基于多聚焦图像序列融合的筒状工件内壁形貌重构方法研究

发布时间：2020-11-04 02:34

　　 随着汽车、航空航天、武器装备等领域对管筒状零件的可靠性要求越来越高,筒状工件内壁的腐蚀、划痕等质量问题,将会直接影响工业产品的性能以及生命财产的安全,因此,定期开展对筒状工件内壁进行质量检测和评估。目前基于折反镜和结构光的成像检测方式,受筒状工件内部狭长特性的影响,成像装置设计加工难度大,可靠性低。而直接通过鱼眼镜头成像,由于成像焦距短,视场畸变大,影响检测效果。针对该问题,论文基于变焦镜头,采用多聚焦视觉成像技术,研究基于多聚焦图像序列融合的筒状工件内壁形貌重构方法,研究拟实现对筒状工件内壁全景成像检测。首先,针对多聚焦图像序列中聚焦区域特征提取困难问题,结合深度学习的深层特征自适应性提取优势,研究基于Siamese Network(暹罗网络)的多聚焦图像序列融合算法,利用基于Siamese Network检测筒状工件内壁的聚焦区域,通过网络输出的分数图决策不同景深的内壁图像序列的聚焦区域,融合出全聚焦的内壁全景视图。由于全景图是将三维空间筒状工件360°内壁信息压缩到二维平面环形内,视觉不直观。针对该问题,根据透视变换原理,研究筒状工件内壁全景图像展开方法,并针对展开过程中坐标系的映射插值方法进行了改进,提高了展开图像的质量。最后,论文采用6.5mm-42.5mm的变焦精度,针对80mm-130mm的筒状工件设计了成像实验装置。实验结果表明本文提出的形貌重构方法能够直接获取筒状工件内壁全景形貌,成像质量高,能有效实现内壁质量的检测。
【学位单位】：中北大学
【学位级别】：硕士
【学位年份】：2020
【中图分类】：TP391.41;TP183
【部分图文】：

中北大学学位论文4图1-1内壁形貌测量和缺陷检测分类Figure1-1Classificationofinnerwalltopographymeasurementanddefectdetection结合上述内容，可以看出内壁检测时非接触性测量较于接触性测量有更加广泛的适应性和优点。本文主要介绍非接触性测量。非接触测量中的光学测量和非光学测量都可以检测直径较大的管状内壁，但一般传统工业多在室外，所以经常采用非光学式无损检测的方法，利用超声检测法或漏磁检测法进行检测，一些工业还利用上电涡流检测法、电磁超声导波技术等。非光学式无损检测方法有一个明显的缺点就是成本高，设备昂贵复杂，测量方法的计算量大，因此不得不去考虑安全防护问题。光学式测量方法是采用视觉成像技术检测工件内壁，不受环境影响，并且具有高精度，可实现，成本低，可视化等优点，通常采用的方法是将图像摄取装置的特征信号转变为可视的图像信号，然后图像处理系统会对图像进行处理，在这一过程中图像信息转变为数字信号，最后从信号中抽取目标特征，主要包括CCTV成像法、激光三角法等。CCTV(ClosedCircuitTelevision)成像法，别名为内窥镜检测法，这个系统主要是组

ClosedCircuitTelevision成像法提出一种新型的方法用于数字图像处理自动分析管道内表面。我国正严建设工程质量检测有限公司（湖北）的蔡强等人[7]，采用内窥镜检测法和爬行机器人试验对水库管道内缺陷分析和研究。但是这种方法只能找到缺陷位置并不能定量表征大小和形状。想要获取内壁变形的具体程度、凹陷及裂纹等缺陷的具体大小，通过云台转动摄像机，不断地变换视角，捕捉每一个方位的特征点，才能有效全景成像，这种方法只能判断管道是否有缺陷，但是对于构建管道内壁形貌的三维图像的准确率偏低，自动化水平也较低。图1-2CCTV成像检测原理图Figure1-2CCTVimagingdetectionprinciplediagram激光三角法测量的原理，如同立体传感器，激光传感器片主要依赖三角测量来构建三维场景，投射出的激光会在物体表面反射或吸收形成光条和激光点。与立体传感器相比，一台摄像机将激光平面（光片）投射到物体上，只发射一束平行光，透过棱面透镜和一个鲍威尔透镜，在鲍威尔透镜上呈现更加均匀的亮度，如果物体发生移动，那么物体和透镜间距离的变化落在相机上成像的点也会随之移动，当对象相对于光片移动时重构其形状，所以一般使用线性运动作为相机和物体间的相对运动，这是为了确保后续运动形成的帧数稳定，根据图1-3所示，可以看到物体和探头间相对运动反射的光线会在物体和探头间形成三角形，所以一般称这种方法为激光三角法，即是通过相机平面上的

中北大学学位论文6距离和折射角度以及位移间的几何关系等因素来计算得到距离。FerranLaguarta等人[8]他们针对直径为25μm的喷嘴和接近17°的壁角提出了一种全新的共焦激光扫描法，改善和提高这种测量法的精度。长春理工大学的徐熙平等人[9]确立系统的测量误差不大于0.03mm，重复性测量精度优于±0.03mm为激光三角法的应用确定了一种可适范围。天津大学陈浩等人[10]通过激光三角法测量内径的试验改善了系统装配精度。该方法由于每次是单点操作扫描，所以每次只能采集一个点，对于内壁外貌的重构，效率降低，所以容易产生误差[11-12]。图1-3激光三角检测原理图Figure1-3Theprinciplediagramoflasertriangledetection随着视觉全景成像技术的兴起，获得超大视场全景图成为基于视觉筒状工件内壁检测研究领域的热点问题。林华琦等人[13]采用多相机拼接组合模式，四个鱼眼相机朝向不同方位进行拍摄，通过图像拼接融合成全景图像。王会峰等人[14]提出相机旋转拍摄，随着云台的转动捕捉到每个角度的图像并且拼凑成全景图像。Di等人[15]利用鱼眼超广角镜头获得大视场井壁全景图成像。吴挺等人[16]在自制的折反射全景成像系统上通过大量的折射最终实现全息投影。对于上述种种方法，虽然间接的弥补了成像系统中视场有限的问题，但存在明显的不足，单个相机旋转不能获得全景图像，所以只能采用鱼眼镜头和折反射全景成像，然后校正图像矫正算法复杂。目前内壁全景图成像技术都存在数字成像系统中景深有限的问题，而对圆筒内壁进行多聚焦图像融合则很好地改善了这一不足，实现筒状工件内壁全聚焦成像。
【相似文献】

相关期刊论文 前10条

1 申晓华;艾宝;王婷;;多聚焦图像融合中小波基函数选取的研究[J];弹箭与制导学报;2007年03期

2 李笋;汪渤;周志强;踪华;王海罗;;基于区域分割和引导滤波的多聚焦图像融合[J];北京理工大学学报;2015年06期

3 马文娟;许峰;;基于差异演化的多聚焦图像融合算法[J];合肥学院学报(自然科学版);2013年01期

4 张攀;;多聚焦图像融合算法[J];微型电脑应用;2012年09期

5 刘子闻;罗晓清;张战成;;自学习规则下的多聚焦图像融合[J];中国图象图形学报;2020年08期

6 毛义坪;余磊;官泽瑾;;基于分数阶微分的多聚焦图像融合[J];计算机科学;2019年S2期

7 赵慧;;基于小波变换的多聚焦图像融合算法研究[J];产业与科技论坛;2015年22期

8 田江华;熊邦书;施琴红;;基于小波变换与局部离散度的多聚焦图像融合算法[J];南昌航空工业学院学报(自然科学版);2006年03期

9 官泽瑾;毛义坪;;基于梯度理论的多聚焦图像融合[J];现代计算机;2020年01期

10 杨勇;郑文娟;黄淑英;魏文明;刘心韵;;一种基于遗传算法的自适应多聚焦图像融合新方法[J];中南大学学报(自然科学版);2013年S2期

相关博士学位论文 前10条

1 延翔;多源图像融合算法研究[D];西安电子科技大学;2018年

2 张永新;多聚焦图像像素级融合算法研究[D];西北大学;2014年

3 徐月美;多尺度变换的多聚焦图像融合算法研究[D];中国矿业大学;2012年

4 李华锋;多聚焦图像像素级融合方法研究[D];重庆大学;2012年

5 费春;基于智能优化和视觉显著性的图像融合研究[D];电子科技大学;2015年

6 孙岩;基于多分辨率分析的多传感器图像融合算法研究[D];哈尔滨工程大学;2012年

7 张强;基于多尺度几何分析的多传感器图像融合研究[D];西安电子科技大学;2008年

8 黄伟;像素级图像融合研究[D];上海交通大学;2008年

9 封子军;像素级图像融合算法研究[D];电子科技大学;2014年

10 赵恒军;图像多尺度邻域距离分解及其应用[D];重庆大学;2013年

相关硕士学位论文 前10条

1 王青青;基于多聚焦图像序列融合的筒状工件内壁形貌重构方法研究[D];中北大学;2020年

2 张素兰;基于小波变换的多聚焦图像融合研究[D];重庆大学;2009年

3 向昌成;多聚焦图像融合研究[D];电子科技大学;2010年

4 田江华;多聚焦图像融合算法的研究[D];南昌航空大学;2007年

5 朱亚超;基于小波变换的多聚焦图像融合与评价[D];武汉理工大学;2005年

6 余慧;多聚焦图像融合算法研究[D];河海大学;2006年

7 王旭东;基于分解理论的多聚焦图像融合算法研究[D];湖南大学;2019年

8 黎磊;变焦大景深显微与三维测量技术研究[D];合肥工业大学;2019年

9 王镖堡;基于深度学习的多聚焦图像算法研究[D];云南大学;2018年

10 唐翰;基于深度卷积神经网络的多聚焦图像融合[D];重庆邮电大学;2018年

本文编号：2869479