本文選題：車輪踏面輪廓 + 三維測量��； 參考：《西南交通大學(xué)》2017年碩士論文

【摘要】：隨著我國高速鐵路的迅猛發(fā)展,大大地提升了我國鐵路的客運(yùn)運(yùn)輸能力。為保證行車安全及旅客生命財(cái)產(chǎn)安全,必須時刻關(guān)注輪對的尺寸、踏面的各項(xiàng)參數(shù)變化。基于光柵投影的三維測量技術(shù)廣泛應(yīng)用與自動化檢測、質(zhì)量控制、機(jī)器視覺、生物醫(yī)學(xué)等領(lǐng)域,具有非接觸式、高精度、高分辯率等特點(diǎn)。本文以CRH2A型動車組樣板輪為研究對象,結(jié)合三維測量技術(shù)與點(diǎn)云拼接技術(shù)應(yīng)用于車輪踏面外形輪廓360°測量中,從理論和實(shí)驗(yàn)兩個方面進(jìn)行了深入研究,具體研究內(nèi)容如下:首先,在車輪踏面點(diǎn)云獲取方面,研究了基于光柵投影的三維測量技術(shù)的原理。重點(diǎn)針對相位展開技術(shù),在質(zhì)量圖引導(dǎo)算法的基礎(chǔ)上,利用相鄰像素點(diǎn)之間的相對可靠度作為展開路徑,然后通過區(qū)域劃分與合并進(jìn)行區(qū)域設(shè)置后獨(dú)立展開,并與枝切法、質(zhì)量圖引導(dǎo)算法以及最小二乘法進(jìn)行了仿真及實(shí)驗(yàn)對比分析,其均方誤差比質(zhì)量圖引導(dǎo)算法降低約35%,展開速度提升約10倍,且有效地抑制了路徑相關(guān)算法中的噪聲擴(kuò)散現(xiàn)象。其次,介紹了點(diǎn)云拼接技術(shù)的基本流程及原理,了解傳統(tǒng)ICP算法的數(shù)據(jù)配準(zhǔn)機(jī)制。利用基于協(xié)方差矩陣法對點(diǎn)云數(shù)據(jù)進(jìn)行粗拼接,并與基于點(diǎn)特征直方圖方法仿真對比分析。研究一種以點(diǎn)到切平面為迭代目標(biāo)函數(shù),利用kdtree算法對點(diǎn)云進(jìn)行加速匹配搜索,最后基于剛性變換一致性進(jìn)行原則約束的改進(jìn)ICP算法。仿真結(jié)果表明,基于協(xié)方差矩陣方法完成粗拼接的時間僅需0.1s,更適合車輪踏面點(diǎn)云數(shù)據(jù)粗拼接。改進(jìn)的ICP算法的迭代精度比其他精拼接算法綜合提升約10%,且精拼接時間不超過3s。最后,設(shè)計(jì)并搭建了列車車輪踏面三維輪廓檢測試驗(yàn)平臺,結(jié)合光學(xué)三維測量技術(shù)與三維點(diǎn)云拼接技術(shù)對車輪踏面外形輪廓實(shí)現(xiàn)360°在線測量,且利用改進(jìn)的ICP算法完成整個車輪的拼接時間為148.48s,平均精拼接精度為0.0638mm,提升了迭代的精度與在線檢測的效率。
[Abstract]:With the rapid development of high-speed railway in China, the passenger transport capacity of Chinese railway has been greatly improved. In order to ensure the traffic safety and the safety of passengers' life and property, we must always pay attention to the size of wheelset and the change of parameters of tread. The 3D measurement technology based on grating projection is widely used in the fields of automatic detection, quality control, machine vision, biomedicine and so on. It has the characteristics of non-contact, high precision, high resolution and so on. In this paper, the model wheel of CRH2A EMU is taken as the research object, and the 3D measurement technology and point cloud splicing technology are applied to the measurement of the profile 360 擄of the wheel tread. The theoretical and experimental studies are carried out in depth. The main contents are as follows: firstly, the principle of 3D measurement based on grating projection is studied. Focusing on the phase unwrapping technique, based on the quality map guidance algorithm, the relative reliability between adjacent pixels is used as the expansion path, and then the region is set up independently by region division and merging, and then it is expanded independently with the branch cutting method. The simulation and experimental results show that the mean square error is about 35 times lower and the expansion speed is about 10 times higher than that of the quality map guidance algorithm, and the noise diffusion phenomenon in the path correlation algorithm is effectively suppressed. Secondly, the basic flow and principle of point cloud splicing technology are introduced, and the data registration mechanism of traditional ICP algorithm is understood. Covariance matrix method is used to combine the point cloud data, and the results are compared with the point feature histogram method. In this paper, an improved kdtree algorithm based on the consistency of rigid transformation is proposed, in which the point to tangent plane is taken as the iterative objective function, and the point cloud is searched by kdtree algorithm. The simulation results show that the covariance matrix method takes only 0.1 s to complete rough stitching, which is more suitable for rough stitching of wheel tread point cloud data. The iterative accuracy of the improved ICP algorithm is about 10% higher than that of other fine stitching algorithms, and the time of fine stitching is less than 3 s. Finally, a testing platform for 3D profile detection of train wheel tread is designed and built. Combined with optical 3D measurement technology and 3D point cloud splicing technology, the profile of wheel tread profile is measured on line 360 擄. By using the improved ICP algorithm, the stitching time of the whole wheel is 148.48 s, and the average precision is 0.0638 mm, which improves the precision of iteration and the efficiency of on-line detection.
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：U270.7;O439

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 高恩陽;鄭昊鴻;;點(diǎn)云數(shù)據(jù)濾波方法綜述[J];科技資訊;2012年33期

2 龔書林;;三維激光點(diǎn)云處理軟件的若干關(guān)鍵技術(shù)[J];測繪通報;2014年06期

3 趙強(qiáng);彭國華;王鋒;;點(diǎn)云精簡的一種方法[J];西南民族大學(xué)學(xué)報(自然科學(xué)版);2006年05期

4 李德江;張延波;于曼竹;姜麗麗;曲雪光;;基于掃描模式的點(diǎn)云修復(fù)技術(shù)研究[J];測繪與空間地理信息;2011年06期

5 蔡來良;李儒;;點(diǎn)云數(shù)據(jù)處理算法與實(shí)現(xiàn)初步研究[J];測繪通報;2012年S1期

6 詹慶明;張海濤;喻亮;;古建筑激光點(diǎn)云-模型多層次一體化數(shù)據(jù)模型[J];地理信息世界;2010年04期

7 曾敬文;朱照榮;丁銳;;基于立方體網(wǎng)格的數(shù)據(jù)點(diǎn)云約簡和體積計(jì)算方法[J];測繪科學(xué);2008年06期

8 楊欣;姚海燕;;平面點(diǎn)云邊界參數(shù)識別[J];中國西部科技;2009年27期

9 孫瑞;張彩霞;;點(diǎn)云數(shù)據(jù)壓縮算法綜述[J];科技信息;2010年32期

10 張毅;閆利;;地面激光點(diǎn)云強(qiáng)度噪聲的三維擴(kuò)散濾波方法[J];測繪學(xué)報;2013年04期

相關(guān)會議論文 前10條

1 李文濤;韋群;楊海龍;;基于圖像的點(diǎn)云生成和預(yù)處理[A];2011年全國通信安全學(xué)術(shù)會議論文集[C];2011年

2 蔡來良;李儒;;點(diǎn)云數(shù)據(jù)處理算法與實(shí)現(xiàn)初步研究[A];第四屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

3 馬國慶;陶萍萍;楊周旺;;點(diǎn)云空間曲線的微分信息計(jì)算及匹配方法[A];第四屆全國幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會議論文集[C];2009年

4 江倩殷;劉忠途;李熙瑩;;一種有效的點(diǎn)云精簡算法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

5 解輝;張愛武;孟憲剛;;機(jī)載激光點(diǎn)云快速繪制方法[A];第二十五屆全國空間探測學(xué)術(shù)研討會摘要集[C];2012年

6 李凱;張愛武;;基于激光點(diǎn)云的糧倉儲糧數(shù)量測量方法[A];第二屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

7 朱曉強(qiáng);余燁;劉曉平;袁曉輝;Bill P.Buckles;;基于航拍圖像和LiDAR點(diǎn)云的城市道路提取[A];全國第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（上冊）[C];2008年

8 劉虎;;基于線性八叉樹的點(diǎn)云簡化與特征提取研究[A];促進(jìn)科技經(jīng)濟(jì)結(jié)合，，服務(wù)創(chuàng)新驅(qū)動發(fā)展——蚌埠市科協(xié)2012年度學(xué)術(shù)年會論文集[C];2012年

9 李濱;王佳;;基于點(diǎn)云的建筑測繪信息提取[A];第四屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

10 楊雪春;;反求工程建模中點(diǎn)云切片技術(shù)研究[A];全國先進(jìn)制造技術(shù)高層論壇暨第八屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2009年

相關(guān)重要報紙文章 前2條

1 曹裕華 高化猛 江鴻賓;激光點(diǎn)云 亦真亦幻[N];解放軍報;2013年

2 中國工程院院士 劉先林;四維遠(yuǎn)見的裝備創(chuàng)新[N];中國測繪報;2012年

相關(guān)博士學(xué)位論文 前10條

1 彭檢貴;融合點(diǎn)云與高分辨率影像的城區(qū)道路提取與表面重建研究[D];武漢大學(xué);2012年

2 劉涌;基于連續(xù)序列自動快速拼接的全方位三維測量技術(shù)研究[D];西南交通大學(xué);2013年

3 袁小翠;產(chǎn)品表面缺陷視覺檢測數(shù)據(jù)處理關(guān)鍵技術(shù)研究[D];南昌大學(xué);2015年

4 賴祖龍;基于LiDAR點(diǎn)云與影像的海岸線提取和地物分類研究[D];武漢大學(xué);2013年

5 王瑞巖;計(jì)算機(jī)視覺中相機(jī)標(biāo)定及點(diǎn)云配準(zhǔn)技術(shù)研究[D];西安電子科技大學(xué);2015年

6 段敏燕;機(jī)載激光雷達(dá)點(diǎn)云電力線三維重建方法研究[D];武漢大學(xué);2015年

7 李艷紅;車載移動測量系統(tǒng)數(shù)據(jù)配準(zhǔn)與分類識別關(guān)鍵技術(shù)研究[D];武漢大學(xué);2014年

8 韓峰;基于點(diǎn)云信息的既有鐵路狀態(tài)檢測與評估技術(shù)研究[D];西南交通大學(xué);2015年

9 金龍存;3D點(diǎn)云復(fù)雜曲面重構(gòu)關(guān)鍵算法研究[D];上海大學(xué);2012年

10 李揚(yáng)彥;基于點(diǎn)云的三維重建與形變事件分析[D];中國科學(xué)院深圳先進(jìn)技術(shù)研究院;2013年

相關(guān)碩士學(xué)位論文 前10條

1 龔碩然;基于Delaunay三角剖分的點(diǎn)云三維網(wǎng)格重構(gòu)[D];河北大學(xué);2015年

2 楊紅粉;頻域技術(shù)應(yīng)用于點(diǎn)云配準(zhǔn)研究[D];北京建筑大學(xué);2015年

3 段紅娟;點(diǎn)云圖像交互式曲線骨架提取技術(shù)及其應(yīng)用[D];西南交通大學(xué);2015年

4 張永恒;散亂點(diǎn)云數(shù)據(jù)配準(zhǔn)方法研究[D];長安大學(xué);2015年

5 吳愛;面向特征擬合的點(diǎn)云簡化方法研究[D];中國地質(zhì)大學(xué)(北京);2015年

6 薛廣順;基于立體視覺的牛體點(diǎn)云獲取方法研究與實(shí)現(xiàn)[D];西北農(nóng)林科技大學(xué);2015年

7 胡誠;精度約束下地表LiDAR點(diǎn)云抽稀方法研究[D];西南交通大學(xué);2015年

8 余明;三維離散點(diǎn)云數(shù)據(jù)處理技術(shù)研究[D];南京理工大學(xué);2015年

9 陳星宇;基于三維彩色點(diǎn)云的地形分類方法研究[D];南京理工大學(xué);2015年

10 朱東方;基于復(fù)雜拓?fù)浣Y(jié)構(gòu)點(diǎn)云的曲線擬合研究與應(yīng)用[D];山東大學(xué);2015年

本文編號：2034460