鍛造行業(yè)是裝備制造領(lǐng)域得以發(fā)展的基礎(chǔ),對(duì)鍛件表面輪廓的測(cè)量也成為制造業(yè)發(fā)展的重要因素之一。隨著國(guó)家對(duì)鍛件加工質(zhì)量的逐漸重視,對(duì)其輪廓測(cè)量的需求也隨之增加。高溫物體的測(cè)量與常溫物體不同,其高溫特點(diǎn)及輻射特性限制了傳統(tǒng)測(cè)量技術(shù)的應(yīng)用。視覺測(cè)量作為非接觸測(cè)量的一種,具有測(cè)量速度快、精度高以及操作方便等優(yōu)點(diǎn)。本課題基于雙目立體視覺測(cè)量原理,研究了對(duì)高溫物體三維輪廓的測(cè)量方法。本文首先設(shè)計(jì)了高溫物體的圖像采集方案。使用450nm的藍(lán)色隨機(jī)點(diǎn)光源投射在物體表面制造大量特征點(diǎn),并搭配相應(yīng)波段濾光片濾除高溫物體輻射的可見光,經(jīng)實(shí)驗(yàn)驗(yàn)證,該方案能夠采集到包含清晰特征點(diǎn)的物體圖像。其次研究了針對(duì)本文測(cè)量方案的基于特征點(diǎn)的NCC立體匹配算法。其中,為了得到優(yōu)質(zhì)特征點(diǎn),對(duì)幾種特征提取算法做了研究對(duì)比,選擇Harris算子實(shí)現(xiàn)提取工作,并對(duì)其構(gòu)造單尺度特征描述子,由此獲得初始匹配點(diǎn)集,該點(diǎn)集中的特征點(diǎn)周圍具有較豐富的灰度信息,可提高后續(xù)灰度互相關(guān)匹配的可靠性,而且將待匹配像素的搜索范圍限制在了特征點(diǎn)的適當(dāng)鄰域內(nèi),減少了大量的無用工作。同時(shí),在傳統(tǒng)的NCC區(qū)域匹配算法中加入了金字塔搜索法,該方法不僅可以在獲得大量... 

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究意義
    1.2 高溫物體測(cè)量的研究現(xiàn)狀
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
    1.3 三維測(cè)量的研究現(xiàn)狀
        1.3.1 國(guó)外研究現(xiàn)狀
        1.3.2 國(guó)內(nèi)研究現(xiàn)狀
    1.4 本論文的主要研究?jī)?nèi)容
第2章 測(cè)量系統(tǒng)總體方案設(shè)計(jì)
    2.1 引言
    2.2 測(cè)量系統(tǒng)方案設(shè)計(jì)
        2.2.1 三維測(cè)量方案設(shè)計(jì)
        2.2.2 高溫物體圖像采集方案設(shè)計(jì)
    2.3 硬件組成與選型
    2.4 圖像采集實(shí)驗(yàn)
    2.5 本章小結(jié)
第3章 雙目視覺三維測(cè)量技術(shù)
    3.1 引言
    3.2 雙目立體視覺測(cè)量系統(tǒng)模型
    3.3 雙目視覺三維重建流程
    3.4 相機(jī)畸變矯正
    3.5 相機(jī)標(biāo)定
        3.5.1 標(biāo)定實(shí)驗(yàn)
        3.5.2 立體校正
    3.6 本章小結(jié)
第4章 立體匹配算法研究與實(shí)現(xiàn)
    4.1 引言
    4.2 立體匹配方法
        4.2.1 基于特征點(diǎn)的匹配方法
        4.2.2 基于區(qū)域的匹配方法
    4.3 基于特征點(diǎn)的NCC匹配算法設(shè)計(jì)與實(shí)現(xiàn)
        4.3.1 基于特征點(diǎn)的NCC匹配設(shè)計(jì)思想
        4.3.2 特征點(diǎn)提取算法研究
        4.3.3 基于Harris-SIFT的特征點(diǎn)匹配
        4.3.4 金字塔搜索法
    4.4 視差圖優(yōu)化
        4.4.1 亞像素插值
        4.4.2 視差圖填充
    4.5 匹配算法對(duì)比驗(yàn)證
    4.6 本章小結(jié)
第5章 三維輪廓重建實(shí)驗(yàn)驗(yàn)證
    5.1 引言
    5.2 平面擬合方法
    5.3 被測(cè)工件圖像采集
    5.4 實(shí)驗(yàn)驗(yàn)證及分析
        5.4.1 表面輪廓重建實(shí)驗(yàn)
        5.4.2 測(cè)量精度實(shí)驗(yàn)驗(yàn)證
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]結(jié)構(gòu)光三維掃描技術(shù)的應(yīng)用研究[J]. 段軍.  現(xiàn)代制造技術(shù)與裝備. 2019(01)
[2]雙目立體視覺的研究現(xiàn)狀及進(jìn)展[J]. 黃鵬程,江劍宇,楊波.  光學(xué)儀器. 2018(04)
[3]雙目結(jié)構(gòu)光的鋼軌表面缺陷檢測(cè)系統(tǒng)設(shè)計(jì)[J]. 張華,趙碧霞,劉桂華,王靜強(qiáng),王姮.  自動(dòng)化儀表. 2018(04)
[4]主動(dòng)式雙目視覺三維成像技術(shù)研究[J]. 牟科瀚,王澤勇.  電子制作. 2018(07)
[5]以線結(jié)構(gòu)光視覺測(cè)量為基礎(chǔ)的逆向工程技術(shù)探索[J]. 趙從容.  現(xiàn)代制造技術(shù)與裝備. 2017(11)
[6]基于結(jié)構(gòu)特征的全局立體匹配算法[J]. 劉玉森,汪濤.  信息技術(shù). 2017(01)
[7]大型鍛件尺寸測(cè)量CCD圖像的去噪算法研究[J]. 李樹奎,聶紹珉,唐景林,吳鵬.  塑性工程學(xué)報(bào). 2009(01)
[8]大鍛件熱態(tài)在線尺寸測(cè)量研究綜述[J]. 聶紹珉,李樹奎.  金屬加工(熱加工). 2008(11)
[9]基于小波變換的大型鍛件圖像邊緣檢測(cè)[J]. 聶紹珉,李樹奎.  塑性工程學(xué)報(bào). 2007(06)
[10]大型鍛件尺寸CCD測(cè)量的數(shù)學(xué)模型研究[J]. 聶紹珉,張慶,李樹奎,薛永棟.  塑性工程學(xué)報(bào). 2006(06)

碩士論文
[1]基于Harris-SIFT算法的雙目視覺立體匹配研究[D]. 趙麗麗.東北石油大學(xué) 2018
[2]基于雙目立體視覺三維重建方法的研究[D]. 張如如.聊城大學(xué) 2018
[3]基于結(jié)構(gòu)光和雙目視覺的三維重建系統(tǒng)研究[D]. 趙煥謙.哈爾濱工業(yè)大學(xué) 2017
[4]大型鍛件雙目視覺測(cè)量匹配關(guān)鍵技術(shù)研究[D]. 樊超楠.大連理工大學(xué) 2017
[5]大鍛件在線測(cè)量系統(tǒng)中的三維重構(gòu)研究[D]. 盛佳偉.東華大學(xué) 2016
[6]大型鍛件在線尺寸測(cè)量系統(tǒng)研究[D]. 李建麗.北京理工大學(xué) 2015
[7]高溫鍛件視覺測(cè)量技術(shù)研究[D]. 畢超.天津大學(xué) 2012
[8]鍛件熱態(tài)尺寸視覺測(cè)量中的圖像處理關(guān)鍵技術(shù)[D]. 賈興華.大連理工大學(xué) 2010
[9]大鍛件尺寸測(cè)量及形狀檢測(cè)技術(shù)研究[D]. 李朝弟.大連理工大學(xué) 2010
[10]新型大鍛件尺寸測(cè)量系統(tǒng)的關(guān)鍵技術(shù)研究[D]. 于鵬.上海交通大學(xué) 2008



本文編號(hào)：3709384