针对聚焦形貌测量提出了一种组合式的像素点清晰度评价算法。对于有序点云缺失点的插补,使用基于三次B样条的方法,来进行插补,通过实验证明该方法能够有效的补齐缺失点,以得到完整的点云数据。根据聚焦形貌恢复技术原理,搭建了一套完整的硬件,通过精度验证实验,测量设备在10X倍率下的测量精度在742.9nm。并对铝合金电弧增材制造件进行了表面形貌测量,可清晰观察其表面形貌,检测其缺陷。实验结果表明提出的方法兼具恢复的高精度性及有效性,应用此方法可以完成微观形貌的表面三维参数的测量分析。
聚焦评估 形貌测量 评估算子 增材制造 focus evaluation topography measurement sharpness evaluation additive manufacturing
南京航空航天大学机电学院, 江苏 南京 210016
为了满足探测复合材料内部缺陷非接触无损检测需求,研究复合材料内部缺陷(以气孔为例)无损检测识别技术,提出了基于机器视觉的复合材料缺陷图像识别检测方法。该方法通过在数字化射线技术(DR技术)进行复合材料缺陷图像采集,同时针对射线图像对比度差等特点,采用自适应直方图均衡化来提高射线图像对比度,增强图像细节,使之易于分辨,修改基于 Yolo-v3的输入输出,并采用自行构建的数据集对其进行标注与训练,计算所得平均精度map为86.04%,实现了对复合材料孔缺陷的高精度快速检测与识别。
复合材料 卷积神经网络 深度学习 机器视觉 图像增强 composite materials convolutional neural network deep learning machine vision image enhancement
南京航空航天大学机电学院, 江苏 南京 210016
针对现有变焦镜头标定方法难度大、动态精度低等问题, 提出一种基于单应性矩阵的动态变焦双目内外参数估计方法和平面快速重建方法。利用双目图像匹配点及变焦前后的匹配点进行两类单应性矩阵估计；基于变焦数学模型和单应性矩阵, 求解变焦后双目内外参数, 实现畸变后双目参数动态估计与优化；通过双目图像单应性进行平面快速匹配和重建。实验结果表明, 计算的内外参数与标定结果吻合较好；变焦后, 推导的单应性矩阵归一化误差小于0.01, 图像重投影误差小于1 pixel；重建精度小于0.1 mm。
机器视觉 变焦双目标定 单应性矩阵 变焦镜头 图像匹配
