机程序对丝束面轮廓线进行计算斜率和其与水平方向的夹角，并根据夹角的取值范围判断丝束开松时是否发生了翻转或折叠以及是否剔除这部分滤嘴棒，可以实现丝束的在线检测。本申请还提供了一种基于概率霍夫变换的丝束翻转视觉检测系统，具有图像采集速度、传输速度、及图像处理运算速度极快、稳定性强的特点，实现丝束的全覆盖实时在线检测。

摘要： 本发明涉及一种基于霍夫变换的U型槽中线的识别方法，包括以下步骤：S1：通过相机获取当前工作台上U型槽内底部的图像，并形成相应的图片；S2：对图片依次进行灰度化处理和高斯滤波降噪处理；S3：对图片进行二值化处理；S4：对图片进行闭运算处理，同时将靠近的点连成线；S5：对经过闭运算处理后的图片进行霍夫变换直线检测，并获得检测到的直线；S6：获取当前检测到的直线的水平位置，并计算所述直线距离所述图片中部之间的距离，以获得图片距离，然后根据所述图片距离与实际距离的比例，换算得到所述U型槽中心位置与所述相机中心位置的距离。本发明具有操作方便、安全可靠且效率高的特点。

摘要： 本发明公开了一种基于霍夫变换和双流卷积神经网络的马路黑烟识别方法：步骤S100、通过光流法计算运动目标的每个像素点的运动速度和运动方向，输出代表目标对象运动信息的光流图像；步骤S200、采用霍夫变换得到XY极坐标的参数空间，通过参数空间筛查提取黑烟区域；步骤S300、运用双流神经卷积网络模型对候选黑烟区域进行识别；本发明相对比现有视频识别方式，深度神经网络具有更强的数据表征能力，抗干扰能力强，端到端的识别使得识别准确率更高。且双流卷积神经网络不仅拥有深度学习的优势，且其应用光流法提取运动特征，形成RGB图像进行卷积运算和光流图像卷积运算，两个算法网络通道，再融合平均，进而较BP神经卷积具有更高的准确率。