一、标志点拼接技术在大型薄壁件型面非接触测量中的应用（论文文献综述）
马大智[1]（2021）在《大型构件局部特征加工定位点测量方法研究》文中认为为满足我国近年来航空航天事业的发展需要,对大型构件的高效高精加工提出了新的要求,而数字化测量技术是保证加工过程高精、高效、高鲁棒的关键。目前,国内外航空航天业已经对工业生产中的测量技术进行了大量研究,其中视觉测量作为一种非接触式测量方法,具有数据采集快速、高精高效、便于移动、能够三维测量等优点,受到了工业界的充分研究和重视。本文主要研究了基于双目视觉的大型航空航天构件加工过程中局部加工定位点的高精测量方法,同时分析了加工现场的复杂光源干扰和构件金属表面的高反光特性给视觉测量带来的难点,并提供了基于卷积神经网络的解决方案。同时研究了基于公共标志点和基于机器人控制信息的测量数据拼接方法。本文主要研究内容如下:（1）介绍了双目视觉测量原理并分析了视觉标志点特征,研究了视觉标志点的高精提取、匹配和三维重建方法。针对视觉测量过程中由于现场复杂光源环境干扰,构件表面局部高反光等因素造成视觉标志点的误提取,误匹配问题,提出了基于卷积神经网络的视觉标志点目标检测方法和基于孪生神经网络的视觉标志点匹配方法,该方法在传统形态学和光学几何基础上融入了深度学习方法,经过现场和实验室环境下测试,表明该方法可以有效减少视觉标志点的误提取、误匹配现象,提高整个视觉测量过程的鲁棒性。（2）针对大型构件局部特征加工定位点测量,需要将多位姿下的视觉测量数据进行拼接。本文采用一种双目相机和工业机器人结合的视觉测量方法,该方法将双目相机固定在工业机器人末端,通过控制机器人运动使双目相机测量视野以滑动窗口的方式扫过构件表面,最后基于公共标志点的方法将机器人不同姿态下视觉标志点的测量结果拼接到同一坐标系下,并以三维点云的形式将结果输出显示。同时针对跨区域测量过程中无法通过公共标志点实现数据拼接的问题,采用了一种基于机器人控制信息的测量数据拼接方法。通过建立机器人运动模型并对其参数进行标定,和计算机器人末端执行器和相机间的手眼关系,实现了多位姿下的视觉测量数据到机器人基座坐标系的统一转换。（3）搭建双目视觉测量系统,并在实验室和加工现场进行了精度验证,实验结果表明:针对大型航天器构件测量,在1.5m×1m范围内采用基于公共标志点的方法拼接十个位姿后,视觉测量误差RMS可达0.120mm。针对跨区域视觉测量,采用基于机器人控制信息的方法拼接3个区域测量数据后,视觉测量误差RMS可达0.749mm。
武琼[2]（2021）在《基于激光跟踪仪与结构光扫描仪的高效组合式测量方法研究》文中研究表明以深空探测、空间站为代表的航天任务对大型航天器具有迫切需求。大型航天器舱体作为其关键构件,可为一系列舱外关键载荷提供支撑结构。因此,舱外载荷支架的制造精度将直接影响航天器的服役性能。为保证支架加工精度,需在整舱状态下对大尺寸航天器舱体支架安装形面及位置特征进行精准测量。而大型航天器几何尺寸大,载荷支架数量多、几何结构复杂、且分布跨尺度,实现载荷支架安装面的高精、高效、高可靠测量极具难度。本文提出一种基于激光跟踪仪远距离全局控制与结构光扫描仪近距离表面扫描的组合式高效测量方法。针对全局与局部跨尺度数据坐标转换误差大、多类型设备组合测量自动化程度低且测量效率低、及三维点云特征难提取等问题,开展了“激光跟踪-局部扫描”组合式测量的关键技术研究,搭建了组合式测量系统,实现了大尺寸范围特征几何形貌的测量。本文的主要研究内容包括:1.针对组合式测量系统组成特点和测量系统的精度需求,以基于对偶四元数的手眼标定算法为基础,结合ICP点云配准和普氏分析方法,提出了测量系统的标定算法。该方法可同时实现了扫描仪外参的高精标定和跟踪仪与机械臂的粗略手眼标定,并且在确保测量精度的前提下降低成本提高效率。最终通过实验验证,实现了多视角测量数据的高精拼接。在300mm范围内,系统的测量精度优于35μm。2.为解决扫描对象的特征提取和特征拟合等问题,首先根据测量对象的材质和尺寸,通过实验方法确定拍摄时的曝光参数范围和拍摄角度范围;然后针对测量需求和测量目标的特征,参考扫描仪输出的二维深度图像和三维点云两种数据格式,分别提出了基于图像处理和基于三维点云分割的两种特征提取算法,以实现对靶标球、支架特征面、小直径光孔的目标特征分割提取;最后研究了球面和平面的几何特征拟合算法。3.针对测量系统的自动化需求,并提高测量效率及可操作性,在Windows 10操作系统中,基于.Net Framework 4.7.2框架,采用C#语言和WINFORM界面框架,开发了自动化测量系统软件。软件综合了多线程、设备SDK、Halcon机器视觉库、以太网通信、Json等多项技术,实现了设备控制、数据采集、数据管理、点云图像处理、算法集成、图像显示和测量系统三维交互显示等多项功能。此外,在跟踪仪-机械臂手眼标定模型的基础上,软件利用Unity3D引擎搭建系统的三维孪生模型,实现了激光靶球的光路可达性预判。
郭攀[3]（2021）在《光滑表面三维轮廓测量及三维点云拼接技术研究》文中进行了进一步梳理随着现代工业技术的快速发展,光滑表面产品越来越多样化,在诸多制造行业中被广泛应用,提高了相关产品的品质与性能,对光滑表面三维轮廓测量的需求也随之快速增长。目前,光滑表面的三维轮廓测量还停留在接触式测量阶段,该技术虽然测量精度高,但效率低,无法实现在线检测。因此,研究一种方便、快捷、高精度的非接触式光滑表面三维轮廓测量技术具有十分重要的意义。本文对基于条纹反射与双目视觉的光滑表面三维轮廓测量技术进行了研究,并在系统相位误差和多视角三维点云拼接技术方面展开了研究,本文主要研究内容如下:（1）对基于条纹反射与双目视觉的光滑表面三维轮廓测量技术中的关键技术环节进行了研究。首先介绍了系统测量原理与设计,然后研究了相机标定技术以及屏幕标定技术,接着阐述了条纹光的相位提取算法,包括包裹相位求解以及解包裹相位,最后介绍了基于极线约束以及表面法向量唯一性的立体匹配算法,并采用了梯度积分重构算法完成待测物体表面的三维重建。（2）针对系统相位误差,本文对其进行了分析与校正,提高了系统测量精度。首先介绍了相位误差主要成因gamma畸变及其影响。然后采用了基于希尔伯特变换的gamma校正法和基于灰度图像投射的gamma主动校正法对gamma畸变进行校正,详细阐述了这两种算法的基本原理以及具体实现步骤,并对这两种算法进行了相应的仿真验证。（3）针对单次无法完成三维测量的光滑表面物体,本文提出了多视角三维点云拼接技术,实现了对其表面三维轮廓的测量。该技术首先利用基于行扫描的标记点提取算法提取出标记点,然后根据空间点几何特征不变性完成标记点匹配,最后采用四元素法求解出相邻视角坐标系的变换矩阵Rw和Tw,实现了多视角三维点云拼接。（4）搭建了单视角光滑表面三维轮廓测量系统以及多视角三维轮廓测量系统,完成了相机标定与屏幕标定,分别对上述理论进行了实验验证:（a）对上述两种gamma畸变校正算法进行了实验验证,并将校正前后的相位误差进行对比,验证了校正算法对测量精度的提高;（b）对标准平面镜进行两次三维测量,前后两次平面镜位置相隔10mm,测量结果为10.093mm,测量误差为0.093mm,验证了本文测量系统具有较高测量精度;（c）对凸球面反射镜进行多视角三维测量,利用多视角三维点云拼接技术完成凸面镜三维轮廓测量,并对测量数据进行了球面拟合,拟合出的球面半径为122.316mm,同时对三坐标测量机测量到的数据进行了球面拟合,拟合出的球面半径为122.425mm,测量误差为0.109mm,验证了拼接技术的可行性。
王绍臣[4]（2020）在《基于点云重建技术的工件曲面轮廓度测量方法研究》文中研究表明随着德国工业4.0与中国制造2025的提出,对中国制造业的各个领域都提出了新的挑战。高精度检测作为精密电子产品加工质量的保证,也向着更快,更准,更真的方向发展。在一些精密智能电子产品中,曲面设计的应用越来越广泛,例如智能手机、手表的屏幕,摄像头边缘等等,但是曲面轮廓的加工质量检测却不如长度,宽度等尺寸的测量那样方便。因此,如何快速、准确地实现曲面轮廓度的测量是精密电子产品生产线上亟待解决的问题。当前,非标自动化生产领域中曲面轮廓度的自动测量方法主要是基于点激光的单点测量方法,但是用点激光的方式测量效率较低,要获得一条轮廓的数据需要从起点到终点一直进行触发采样。因此,虽然点激光可以进行轮廓度的测量,但是当需要进行多个位置的测量时,点激光测量的方式难以满足工业应用上高效性的要求。而线激光则克服了点激光的弊端,一次触发可获得上千个点的数据,对扫描到的点云数据进行三维重建之后便可进行任意位置的测量。而且线激光的扫描精度与效率随着近年来三维测量技术的迅速发展得到了极大提高。虽然线激光在扫描效率与精度方面具有较大优势,但是也存在以下几个问题:一是高精度激光扫描设备采集到的原始点云数据密度过于庞大,过大的数据量不仅会浪费大量的计算机存储资源,而且也会大大降低后续算法的处理速度,因此需要对采集到的原始点云数据进行预处理;二是由于激光线宽和工件外形的局限性,很难一次将工件扫描完整,若要对物体进行多个位置的定位测量则需研究将多个视角（坐标系）下扫描到的点云数据通过精确的坐标变换进行拼接,统一到同一视角（坐标系）下的办法。三是需要研究如何对拼接后的点云建立合适的测量基准坐标系以及轮廓线的提取办法以便于轮廓度的定位测量。针对以上问题,本文研究了一种基于点云拼接重建技术的曲面轮廓度测量方法。为了将待测工件边缘扫描完整,本文首先设计了运动控制系统,通过电机带动激光与工件运动,通过线激光从8个视角对工件的8个位置进行扫描,扫描完成后利用多种点云预处理方式对点云原始数据进行预处理,从而大大减少无用数据及噪点数据,提高后续的算法处理效率。为了标定8个视角之间的旋转平移关系,本文设计制作了易于进行标志点提取的标定块,通过对标定块点云进行角点提取后确定视角间的旋转平移矩阵,该方法可以大大提高拼接的效率与精度。点云拼接完成之后,可以真实地还原出工件的完整形貌。为了实现曲面轮廓度的定位测量,本文提出了基于表面重建的轮廓度测量方法,首先对点云特征进行提取建立测量基准坐标系,然后通过对局部点云进行快速表面重建之后的模型进行轮廓线的定位提取完成测量。文章最后通过实验验证了本文提出的点云预处理,拼接以及重建测量方法的有效性,实验表明测量效率与精度均达到工业要求。
邸宏图[5]（2020）在《大型构件视觉测量中特征提取与多视拼接方法》文中研究指明大型构件是飞机、火箭等高端装备的关键结构件,其高质量装配是保障高端装备服役性能的重要环节。目前,国内外的相关企业已广泛采用数字化测量技术,实现大型构件装配质量的监测。面向零部件面形的三维测量作为数字化测量的核心环节,可快速地实现产品几何形貌点云的获取,为分析产品气动外形与理论模型的偏差提供数据支撑。视觉测量以其高精、高效、非接触等优势,在航空航天数字化测量等领域得到广泛应用。本文采用结合线激光与标志点辅助特征的双目视觉方法,对大型构件形面进行测量,针对现场测量过程中的图像特征提取与多视数据拼接方法展开了深入研究,主要研究内容如下:（1）针对现场环境下复杂光照、多源干扰等因素造成扫描特征光条亮度不均难以准确、完整提取的问题,提出了一种复杂背景干扰下非均匀光条的自适应提取方法。基于结合二次扫描框架的CNN网络与非特征滤除准则准确定位光条特征区域,在此基础上,采用分区域K-means算法对光条特征进行准确分割。实验结果表明:该方法可有效提取复杂环境背景下的非均匀光条特征,以SSIM、MSE和IoU作为评价指标,其提取效果优于GLGM、Otsu、Graph-Cuts和FCN等现有方法。（2）虑及复杂现场环境下标志点特征提取精度低的问题,对视觉系统的辅助光源进行了设计,并对标志点特征提取算法进行了详细分析。此外,针对左右图像中非公共标志点干扰标志点匹配的问题,提出了一种基于双向极线约束的标志点匹配方法,实验结果表明:该方法可有效剔除非公共点,实现标志点的精准匹配。（3）为提高大型零构件拼接测量的精度和稳定性,对拼接测量的各环节进行了分析。介绍了本文基于辅助标志点的拼接测量方案,详细分析了不同测量视角间的坐标转换矩阵求解方法,并在此基础上提出了异常点剔除方法。对相机标定、公共标志点数目及布局等拼接测量精度的影响因素进行分析,并提出了相应的误差控制方法。（4）搭建视觉测量系统,基于C++/Qt对图像处理软件进行开发设计,并对光条特征提取与拼接测量方法进行了实验验证。实验结果表明:本文方法能实现复杂环境下非均匀光条特征的有效提取,拼接测量的平均误差为0.056mm。在实验室对大型复材结构件进行了全局拼接测量实验,验证了本文方法的有效性。
李战[6]（2020）在《基于视觉测量的叶片自适应定位修复方法研究》文中研究指明航空发动机叶片是航空发动机的重要部件,由于工作环境恶劣,极易出现损坏,影响飞行安全。更换叶片费用较大,对损坏发动机叶片进行修复是较为经济的做法。叶片修复过程中原始模型难以获取,且使用后叶片会发生蠕变,难以适用于待修复叶片,同时叶片曲面形状复杂,损坏形式多样,难以实现在数控机床的精确定位是研究叶片自适应定位修复过程中亟待解决的技术问题。为此,本课题研究一种基于视觉测量的叶片自适应定位修复方法,实现叶片自动化修复。论文主要研究内容如下:1、结合双目立体视觉基本原理搭建了散斑视觉测量系统,从而提出了一种基于散斑视觉测量的叶片点云测量方法,实现了随机性强、点云数量适中、噪声点少的非接触式叶片点云的测量。2、研究了损坏叶片点云数据的模型重构方法,采用依曲率变步长进行边界点提取,在此基础上进行B样条曲线曲面拟合及曲面延拓完成损坏叶片构型,能为叶片自适应定位修复提供模型依据,并进行了测量方法及构型方法的实验验证。3、针对曲面叶片形状复杂、损坏形式多样,传统夹具定位无法满足其减材复形的定位需求,提出了一种采用散斑视觉测量的叶片自适应定位方法。依据各定位坐标系之间的位姿关系求解自适应定位模型,实现欠定位装夹下叶片自适应定位,并采用标准量块进行实验验证。4、研究了叶片自适应定位修复路径的轨迹规划方法,依据视觉测量系统测量叶片形貌及位置信息,利用UG NX软件生成环境进行自适应定位修复轨迹规划及NC修复加工代码生成,然后采用仿真软件对生成的修复路径进行修复仿真。在此基础上进行了叶片自适应定位修复实验,在现有实验条件下有较好的修复效果。
石诚[7]（2020）在《航天器舱段大部件的装配变形数字化测量技术研究》文中进行了进一步梳理航天器舱段是航天航空中最常见的结构之一,对舱段装配变形进行数字化测量技术研究,能够用于装配质量评估和设计方案调整,而且顺应了航空航天产业高精度和数字化的发展方向。本文选用摄影测量的方法获取舱段表面信息,围绕测量目标点布设、测量点数据配准、装配变形评价分析等关键技术深入研究,设计开发出相关软件系统,并在装配现场完成相关测量。本文的主要研究内容如下:（1）为了目标点布设更为合理,基于摄影测量方法,利用有限元分析模拟装配变形,并将仿真结果结合点云精简方法,提出一种自适应的稀疏测量目标点分布方法,使得目标点疏密有致,能够在使用较少测点的情况下,保证较好的测量效果;（2）为应对装配过程中的局部变形和位移,将不同装配阶段的测量数据配准,提出一种面向稀疏测点数据的特征匹配算法,能够将装配前后相对位置不发生改变的点对筛选出来,然后利用点对计算转换矩阵,将测量数据配准;（3）为评估装配变形,在充分利用对应点对信息的基础上,结合曲面重建方法,进行时序性的变形误差分析,并计算不同装配阶段的形状误差;（4）利用本文算法开发软件系统,并在舱段实际装配现场,利用软件辅助测量目标点布设、进行测量数据配准以及评价舱段装配误差,验证本文算法的可行性。
李云雷[8]（2020）在《基于近景工业摄影的光学三维形貌测量关键技术研究》文中研究指明光学三维形貌测量在工业产品检测、逆向工程、文物保护、生物医学建模、虚拟现实等众多领域的需求日益增加。传统的接触式三维测量技术已经不能满足要求,物体的三维特征点坐标、三维几何尺寸和三维表面形貌的高精度、高效获取成为测量领域的研究热点和前沿课题。本文针对目前光学三维形貌测量研究中在测量精度和效率、测量范围以及评价标准等方面仍然存在的若干不足,采用理论分析和实验研究相结合的方法,综合机械工程、光学、电子学、近景工业摄影测量、计算机视觉和数字图像处理等多个学科对光学三维形貌测量关键技术进行系统、深入研究。主要研究内容和研究成果如下:1.阐述了各类光学三维形貌测量技术的原理和特点,对基于近景工业摄影测量的光学三维形貌测量技术的研究现状和发展趋势进行了系统分析。研究了近景工业摄影测量和机器视觉中的坐标系转换、共线方程、共面方程、极线几何约束及基础矩阵、三维重建方法等。针对近景工业摄影测量中传统光束平差算法耗时长的问题,提出一种快速光束平差算法,将步长分解为摄站位姿参数步长、三维点坐标参数步长两部分,利用雅克比矩阵的稀疏性,提高平差效率。上述内容为本文的研究工作提供基本的理论依据。2.为了提高近景工业摄影测量中的摄像机标定精度,设计了高精度的大尺寸棋盘格作为标定靶标,分析了采用单应性矩阵和非线性优化的标定算法,并给出一种迭代式的畸变矫正方法。考虑镜头自动对焦对摄像机内参数的影响,提出一种分层式摄像机标定方法。依据拍摄距离远近对摄像机分层标定,获得多组摄像机的内参数。基于光栅尺的验证实验表明,分层式标定方法能够显着提升光学三维测量的精度。3.为了解决多面体、回转体以及大型面结构特征物体的光学三维形貌测量中出现的多基线、大倾角的摄站定向问题,提出了两种定向算法,并专门设计了两种定向装置。算法一是基于共面点的绝对定向,该算法是基于共面点的物方平面与其像平面之间的单应性矩阵确定摄站的位姿,仿真实验验证了算法的正确性,并分析了像素噪声水平对定向精度的影响。算法二是混合式相对定向,该算法通过本质矩阵分解获得两个摄站位姿参数的初值,再采用非线性优化求取精确解,当两个摄站处在各种复杂位姿关系时,均能实现正确定向。两种定向装置分别是立体定向靶标和移动式平面定向靶标,它们适用于具有多面体、回转体和大尺寸型面等结构特征物体的三维形貌测量,主要作用是确立摄站位姿和局部点云拼接。4.针对传统近景摄影测量中粘贴人工标志提取三维点方法的费时耗力、点云数据稀疏等不足,提出了两种高效便捷的三维点光学提取技术,即点阵结构光和光学探针。点阵结构光技术获取物体表面的稠密三维点云,其投影图案设计成密集排列的发光圆点矩阵。提出一种灰度指数加权法,精确提取结构光图像中圆点中心的像素坐标。针对结构光图案的特征,提出一种串珠式匹配算法,融合基于极线约束的三幅像片匹配算法,精确实现点阵的逐行逐列排序。光学探针技术用于物体表面遮挡区域、深孔及凹槽等部位单个三维点的提取,标定了测头在探针自身坐标系下的精确三维坐标。摄像机位置固定时,在1800mm?1200mm的视场范围内,光学探针用于距离测量的相对精度约为7?1 0-5。5.在上述理论和技术的研究基础上,研制了基于立体定向靶标、移动式平面定向靶标的三维形貌测量系统和基于立体定向靶标的探针式多视场三维形貌测量系统。针对大口径卫星天线、空客A380飞机模型、多面体结构的实体模型、具有大型面结构以及含有遮挡区域等特征的工业产品,进行了三维形貌测量实验和数据分析,并取得良好的应用效果。
王文韫[9]（2019）在《基于组网摄影的风力机叶片振动测量与模态辨识方法研究》文中研究指明叶片是风力机的重要组成部件之一,其制造成本占整机成本的15%-20%。叶片在运行过程中受变载荷激励容易产生振动,引发疲劳损伤甚至断裂等重大事故,造成巨大损失。叶片尺寸的大型化使得制造、运输、运行以及维护成本显着增长。振动测量与模态参数辨识可以获取结构的振动响应、阻尼、频率和振型,为研究叶片动态性能和结构设计改型提供理论依据,为安装调试提供技术支持,为疲劳测试、裂纹检测提供参考。传统接触式振动测量方法用于大尺寸非规则曲面风力机叶片时,存在传感器通道数受限、粘贴布线困难等问题。鉴于摄影测量具有非接触、高精度和动态测量等优点,本文对基于组网摄影的风力机叶片振动测量及模态辨识方法进行研究。应用双目摄影测量原理对风力机叶片进行多摄像机同步组网摄影,在深入研究多摄像机系统全局标定、特征追踪和匹配技术的基础上,对大尺寸非规则曲面构件多摄像机同步组网振动摄影测量原理与方法进行了较为系统深入的研究。搭建了一个可扩展的多摄像机并行分布式组网摄影测量平台,分析了摄像机位置、距离和硬件性能等因素对系统测量精度的影响关系,确定了测量系统的空间布局和硬件参数,实现对风力机叶片的振动响应测量;同时,针对摄影测量获得的振动数据,研究了风力机叶片模态自动识别方法。主要研究成果如下:（1）提出了一种多摄像机并行分布式组网摄影全局振动测量方法。基于双目交会成像和两两摄像机同名点配准,提出了多摄站逐级解耦光束平差优化参数求解方法,实现了组网系统的全局标定。选取人工标志特征中心作为追踪目标,考虑被测对象运动特性,基于距离最小化判定准则对传统KLT算法进行改进。综合利用全局标定、基于编码标志的同名点匹配和动态特征追踪等关键技术,可实现大视场高精度动态测量,满足大尺寸构件振动响应测量的工程应用需求。（2）设计了两类组合编码标志并提出了相应的标志定位识别方法。提出一种由十字和圆点组合的编码标志,通过亚像素骨架提取来准确定位十字交点,利用仿射逆变换以及查表法进行标志解码。提出一种由字符和圆组合的编码标志,通过字符确定码值,采用多级阈值分割得到字符区域和圆形区域,进行灰度平滑后采用灰度质心法进行亚像素定位,并利用BP神经网络训练进行精确的分类识别解码。实例表明,提出的编码标志设计简单且定位精度和识别准确度能够满足大尺寸构件动态摄影测量的要求。（3）提出一种适用于具有显着直线边缘特征对象的无标记摄影测振方法。在粗定位骨架的法向方向根据边缘平滑且相邻曲率变化最小原则,插值搜索获得亚像素骨架。通过线段交比构造虚拟目标点,基于交比不变特性对同名点追踪匹配,实现基于边缘亚像素骨架提取和交比不变的虚拟目标点的振动测量。该方法无需提前布设合作标志,且能够满足动态测量精度,具有较好应用前景。（4）构建了一个可扩展的多摄像机并行分布式组网系统。结合系统的技术指标和设备参数选型搭建了硬件平台,并开发了相应的软件功能模块。对系统测量精度与位置参数的关系、交会测量误差进行了分析,并进一步探讨了六个摄像机并行分布的组网方案的可行性,为大尺寸构件测试系统的空间布局和硬件参数选择提供合理的参考依据。利用本文搭建的测试系统对一个3 kW风力机叶片进行测量实验。采用字符编码标志作为追踪目标计算振动响应并进行频谱分析,获得的前三阶频率与采用B&K系统进行锤击测试的结果相对误差小于0.9%。采用四个摄像机联合组网测量,将所有标志在冲击激励下的空间运动轨迹统一到全局坐标系。观察可知,测量结果与叶片表面标志的空间布置和真实振动情况相符,且前三阶频率与B&K系统锤击测试获得频率的相对误差也低于0.9%。以上结果表明,本文提出的方法可靠可行且测量精度较高。（5）提出了一种Data-SSI改进方法。采用多次数据重构维度不同的汉克尔矩阵,分别建立对应的运行模态识别模型并求解极点,获得多组模态参数计算结果;计算各极点的模态相似度,选取合适的模态参数容差阈值,进而实现大部分虚假极点的剔除,进一步利用谱聚类分析可自动识别出准确的模态参数。对某型叶片进行测量实验并基于测量得到的振动响应采用改进方法进行模态辨识,结果表明:多次重构及采用模态相似度准则判定可剔除大部分虚假计算极点,能够显着提高识别精度。本文提出的多摄像机组网摄影振动测量与模态辨识方法,对发展与丰富大型复杂结构振动模态测试理论与方法具有重要的理论意义。同时,该方法可有效应用于风力机叶片等大尺寸非规则曲面构件,为实现叶片振动特性分析、质量检测、故障诊断和预报、结构动力特性的优化设计和安装运行提供依据与技术支撑,具有较好的工程应用前景。
刘涛[10]（2018）在《面向汽车复杂零部件的自动化测量关键技术研究》文中研究指明智能化、定制化是汽车制造业转型升级的必然趋势,如何在兼顾用户个性化需求的同时保证产品制造质量的可靠是对汽车制造商设计制造水平和质量控制能力提出的全新挑战。由于汽车复杂零部件测量具有测量特征复杂多样、局部曲面细节关注度高、测量精度要求高、测量效率要求高、测量流程要求全自动化等特点,现有的测量手段已无法满足现场环境下的测量需求。因此,研究一种可实现复杂零部件高效率、高精度自动化测量的方法和仪器已成为当务之急。本文针对汽车制造过程中复杂零部件的自动化测量需求,提出一种结合终端精密扫描测量与全局精度控制的高精度测量方法,实现整车尺度范围内高精度、高密度点云数据获取,以工业机器人作为运动载体实现在线自动化测量,同时配合机器人视觉引导技术实现全过程测量自动化及物流自动化,最后参考车身设计原则和三坐标测量评价原则保证测量特征的正确评价。全文针对终端测量及其外部观测方法、基于双重几何约束的全局精度控制、基于视觉引导的测量流程自动化等多个方面展开深入研究,并搭建实验平台对所提出方法进行了系统性验证。论文完成的主要研究内容如下:1、概括汽车产业的发展方向和车身复杂零部件测量对车身制造质量与性能提升的重要意义,重点梳理了汽车复杂零部件尺寸测量的典型特点,通过研究如何解决测量精度与效率之间的矛盾来阐述课题的实现方法和关键技术;2、研究了高精度结构光投影终端测量的原理与方法,阐述相位解算、三维重构、相机与投影仪内参标定及畸变校正方法,设计了终端测量系统的外部观测方法及其高精度标定方法,并通过实验验证方法的有效性与精度;3、针对终端测量数据全局精度统一的问题,建立基于双重几何约束的全局精度控制模型,实现了终端测量数据到全局坐标系下的精度统一,并研究了基于机器人运动学和手眼关系的多相机外参现场快速标定方法;4、在分析测量流程全自动化的意义基础上,分析了基于视觉定位技术实现自动化测量与自动化物流的方法,建立视觉定位模型,并研究了初值估计、误差分析与精度优化的方法,并通过实验验证了方法可靠性与整体精度。5、针对车身复杂特征快速准确评价问题,研究了点云融合与索引建模的方法提高数据的索引效率,并针对不同的特征研究了不同的评价算法,最后通过系统性实验验证了特征评价的精度与效率。
二、标志点拼接技术在大型薄壁件型面非接触测量中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、标志点拼接技术在大型薄壁件型面非接触测量中的应用（论文提纲范文）
（1）大型构件局部特征加工定位点测量方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题来源、研究背景及意义 |
| 1.1.1 课题来源 |
| 1.1.2 研究背景及意义 |
| 1.2 国内外研究现状分析 |
| 1.2.1 工业制造领域的视觉测量方法 |
| 1.2.2 复杂光源环境下图像特征提取方法 |
| 1.2.3 多视角测量数据拼接方法 |
| 1.3 总体测量方案及研究难点 |
| 1.3.1 大型高反光构件视觉测量方案 |
| 1.3.2 本论文的研究难点 |
| 1.4 论文的主要研究内容 |
| 2 标志点特征提取和重建方法研究 |
| 2.1 相机成像原理 |
| 2.1.1 针孔相机模型 |
| 2.1.2 双目相机成像模型 |
| 2.1.3 双目相机标定方法 |
| 2.2 视觉标志点特征分析 |
| 2.3 视觉标志点中心提取方法 |
| 2.4 视觉标志点重建方法 |
| 2.5 本章小节 |
| 3 基于卷积神经网络的视觉测量方法研究 |
| 3.1 视觉测量问题分析 |
| 3.2 基于卷积神经网络的视觉标志点提取方法 |
| 3.3 基于孪生神经网络辅助的视觉标志点匹配方法 |
| 3.4 本章小节 |
| 4 基于双目视觉的大型构件测量方法研究 |
| 4.1 大型构件视觉测量流程 |
| 4.2 机器人控制 |
| 4.3 基于公共点的测量数据拼接方法 |
| 4.3.1 公共点的提取和匹配方法 |
| 4.3.2 坐标系转换关系计算方法 |
| 4.3.3 滑动窗口测量方法 |
| 4.4 基于工业机器人控制信息的数据拼接方法 |
| 4.4.1 机器人运动模型分析 |
| 4.4.2 机器人运动模型建立 |
| 4.4.3 机器人手眼标定 |
| 4.4.4 视觉测量数据拼接 |
| 4.5 本章小节 |
| 5 实验与分析 |
| 5.1 双目视觉测量系统 |
| 5.1.1 视觉测量系统硬件介绍 |
| 5.1.2 图像处理软件设计 |
| 5.2 视觉测量精度实验 |
| 5.3 基于公共标志点的测量数据拼接实验 |
| 5.4 基于机器人控制信息的测量数据拼接实验 |
| 5.5 本章小节 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（2）基于激光跟踪仪与结构光扫描仪的高效组合式测量方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题来源、研究背景及意义 |
| 1.1.1 研究背景及意义 |
| 1.1.2 课题来源 |
| 1.2 组合式测量研究现状及发展 |
| 1.2.1 接触式测量方法 |
| 1.2.2 非接触式测量方法 |
| 1.2.3 数据拼接与系统组合方法 |
| 1.3 研究方案与技术难点 |
| 1.4 论文主要内容 |
| 2 “全局激光跟踪-局部视觉扫描”组合式移动测量系统标定 |
| 2.1 坐标系转换基本原理 |
| 2.1.1 直角坐标系刚性变换 |
| 2.1.2 普氏分析基本原理 |
| 2.1.3 迭代最近点算法 |
| 2.2 扫描仪外参标定与数据拼接原理 |
| 2.2.1 测量系统坐标系转换关系 |
| 2.2.2 扫描仪外参的标定方法 |
| 2.2.3 基于对偶四元数的手眼标定方程解法 |
| 2.2.4 多视数据拼接 |
| 2.3 跟踪仪-机械臂的手眼标定 |
| 2.3.1 跟踪仪-机械臂标定模型 |
| 2.3.2 6 轴机械臂的DH模型 |
| 2.4 本章小结 |
| 3 点云特征数据处理 |
| 3.1 双目结构光的测量原理简述 |
| 3.2 测量对象的几何特征分析 |
| 3.3 特征点云提取方法 |
| 3.3.1 基于图像处理的特征提取 |
| 3.3.2 基于三维点云的特征提取 |
| 3.4 特征形位尺寸计算 |
| 3.4.1 球面点云拟合方法 |
| 3.4.2 平面点云拟合方法 |
| 3.5 算法与仪器的精度验证 |
| 3.5.1 靶球特征提取实验 |
| 3.5.2 描仪仪精度与拟合精度验证 |
| 3.5.3 支架特征面提取与几何形貌测量 |
| 3.6 本章总结 |
| 4 组合式测量系统软件开发 |
| 4.1 测量系统软件总体方案 |
| 4.1.1 软件功能分析 |
| 4.1.2 技术方案与界面设计 |
| 4.2 机械臂通信控制 |
| 4.2.1 基于RSI与 UDP的 KUKA机械臂通信控制 |
| 4.2.2 基于Json的机械臂-上位机通讯 |
| 4.3 基于Unity3D的三维孪生开发 |
| 4.4 本章总结 |
| 5 平台搭建与实验验证 |
| 5.1 实验平台搭建 |
| 5.2 测量系统标定实验 |
| 5.3 多视数据拼接实验 |
| 5.3.1 靶尺拼接实验 |
| 5.3.2 支架特征拼接实验 |
| 5.4 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（3）光滑表面三维轮廓测量及三维点云拼接技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 三维轮廓测量技术及研究现状 |
| 1.2.1 接触式三维轮廓测量技术 |
| 1.2.2 非接触式三维轮廓测量技术 |
| 1.3 本文主要研究内容及各章节安排 |
| 1.4 本章小结 |
| 2 基于条纹反射与双目视觉的光滑表面三维轮廓测量技术 |
| 2.1 测量原理与系统设计 |
| 2.1.1 双目立体视觉基本原理 |
| 2.1.2 基于条纹反射与双目视觉的光滑表面三维轮廓测量原理 |
| 2.1.3 系统设计与测量流程 |
| 2.2 相机标定 |
| 2.2.1 理想相机模型 |
| 2.2.2 畸变校正模型 |
| 2.2.3 单相机标定 |
| 2.2.4 双相机标定 |
| 2.3 屏幕标定 |
| 2.3.1 屏幕坐标系建立 |
| 2.3.2 基于镜面反射模型和正交约束性的屏幕标定 |
| 2.4 条纹结构光相位提取算法 |
| 2.4.1 基于相移法的包裹相位求解算法 |
| 2.4.2 基于路径跟踪算法的相位解包裹算法 |
| 2.4.3 相位坐标与物理坐标的变换 |
| 2.5 立体匹配与三维重构 |
| 2.5.1 极线约束 |
| 2.5.2 基于表面法向量唯一性匹配算法 |
| 2.5.3 基于Southwell区域波前重构积分的三维重构算法 |
| 2.6 本章小结 |
| 3 系统相位误差分析与校正 |
| 3.1 Gamma畸变 |
| 3.2 基于希尔伯特变换的gamma校正算法 |
| 3.2.1 希尔伯特变换 |
| 3.2.2 空间域相位误差模型 |
| 3.2.3 HT域相位误差模型 |
| 3.2.4 相位误差校正算法 |
| 3.3 基于灰度图像投射的gamma主动校正法 |
| 3.3.1 gamma主动校正法原理 |
| 3.3.2 gamma主动校正算法流程与仿真 |
| 3.4 本章小结 |
| 4 多视角三维点云拼接技术 |
| 4.1 拼接技术概述 |
| 4.2 基于标记点的多视角三维点云拼接技术原理与流程 |
| 4.2.1 拼接原理 |
| 4.2.2 拼接流程 |
| 4.3 标记点提取与匹配 |
| 4.3.1 标记点提取 |
| 4.3.2 标记点匹配 |
| 4.4 相邻视角坐标系变换矩阵求解 |
| 4.5 本章小结 |
| 5 实验研究与分析 |
| 5.1 单视角测量系统搭建与标定 |
| 5.1.1 系统搭建 |
| 5.1.2 相机标定实验 |
| 5.1.3 屏幕标定实验 |
| 5.2 三维轮廓测量系统相位误差校正实验 |
| 5.2.1 基于希尔伯特变换的gamma校正算法 |
| 5.2.2 基于灰度图像投射的gamma主动校正法 |
| 5.3 标准平面镜测量实验 |
| 5.4 多视角三维点云拼接实验 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 论文总结 |
| 6.2 论文展望 |
| 参考文献 |
| 作者简历及主要研究成果 |
（4）基于点云重建技术的工件曲面轮廓度测量方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 三维测量方法研究现状 |
| 1.2.2 三维点云表面重建研究现状 |
| 1.2.3 多视点云拼接研究现状 |
| 1.3 课题研究内容与论文章节安排 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文组织结构 |
| 第二章 基于点云重建的曲面轮廓度测量方案设计 |
| 2.1 测量需求分析 |
| 2.2 整体测量方案设计 |
| 2.3 测量系统平台设计 |
| 2.3.1 平台硬件架构 |
| 2.3.2 平台软件架构 |
| 2.4 本章小结 |
| 第三章 点云数据采集与预处理 |
| 3.1 点云数据采集 |
| 3.1.1 三角法激光测距原理 |
| 3.1.2 待测工件特征分析 |
| 3.1.3 点云采集方案设计 |
| 3.2 点云数据预处理 |
| 3.2.1 点云数据预处理方案 |
| 3.2.2 基于KD-Tree的点云拓扑关系构建与邻域搜索 |
| 3.2.3 基于最近邻体素网格法的点云降密度采样 |
| 3.2.4 基于坐标的点云条件滤波 |
| 3.2.5 基于高斯统计的离群点剔除 |
| 3.3 本章小结 |
| 第四章 多视点云拼接 |
| 4.1 基于标定块角点提取的点云拼接方案描述 |
| 4.2 标定块点云平面分割 |
| 4.2.1 基于局部拟合的点云法向量和曲率估计 |
| 4.2.2 基于区域增长的平面分割 |
| 4.3 基于角点提取的点云拼接 |
| 4.3.1 基于随机采样一致性算法的平面拟合 |
| 4.3.2 标定块角点提取 |
| 4.3.3 旋转平移矩阵的求取与应用 |
| 4.4 本章小结 |
| 第五章 基于三维表面重建的轮廓度测量 |
| 5.1 点云测量基准坐标系的选取建立 |
| 5.1.1 点云边缘轮廓提取 |
| 5.1.2 点云圆心提取及坐标系变换 |
| 5.2 基于网格生长的三维点云表面重建 |
| 5.3 工件曲面轮廓度测量 |
| 5.3.1 截面轮廓线提取 |
| 5.3.2 轮廓曲线与理论曲线的对齐测量 |
| 5.4 本章小结 |
| 第六章 测量系统平台搭建与实验验证 |
| 6.1 测量系统平台搭建 |
| 6.1.1 硬件平台搭建 |
| 6.1.2 平台软件功能实现 |
| 6.2 点云采集与预处理方案验证 |
| 6.2.1 点云采集方案验证 |
| 6.2.2 点云预处理方案验证 |
| 6.3 点云拼接精度验证 |
| 6.3.1 点云平面分割算法效果验证 |
| 6.3.2 点云拼接精度验证 |
| 6.4 工件轮廓度测量精度验证 |
| 6.4.1 重建点云测量基准坐标系 |
| 6.4.2 轮廓度测量精度验证 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 论文主要创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（5）大型构件视觉测量中特征提取与多视拼接方法（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状分析 |
| 1.2.1 基于视觉的大型构件三维测量方法研究现状 |
| 1.2.2 线激光特征定位与分割方法研究现状 |
| 1.2.3 视觉测量中多视拼接方法研究现状 |
| 1.3 本论文的总体测量方案及研究难点 |
| 1.3.1 大型构件视觉测量总体方案 |
| 1.3.2 本论文的研究难点 |
| 1.4 论文的主要研究内容 |
| 2 线激光特征自适应提取方法 |
| 2.1 线激光特征提取流程与图像特征分析 |
| 2.2 基于CNN的线激光特征定位方法 |
| 2.2.1 CNN网络结构与参数设计 |
| 2.2.2 图像数据集与网络训练 |
| 2.2.3 基于非特征滤除准则的光条定位 |
| 2.3 非均匀线激光特征分割方法 |
| 2.3.1 现有图像分割方法简介 |
| 2.3.2 基于分区域K-means算法的光条图像分割 |
| 2.3.3 光条分割结果对比分析 |
| 2.4 本章小结 |
| 3 标志点特征高精提取与匹配方法 |
| 3.1 标志点特征分析与辅助光源设计 |
| 3.2 标志点特征中心提取方法 |
| 3.2.1 特征提取方法对比分析 |
| 3.2.2 标志点特征提取实验分析 |
| 3.3 基于双向极线约束的标志点匹配方法 |
| 3.3.1 极线约束原理 |
| 3.3.2 双向极线约束匹配方法 |
| 3.3.3 标志点匹配实验验证 |
| 3.4 本章小结 |
| 4 基于标志点的多视数据拼接与误差分析 |
| 4.1 双目视觉多视拼接总体方案 |
| 4.2 基于标志点的多视拼接方法 |
| 4.2.1 基于距离约束的多视角标志点匹配 |
| 4.2.2 坐标转换矩阵求解方法 |
| 4.2.3 多视角点云数据拼接 |
| 4.3 多视点云数据拼接误差分析 |
| 4.3.1 双目相机标定误差分析 |
| 4.3.2 公共标志点数目及布局分析 |
| 4.4 本章小结 |
| 5 实验与分析 |
| 5.1 大型构件双目视觉测量系统 |
| 5.1.1 视觉测量系统硬件介绍 |
| 5.1.2 图像处理软件设计 |
| 5.2 光条特征提取方法验证实验 |
| 5.3 基于标志点的多视数据拼接方法验证实验 |
| 5.3.1 精度验证实验 |
| 5.3.2 大型构件拼接测量实验 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（6）基于视觉测量的叶片自适应定位修复方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 叶片点云三维测量方法 |
| 1.2.2 损坏叶片修复技术 |
| 1.2.3 叶片数字化模型重构方法 |
| 1.2.4 叶片等复杂曲面零件自适应定位 |
| 1.3 研究目标与主要研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 主要研究内容 |
| 第二章 视觉测量系统搭建及叶片点云数据的获取 |
| 2.1 双目立体视觉基本原理 |
| 2.2 散斑视觉测量系统 |
| 2.3 散斑视觉测量系统的标定 |
| 2.3.1 相机内参数标定 |
| 2.3.2 系统外参标定 |
| 2.4 叶片表面散斑点的立体匹配 |
| 2.4.1 KLT算法应用可行性 |
| 2.4.2 KLT算法立体匹配模型解算 |
| 2.5 三维重建叶片点云及标志点空间坐标 |
| 2.5.1 叶片点云数据的获取 |
| 2.5.2 叶片标志点坐标的获取 |
| 2.6 基于标志点的叶片点云拼接 |
| 2.6.1 叶片点云拼接原理 |
| 2.6.2 点云拼接原理解算 |
| 2.7 本章小结 |
| 第三章 逆向重构损坏叶片三维模型及实验验证 |
| 3.1 叶片点云精简去噪 |
| 3.2 叶片点云数据边界点提取 |
| 3.2.1 叶片点云曲率估算 |
| 3.2.2 完好部位边界点的提取 |
| 3.3 完整部位叶片表面数字化模型重构 |
| 3.3.1 叶片包络线拟合与拼接 |
| 3.3.2 叶片曲面模型重构 |
| 3.4 曲面延拓获取损坏叶片完整模型 |
| 3.5 损坏叶片测量及重构实验 |
| 3.5.1 叶片点云及标志点数据的获取 |
| 3.5.2 损坏叶片数字化模型重构 |
| 3.6 本章小结 |
| 第四章 基于视觉测量的叶片自适应定位方法 |
| 4.1 叶片自适应定位流程 |
| 4.2 采用视觉测量的自适应定位方法 |
| 4.2.1 刚体位姿描述方法 |
| 4.2.2 叶片自适应定位原理 |
| 4.2.3 自适应定位数学模型 |
| 4.3 自适应定位模型位姿解算方法 |
| 4.3.1 标志点坐标系在测量相机坐标系下位姿求解 |
| 4.3.2 测量相机坐标系在机床测头坐标系下位姿求解 |
| 4.3.3 机床测头坐标系在机床坐标系下位姿求解 |
| 4.4 自适应定位误差分析 |
| 4.4.1 自适应定位误差模型 |
| 4.4.2 标志点坐标系与机床测头坐标系定位误差分析 |
| 4.5 自适应定位实验验证 |
| 4.6 本章小结 |
| 第五章 叶片自适应定位修复路径规划及实验验证 |
| 5.1 叶片自适应定位修复策略 |
| 5.2 叶片自适应定位修复工艺规划 |
| 5.2.1 铣削修复方法选择 |
| 5.2.2 铣削刀具类型及选择 |
| 5.2.3 切削参数选择 |
| 5.3 叶片自适应定位修复轨迹生成及编程 |
| 5.3.1 叶片自适应定位修复轨迹规划算法 |
| 5.3.2 叶片铣削修复路径的生成 |
| 5.3.3 叶片修复路径NC代码生成 |
| 5.4 VERICUT仿真验证 |
| 5.4.1 机床模型的建立 |
| 5.4.2 刀具库的建立 |
| 5.4.3 自适应定位修复轨迹的仿真验证 |
| 5.5 叶片自适应定位修复实验验证 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 论文总结 |
| 6.2 后期工作展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（7）航天器舱段大部件的装配变形数字化测量技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词 |
| 第一章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 大尺寸测量设备 |
| 1.2.2 变形比对方法 |
| 1.3 本课题选题依据及论文安排 |
| 第二章 基于摄影测量的大部件型面数据获取 |
| 2.1 引言 |
| 2.2 摄影测量技术简介 |
| 2.3 面向大部件的测量点布设优化方法 |
| 2.3.1 静力学仿真 |
| 2.3.2 测量点曲率计算 |
| 2.3.3 基于曲率的测量点区域分割 |
| 2.3.4 自适应区域布点精简 |
| 2.4 实验验证 |
| 2.5 本章小结 |
| 第三章 面向稀疏测点数据的匹配算法 |
| 3.1 引言 |
| 3.2 基于PKNN特征描述的测量点匹配 |
| 3.2.1 PKNN特征描述算法 |
| 3.2.2 PKNN描述子匹配 |
| 3.2.3 基于距离约束的误匹配剔除 |
| 3.3 实验验证 |
| 3.4 本章小结 |
| 第四章 基于稀疏测量点的装配变形评价算法 |
| 4.1 引言 |
| 4.2 时序性型面变形检测 |
| 4.2.1 稀疏测量点数据配准 |
| 4.2.2 对应点对误差分析 |
| 4.2.3 非对应点误差模拟 |
| 4.3 形状误差检测 |
| 4.3.1 舱段圆柱度误差检测 |
| 4.3.2 上下端框圆度误差检测 |
| 4.4 实验验证 |
| 4.5 本章小结 |
| 第五章 舱段装配数字化测量实验与分析 |
| 5.1 引言 |
| 5.2 舱段型面数据测量实验系统 |
| 5.2.1 硬件设备 |
| 5.2.2 软件界面 |
| 5.3 舱段大部件装配变形数字化测量流程 |
| 5.4 数字化测量实验及结果 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（8）基于近景工业摄影的光学三维形貌测量关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究目的和意义 |
| 1.2 近景工业摄影测量及机器视觉 |
| 1.3 三维形貌测量技术分析 |
| 1.4 基于近景工业摄影的光学三维形貌测量研究现状 |
| 1.5 论文的主要研究内容 |
| 第二章 光学三维形貌测量的理论基础 |
| 2.1 引言 |
| 2.2 摄像机模型与坐标系 |
| 2.2.1 摄像机模型 |
| 2.2.2 常用坐标系 |
| 2.2.3 坐标系的转换 |
| 2.3 单视图几何 |
| 2.3.1 共线方程 |
| 2.3.2 单像空间后方交会 |
| 2.4 双视图几何 |
| 2.4.1 共面方程 |
| 2.4.2 极线几何与基础矩阵 |
| 2.4.3 双目立体视觉三维重建 |
| 2.5 快速光束平差算法 |
| 2.5.1 光束平差模型及解算 |
| 2.5.2 快速光束平差 |
| 2.5.3 实验验证 |
| 2.6 本章小结 |
| 第三章 摄像机的标定技术 |
| 3.1 引言 |
| 3.2 摄像机的畸变模型 |
| 3.2.1 径向畸变 |
| 3.2.2 切向畸变 |
| 3.2.3 像平面畸变 |
| 3.3 基于平面棋盘格的摄像机标定 |
| 3.3.1 标定算法 |
| 3.3.2 畸变矫正 |
| 3.3.3 实验及结果分析 |
| 3.4 面向自动对焦的分层式摄像机标定方法 |
| 3.4.1 成像系统模型 |
| 3.4.2 自动对焦技术 |
| 3.4.3 分层式标定方法原理 |
| 3.4.4 分层式标定方法实验 |
| 3.4.5 基于光栅尺的验证实验 |
| 3.5 本章小结 |
| 第四章 摄站定向算法及装置的开发与设计 |
| 4.1 引言 |
| 4.2 基于共面点的绝对定向算法 |
| 4.2.1 算法原理 |
| 4.2.2 仿真实验 |
| 4.3 混合式相对定向算法 |
| 4.3.1 算法原理 |
| 4.3.2 定向精度评价实验 |
| 4.4 面向点云拼接的定向装置设计 |
| 4.4.1 立体定向靶标 |
| 4.4.2 移动式平面定向靶标 |
| 4.5 本章小结 |
| 第五章 三维点提取的密集点阵结构光与光学探针技术 |
| 5.1 引言 |
| 5.2 点云提取的密集点阵结构光技术 |
| 5.2.1 结构光投影图案设计 |
| 5.2.2 中心像素坐标提取 |
| 5.2.3 像点匹配算法 |
| 5.2.4 大尺寸平面的三维点提取实验 |
| 5.3 单点提取的触针式光学探针技术 |
| 5.3.1 结构设计及原理 |
| 5.3.2 光学探针标定 |
| 5.3.3 精度评价实验 |
| 5.3.4 金属球的三维点提取实验 |
| 5.4 本章小结 |
| 第六章 光学三维形貌测量实验与分析 |
| 6.1 引言 |
| 6.2 基于相对定向及平面靶标的近景工业摄影测量 |
| 6.2.1 卫星天线测量 |
| 6.2.2 飞机模型测量 |
| 6.3 基于立体定向靶标的三维形貌测量 |
| 6.3.1 测量原理 |
| 6.3.2 测量过程 |
| 6.3.3 测量结果分析 |
| 6.4 基于移动式平面定向靶标的三维形貌测量 |
| 6.4.1 测量对象 |
| 6.4.2 测量过程 |
| 6.4.3 测量结果分析 |
| 6.5 基于立体定向靶标的探针式多视场三维形貌测量 |
| 6.5.1 测量原理 |
| 6.5.2 精度评价实验 |
| 6.5.3 测量实验与分析 |
| 6.6 本章小结 |
| 第七章 全文总结与展望 |
| 7.1 全文总结 |
| 7.2 展望 |
| 参考文献 |
| 作者在攻读博士学位期间公开发表的论文 |
| 致谢 |
（9）基于组网摄影的风力机叶片振动测量与模态辨识方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 摄影振动测量技术 |
| 1.2.2 多摄像机标定技术 |
| 1.2.3 编码标志设计及应用 |
| 1.2.4 模态参数辨识技术 |
| 1.3 本文主要研究内容 |
| 1.4 论文结构安排 |
| 第2章 组网摄影测振基本原理与关键技术 |
| 2.1 双目摄影测量原理 |
| 2.1.1 摄像机非线性成像模型 |
| 2.1.2 空间三维坐标解算 |
| 2.2 组网摄影系统全局标定 |
| 2.2.1 双目标定 |
| 2.2.2 摄站逐级标定方法 |
| 2.3 目标追踪与匹配方法 |
| 2.3.1 改进的KLT特征追踪方法 |
| 2.3.2 基于编码标志的同名点匹配 |
| 2.4 小结 |
| 第3章 特征提取与识别方法 |
| 3.1 图像预处理 |
| 3.1.1 滤波去噪 |
| 3.1.2 特征分割 |
| 3.2 编码标志设计与识别 |
| 3.2.1 十字圆组合编码标志 |
| 3.2.2 字符编码标志 |
| 3.3 无标记测振特征提取与识别 |
| 3.3.1 亚像素骨架提取 |
| 3.3.2 虚拟目标点的构造 |
| 3.3.3 叶片边缘测量实例 |
| 3.4 小结 |
| 第4章 测量系统构建与误差分析 |
| 4.1 系统总体结构设计 |
| 4.1.1 硬件平台构建 |
| 4.1.2 同步采集与数据传输 |
| 4.1.3 软件开发 |
| 4.2 系统精度分析与参数选择 |
| 4.2.1 位置参数与测量精度的关系 |
| 4.2.2 交会结构的测量误差分析 |
| 4.3 多摄像机的组网布局方案 |
| 4.4 测量实例 |
| 4.4.1 字符编码标志的应用 |
| 4.4.2 四个摄像机联合组网测量实例 |
| 4.5 小结 |
| 第5章 基于摄影测振数据的模态辨识方法 |
| 5.1 Data-SSI 方法 |
| 5.2 稳态图 |
| 5.3 虚假模态剔除 |
| 5.4 叶片模态分析实例 |
| 5.4.1 有限元仿真分析 |
| 5.4.2 力锤敲击法测试 |
| 5.4.3 激振器扫频测试 |
| 5.4.4 Data-SSI 方法改进应用 |
| 5.5 小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 附录:攻读博士学位期间的科研成果 |
| 致谢 |
（10）面向汽车复杂零部件的自动化测量关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与问题描述 |
| 1.2 汽车复杂零部件测量研究现状 |
| 1.2.1 三坐标测量机 |
| 1.2.2 激光在线测量 |
| 1.2.3 激光雷达 |
| 1.2.4 激光跟踪仪 |
| 1.2.5 蓝光扫描测量 |
| 1.3 复杂零部件自动化测量及其关键技术 |
| 1.3.1 高精度终端测量 |
| 1.3.2 全局精度控制 |
| 1.3.3 测量流程自动化 |
| 1.3.4 复杂特征评价 |
| 1.4 课题来源及研究内容 |
| 第2章 终端测量及其外部观测方法 |
| 2.1 基于结构光投影的终端测量 |
| 2.1.1 结构光相位解算 |
| 2.1.2 立体匹配与三维重构 |
| 2.2 终端测量系统内参标定 |
| 2.2.1 相机标定 |
| 2.2.2 投影仪内参标定 |
| 2.2.3 投影仪逐像素畸变校正 |
| 2.2.4 实验验证 |
| 2.3 终端测量外部观测方法 |
| 2.3.1 外部观测方法 |
| 2.3.2 外部观测点精确标定 |
| 2.4 本章小结 |
| 第3章 基于双重几何约束的全局精度控制 |
| 3.1 双重几何约束 |
| 3.1.1 基于多相机交汇测量的全局定位 |
| 3.1.2 基于控制点约束的精度自检与补偿 |
| 3.2 基于非参数模型的大视场相机标定 |
| 3.2.1 非参数模型标定原理 |
| 3.2.2 角度插值方法 |
| 3.2.3 实验验证 |
| 3.3 全局精度控制场现场标定方法 |
| 3.3.1 机器人运动学模型 |
| 3.3.2 手眼标定 |
| 3.3.3 多相机系统现场标定原理 |
| 3.3.4 现场标定实验验证 |
| 3.4 终端测量数据全局精度统一 |
| 3.4.1 基于全局测量的数据统一 |
| 3.4.2 实验验证 |
| 3.5 本章小结 |
| 第4章 基于视觉引导的测量系统自动化 |
| 4.1 自动化测量与自动化物流 |
| 4.1.1 基于全局视觉定位的自动化测量 |
| 4.1.2 基于移动视觉定位的自动化物流 |
| 4.2 单目多姿态视觉定位方法 |
| 4.2.1 定位模型 |
| 4.2.2 初值估计 |
| 4.2.3 特征点布局优化 |
| 4.3 实验验证 |
| 4.3.1 实验平台搭建 |
| 4.3.2 精度验证 |
| 4.4 本章小结 |
| 第5章 特征评价与系统验证 |
| 5.1 点云预处理 |
| 5.1.1 点云去噪 |
| 5.1.2 点云融合 |
| 5.1.3 点云索引建模 |
| 5.2 特征评价 |
| 5.2.1 常规特征评价 |
| 5.2.2 筋线测量 |
| 5.3 系统验证 |
| 5.3.1 系统验证平台搭建 |
| 5.3.2 特征评价结果 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
四、标志点拼接技术在大型薄壁件型面非接触测量中的应用（论文参考文献）
- [1]大型构件局部特征加工定位点测量方法研究[D]. 马大智. 大连理工大学, 2021
- [2]基于激光跟踪仪与结构光扫描仪的高效组合式测量方法研究[D]. 武琼. 大连理工大学, 2021(01)
- [3]光滑表面三维轮廓测量及三维点云拼接技术研究[D]. 郭攀. 浙江大学, 2021(09)
- [4]基于点云重建技术的工件曲面轮廓度测量方法研究[D]. 王绍臣. 山东大学, 2020(12)
- [5]大型构件视觉测量中特征提取与多视拼接方法[D]. 邸宏图. 大连理工大学, 2020
- [6]基于视觉测量的叶片自适应定位修复方法研究[D]. 李战. 中国民航大学, 2020(01)
- [7]航天器舱段大部件的装配变形数字化测量技术研究[D]. 石诚. 南京航空航天大学, 2020
- [8]基于近景工业摄影的光学三维形貌测量关键技术研究[D]. 李云雷. 上海大学, 2020(02)
- [9]基于组网摄影的风力机叶片振动测量与模态辨识方法研究[D]. 王文韫. 湖南科技大学, 2019(06)
- [10]面向汽车复杂零部件的自动化测量关键技术研究[D]. 刘涛. 天津大学, 2018(06)