一种用于绞车排缆状态视觉判别图像增强方法

    公开(公告)号:CN115393590A

    公开(公告)日:2022-11-25

    申请号:CN202211032759.9

    申请日:2022-08-26

    Abstract: 本发明公开了一种用于绞车排缆状态视觉判别图像增强方法,包括一下四个步骤:(1)最小误差阈值优化方法求解分段点x2;(2)最小误差阈值优化方法求解分段点x1;(3)比例系数k2自适应求解分段点y1、y2;(4)分段线性变换增强。本发明的有益效果在于:本发明通过最小误差阈值优化模型求解分段点x1、x2,选定比例系数k2自适应求解分段点y1、y2,对排缆状态图像不同区域进行分段线性变换增强,仅需调整一个参数k2,方便简单,快速高效,有效解决了现有方法受复杂光照影响、参数多的问题,凸显缆绳边缘细节,抑制背景区域干扰,增强了排缆状态图像质量,为后续缆绳特征提取提供了基础,提高绞车排缆状态视觉判别准确性,保证绞车作业安全。

    一种风力发电机整机服役功率特性在线评估方法

    公开(公告)号:CN111125895A

    公开(公告)日:2020-05-08

    申请号:CN201911284181.4

    申请日:2019-12-13

    Abstract: 本发明的一种风力发电机整机服役功率特性在线评估方法,所述方法包括以下步骤:S1:建立标准数据集;S2:将标准数据集划分为两个区域;S3:划分标准数据集的最大风能捕获区域的风速区间;S4:利用标准功率曲线的数据计算S3中的风速区间的权值;S5:建立评估数据集;S6:将评估数据集划分为两个区域;S7:划分评估数据集的最大风能捕获区域的风速区间。本发明提供了一种风力发电机整机服役功率特性在线评估方法,用于评估的风速功率散点与标准的风速功率散点的偏差,根据面积法,利用整个评估数据的累积分布之间的面积来衡量两组数据的模型之间的误差,没有将其转换为功率曲线与标准功率曲线进行比较,减少了功率曲线建模的误差。

    一种旅居空间装备舒适环境自动适应装置及控制方法

    公开(公告)号:CN109594797A

    公开(公告)日:2019-04-09

    申请号:CN201910063832.0

    申请日:2019-01-23

    Abstract: 本发明公开了一种旅居空间装备舒适环境自动适应装置及控制方法,装置包括仓体、支撑装置、旋转装置、止动装置、动力传动装置、环境监控装置以及控制系统;仓体安装在旋转装置上,旋转装置安装在支撑装置上,仓体与动力传动装置连接,由动力传动装置提供旋转所需的动力源,实时控制仓体朝向;止动装置安装在旋转装置上,能够对仓体制动;环境监控装置安装在仓体外壁上,能够在获取外界景观后通过图像处理技术实现环境自适应功能,环境监控装置与控制系统连接,控制系统分别与动力传动装置、止动装置连接。本发明结构简单,操作方便,能够实现全方位互动式观看,也可自己控制环视的方向,环境适应性更人性化,使得用户所处位置视觉更美,能够增强人与自然的交互性和和谐性。

    基于二维图像和三维点云数据融合的全景环境感知方法

    公开(公告)号:CN109544456A

    公开(公告)日:2019-03-29

    申请号:CN201811413992.5

    申请日:2018-11-26

    Abstract: 本发明公开了一种基于二维图像和三维点云数据融合的全景环境感知方法,应用样本一致性初始对准(SAC-IA)算法与迭代最近点(ICP)算法将多帧点云数据统一到世界坐标系;对这些点云数据对应的灰度图像进行相似特征匹配与图像拼接,对拼接图像采用像素加权的方法消除图像拼接区域的裂缝,平滑拼接区域像素点的亮度值,得到优化的全景图像;应用深度信息对世界坐标系中所有点云数据进行分割,得到不同深度范围中的点云数据,将这些点云数据分别投影为二维图像并二值化;将生成的二值图像与全景图像进行信息融合,实现对不同深度的环境信息全景视觉感知。本发明能满足背景复杂、存在较强干扰的检测场景快速全景信息重构的技术需求,可有效降低后续场景理解、路径规划等工作的难度。

    一种混凝土裂纹快速识别方法

    公开(公告)号:CN108805855A

    公开(公告)日:2018-11-13

    申请号:CN201810017989.5

    申请日:2018-01-09

    Abstract: 本发明公开了一种混凝土裂纹快速识别方法,在待测混凝土灰度图像中,每隔w行、w列取1像素组成尺寸缩小的降采样图像;对降采样图像进行形态学开运算,抑制高亮度值孤立点对后续图像处理的影响;对噪声抑制后的降采样图像进行灰度聚类,把图像中灰度相近的像素归为同一类;将噪声抑制后的降采样图像内中心灰度最低的一类像素灰度值全设为1,其他像素灰度值设为0,生成聚类结果二值图像;计算聚类结果二值图像的信息熵,依据二值图像熵判据判断该待测混凝土图像中是否存在裂纹。本发明可以快速的将采集的混凝土图像分成裂纹图像和非裂纹图像,从而大幅降低后续裂纹提取步骤的难度和耗时。

    一种机器视觉3D四轮定位仪靶标绑定方法

    公开(公告)号:CN106920262B

    公开(公告)日:2018-02-02

    申请号:CN201710130657.3

    申请日:2017-03-07

    Abstract: 本发明公开了一种机器视觉3D四轮定位仪靶标绑定方法,采用工业相机采集插入圆管立柱中的待绑定靶标的旋转图像,根据靶标旋转轴以及靶标旋转轴与靶标工作面的交点在靶标坐标系内的不变性,建立数学模型并构造目标函数,通过正面和背面两个工业相机摆放位置拍摄图像联合求解。该方法所需辅助装置成本低,绑定参数求解精度可靠,且操作简单,易于实现,适合厂内和现场绑定。

    一种基于自适应滤波的复杂背景下图像多圆快速检测方法

    公开(公告)号:CN104463876A

    公开(公告)日:2015-03-25

    申请号:CN201410764315.3

    申请日:2014-12-12

    CPC classification number: G06T7/73 G06T2207/20024

    Abstract: 本发明公开了一种基于自适应滤波的复杂背景下图像多圆快速检测方法,属于计算机视觉在线检测技术领域。应用Sage-Husa自适应卡尔曼滤波算法对各圆特征的中心坐标及半径进行估计,进而对特征有效区域进行估计;在各圆特征有效区域内,图像局部增强后采用Canny边缘检测算法及最小二乘椭圆拟合法对圆特征的中心坐标及半径进行求解;应用结果有效判据对定位结果是否有效进行判定;若判定结果有效,则将特征提取值作为检测结果输出;若判定结果无效,则将特征参数估计值作为检测结果输出。本发明在复杂背景多圆定位过程中彻底抛弃了非常耗时的Hough变换,输出测量结果前先对定位结果是否有效进行判定,并分别采取不同的对策,在保证精度的同时实现了圆检测速度大幅提升,能满足采用高分辨率图像传感器的工业监测系统在线监测的要求。

    一种图像预配准和多准则误匹配抑制的三维点云配准方法

    公开(公告)号:CN119904491A

    公开(公告)日:2025-04-29

    申请号:CN202510361085.4

    申请日:2025-03-26

    Abstract: 本发明公开了一种图像预配准和多准则误匹配抑制的三维点云配准方法,涉及点云配准技术领域,首先,利用投影散斑图像增强待测物体表面纹理信息进行数据采集,再采用图像分块和模板匹配算法定位待配准图像的最佳配准区域,通过对该区域进行特征点检测与配准,实现图像预配准,抑制待配准图像的不重叠区域带来的不利影响;接着,依据坐标变换关系,由图像预配准得到的二维匹配点对获取对应的三维匹配点对,完成点云粗配准;最后,采用经典的ICP算法实现点云精配准;为了提高配准的精度和效率,在图像预配准和点云粗配准阶段集成了多种错误匹配抑制策略。本发明的方法,能实现重叠率有限、表明特征缺乏的点云高效率和高精度配准。

    基于物理-数据融合驱动的橡胶材料疲劳寿命预测方法

    公开(公告)号:CN119889548A

    公开(公告)日:2025-04-25

    申请号:CN202510388383.2

    申请日:2025-03-31

    Abstract: 本发明涉及材料疲劳寿命预测领域,具体公开了一种基于物理‑数据融合驱动的橡胶材料疲劳寿命预测方法,包括如下步骤:S1、通过试验获取橡胶疲劳寿命数据;S2、构建基于连续介质力学的疲劳寿命预测物理模型;S3、对物理模型预测寿命及试验数据进行预处理;S4、根据预处理数据,确定BP神经网络模型中输入层、隐含层、输出层节点个数;S5、以实测寿命与预测寿命之间均方误差最小为目标,采用梯度下降法,确定BP神经网络模型的连接权值和阈值;S6、结合连接权值和阈值,建立基于物理‑数据融合驱动的橡胶材料疲劳寿命预测模型。本方案中的物理‑数据融合驱动方法可提升橡胶疲劳寿命预测精度,降低橡胶制品在实际应用中的失效风险。

    一种风速传感器异常数据的重构方法及重构装置

    公开(公告)号:CN118839117A

    公开(公告)日:2024-10-25

    申请号:CN202411311197.0

    申请日:2024-09-20

    Abstract: 本申请提供的一种风速传感器异常数据的重构方法及装置,方法通过变分模态分解将历史风速序列进行一次分解,然后将分解后的残余分量通过改进的自适应噪声完全集合经验模态分解算法进行二次分解,随后将分解得到的一次分解历史风速子序列和二次分解历史风速子序列分别输入到LSTM神经网络当中,结合基于自适应扰动的疯狂蝴蝶算法进行训练,得到第一目标LSTM神经网络和第二目标LSTM神经网络,最后通过第一目标LSTM神经网络和第二目标LSTM神经网络对待测风速序列进行风速重构,得到对应的风速序列重构结果,进而实现对实际工程中的风速传感器异常数据的精准重构效果,从而提高了风电场的效率。

Patent Agency Ranking