大型构件视觉测量中特征提取与多视拼接方法

发布时间：2023-04-05 04:18

　　大型构件是飞机、火箭等高端装备的关键结构件,其高质量装配是保障高端装备服役性能的重要环节。目前,国内外的相关企业已广泛采用数字化测量技术,实现大型构件装配质量的监测。面向零部件面形的三维测量作为数字化测量的核心环节,可快速地实现产品几何形貌点云的获取,为分析产品气动外形与理论模型的偏差提供数据支撑。视觉测量以其高精、高效、非接触等优势,在航空航天数字化测量等领域得到广泛应用。本文采用结合线激光与标志点辅助特征的双目视觉方法,对大型构件形面进行测量,针对现场测量过程中的图像特征提取与多视数据拼接方法展开了深入研究,主要研究内容如下:(1)针对现场环境下复杂光照、多源干扰等因素造成扫描特征光条亮度不均难以准确、完整提取的问题,提出了一种复杂背景干扰下非均匀光条的自适应提取方法。基于结合二次扫描框架的CNN网络与非特征滤除准则准确定位光条特征区域,在此基础上,采用分区域K-means算法对光条特征进行准确分割。实验结果表明:该方法可有效提取复杂环境背景下的非均匀光条特征,以SSIM、MSE和IoU作为评价指标,其提取效果优于GLGM、Otsu、Graph-Cuts和FCN等现有方法。(2)虑...

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状分析
        1.2.1 基于视觉的大型构件三维测量方法研究现状
        1.2.2 线激光特征定位与分割方法研究现状
        1.2.3 视觉测量中多视拼接方法研究现状
    1.3 本论文的总体测量方案及研究难点
        1.3.1 大型构件视觉测量总体方案
        1.3.2 本论文的研究难点
    1.4 论文的主要研究内容
2 线激光特征自适应提取方法
    2.1 线激光特征提取流程与图像特征分析
    2.2 基于CNN的线激光特征定位方法
        2.2.1 CNN网络结构与参数设计
        2.2.2 图像数据集与网络训练
        2.2.3 基于非特征滤除准则的光条定位
    2.3 非均匀线激光特征分割方法
        2.3.1 现有图像分割方法简介
        2.3.2 基于分区域K-means算法的光条图像分割
        2.3.3 光条分割结果对比分析
    2.4 本章小结
3 标志点特征高精提取与匹配方法
    3.1 标志点特征分析与辅助光源设计
    3.2 标志点特征中心提取方法
        3.2.1 特征提取方法对比分析
        3.2.2 标志点特征提取实验分析
    3.3 基于双向极线约束的标志点匹配方法
        3.3.1 极线约束原理
        3.3.2 双向极线约束匹配方法
        3.3.3 标志点匹配实验验证
    3.4 本章小结
4 基于标志点的多视数据拼接与误差分析
    4.1 双目视觉多视拼接总体方案
    4.2 基于标志点的多视拼接方法
        4.2.1 基于距离约束的多视角标志点匹配
        4.2.2 坐标转换矩阵求解方法
        4.2.3 多视角点云数据拼接
    4.3 多视点云数据拼接误差分析
        4.3.1 双目相机标定误差分析
        4.3.2 公共标志点数目及布局分析
    4.4 本章小结
5 实验与分析
    5.1 大型构件双目视觉测量系统
        5.1.1 视觉测量系统硬件介绍
        5.1.2 图像处理软件设计
    5.2 光条特征提取方法验证实验
    5.3 基于标志点的多视数据拼接方法验证实验
        5.3.1 精度验证实验
        5.3.2 大型构件拼接测量实验
    5.4 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢



本文编号：3782712