發(fā)布時(shí)間：2017-08-10 02:26

  本文關(guān)鍵詞：基于視覺的振動(dòng)特征提取算法研究及應(yīng)用

  更多相關(guān)文章： 視覺測(cè)量 振動(dòng)位移提取 高速攝像 模板匹配 奇異值分解 Taylor級(jí)數(shù)展開 圖像對(duì)齊

【摘要】：測(cè)量技術(shù)是現(xiàn)代工業(yè)的基礎(chǔ)技術(shù)之一,測(cè)量的精度和效率在一定程度上決定著制造業(yè)乃至科學(xué)技術(shù)的發(fā)展水平。隨著工業(yè)制造技術(shù)和加工工藝的改進(jìn)與提高,人們對(duì)測(cè)量手段的速度和精度提出了更高的要求。近年來測(cè)量技術(shù)的發(fā)展趨勢(shì)主要體現(xiàn)在以下幾個(gè)方面：非接觸式、在線測(cè)量、高精度、智能化等。隨著機(jī)器視覺的迅速發(fā)展,人們開始將視覺技術(shù)應(yīng)用于測(cè)量技術(shù)之中,形成了一種新型的檢測(cè)技術(shù)——視覺測(cè)量技術(shù)。視覺測(cè)量技術(shù)以機(jī)器視覺為基礎(chǔ),將圖像作為檢測(cè)信息的手段,融合了光電子學(xué)、計(jì)算機(jī)技術(shù)、圖像處理技術(shù)等現(xiàn)代科學(xué)技術(shù),形成了光機(jī)電算一體化的視覺測(cè)量系統(tǒng),具有高效、高精度、非接觸式、遠(yuǎn)距離測(cè)量的特點(diǎn),是傳統(tǒng)測(cè)量方式的重要補(bǔ)充,被廣泛應(yīng)用于工業(yè)、軍事、醫(yī)學(xué)等領(lǐng)域,得到了研究者的普遍關(guān)注。本文以視覺測(cè)量系統(tǒng)為研究對(duì)象,通過硬件選型組建了高速視頻采集裝置,進(jìn)而對(duì)視頻圖像的位移快速提取算法進(jìn)行了深入研究。本文首先對(duì)硬件選型做了分析,搭建了基于高速相機(jī)的視覺測(cè)量硬件系統(tǒng),利用該系統(tǒng)可以快速完成高速運(yùn)動(dòng)物體的視頻拍攝。對(duì)于拍攝得到的振動(dòng)視頻,如何快速分析視頻圖像實(shí)現(xiàn)振動(dòng)信息的提取是視覺測(cè)量系統(tǒng)的核心。常規(guī)圖像處理技術(shù)是圖像分析中常用的手段,它通過靈活組合多種圖像處理算法可以完成各種場(chǎng)景運(yùn)動(dòng)圖像的分析和視頻信息的提取。鋼條懸臂梁振動(dòng)實(shí)驗(yàn)展示了常規(guī)圖像處理手段在實(shí)際應(yīng)用中的使用效果,然而實(shí)驗(yàn)也暴露了常規(guī)圖像處理手段存在的諸多問題,如參數(shù)多,難調(diào)整；步驟多,繁瑣易出錯(cuò)；對(duì)視頻要求高,光照、噪聲對(duì)算法執(zhí)行效果有直接影響等。針對(duì)常規(guī)圖像處理手段存在的問題,本文從模板匹配、數(shù)據(jù)降維、數(shù)學(xué)分析、圖像對(duì)齊等多個(gè)角度進(jìn)行了研究探討,并相應(yīng)提出了多種簡(jiǎn)單有效的振動(dòng)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展開的提取算法和基于Lucas-Kanade圖像對(duì)齊的提取算法。這些算法減少了對(duì)圖像處理的依賴,處理過程只需選擇跟蹤區(qū)域即可快速完成振動(dòng)位移的提取,算法簡(jiǎn)單易實(shí)現(xiàn),具有通用性強(qiáng)、效率高、設(shè)定參數(shù)少、自動(dòng)化程度高的特點(diǎn)。NCC算法將模板圖像在匹配圖像上進(jìn)行掃描計(jì)算,從而得到相關(guān)系數(shù)矩陣,矩陣中極大值出現(xiàn)的位置即為物體運(yùn)動(dòng)的當(dāng)前位置,此算法理論簡(jiǎn)單,效果直觀、可靠；SVD算法屬于機(jī)器學(xué)習(xí)降維算法,通過SVD奇異值分解顯著降低了圖像信息的維數(shù),得到只有k維的成分信號(hào),揭示了隱藏在視頻背后的振動(dòng)本征結(jié)構(gòu)信息,算法簡(jiǎn)潔、快速,只需設(shè)定分析區(qū)域即可自動(dòng)完成位移信號(hào)的提��；Taylor算法從級(jí)數(shù)展開角度解釋了SVD提取算法的物理意義,進(jìn)而提出了基于迭代的高精度亞像素位移提取算法,算法避免了奇異值分解過程,通過差分直接得到圖像基,使算法流程進(jìn)一步簡(jiǎn)化；Lucas-Kanade算法將圖像對(duì)齊理念引入到振動(dòng)提取中,得到了更具普遍意義的提取算法,不僅可以實(shí)現(xiàn)位移的提取,還可以完成旋轉(zhuǎn)、變形的計(jì)算。最后,本文將Taylor算法與Lucas-Kanade算法相融合,提出了改進(jìn)的反向組合算法,使得位移提取效率得到了進(jìn)一步提升,該算法對(duì)每幀的位移提取時(shí)間降低到0.1ms以下,為1000Hz以上高速視頻的實(shí)時(shí)分析提供了可能�；谔岢龅母咝灰铺崛∷惴�,本文開發(fā)了基于計(jì)算機(jī)平臺(tái)和智能手機(jī)平臺(tái)的視覺測(cè)量軟件,并利用這些軟件做了大量實(shí)驗(yàn)研究。首先利用高精度位移平臺(tái)開展了視覺測(cè)量精度的驗(yàn)證實(shí)驗(yàn),證明了視覺測(cè)量系統(tǒng)可以達(dá)到很高的測(cè)量精度。然后在實(shí)驗(yàn)室環(huán)境和室外環(huán)境分別開展了視覺測(cè)量的應(yīng)用研究,其中椅子測(cè)振、風(fēng)扇測(cè)速實(shí)驗(yàn)測(cè)試了手機(jī)視覺測(cè)量軟件的使用效果,電機(jī)實(shí)驗(yàn)驗(yàn)證了手機(jī)可完成手持式、無目標(biāo)的振動(dòng)測(cè)量；室外聲屏障、南淝河大橋、叉車方向盤等振動(dòng)實(shí)驗(yàn)展示了計(jì)算機(jī)高速視覺測(cè)量軟件在遠(yuǎn)距離測(cè)量中的實(shí)驗(yàn)效果。這些實(shí)驗(yàn)都充分說明基于視覺的測(cè)量是一種可靠、有效的測(cè)量方式,具有重要的實(shí)際意義。
【關(guān)鍵詞】：視覺測(cè)量 振動(dòng)位移提取 高速攝像 模板匹配 奇異值分解 Taylor級(jí)數(shù)展開 圖像對(duì)齊
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41
【目錄】：

• 摘要5-7
• ABSTRACT7-17
• 第一章 緒論17-29
• 1.1 視覺測(cè)振的研究背景及意義17-20
• 1.1.1 振動(dòng)的測(cè)量17-18
• 1.1.2 視覺測(cè)量的研究意義18-20
• 1.2 視覺測(cè)量的國(guó)內(nèi)外研究現(xiàn)狀20-26
• 1.3 論文主要研究?jī)?nèi)容26-28
• 1.3.1 論文選題26
• 1.3.2 主要研究?jī)?nèi)容與技術(shù)路線26-28
• 1.4 本章小結(jié)28-29
• 第二章 視覺測(cè)量系統(tǒng)的設(shè)計(jì)研究29-49
• 2.1 引言29
• 2.2 視覺測(cè)量系統(tǒng)的硬件組成29-36
• 2.2.1 照明光源30-31
• 2.2.2 光學(xué)鏡頭選擇31-33
• 2.2.3 圖像采集裝置33-35
• 2.2.4 計(jì)算機(jī)系統(tǒng)35-36
• 2.3 基于常規(guī)圖像處理的視覺軟件研究36-40
• 2.3.1 常規(guī)圖像處理技術(shù)36-37
• 2.3.2 人工標(biāo)靶的設(shè)計(jì)37
• 2.3.3 相機(jī)參數(shù)的標(biāo)定37-40
• 2.4 鋼條懸臂梁模態(tài)分析實(shí)驗(yàn)40-46
• 2.4.1 懸臂梁振動(dòng)理論40-41
• 2.4.2 懸臂梁振動(dòng)視覺測(cè)量41-42
• 2.4.3 基于常規(guī)圖像處理手段的振動(dòng)位移提取42-44
• 2.4.4 懸臂梁振動(dòng)位移分析44-46
• 2.5 常規(guī)圖像處理手段的應(yīng)用效果討論46-48
• 2.6 本章小結(jié)48-49
• 第三章 基于機(jī)器視覺的振動(dòng)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 圖像模板匹配概述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位移提取算法的討論57-58
• 3.3 基于SVD分解的位移提取算法研究58-68
• 3.3.1 SVD奇異值分解理論58-59
• 3.3.2 基于SVD分解的位移提取算法59-63
• 3.3.3 主成分信號(hào)的物理意義63-67
• 3.3.4 算法參數(shù)的選擇67
• 3.3.5 SVD位移提取算法的討論67-68
• 3.4 基于Taylor級(jí)數(shù)展開的位移提取算法研究68-75
• 3.4.1 Taylor級(jí)數(shù)展開理論68
• 3.4.2 SVD提取算法的理論解釋68-72
• 3.4.3 基于Taylor的位移提取算法72-75
• 3.4.4 Taylor位移提取算法的討論75
• 3.5 本章小結(jié)75-77
• 第四章 基于圖像對(duì)齊的振動(dòng)快速提取算法研究77-95
• 4.1 引言77
• 4.2 Lucas-Kanade圖像對(duì)齊理論77-82
• 4.2.1 扭曲變換的概念77-78
• 4.2.2 算法推導(dǎo)過程78-81
• 4.2.3 反向組合算法81-82
• 4.3 基于Lucas-Kanade的位移提取算法研究82-87
• 4.3.1 復(fù)雜運(yùn)動(dòng)的參數(shù)提取82-83
• 4.3.2 剛體平動(dòng)的位移快速提取算法研究83-87
• 4.4 光柵尺平臺(tái)實(shí)驗(yàn)87-89
• 4.5 圖像對(duì)齊位移提取算法的討論89-91
• 4.6 本章小結(jié)91-95
• 第五章 視覺測(cè)量軟件開發(fā)與應(yīng)用95-117
• 5.1 引言95
• 5.2 視覺測(cè)量軟件開發(fā)95-98
• 5.2.1 計(jì)算機(jī)視覺測(cè)量軟件95-96
• 5.2.2 手機(jī)視覺測(cè)量軟件96-98
• 5.3 高精度平移臺(tái)驗(yàn)證視覺測(cè)量精度98-101
• 5.4 視覺測(cè)量軟件應(yīng)用101-113
• 5.4.1 基于手機(jī)的振動(dòng)測(cè)量應(yīng)用101-105
• 5.4.2 聲屏障結(jié)構(gòu)的遠(yuǎn)距離視覺測(cè)量應(yīng)用105-111
• 5.4.3 其他振動(dòng)測(cè)量應(yīng)用111-113
• 5.5 本章小結(jié)113-117
• 第六章 總結(jié)與展望117-121
• 6.1 論文總結(jié)117-118
• 6.2 論文創(chuàng)新點(diǎn)118
• 6.3 后續(xù)研究工作展望118-121
• 參考文獻(xiàn)121-127
• 致謝127-129
• 在讀期間發(fā)表的學(xué)術(shù)論文與取得的研究成果129-130

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 郭立;邱天;王妙鋒;劉秀娟;李東暉;;基于相位分析的散斑圖像位移測(cè)量算法[J];電路與系統(tǒng)學(xué)報(bào);2009年02期

2 呂堅(jiān)品;張繼文;廖建州;胡韋楠;涂永明;;既有鐵路橋梁聲屏障的高速列車脈動(dòng)風(fēng)致響應(yīng)[J];西南交通大學(xué)學(xué)報(bào);2009年04期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 于沛;圖像處理中塊匹配算法的GPU并行化研究[D];上海交通大學(xué);2013年

，

本文編號(hào)：648431