基于粒子群算法的图像三维位移测量方法

发布时间：2020-05-22 07:52

【摘要】：在现代化工业社会中,针对大型土木工程结构与机械结构的变形测量是保证其在使用过程中重要的监测手段,传统的接触式机械测量已经不能满足需求。基于双目立体视觉的DIC测量方法是一种非接触式、高精度的测量方法,在实际应用中容易出现因畸变、零漂、角点检测不准和匹配引起的测量精度较低的问题。以及针对这一问题,本文提出了基于改进PSO算法的图像三维位移测量方法,主要研究内容包括:详细研究了数字图像相关法的理论和匹配算法,提出一种整像素匹配算法与亚像素定位算法相结合的DIC方法用于搜寻被测量点在变形后图像上的位置。通过Matlab软件模拟散斑图对两种算法所包含的几种常见算法进行对比试验。实验结果证明爬山搜索法为整像素匹配算法并结合反向组合法为亚像素定位算法的DIC方法,其匹配精度和速度最优。研究基于双目立体视觉三维位移测量方法,通过构建以左相机光心作为世界坐标系原点的三维重建数学模型,计算出左相机坐标系到右相机坐标系的空间转换矩阵,根据立体视觉图像三维坐标公式计算出待测点在左相机坐标系下的三维坐标,即该点在世界坐标系下的三维坐标。根据DIC方法求解被测量点在变形前后图像上的位置,利用该方法计算变形前后位置在世界坐标系下的三维坐标来计算三维位移量。提出一种自适应倒S型变异PSO-BP神经网络来校准测量数据。将S型函数的一般式引入PSO算法中来提出倒S型权重递减策略,讨论其参数对于惯性权重和算法性能影响并最终选取最佳参数;同时也提出一种基于种群平均粒距来选择性变异的变异因子,将其引入PSO算法中来拓展种群搜索空间从而增加算法搜寻最优值的可能性。改进后的PSO算法相比于标准PSO算法在测试函数寻优的速度上分别提升了84%、87%和80.2%。改进PSO算法通过寻找BP神经网络的最优初始权阈值的方式来提高网络的预测精度。搭建实验所需要的设备,完成基于图像测量方法的三维位移测量实验并进行精度验证,选择三维位移测量的结果作为网络拟合校准测试的数据集。通过比较网络校准前后数据和电控位移台真实数据的误差来验证本文中所述方法的精确性。实验结果中校准后的X/Y/Z方向相对误差范围分别减少了65%、37.5%和66.7%,结果表明自适应倒S型变异PSO-BP神经网络优化的图像三维位移测量方法的测量精度高于优化前。
【图文】：

硕士论文,科技大学,实际位移,匹配算法

苏州科技大学硕士论文第二章数字图像相关法(DIC)及匹配算法研究三种算法测量的位移均值和实际位移之间的误差，下图2-6为两者数据之间的标准差，下图 2-7 为 100 个计算点的计算时间。

曲线图,标准差,曲线图

硕士论文第二章数字图像相关法(DIC)及匹配算法研究15三种算法测量的位移均值和实际位移之间的误差，下图2-6为两者数据之间的标准差，下图 2-7 为 100 个计算点的计算时间。图 2- 5 误差曲线图图 2- 6 标准差曲线图图 2- 7 计算时间曲线图由图 2-5 到 2-7 分析可知，，曲面拟合法相比于其他两种算法来说虽然测量速度快，但其测量精度较低且误差波动较大。而 N-R 偏微分法的测量精度和反向组合法近似，但其计算时间远远大于后者。因此本文中选用反向组合法作为 DIC 方法中的亚像素定位算法。2.4 本章小结本章首先介绍了数字图像相关法的基本原理，对形函数数学模型和相关函数做了简单介绍，之后详细研究了几种整像素匹配算法和亚像素定位算法的基本原理。通过
【学位授予单位】：苏州科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TP18

【参考文献】