基于改进霍夫变换的角度检测算法
2021-02-23阮殿旭
沙洲职业工学院学报 2021年4期
阮殿旭
(沙洲职业工学院,江苏 张家港 215600)
引言
在机器人零配件生产装配等过程中,对零件的关键尺寸和参数进行测量是整台机器人集成后的重要质量保证手段,其测量结果直接影响机器人的质量和后续工序能否正常进行。近年来,随着视觉技术的发展,在基于计算机视觉和图像处理技术的零件检测方面的应用越来越广泛,在机器人零件测量方面,直线检测和圆形检测应用最为普遍。其中直线和圆形的检测最经典的算法是霍夫变换(Hough Transform),经过多年发展和改进,从最初始的霍夫变换到各种改进型霍夫变换算法,已经成为一类最常用的庞大的算法族[1],经扩展后的霍夫变换也可以检测其他简单的图像结构,如椭圆等。
在初始霍夫变换基础上,通过参数变换和耦合等方面的改进,出现了很多改进算法。本文对采用区域划分和参数空间变换点聚集状态选择优化的方法进行改进,通过粒子群算法实现霍夫变换参数的优化,同时通过置信投票优化,去除懒惰粒子,降低算法的计算量,提高处理速度,同时提高目标物体的投票结果精度。
1 霍夫变换与粒子群优化
1.1 霍夫变换
初始霍夫变换是由Paul Hough 于1962年提出的图像处理中的一种特征提取技术。霍夫变换通过一种投票算法检测具有特定形状的物体,将图像空间中的图形检测对应为参数空间的投票统计,将图像空间和参数空间形成映射关系,在一个参数空间中通过计算累计结果的局部最大值,得到一个符合该特定形状的集合作为霍夫变换结果。……
登录APP查看全文
