基于点云拼接的车轮踏面在线三维测量技术研究
本文选题:车轮踏面轮廓 + 三维测量 ; 参考:《西南交通大学》2017年硕士论文
【摘要】:随着我国高速铁路的迅猛发展,大大地提升了我国铁路的客运运输能力。为保证行车安全及旅客生命财产安全,必须时刻关注轮对的尺寸、踏面的各项参数变化。基于光栅投影的三维测量技术广泛应用与自动化检测、质量控制、机器视觉、生物医学等领域,具有非接触式、高精度、高分辩率等特点。本文以CRH2A型动车组样板轮为研究对象,结合三维测量技术与点云拼接技术应用于车轮踏面外形轮廓360°测量中,从理论和实验两个方面进行了深入研究,具体研究内容如下:首先,在车轮踏面点云获取方面,研究了基于光栅投影的三维测量技术的原理。重点针对相位展开技术,在质量图引导算法的基础上,利用相邻像素点之间的相对可靠度作为展开路径,然后通过区域划分与合并进行区域设置后独立展开,并与枝切法、质量图引导算法以及最小二乘法进行了仿真及实验对比分析,其均方误差比质量图引导算法降低约35%,展开速度提升约10倍,且有效地抑制了路径相关算法中的噪声扩散现象。其次,介绍了点云拼接技术的基本流程及原理,了解传统ICP算法的数据配准机制。利用基于协方差矩阵法对点云数据进行粗拼接,并与基于点特征直方图方法仿真对比分析。研究一种以点到切平面为迭代目标函数,利用kdtree算法对点云进行加速匹配搜索,最后基于刚性变换一致性进行原则约束的改进ICP算法。仿真结果表明,基于协方差矩阵方法完成粗拼接的时间仅需0.1s,更适合车轮踏面点云数据粗拼接。改进的ICP算法的迭代精度比其他精拼接算法综合提升约10%,且精拼接时间不超过3s。最后,设计并搭建了列车车轮踏面三维轮廓检测试验平台,结合光学三维测量技术与三维点云拼接技术对车轮踏面外形轮廓实现360°在线测量,且利用改进的ICP算法完成整个车轮的拼接时间为148.48s,平均精拼接精度为0.0638mm,提升了迭代的精度与在线检测的效率。
[Abstract]:With the rapid development of high-speed railway in China, the passenger transport capacity of Chinese railway has been greatly improved. In order to ensure the traffic safety and the safety of passengers' life and property, we must always pay attention to the size of wheelset and the change of parameters of tread. The 3D measurement technology based on grating projection is widely used in the fields of automatic detection, quality control, machine vision, biomedicine and so on. It has the characteristics of non-contact, high precision, high resolution and so on. In this paper, the model wheel of CRH2A EMU is taken as the research object, and the 3D measurement technology and point cloud splicing technology are applied to the measurement of the profile 360 掳of the wheel tread. The theoretical and experimental studies are carried out in depth. The main contents are as follows: firstly, the principle of 3D measurement based on grating projection is studied. Focusing on the phase unwrapping technique, based on the quality map guidance algorithm, the relative reliability between adjacent pixels is used as the expansion path, and then the region is set up independently by region division and merging, and then it is expanded independently with the branch cutting method. The simulation and experimental results show that the mean square error is about 35 times lower and the expansion speed is about 10 times higher than that of the quality map guidance algorithm, and the noise diffusion phenomenon in the path correlation algorithm is effectively suppressed. Secondly, the basic flow and principle of point cloud splicing technology are introduced, and the data registration mechanism of traditional ICP algorithm is understood. Covariance matrix method is used to combine the point cloud data, and the results are compared with the point feature histogram method. In this paper, an improved kdtree algorithm based on the consistency of rigid transformation is proposed, in which the point to tangent plane is taken as the iterative objective function, and the point cloud is searched by kdtree algorithm. The simulation results show that the covariance matrix method takes only 0.1 s to complete rough stitching, which is more suitable for rough stitching of wheel tread point cloud data. The iterative accuracy of the improved ICP algorithm is about 10% higher than that of other fine stitching algorithms, and the time of fine stitching is less than 3 s. Finally, a testing platform for 3D profile detection of train wheel tread is designed and built. Combined with optical 3D measurement technology and 3D point cloud splicing technology, the profile of wheel tread profile is measured on line 360 掳. By using the improved ICP algorithm, the stitching time of the whole wheel is 148.48 s, and the average precision is 0.0638 mm, which improves the precision of iteration and the efficiency of on-line detection.
【学位授予单位】:西南交通大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:U270.7;O439
【相似文献】
相关期刊论文 前10条
1 高恩阳;郑昊鸿;;点云数据滤波方法综述[J];科技资讯;2012年33期
2 龚书林;;三维激光点云处理软件的若干关键技术[J];测绘通报;2014年06期
3 赵强;彭国华;王锋;;点云精简的一种方法[J];西南民族大学学报(自然科学版);2006年05期
4 李德江;张延波;于曼竹;姜丽丽;曲雪光;;基于扫描模式的点云修复技术研究[J];测绘与空间地理信息;2011年06期
5 蔡来良;李儒;;点云数据处理算法与实现初步研究[J];测绘通报;2012年S1期
6 詹庆明;张海涛;喻亮;;古建筑激光点云-模型多层次一体化数据模型[J];地理信息世界;2010年04期
7 曾敬文;朱照荣;丁锐;;基于立方体网格的数据点云约简和体积计算方法[J];测绘科学;2008年06期
8 杨欣;姚海燕;;平面点云边界参数识别[J];中国西部科技;2009年27期
9 孙瑞;张彩霞;;点云数据压缩算法综述[J];科技信息;2010年32期
10 张毅;闫利;;地面激光点云强度噪声的三维扩散滤波方法[J];测绘学报;2013年04期
相关会议论文 前10条
1 李文涛;韦群;杨海龙;;基于图像的点云生成和预处理[A];2011年全国通信安全学术会议论文集[C];2011年
2 蔡来良;李儒;;点云数据处理算法与实现初步研究[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年
3 马国庆;陶萍萍;杨周旺;;点云空间曲线的微分信息计算及匹配方法[A];第四届全国几何设计与计算学术会议论文集[C];2009年
4 江倩殷;刘忠途;李熙莹;;一种有效的点云精简算法[A];第十五届全国图象图形学学术会议论文集[C];2010年
5 解辉;张爱武;孟宪刚;;机载激光点云快速绘制方法[A];第二十五届全国空间探测学术研讨会摘要集[C];2012年
6 李凯;张爱武;;基于激光点云的粮仓储粮数量测量方法[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年
7 朱晓强;余烨;刘晓平;袁晓辉;Bill P.Buckles;;基于航拍图像和LiDAR点云的城市道路提取[A];全国第19届计算机技术与应用(CACIS)学术会议论文集(上册)[C];2008年
8 刘虎;;基于线性八叉树的点云简化与特征提取研究[A];促进科技经济结合,,服务创新驱动发展——蚌埠市科协2012年度学术年会论文集[C];2012年
9 李滨;王佳;;基于点云的建筑测绘信息提取[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年
10 杨雪春;;反求工程建模中点云切片技术研究[A];全国先进制造技术高层论坛暨第八届制造业自动化与信息化技术研讨会论文集[C];2009年
相关重要报纸文章 前2条
1 曹裕华 高化猛 江鸿宾;激光点云 亦真亦幻[N];解放军报;2013年
2 中国工程院院士 刘先林;四维远见的装备创新[N];中国测绘报;2012年
相关博士学位论文 前10条
1 彭检贵;融合点云与高分辨率影像的城区道路提取与表面重建研究[D];武汉大学;2012年
2 刘涌;基于连续序列自动快速拼接的全方位三维测量技术研究[D];西南交通大学;2013年
3 袁小翠;产品表面缺陷视觉检测数据处理关键技术研究[D];南昌大学;2015年
4 赖祖龙;基于LiDAR点云与影像的海岸线提取和地物分类研究[D];武汉大学;2013年
5 王瑞岩;计算机视觉中相机标定及点云配准技术研究[D];西安电子科技大学;2015年
6 段敏燕;机载激光雷达点云电力线三维重建方法研究[D];武汉大学;2015年
7 李艳红;车载移动测量系统数据配准与分类识别关键技术研究[D];武汉大学;2014年
8 韩峰;基于点云信息的既有铁路状态检测与评估技术研究[D];西南交通大学;2015年
9 金龙存;3D点云复杂曲面重构关键算法研究[D];上海大学;2012年
10 李扬彦;基于点云的三维重建与形变事件分析[D];中国科学院深圳先进技术研究院;2013年
相关硕士学位论文 前10条
1 龚硕然;基于Delaunay三角剖分的点云三维网格重构[D];河北大学;2015年
2 杨红粉;频域技术应用于点云配准研究[D];北京建筑大学;2015年
3 段红娟;点云图像交互式曲线骨架提取技术及其应用[D];西南交通大学;2015年
4 张永恒;散乱点云数据配准方法研究[D];长安大学;2015年
5 吴爱;面向特征拟合的点云简化方法研究[D];中国地质大学(北京);2015年
6 薛广顺;基于立体视觉的牛体点云获取方法研究与实现[D];西北农林科技大学;2015年
7 胡诚;精度约束下地表LiDAR点云抽稀方法研究[D];西南交通大学;2015年
8 余明;三维离散点云数据处理技术研究[D];南京理工大学;2015年
9 陈星宇;基于三维彩色点云的地形分类方法研究[D];南京理工大学;2015年
10 朱东方;基于复杂拓扑结构点云的曲线拟合研究与应用[D];山东大学;2015年
本文编号:2034460
本文链接:https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/2034460.html