基于条纹投影的动态测量颜色串扰问题研究

来源 :天津大学 | 被引量 : 0次 | 上传用户:pploa
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
低频振动检测在工业测量领域的应用越来越广泛,而三维地貌信息的恢复是对振动物体进行测量的先决条件。考虑到被测物体与测量者相隔距离远,或者物体质软,易于形变等不易测量的情况,传统的接触式测量方法只能对静态物体进行测量。为了能进行快速的全场式测量,需要使用非接触的光学测量方法。条纹投影技术是非接触测量中的重要组成部分,该方法通过对比物体放置前后由相机拍摄的两张条纹图像的相位差,从而获取物体的三维深度信息。基于彩色多通道的条纹投影技术以其快速的计算速度、瞬时的信息获取、精度高、抗噪声性能好和广泛的应用场景等优点,很好地满足了对振动物体测量的要求。
  首先,本文介绍了振动测量的必要性和现阶段物体表面面型测量的方法,对相移变换轮廓术和颜色耦合消除的原理进行了理论阐述,引出基于彩色复合条纹投影的相移测量法,实现对动态物体的实时测量。在解决颜色串扰问题的前提下,使用相移法进行高度恢复,并提取高度复原图中的一个特定参考点,通过高度变化曲线,分析振动物体的频率和振幅。
  然后,对基于HSI颜色空间的三维重构理论的原理进行了详细阐述,并提出一种新型的基于色相-高度映射的测量方式,利用色相的单调性和周期性避免颜色串扰对测量的影响,实现了对振动物体的灵活测量。采用这种测量方式可以检测区分出253微米的振动,并且成本低廉,精确度高,容易大批量投入使用,满足大部分工业实时测量的需求。
  最后,对测量过程中产生的误差进行了测量实验,通过误差实验图可以直观地看到误差分布,并据此进行了讨论和理论分析,从不同角度提出了降低测量误差的方法,进行了总结与展望,规划了未来的研究方向。
其他文献
图像配准的主要任务是寻找两幅或多幅图像之间的空间变换关系,以实现图像在空间位置上的对齐。其中,非刚性图像配准是计算机视觉领域的研究热点,在医学图像处理、遥感图像分析、图像拼接与融合等领域都有着重要的理论意义和研究价值,代表了未来的研究方向。  本文首先分析了非刚性图像配准的研究背景以及国内外研究现状,着重介绍了基于特征和光流估计的非刚性图像配准方法,并指出了这两类方法的优势与不足,同时给出了评价配
近年来,随着计算机技术的不断发展,高级辅助驾驶系统以及自动驾驶系统的研发工作引起了国内外学者的广泛关注,其中道路交通标线检测是最为基础且重要的一部分。道路交通标线包括车道线以及路面交通标志,车道线是指用于划分车辆可行驶区域的线条图形,路面交通标志是指涂绘在车道中央的箭头、文字、图案等,可通过计算机视觉算法实现道路交通标线的检测功能,从而对车道保持、车辆换道、转弯等驾驶行为起到关键的指示和监督作用。
现如今,卷积神经网络作为实现计算机视觉的重要方法之一,得到蓬勃并且急速的发展。基于卷积神经网络的目标检测技术在精度和速度方面远远超过传统算法,可以达到甚至超过人眼的水平。人脸检测技术作为目标检测领域的一个核心技术,是计算机视觉的重要组成部分,可以应用于考勤系统、智能监控、车站安检等众多场景之中。  作为基于卷积神经网络的目标检测算法的经典代表,Faster-R-CNN算法在目标检测任务中达到了很高
学位
时间触发以太网(Time-triggered Ethernet, TTE)是一种时间业务与事件业务混合的以太网网络通信新技术,相较于传统以太网,时间触发以太网提高了网络资源利用效率。  本文首先基于现有的混合流量分区调度策略,引入TT响应约束,设计适用于存在响应约束的TTE网络离线调度表生成方法。同时采用对网络流量信息先综合复合,再细化不同终端节点调度表的策略,简化调度表生成方法。并设计离线调度表
深度学习极大促进了计算机视觉领域的发展,如图像检索、目标检测等。但这些任务依赖于大量的标注数据进行训练。然而,现实世界中的某些类别只有少量的标注样本,甚至没有标注样本,这为传统分类算法带来了新的挑战。为了解决该问题,零样本图像分类技术得到关注,即:对训练阶段未出现的类别进行分类。本文针对零样本图像分类技术分别提出基于特定类别的合成字典模型(Class-Specific Synthesized Di
最近几年来,由于互联网技术的快速发展,伴随着信息传播速度的提升,大量三维模型数据开始呈现井喷式增长,三维模型的数据也成为一种新型的数据类型。随着深度学习的出现,国内外研究学者对三维模型的研究成了现阶段一个热点,在各行各业的应用也十分广泛,诸如:医学3D打印技术、计算机辅助设计(CAD)、3D动画设计、工业产品设计、机械零件制造等。鉴于三维模型的应用前景广泛,如何在有效管理大量的三维模型数据同时,并
随着移动互联网技术和相机设备的快速发展,多媒体数据呈现爆发式增长,人们通过图片来直接表达意见、传递信息的方式也越来越常见。一方面,尽管高动态范围图像可以细致反映真实场景,为了方便输出,其通常会被图像处理算法将其动态范围压缩至输出显示设备的动态范围以下。这是高动态范围图像研究的热点和重点之一。另一方面,图像质量的主观评价在过去几年引起了很多的关注。传统的图像主观质量评价主要侧重于预测图像的平均意见得
入侵检测系统是信息与网络安全保障的重要环节,随着网络环境的日益复杂以及黑客技术的不断提升,传统的入侵检测技术已经无法满足安全系统的需求。近年来,越来越多的相关研究都将机器学习与入侵检测技术相结合,以提升检测器对入侵的检测率,并且减少系统的误报率与预测时间。  本文提出了两种基于机器学习的入侵检测模型。(1)针对网络数据的特征维数高、非线性可分等问题,提出了一种基于独立成分分析ICA(Indepen
学位
听力损失是导致儿童聋哑的首要原因,也是困扰老年人正常生活的重要问题之一,因此听力损失的早期诊断具有重要的研究和现实意义。听觉脑干诱发电位(Auditory brainstem response,ABR)检测作为一种客观、无创的听力损失诊断技术,其波形的准确提取对临床诊断结果具有重要影响。  现有ABR检测方法主要基于叠加平均技术,存在信号失真严重、检测时间过长、对患者和测试环境要求过高等问题。卡尔
第五代移动通信对无线通信系统提出了更高的挑战,如提供更高的传输速率、实现更低的时延和提供灵活的波形选择等。时下流行的正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)波形已经不能满足这些需求。因此,需要为其寻找合适的替代方案。广义频分复用(generalized frequency division multiplexing, GFDM
学位