發(fā)布時(shí)間：2020-12-04 15:47

　　火箭噴管三維運(yùn)動(dòng)參數(shù)的測(cè)量對(duì)控制火箭飛行姿態(tài)具有重要研究意義。計(jì)算機(jī)視覺(jué)測(cè)量技術(shù)可以對(duì)目標(biāo)完成大空間、非接觸式參數(shù)估計(jì)。通常采用的是在噴管表面附著標(biāo)志物的測(cè)量方法。然而,當(dāng)噴管點(diǎn)火瞬間標(biāo)志物會(huì)發(fā)生巨大形變,對(duì)測(cè)量的精度帶來(lái)很大影響。圖像的特征點(diǎn)具有良好的抗干擾性,不會(huì)受到光照等外界條件的影響,反映了目標(biāo)的幾何特性等信息。本文設(shè)計(jì)了一種基于特征點(diǎn)云的雙目視覺(jué)位姿測(cè)量方案。對(duì)立體視覺(jué)測(cè)量中相機(jī)的成像模型進(jìn)行了研究并推導(dǎo)了基于2D平面靶標(biāo)的攝像機(jī)內(nèi)外參數(shù)標(biāo)定過(guò)程�？紤]到實(shí)際測(cè)量過(guò)程中鏡頭存在畸變,將獲得的坐標(biāo)點(diǎn)采取徑向畸變矯正,給出了改進(jìn)的空間點(diǎn)三維坐標(biāo)解算方法。為了能夠準(zhǔn)確地識(shí)別出目標(biāo)圖像,對(duì)采集到的圖像進(jìn)行去噪聲與增強(qiáng)對(duì)比度處理,采用目標(biāo)分割方法將物體與背景分離,降低環(huán)境因素的干擾。針對(duì)視覺(jué)測(cè)量中圖像特征點(diǎn)的提取與匹配問(wèn)題,提出了改進(jìn)的SIFT（Scale Invariant Feature Transform）算法。用SIFT算法提取圖像特征點(diǎn),在k-d（kdimensional）樹(shù)的搜索策略下完成關(guān)鍵點(diǎn)的歐式距離匹配并用RANSAC（Random Sample Consensus）算... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 圖像特征提取研究現(xiàn)狀
        1.2.2 相機(jī)標(biāo)定研究現(xiàn)狀
        1.2.3 立體視覺(jué)測(cè)量研究現(xiàn)狀
        1.2.4 火箭噴管運(yùn)動(dòng)參數(shù)測(cè)量研究現(xiàn)狀
    1.3 課題來(lái)源及主要研究?jī)?nèi)容
        1.3.1 課題來(lái)源
        1.3.2 主要研究?jī)?nèi)容
第2章 立體視覺(jué)測(cè)量原理與目標(biāo)圖像預(yù)處理
    2.1 引言
    2.2 立體相機(jī)的成像與標(biāo)定
    2.3 基于徑向與切向畸變的圖像坐標(biāo)矯正
    2.4 空間點(diǎn)的三維坐標(biāo)解算
    2.5 目標(biāo)圖像預(yù)處理
        2.5.1 圖像平滑處理與對(duì)比度增強(qiáng)
        2.5.2 圖像目標(biāo)分割與形態(tài)學(xué)處理
    2.6 本章小結(jié)
第3章 圖像特征點(diǎn)的提取與匹配方法研究
    3.1 引言
    3.2 多尺度空間下SIFT算子特征點(diǎn)云獲取
        3.2.1 DoG金字塔尺度空間極值點(diǎn)檢測(cè)方法研究
        3.2.2 連續(xù)空間內(nèi)關(guān)鍵點(diǎn)定位方法研究
        3.2.3 關(guān)鍵點(diǎn)在尺度空間上主方向與輔方向分配方法研究
        3.2.4 SIFT特征點(diǎn)描述向量生成方法研究
    3.3 RANSAC特征點(diǎn)對(duì)匹配優(yōu)化算法研究
    3.4 本章小結(jié)
第4章 零散點(diǎn)云表面重建與位姿估計(jì)算法研究
    4.1 引言
    4.2 Crust算法的點(diǎn)云三維重構(gòu)
    4.3 基于主成分分析法的目標(biāo)位姿測(cè)量
    4.4 本章小結(jié)
第5章 基于特征點(diǎn)云的位姿測(cè)量系統(tǒng)實(shí)現(xiàn)
    5.1 引言
    5.2 火箭噴管位姿測(cè)量實(shí)驗(yàn)平臺(tái)及測(cè)量方案
    5.3 相機(jī)標(biāo)定實(shí)驗(yàn)結(jié)果與分析
    5.4 特征點(diǎn)提取與匹配算法精度與效率分析
    5.5 三維重建及位姿測(cè)量實(shí)驗(yàn)結(jié)果與分析
    5.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]空地多視角影像的古村落三維重建應(yīng)用[J]. 胡應(yīng)龍,陳穎彪,鄭子豪,吳志峰,李安敬,楊德校.  測(cè)繪科學(xué). 2019(04)
[2]基于主動(dòng)視覺(jué)的手眼系統(tǒng)自標(biāo)定方法[J]. 邱曉榮,劉全勝,趙吉.  中國(guó)測(cè)試. 2018(07)
[3]兩種基于無(wú)人機(jī)序列圖像的三維重建方法比較[J]. 范聰,李建增,張巖,李喆.  飛航導(dǎo)彈. 2018(01)
[4]基于多尺度降采樣規(guī)范化割的圖像裂紋檢測(cè)[J]. 王森,伍星,張印輝,陳慶.  儀器儀表學(xué)報(bào). 2017(11)
[5]基于機(jī)器視覺(jué)的噴管擺角測(cè)試系統(tǒng)[J]. 鮑文磊,龐業(yè)勇,顧彬彬.  現(xiàn)代防御技術(shù). 2012(05)
[6]固體火箭發(fā)動(dòng)機(jī)地面試驗(yàn)噴管擺角測(cè)試方法研究[J]. 馬新宇,楊智慧.  質(zhì)量與可靠性. 2011(06)
[7]一種基于數(shù)學(xué)形態(tài)學(xué)的多形狀多尺度邊緣檢測(cè)算法[J]. 黃海龍,王宏,郭璠,張金峰.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(10)
[8]噴管軸線、擺角等參數(shù)的紅外光電探測(cè)[J]. 張靈飛,郭玉波,陳剛,葉東,車仁生.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2010(01)
[9]風(fēng)洞模型位移光學(xué)測(cè)量技術(shù)應(yīng)用綜述[J]. 周述光,溫渝昌,金啟剛.  實(shí)驗(yàn)流體力學(xué). 2009(02)
[10]擺桿形變對(duì)柔性接頭擺心、擺角數(shù)據(jù)的影響[J]. 楊冀英,杜保華.  強(qiáng)度與環(huán)境. 2007(01)

博士論文
[1]多相機(jī)測(cè)量中相機(jī)外部參數(shù)優(yōu)化與高精度姿態(tài)識(shí)別[D]. 戴云彤.東南大學(xué) 2018
[2]強(qiáng)干擾條件下精密視覺(jué)測(cè)量技術(shù)及應(yīng)用研究[D]. 王憲.中南大學(xué) 2013

碩士論文
[1]基于雙目立體視覺(jué)的三維重建技術(shù)研究[D]. 黃學(xué)然.西安電子科技大學(xué) 2018
[2]基于機(jī)器人虛擬雙目的三維對(duì)象識(shí)別與定位方法研究[D]. 薛立偉.蘇州大學(xué) 2018
[3]基于雙目視覺(jué)的三維重建算法研究[D]. 倪春香.燕山大學(xué) 2018
[4]基于CAD模型機(jī)器人3D視覺(jué)定位引導(dǎo)研究[D]. 吳樹(shù)范.長(zhǎng)春理工大學(xué) 2018
[5]基于雙目視覺(jué)的三維數(shù)字化技術(shù)研究與應(yīng)用[D]. 李超.廈門大學(xué) 2017
[6]目標(biāo)模擬系統(tǒng)及其誤差分析與補(bǔ)償方法研究[D]. 張貴陽(yáng).哈爾濱工業(yè)大學(xué) 2016
[7]動(dòng)力機(jī)構(gòu)模擬系統(tǒng)的設(shè)計(jì)與測(cè)試方法研究[D]. 張起朋.天津大學(xué) 2014
[8]雙目視覺(jué)局部立體匹配算法的研究[D]. 鄒紀(jì)標(biāo).山東大學(xué) 2014
[9]剛體位姿參數(shù)單目視覺(jué)測(cè)量系統(tǒng)研究[D]. 王偉興.哈爾濱工業(yè)大學(xué) 2013
[10]基于雙目視覺(jué)的運(yùn)動(dòng)參數(shù)測(cè)量研究[D]. 何欣榮.西安建筑科技大學(xué) 2013



本文編號(hào)：2897861