基于视觉的振动特征提取算法研究及应用

发布时间：2017-08-10 02:26

  本文关键词：基于视觉的振动特征提取算法研究及应用

  更多相关文章： 视觉测量 振动位移提取 高速摄像 模板匹配 奇异值分解 Taylor级数展开 图像对齐

【摘要】：测量技术是现代工业的基础技术之一,测量的精度和效率在一定程度上决定着制造业乃至科学技术的发展水平。随着工业制造技术和加工工艺的改进与提高,人们对测量手段的速度和精度提出了更高的要求。近年来测量技术的发展趋势主要体现在以下几个方面：非接触式、在线测量、高精度、智能化等。随着机器视觉的迅速发展,人们开始将视觉技术应用于测量技术之中,形成了一种新型的检测技术——视觉测量技术。视觉测量技术以机器视觉为基础,将图像作为检测信息的手段,融合了光电子学、计算机技术、图像处理技术等现代科学技术,形成了光机电算一体化的视觉测量系统,具有高效、高精度、非接触式、远距离测量的特点,是传统测量方式的重要补充,被广泛应用于工业、军事、医学等领域,得到了研究者的普遍关注。本文以视觉测量系统为研究对象,通过硬件选型组建了高速视频采集装置,进而对视频图像的位移快速提取算法进行了深入研究。本文首先对硬件选型做了分析,搭建了基于高速相机的视觉测量硬件系统,利用该系统可以快速完成高速运动物体的视频拍摄。对于拍摄得到的振动视频,如何快速分析视频图像实现振动信息的提取是视觉测量系统的核心。常规图像处理技术是图像分析中常用的手段,它通过灵活组合多种图像处理算法可以完成各种场景运动图像的分析和视频信息的提取。钢条悬臂梁振动实验展示了常规图像处理手段在实际应用中的使用效果,然而实验也暴露了常规图像处理手段存在的诸多问题,如参数多,难调整；步骤多,繁琐易出错；对视频要求高,光照、噪声对算法执行效果有直接影响等。针对常规图像处理手段存在的问题,本文从模板匹配、数据降维、数学分析、图像对齐等多个角度进行了研究探讨,并相应提出了多种简单有效的振动位移提取算法,包括基于NCC模板匹配的提取算法、基于SVD分解的提取算法、基于Taylor展开的提取算法和基于Lucas-Kanade图像对齐的提取算法。这些算法减少了对图像处理的依赖,处理过程只需选择跟踪区域即可快速完成振动位移的提取,算法简单易实现,具有通用性强、效率高、设定参数少、自动化程度高的特点。NCC算法将模板图像在匹配图像上进行扫描计算,从而得到相关系数矩阵,矩阵中极大值出现的位置即为物体运动的当前位置,此算法理论简单,效果直观、可靠；SVD算法属于机器学习降维算法,通过SVD奇异值分解显著降低了图像信息的维数,得到只有k维的成分信号,揭示了隐藏在视频背后的振动本征结构信息,算法简洁、快速,只需设定分析区域即可自动完成位移信号的提取；Taylor算法从级数展开角度解释了SVD提取算法的物理意义,进而提出了基于迭代的高精度亚像素位移提取算法,算法避免了奇异值分解过程,通过差分直接得到图像基,使算法流程进一步简化；Lucas-Kanade算法将图像对齐理念引入到振动提取中,得到了更具普遍意义的提取算法,不仅可以实现位移的提取,还可以完成旋转、变形的计算。最后,本文将Taylor算法与Lucas-Kanade算法相融合,提出了改进的反向组合算法,使得位移提取效率得到了进一步提升,该算法对每帧的位移提取时间降低到0.1ms以下,为1000Hz以上高速视频的实时分析提供了可能。基于提出的高效位移提取算法,本文开发了基于计算机平台和智能手机平台的视觉测量软件,并利用这些软件做了大量实验研究。首先利用高精度位移平台开展了视觉测量精度的验证实验,证明了视觉测量系统可以达到很高的测量精度。然后在实验室环境和室外环境分别开展了视觉测量的应用研究,其中椅子测振、风扇测速实验测试了手机视觉测量软件的使用效果,电机实验验证了手机可完成手持式、无目标的振动测量；室外声屏障、南淝河大桥、叉车方向盘等振动实验展示了计算机高速视觉测量软件在远距离测量中的实验效果。这些实验都充分说明基于视觉的测量是一种可靠、有效的测量方式,具有重要的实际意义。
【关键词】：视觉测量 振动位移提取 高速摄像 模板匹配 奇异值分解 Taylor级数展开 图像对齐
【学位授予单位】：中国科学技术大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 摘要5-7
• ABSTRACT7-17
• 第一章 绪论17-29
• 1.1 视觉测振的研究背景及意义17-20
• 1.1.1 振动的测量17-18
• 1.1.2 视觉测量的研究意义18-20
• 1.2 视觉测量的国内外研究现状20-26
• 1.3 论文主要研究内容26-28
• 1.3.1 论文选题26
• 1.3.2 主要研究内容与技术路线26-28
• 1.4 本章小结28-29
• 第二章 视觉测量系统的设计研究29-49
• 2.1 引言29
• 2.2 视觉测量系统的硬件组成29-36
• 2.2.1 照明光源30-31
• 2.2.2 光学镜头选择31-33
• 2.2.3 图像采集装置33-35
• 2.2.4 计算机系统35-36
• 2.3 基于常规图像处理的视觉软件研究36-40
• 2.3.1 常规图像处理技术36-37
• 2.3.2 人工标靶的设计37
• 2.3.3 相机参数的标定37-40
• 2.4 钢条悬臂梁模态分析实验40-46
• 2.4.1 悬臂梁振动理论40-41
• 2.4.2 悬臂梁振动视觉测量41-42
• 2.4.3 基于常规图像处理手段的振动位移提取42-44
• 2.4.4 悬臂梁振动位移分析44-46
• 2.5 常规图像处理手段的应用效果讨论46-48
• 2.6 本章小结48-49
• 第三章 基于机器视觉的振动提取算法研究49-77
• 3.1 引言49
• 3.2 基于模板匹配的位移提取算法研究49-58
• 3.2.1 图像模板匹配概述49-52
• 3.2.2 基于NCC模板匹配的位移提取算法52-57
• 3.2.3 NCC位移提取算法的讨论57-58
• 3.3 基于SVD分解的位移提取算法研究58-68
• 3.3.1 SVD奇异值分解理论58-59
• 3.3.2 基于SVD分解的位移提取算法59-63
• 3.3.3 主成分信号的物理意义63-67
• 3.3.4 算法参数的选择67
• 3.3.5 SVD位移提取算法的讨论67-68
• 3.4 基于Taylor级数展开的位移提取算法研究68-75
• 3.4.1 Taylor级数展开理论68
• 3.4.2 SVD提取算法的理论解释68-72
• 3.4.3 基于Taylor的位移提取算法72-75
• 3.4.4 Taylor位移提取算法的讨论75
• 3.5 本章小结75-77
• 第四章 基于图像对齐的振动快速提取算法研究77-95
• 4.1 引言77
• 4.2 Lucas-Kanade图像对齐理论77-82
• 4.2.1 扭曲变换的概念77-78
• 4.2.2 算法推导过程78-81
• 4.2.3 反向组合算法81-82
• 4.3 基于Lucas-Kanade的位移提取算法研究82-87
• 4.3.1 复杂运动的参数提取82-83
• 4.3.2 刚体平动的位移快速提取算法研究83-87
• 4.4 光栅尺平台实验87-89
• 4.5 图像对齐位移提取算法的讨论89-91
• 4.6 本章小结91-95
• 第五章 视觉测量软件开发与应用95-117
• 5.1 引言95
• 5.2 视觉测量软件开发95-98
• 5.2.1 计算机视觉测量软件95-96
• 5.2.2 手机视觉测量软件96-98
• 5.3 高精度平移台验证视觉测量精度98-101
• 5.4 视觉测量软件应用101-113
• 5.4.1 基于手机的振动测量应用101-105
• 5.4.2 声屏障结构的远距离视觉测量应用105-111
• 5.4.3 其他振动测量应用111-113
• 5.5 本章小结113-117
• 第六章 总结与展望117-121
• 6.1 论文总结117-118
• 6.2 论文创新点118
• 6.3 后续研究工作展望118-121
• 参考文献121-127
• 致谢127-129
• 在读期间发表的学术论文与取得的研究成果129-130

【参考文献】

中国期刊全文数据库 前2条

1 郭立;邱天;王妙锋;刘秀娟;李东晖;;基于相位分析的散斑图像位移测量算法[J];电路与系统学报;2009年02期

2 吕坚品;张继文;廖建州;胡韦楠;涂永明;;既有铁路桥梁声屏障的高速列车脉动风致响应[J];西南交通大学学报;2009年04期

中国硕士学位论文全文数据库 前1条

1 于沛;图像处理中块匹配算法的GPU并行化研究[D];上海交通大学;2013年

，

本文编号：648431